Neste artigo, a ideia é expandir brevemente o conteúdo de um ótimo texto sobre analytics em geral. Comento rapidamente os “10 passos” sob o ponto de vista de seus significados e impactos para os desafios práticos do People Analytics (ou HR Analytics).
O texto-base é de David Waller e foi publicado em 6/fev/2020, na Harvard Business Review: “10 Steps to Creating a Data-Driven Culture”.
Este texto não é uma tradução, tampouco uma reinterpretação, mas uma discussão embasada pela minha pesquisa, experiência e trocas com outros profissionais de RH sobre o que os dez passos podem significar para o dia-a-dia dos profissionais de RH que querem fazer acontecer o People Analytics.
Vale reforçar que a leitura do texto original é valiosíssima e pode trazer mais insights e questionamentos sobre situações e cenários eventualmente não tratados aqui!
O papel dos rituais de comunicação e de circulação de informações tem uma relação crítica com a capacidade de inovar e decidir a partir de informações objetivas no RH (não apenas na prática de People Analytics, mas com quaisquer dados originados por RH).
Um dos impulsionadores da inovação é a capacidade de combinar os conhecimentos individuais e a diversidade de conhecimentos de grupo. Isso dispara um processo natural de pesquisa e desenvolvimento nas empresas (ou áreas, produtos, processos) que é vital para quem busca por vantagens competitivas.
Rituais como comitês, reuniões de alinhamento, acompanhamentos de dashboards etc, são importantes momentos formais de troca de informações, mas não são suficientes para, sozinhos, impulsionarem o processo de troca de conhecimentos e aprendizado para inovação
Esses momentos formais têm o potencial de fomentar trocas de informação que devem ser realizadas fora dos rituais formais (vertical e horizontalmente).
É nessas interações informais que algo importantíssimo para a sustentação do People Analytics acontece: a discussão detalhada de conhecimentos gerenciais humanistas suportados por pontos de vista objetivos.
Nesses momentos são exercitadas as minúcias do hábito de conceituar a problemática real de processos e políticas de RH discutidas sob alternativas analíticas; assim como de absorver novas ideias e pontos de vista (vide o passo 10 do texto original).
Sem essas trocas, fica mais distante a oportunidade de insights que encontrem um ponto comum entre as demandas “de negócio” de RH (planos de ação de Business Partners para os Negócios, ajustes de políticas de remuneração ou de performance, novos processos de seleção etc) e as soluções mais adequadas que podem ser oferecidas por uma equipe de analytics.
Um “detalhe” importante e muitas vezes deixado de lado: muitas vezes uma demanda de RH precisa de mais de um tipo de profissional de RH, como Business Partners para oferecer o ponto de vista do negócio e do especialista de, digamos, Diversidade, que conhece os detalhes das políticas da empresa e das exigências regulatórias. É verdade que muitas vezes esses dois profissionais estão em um só, mas nem por isso esse “detalhe” é menor.
Neste passo é abordada a relevância de se ter boas métricas básicas: indicadores diretamente relacionados à estratégia e aos resultados (o que quer que se convencione chamar de “resultado”).
O texto original não cita, mas a governança sobre essas métricas (e sobre os dashboards que as contém) é absolutamente crítica. Sem essa governança, o People Analytics fica perdido no tiroteio do MIS e o risco de frustrações é enorme quando se compara o que as análises podem gerar versus o que elas geram de fato.
Para dar um exemplo micro, do dia-a-dia: governar é cuidar para que dashboards nasçam conforme a necessidade dos processos que os demandaram sem que se proliferem como Gremlins.
Mesmo nascendo fora do padrão tecnológico (se é que ele existe), devem ter seus dados de saída tratados enquanto não migram para uma plataforma corporativa mais robusta. Em tempo: deixar dashboards e “sisteminhas” nascerem descontroladamente é pedir para ter problemas de conciliação de dados além de viver fazendo migrações e mais migrações de plataforma. E esqueça de novo aquele People Analytics que devia te deixar decidir com mais clareza.
Governar também é garantir que os dados de alimentação sejam confiáveis (o que o passo 4 também aborda, em certa medida) e integrados com os demais que já são distribuídos, fazendo com que estejam alinhados com o que já funciona bem.
A conta é relativamente simples: pedir por ajuda sempre é fácil, mas é um caos para administrar o dia-a-dia. Buscar um processo organizado exige disciplina, mas viabiliza o People Analytics. …mas o que quer dizer isso?
Faz parte da rotina de RH o surgimento de demandas que emergem rapidamente e precisam de informações detalhadas. Nessas horas, um bom conjunto de relatórios de dados tratados adequadamente pode dar conta do recado (pra entender o que é esse “bom”, vide o passo 6).
Acontece que às vezes essas informações se tornam recorrentes e precisam ser organizadas em um dashboard. Para acompanhamentos de curta duração, não se precisa colocar todo o poder de fogo de tecnologia à disposição pra resolver. É possível que ferramentas mais “pé de boi” como o Excel já resolvam até que a situação se acalme.
