People Analytics

Estudo de caso

People Analytics: a ciência dos Dados chegou no RH

As Ondas de Análise

Finanças
&
Logística

Consumo
&
Marketing

Talento
&
Liderança

1900 - 1960

1960 - 1970

HOJE

• Análise financeira
• Supply chain integrado
• Análise de logística

• Análise comportamental web
• Segmentação dos clientes
• Análise dos clientes

• Análise preditiva do capital humano
• Análise dos talentos orientada aos negócios
• Gerenciamento integrado de talentos

Quem acredita na importância do People Analytics?

Gestão e utilização da ciência de dados sobre pessoas que visa impulsionar o negócio e propiciar decisões mais assertivas, não apenas baseadas em feeling e sim em fatos e dados.

People Analytics: conceito

Mais INSIGHTS!!!

Que benefícios fazem com que seus colaboradores prefiram a empresa?

Já se perguntou...

Como os funcionários com melhor performance se diferem em seu perfil dos demais?

Como se diferem os funcionários que saíram da empresa dos que estão ativos?

Níveis de Maturidade

People Analytics: objetivos

1

2

3

4

Descritivo

O que aconteceu?

Corresponde ao nível básico, foco em relatórios gerenciais.

Diagnóstico

Por que aconteceu?

É um nível superior de relatórios que permite definir ações corretivas.

Preditivo

O que irá acontecer?

Este nível de maturidade permite a melhor tomada de decisão.

Prescritivo

Como fazer acontecer?
Preditivo em ciclos: monitorar, agir e avaliar eficácia da ação.

As empresas reconheceram que precisam de dados para descobrir os fatores que fazem as pessoas se engajarem, performarem bem e permanecerem em uma organização

People Analytics: por que importa para a gestão de pessoas?

Sumário Executivo: profile

Ter a informação do colaborador através de uma plataforma integrada!

• Dados de admissão

• Histórico de promoções

• Evolução curricular

• Dados de competência, perfomance e pontencial

People Analytics: ciclo de vida do colaborador

Recrutamento e seleção

Onboarding

Metas

Competências

Treinamento

Carreira

Sucessão

People Analytics: processo

Atrair

Motivar

Engajar

Desenvolver

Reter

Performance

>

>

>

>

>

Employer

Brand

Analytics

Gamificação

Employee

Engagement

Learning

Analytics

Talent

Analytics

People

Analytics

People Analytics: atrair

Game das Olimpíadas:
Contratação de pessoas mais alinhadas aos valores da empresa. E acompanhar o candidato ao longo da carreira para não perder esses valores.

Exemplos de Aplicações

High performers:
Qual é o perfil que estou procurando?

Basear-se em características de colaboradores de sucesso para ajustar a escolha do candidato.

Conhecer o indivíduo previamente:
Entrevista por vídeo com perguntas pré-definidas antes de convidar para uma entrevista individual.

People Analytics: motivar

Gamificação

É uma prática organizacional emergente definida pela utilização da mecânica e do design de jogos para engajar as pessoas, motivar ações,  promover aprendizagem, resolver problemas, influenciar e recompensar os comportamentos dos utilizadores alvo.

People Analytics: engajar

Evitar altos índices de turnover

Descobrir talentos ocultos

Melhorar a qualidade de vida

As pessoas engajadas são mais produtivas, focadas no cliente e geradora de lucros, e os empregadores são mais propensos a mantê-los

People Analytics: engajar

People Analytics: desenvolver

Knowledge Management

Criar ambientes ricos em conhecimento: uma cultura de aprendizagem, autoria de conteúdo e compartilhamento de conhecimento.

Tecnologias emergentes - mobile, inteligência artificial, realidade virtual, realidade aumentada - ampliam ainda mais os recursos para o KM.

People Analytics: reter

O que os funcionários estão fazendo?

Que recompensas funcionam melhor?

Como os funcionários estão colaborando?

Três programas mais comuns para retenção utilizados pelos empregadores:

• 62% dão reembolso para educação;

• 60% oferecem benefícios competitivos para férias e feriados;

• 60% oferecem salários competitivos.

People Analytics: performance

"Um funcionário de alto desempenho recebeu um feedback positivo do gerente"

"Um funcionário de alto desempenho recebeu um feedback positivo do gerente, gerou rentabilidade e satisfação do cliente acima da média dos seus pares, realizou treinamento solicitado, atuou como um empreendedor e recebeu um aumento de salário de 20% no último ano."

Aplicação de People Analytics

Utilização de People Analytics na sua empresa

1. Dados:
Coleta e armazenamento de dados de todos os funcionários.

2. Ferramentas de Análise:

Softwares e/ou linguagens de programação dependendo do tipo de problema que for proposto.

3. Definição de grupos e variáveis a serem analisadas:
Ex: performance vs salário; perfomance vs nível de cargo.

4. Avaliar Turnover:

• Alto Risco: avaliar o grupo e tomar providências.
• Baixo Risco: efetivações, aumento de salários, prêmios, reconhecimentos, etc.

