People Analytics

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

Ciência dos Dados chegou no RH

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!!!

conceito

ciência de dados

fatos

dados

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?

diferem

diferem

benefícios

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.

objetivos

O que aconteceu?

O que irá acontecer?

Como fazer acontecer?

Por que aconteceu?

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:

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

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.

People Analytics

Dados

Análise

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

People Analytics

Utilização de People Analytics na sua empresa

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

People Analytics

Utilização de People Analytics na sua empresa

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?

Exemplo:

• 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.

Mas, o que é IA e machine learning?

Modelos de Machine Learning

Machine Learning

Machine Learning

A árvore prevê a inteligência esperada  de vários mamíferos, como função do tempo de gestação (em dias) e do tamanho médio da ninhada para cada espécie.

Machine Learning

Você quer prever a inteligência de um gorila, que tem um tempo de gestação de 265 dias e um tamanho médio de ninhada de 1.

Qual o tamanho relativo do cérebro que esse modelo de árvore prevê?

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:

Resultado Final

Turn over

Funcionários + felizes

Empresa > produtividade e lucro

Resultado Final

Claro que os princípios são diferentes!

Por que não usar a mesma  ideia para prever o abandono escolar?

Agora,

Nós queremos evitar que o alunos com grande chance de abandonar, abandone!!

Nós queremos conhecer esse aluno para ajudá-lo a continuar estudando!!

Conhecendo esse aluno eu posso focalizar os meus esforços

Déficit de aprendizagem

Flexibilidade

Fatores de motivação

Qualidade da educação

Fatores de contexto

Necessidade especial

Violência

Acesso limitado

Mercado de trabalho

Pobreza

Fatores de compreensão

Percepção da importância

Desafios emocionais

http://gesta.org.br/tema/engajamento-escolar/

O que afasta os jovens da escola?

Trabalho? Pobreza? Gravidez precoce?

O que afasta os jovens da escola?

Trabalho? Pobreza? Gravidez precoce?

• Infraestrutura da Escola (comida, água, internet, esgoto...)

• Nº de dias da semana com atividade na escola

• Idade

• Proxy para necessidade especial

• Tipo de zona residencial

• Quantidade de alunos na turma

• Nota da escola no ENEM

• Proximidade da residência do aluno a escola

Dashboard com todas as informações dos modelos e todos os cálculos

(*) Todas informações são criptografadas. Somente o coordenador pedagógico terá informações sobre o aluno.

Coordenador insere semanalmente as faltas dos alunos.

Lista com os alunos com maior chance de abandonar

Resultado Esperado

Abandono

Professores e alunos + felizes

Escola mais inclusiva

Resultado Final

OBRIGADO!

Pedro Costa Ferreira