E então chega a hora de resolver: desplugamos o acompanhamento ou o oficializamos? Sempre fica aquela impressão de “eu posso precisar depois”, mas manter acompanhamentos paralelos implica duas responsabilidades:
“Ah, mas é importante pra minhas demandas e o pessoal não tem orçamento pra isso”. Sim, é verdade que o orçamento pode ser um vilão horrível, mas isso não invalida nenhum dos dois pontos acima. E manter “sigilo” sobre esses acompanhamentos só ajuda a jogar pra debaixo do tapete um trabalho operacional complexo, útil e que poderia impulsionar modelagens mais complexas.
Resumindo: se já há quem organize informações, não procurar essa turma é jogar contra e fazer todo mundo perder tempo.
Discussões de estratégia bem fundamentadas têm como um de seus produtos gerar orientações para métricas que as traduzam. Por sua vez, métricas bem fundamentadas, acompanhadas e compreendidas têm o potencial de evoluir o conhecimento sobre um assunto e retornar insights importantes sobre a estratégia, modificando de forma dinâmica o próprio dashboard.
É dessa dinâmica que modelagens de People Analytics tiram um de seus maiores insumos: um alvo claro e útil, passível de acompanhamento e evolução.
Incluir em um dashboard de indicadores básicos (operacional, por definição) também o acompanhamento de um modelo sofisticado (bem como todo o séquito de indicadores de margens de erro que o acompanham) embute muita dedicação de alinhamento entre profissionais de RH e de People Analytics, ao ponto de criar o de aprendizado e foco que indiscutivelmente coloca o RH no board estratégico da organização.
Basicamente, no texto original o passo fala sobre como gestores e empresas podem cair na tentação de tiranizar seus cientistas de dados, fazendo-os trabalhar de forma excessivamente focalizada e sufocando sua capacidade de agregação de valor.
É fácil encontrar cientistas de dados contratados para trabalhar com People Analytics que passam a maior parte do tempo “construindo bases” (ou seja, organizando databases e relatórios), calculando metas e resultados para processos de performance ou peregrinando para ensinar como calcular os indicadores de RH.
Essas experiências são contadas em frases que se iniciam com “No meu emprego anterior, em que fiquei seis meses e saí correndo…”. Mas este é assunto pra outro artigo.
Adicionalmente, chamaram-me a atenção dois trechos desse passo no texto original:
Primeiro trecho: “Ultimately, the particulars matter less than the principle”
(algo como “Em última análise, os detalhes importam menos do que o princípio”)
Os profissionais de RH ainda costumam se preocupar demais com pequenas exceções não atendidas pelas análises e modelos sob a desculpa de que “estamos falando de pessoas e ninguém pode ser prejudicado”. Esse posicionamento tem seu valor, mas há importantes ressalvas.
Análises e modelos dão tratamento a casos amplos, dando suporte a políticas e plataformas. As exceções são os “ruídos” que tornam os modelos (por definição) imprecisos. E é exatamente no tratar das exceções que entra o trabalho mais nobre dos profissionais de RH, que podem (ou precisam) deixar “brechas” nas políticas de modo que se torne possível o tratamento de casos especiais. Mas cuidado: a arte está em cuidar pra que não se crie um aumento estratosférico do trabalho operacional do próprio RH e toda aquela modelagem analítica seja diluída em meio a dezenas de exceções.
Segundo trecho: “In addition to dragging data science closer to the business, [these companies] pull the business toward data science, … [and] leaders of datacentric organizations cannot remain ignorant of the language of data”
(algo como “Além de levar a ciência de dados para perto dos negócios, [essas empresas] atraem os negócios para a ciência de dados… [e] os líderes das organizações centradas em dados não podem permanecer ignorantes quanto ao idioma dos dados”)
Aproximar o analytics de RH, colocá-lo dentro dos processos, fazê-lo respirar o dia-a-dia de RH é importante, mas não suficiente. Isso pode até dar certo em áreas de planejamento comercial, de produtos e em finanças, mas em RH é só a ponta inicial do processo de integração.
Sem o movimento contrário, de aproximação autêntica do profissional de RH na direção de analytics, de novo, adeus People Analytics. O profissional de RH que pensa que analytics, TI ou “o sistema” deve entender completamente seus problemas e lhes fornecer respostas completas com pouco ou nenhum insumo está fadado a sabotar o desenrolar da própria estratégia. A aproximação deve ser mútua e em igual medida.
No People Analytics, as dificuldades de obtenção de dados costumam ser desafiadoras; e isso já virou quase um bordão. Em linhas bem gerais, há três grandes tipos de dificuldades que contribuem com isso:
A desagregação digital, somada aos silos de operação de RH são fontes de dificuldades enormes para que a democratização de dados em RH seja alcançada.
Sim, é possível “começar pequeno” e enfrentar os desafios dos silos de frente, provando o valor de People Analytics em um ambiente de desagregação digital. Por outro lado, é duro dizer, mas, no longo prazo, sem a consolidação de fontes de dados os esforços de People Analytics são efêmeros e, no fim das contas, correm o risco de resultar mais em ineficiência do que na prova de que o RH tem algo a acrescentar.