Aplicação de People Analytics

5. Usar grupos com os melhores indicadores como parâmetros para novas contratações, ou seja, programas de retenção mais assertivas.

6. Criar programas de desenvolvimento, treinamentos e ações para suprir necessidades dos colaboradores com baixa performance e assim diminuir o turnover.

Aplicação de People Analytics

Exemplo

A área de RH de uma determinada empresa, deseja avaliar a propensão ao risco de seus funcionários pedirem demissão e quer implementar políticas para redução de seu turnover.

Turnover: é o movimento no qual um funcionário é substituído por um novo colaborador.

Exemplo: Análise de Recursos Humanos

Por que os melhores e mais experientes funcionários estão saindo prematuramente?

Quais são os funcionários mais propensos a deixarem a empresa?

• Nível de satisfação

• Avaliação mais recente (anual)

• Número de projetos trabalhados

• Horas mensais médias

• Tempo gasto na empesa (anos)

• Acidente de trabalho (últimos 2 anos)

• Promoção dentro de 5 anos

• Departamento

• Salário

 Variáveis:

A maior correlação positiva (0,42) é entre o número de projetos em que o funcionário já trabalhou e as horas mensais médias, ou seja, quanto mais projetos, mais horas de trabalho.
A maior correlação negativa (-0,39) é entre o nível de satisfação do funcionário em relação à empresa e o fato do mesmo ter a deixado, em outras palavras, quanto menor for o nível de satisfação do funcionário, maior a chance dele sair da empresa.

Quem está deixando a empresa?

Nem sempre são os melhores funcionários que deixam a empresa...

Dos 3571 funcionários que deixaram a empresa:

Mais de 46% não foi bem avaliado;

Mais de 71% apresentou um nível de satisfação baixo;

Mais de 46% trabalhou menos de 200h mensais (em média).

Mas, claramente, existem ótimos funcionários que também saem!

Por que?

Por que bons funcionários estão deixando a empresa?

Levando em consideração apenas os funcionários que deixaram a empresa com a última avaliação maior ou igual a 70%, tempo de empresa maior ou igual a 4 anos e número de projetos maior do que 5

Em média, eles não estão satisfeitos, trabalham em muitos projetos, passam muito tempo por mês trabalhando na companhia e não costumam ser promovidos!

Vamos prever qual será o próximo bom funcionário a deixar a empresa...

Modelos de previsão:

• Árvore de decisão

• Naives Bayes

• Regressão logística

"Caret" package:

é um conjunto de funções que tentam agilizar o processo para criar modelos preditivos. 

Cross-Validation:

é uma técnica para avaliar a capacidade de generalização de um modelo, a partir de um conjunto de dados.

Árvore de decisão

Valor positivo

Valor positivo

Valor negativo

Valor negativo

7591

276

1738

167

Valor verdadeiro

Naives Bayes

Valor positivo

Valor positivo

Valor negativo

Valor negativo

7663

601

1413

95

Valor verdadeiro

Regressão Logística

Valor positivo

Valor positivo

Valor negativo

Valor negativo

7676

335

1679

82

Valor verdadeiro

Resultados: matriz de confusão

Kappa 0,8586

Kappa 0,76

Kappa 0,8674

As matrizes de confusão e a precisão dos diferentes modelos mostram que o poder preditivo é muito parecido. Com o melhor coeficiente Kappa, decidiu-se usar o modelo de Regressão Logística.

Como base no modelo escolhido, o gráfico a seguir apresenta a probabilidade de saída dos funcionários e seu desempenho.

Prob. de sair

9707

Desempenho

767

0,989

0,97

0,96

0,992

Prioridade

586

458

822

0,979

0,979

0,984

0,97

0,97

0,96

0,959

0,953

0,949

0,949

0,945

Os 5 primeiros funcionários que a empresa deveria manter com base no modelo logístico:

ID

People Analytics: mitos e verdades

MITO

VERDADE

People analytics é visto como um especialista de RH focado em gerar dashboards.

People analytics é visto como um time (RH e Gestores) trabalhando em toda a empresa para conduzir seus processos para os resultados de negócio.

People Analytics: mitos e verdades

MITO

VERDADE

Analytics foca apenas em métricas para retenção, engajamento, aprendizagem e performance.

Analytics foca nos problemas de negócio, como produtividade de vendas, potencial de retenção, fraude, padrões de acidentes, além de retenção, aprendizagem e performance.

People Analytics: mitos e verdades

MITO

VERDADE

A equipe de análises tem uma forte compreensão dos dados de RH. Toda empresa deve ter uma agora.

A equipe de análises tem forte compreensão dos dados de RH, financeiros, clientes e tem relacionamento com outras equipes analíticas da empresa de depende do nível de maturidade da empresa.

People Analytics: dicas

• Definir as perguntas que realmente impactam no negócio;

• Investir na cultura analítica dos líderes;

• Concentrar nas ações e não apenas em conclusões.

FIM