No seguimento do anterior artigo que escrevi aqui no Observador, dizia que na gestão de empresas, o “achar” fica para segundo plano. Para tomar decisões, o gestor deve contar com informação e dados. Disse que ia escrever sobre o uso de dados para a gestão de pessoas. Na última década, começou-se a falar cada vez mais no People Analytics, Workforce analytics ou HR analytics. O que é? É a área dos recursos humanos que utiliza as técnicas da inteligência artificial, das ciências sociais e da inovação para retirar informação e conhecimento dos dados referentes às pessoas numa organização, para a tomada de decisão (Brito, 2021; Tursunbayeva et al., 2018). Começou-se a perceber que só com evidências se podia tomar decisões mais informadas. Há abordagens anteriores que já se focavam em métricas e indicadores para a tomada de decisão na gestão de pessoas. O Balance Scorecard de recursos humanos é um exemplo. O analytics traz a componente preditiva, para além da descritiva, já presente em muitas análises quantitativas organizacionais.

De acordo com a Delloite (Deloitte Insights, 2018), 84% dos entrevistados afirmaram como sendo importante ou muito importante o People Analytics, tornando-se a segunda tendência de RH no ranking total (Tursunbayeva et al., 2021). Mais recentemente, em 2023, a NTT Data fez um inquérito a 70 empresas em Portugal e concluiu que apenas 4% admitiram ter um elevado nível de maturidade em HR Analytics (NTT Data, 2023).

Se eu conhecer melhor a minha força de trabalho nas suas características, sejam demográficas, psicográficas, poderei traçar perfis e assim poder ir de encontro às suas necessidades de uma maneira mais eficaz, de forma a alinhar os objetivos da empresa com os de RH e melhorar a experiência do colaborador. De forma similar ao marketing para produtos/ serviços, se eu conhecer dadas características da minha força de trabalho, poderei modelar as políticas de recursos humanos de uma forma mais ajustada à realidade.

Por exemplo, se eu perceber de onde vem a maioria dos meus recursos humanos de um modo mais fiável e baseado em dados, poderei desenhar as minhas técnicas de atração de talento de uma forma mais adequada ao público-alvo. Atualmente posso agrupar vários perfis de colaborador em “personas”, o que consiste numa técnica de clustering e assim, constituo grupos homogéneos de colaboradores com características similares, só assim poderei desenhar produtos, políticas e práticas à sua medida.

Numa altura em que os RH são tão escassos em certos setores, por um lado, tão custosos para as empresas e “fugidios”, por outro, se a empresa conseguir fidelizar os colaboradores, tornará a sua vida mais agradável e, no fim, também incorrerá com menores custos e mais retorno no investimento. Também posso, com técnicas preditivas prever certos comportamentos e tendências. Qual será o número de trabalhadores necessário? Quais é que serão necessários e com que perfil? Até ao ponto de criar algoritmos que prevejam a probabilidade de existir abandono profissional em certa função ou a chance de alguém ter um burnout. Posso também procurar prever qual o nível de aceitação de um CV. As possibilidades destas tecnologias são infindáveis e já são usadas na realidade.

Por exemplo, a companhia aérea JetBlue utilizou o People Analytics para encontrar, nos seus processos de recrutamento, os tripulantes de cabine mais simpáticos para os clientes. Além disso, afinou o seu modelo de recrutamento para adequar de forma mais acertada o perfil da função à contratação real e assim conseguiu aumentar significativamente a satisfação do passageiro expressa no NPS (Net Promoter Score), reduziu o turnover e aumentou o envolvimento organizacional e hoje aplica o People analytics a todas as suas 12 mil contratações/ ano (Wharton School of Pensylvania, 2015). A Google foi uma das primeiras empresas a usar uma abordagem científica do recrutamento ao desenvolver um algoritmo para predizer quais candidatos têm a maior probabilidade de ter sucesso depois de serem contratados (Sullivan, 2013).

