Para quem está menos familiarizado com o tema, trata-se de usar dados, métricas e alguma estatística para analisar comportamentos, prever tendências e dar suporte a decisões estratégicas na gestão de pessoas. Em vez de decisões baseadas na intuição ou na experiência, muitas vezes o recurso a uma espécie de smell oriented management (que nem sempre é inútil), aplica-se antes inteligência analítica em temáticas tão variadas como: a)Previsão de rotatividade (turnover prediction); b)Análise de produtividade por equipa ou gestor; c)Modelos de engagement; d)Planeamento de sucessão; e) Identificação de perfis de alto desempenho; f) Avaliação do impacto da formação e do desenvolvimento de talento.
A temática é técnica e muito sensível.
Técnica porquê? Porque envolve: Estatística e machine learning (exemplos: regressão logística, árvores de decisão, probabilidades); Bases de dados (exemplos: integração de dados de RH, produtividade e, por exemplo, CRM; Ferramentas específicas (Power BI, Tableau, R, Python, entre outros); Conformidade com regras de privacidade e a lógica RGPD.
Sensível porquê? Porque levanta dilemas éticos: Até onde deve ir a “vigilância” sobre os colaboradores? O que acontece se um modelo preditivo ditar que alguém quer ou vai sair da organização? E qual o papel do líder? Intervém ou não? E se estiver errado? E se um dado modelo discriminar inconscientemente certos perfis por enviesamentos nos dados históricos? (ainda esta semana ouvia novamente o erro dos gatos brancos; mostram-se fotografias que alimentam o conhecimento da inteligência artificial e que servem para ilustrar gato e a cor branca. Pode-se e deve-se repetir a introdução de gatos brancos em várias poses e de vários feitios. Se se perguntar depois de algumas introduções de gatos brancos, ao colocar um cão branco, de que animal se trata o modelo terá tendência a responder…gato; era um cão).
Por que se trata também de moda?
O People Analytics tornou-se uma buzzword em Gestão de Pessoas, mas a maioria das organizações não estão preparadas para tirar partido desta tendência. E muito menos a informação que se coloca para alimentar um modelo facilmente abrível a todos, ainda que anonimizado. Assim, deve-se cuidar de/da/do: Pouca qualidade ou integração de dados; Falta de competências internas para trabalhar os modelos; Muita falta de cultura orientada a dados; Uso superficial: relatórios descritivos em Excel e tantas vezes chamados de “analytics” (o que não deixa, se formos puristas, de ser verdade).
Mas o que realmente importa? Importa o verdadeiro potencial do People Analytics que está exatamente assente nos seguintes fatores: Combinar dados quantitativos com sensibilidade humana, não podendo nunca desaparecer esta sensibilidade humana; Gerar inputs que estimulem a ação e não apenas dashboards giraços; Apoiar decisões com impacto estratégico: retenção, performance, cultura, crescimento e desenvolvimento.
O People Analytics é interessante e produz resultados muito interessantes. Sem qualquer sombra de dúvidas. Mas haverá criticidade e maturidade organizacional suficiente para se usar em larga escala e daqui se extraírem conclusões definitivas? Essa é a grande questão.
Que não se esqueça a máxima de que uma máquina pode superar um homem. Fácil. Mas uma máquina não superará um homem com uma máquina!