Dois grandes desafios nesta área são a privacidade e a justiça do sistema (Brito, 2022; Tursunbayeva et al., 2021). Desde logo, uma implicação que há em medir, é saber (de mais) sobre as pessoas, por vezes dados extremamente sensíveis. Mas cada vez mais a consciência das empresas, academia e regulamentação vão no sentido de proteger os dados das pessoas. A privacidade é dos desafios mais “espinhosos” nesta área (e, de resto, no Big Data, em geral) (Lazer et al., 2009, p. 722). As práticas mais avançadas atualmente vão muito na direção de não individualizar a gestão de dados, mas trabalhar segundo indicadores de grupo. Por outro, se for inevitável obter dados individualizados de modo a gerar conhecimento e tomada de decisão sobre os mesmos, é essencial, antes de tudo, criar e implementar uma política de governança de dados. Estabelecer políticas e mecanismos de conhecimento e controlo de quem acede aos dados, quem os trata, quem os apresenta, quem os altera, etc. Há um caminho longo a fazer neste campo da privacidade.

No que toca à justiça do sistema, tem que ver com encontrar políticas de gestão que assegurem que ao extrairmos dados, não criamos uma perceção de que estamos a vigiar nem tão pouco a controlar, mas a usar esses dados com um benefício percetível para o colaborador. O que tenho ouvido das empresas e percebido pela literatura é que é preciso criar uma perceção firmada na realidade, com base em recompensas ou não, de que gerirmos os dados das pessoas é um benefício para elas e não uma fonte de ansiedade. Esta espoleta outros sentimentos e ações que todos os gestores de recursos humanos temem: falta de motivação e compromisso. Se a gestão de dados de pessoas se tornar um big brother, lá se vai toda a lógica para a qual foram criadas, para melhorar a experiência do colaborador e alavancar resultados. As duas juntas, não separadas.

Em suma, as possibilidades do HR Analytics são infindáveis e as suas potencialidades ainda por explorar, mas há várias questões que têm de ser acauteladas. Uma delas é a privacidade, outra é aumentar a formação e qualificação nestas áreas da estatística e da inteligência artificial, muito escassas nos departamentos de RH. Além disso, criar e fomentar uma melhor cultura baseada em dados nas organizações. Por último, um problema maior é o alinhamento da estratégia de recursos humanos com a da empresa. Por sua vez, deve existir também a respetiva tomada de consciência da gestão de topo sobre a importância da área de RH e da gestão de dados.

Referências:

• Brito, A. P. (2022). People Analytics in the COVID-19 Pandemic: how empathy and privacy turned out the hot topics. In M.J. Sousa, S.  K. Pani, F.D. Mas, S. Sousa (Eds.), Advancements in Artificial Intelligence in The Service Sector (1, 9, pp.). CRC Press.
• Deloitte Insights. (2018). The rise of the social enterprise. 2018 Deloitte global human capital trends, retrieved from here.
• Lazer, D., Pentland, A., Adamic, L., Aral, S., Barabasi, A. L., Brewer, D. & Van Alstyne, M. (2009). Social science. Computational social science. Science (New York, NY), 323(5915), 721-723. NTT Data. (2023). The Power of Analytics in HR. Retrieved from here.
• Sullivan, J. (2013, Feb.). How Google Became the #3 Most Valuable Firm by Using People Analytics to Reinvent HR. ERE Recruiting Intelligence. Retrieved from here.  Tursunbayeva, A., Di Lauro, S., & Pagliari, C. (2018). People analytics—A scoping review of conceptual boundaries and value propositions. International Journal of Information Management, 43, 224-247.
• Tursunbayeva, A., Pagliari, C., Di Lauro, S., & Antonelli, G. (2021). The ethics of people analytics: risks, opportunities and recommendations. Personnel Review.
• Wharton School of Pensylvania. (2015, Aug.). Should hiring be based on gut – or data? Knowledge at Wharton. Retrieved from here.