O texto original mostra um exemplo prático de como iniciar a quebra dessas barreiras, mas é importante sublinhar que sem um esforço de governança, a democratização de dados e informações será bastante limitada (e perderá o direito de ser assim chamada). Esse é um projeto de longo prazo, cujo maior desafio é ser abraçado por líderes que estejam engajados com o crescimento da organização.
Ou seja, transforme a incerteza em risco.
Em linhas gerais, tratar risco é cercar variáveis quantificando-as em termos de margens de erro capazes de gerar “planos B” e contingências para mitigá-los.
Incerteza é algo essencialmente não quantificável e cujas formas de mitigação podem chegar a extremos como (por exemplo) o desmonte de estruturas hierárquicas inteiras ou a retirada de programas de formação ou a reformatação de políticas de remuneração.
O tratamento de riscos de um projeto de People Analytics é produto de um trabalho de planejamento nada desprezível de Especialistas e Business Partners em conjunto com a equipe de analytics.
Ajustam-se processo, modelo e ideias em um processo interativo até que o risco seja controlado. Vale dizer: se na partida já se sabe que o projeto é longo, nada impede de serem planejados “quick wins”: pequenas entregas agregadoras de valor e que podem ajudam a testar na prática algumas conclusões intermediárias (e que, verdade seja dita, ajudam a manter o suporte de um sponsor ansioso…).
A Incerteza transcende People Analytics e surge da soma de todos os projetos, de todos os ajustes de iniciativas geradas pelo RH através (ou não) do People Analytics e que bem podem se anular pela falta de integração ou interferência mútua. Veja: não se coloca aqui um panorama de falta de planejamento, mas sim de interação complexa entre todas as partes.
Como quantificar a incerteza de que o conjunto realmente agregará no mínimo a soma de todas as partes? Incluem-se aí as influências de iniciativas de negócios ou regulatórias, independentes do que o RH e toda a sua boa-vontade traduzida em modelos analíticos da realidade projetaram e colocaram em funcionamento.
Gestores de RH podem (e devem) exigir que os riscos de seus projetos de People Analytics sejam bem quantificados, mas precisam se lembrar que há uma margem na condução de iniciativas de People Analytics que se encontra no campo das incertezas. E é por isso que são gestores: para dar tratamento gerencial a essas situações; sem apontar People Analytics como bode expiatório preferencial.
Mais uma vez, a questão de localização e democratização de dados se impõe. Sabemos que há dados valiosíssimos no RH (para o próprio RH e para as demais funções da empresa).
Sabemos também que boa parte deles não estão agregados ou bem resolvidos como conceitos transversais amplamente aceitos na organização. E, por fim, sabemos que há dados valiosíssimos armazenados em planilhas nos laptops de analistas de forma não-sistemática e/ou sem integração com os dados formais de TI.
Exemplos desses dados são os controles de quais talentos passaram por programas de mentoring recém-estabelecidos ou de quais universidades e pessoas foram abordadas em programas de atração voltadas a diversidade. Esses dados são úteis para entender gargalos de processo ou a efetividade das iniciativas.
Criar uma prova de conceito simples para organizar esses dados (e para as informações que eles podem oferecer) esbarra no desejo de se construir a famosa “base única de dados”, que é uma espécie de Santo Graal de dados para o RH.
Essa é aquela fonte de dados que confiável, ampla, facilmente acessível, com os dados de todas as áreas especialistas e que resolve todas as perguntas urgentes que Especialistas e Business Partners são obrigadas a enfrentar quando enfrentam questões urgentes de negócio. Chamar de Santo Graal talvez seja pouco.
Mas ninguém disse que não é possível encontrar pelo menos um pedaço disso. Reunir os dados mais básicos disponíveis e que também têm alta demanda é um ótimo começo. A partir daí, discussões regulares sobre o que mais deve constar nesse quase-Graal torna-se viável e, com o uso, a consolidação de fontes passa a mostrar valor intrínseco, pois o próprio dia-a-dia da demanda de dados faz todo o trabalho de apontar os próximos passos.
Não é fácil e haverá muita discussão sobre quais serão os próximos passos, mas chegar nessa discussão já é o caminho do sucesso.
Nada mais efetivo e eficiente do que aprender sob o estímulo da necessidade. Há muita crítica aos profissionais de RH para que sejam “mais analíticos” ou que deveriam expandir seus conhecimentos sobre análises objetivas e assim por diante. Fácil criticar; difícil de colocar em prática de forma realmente útil. E, sinceramente, é muito injusto com o profissional de RH martelar essa crítica sem ponderá-la.
Em um projeto sensato de construção de uma área de People Analytics, na medida em que os profissionais de RH forem expostos ao contato com equipes de People Analytics, os conceitos das soluções oferecidas podem ser explorados.
No mínimo, essa dinâmica sugere direcionamento para treinamentos que farão sentido, pois terão uma carga emocional importante e que estará ligada à aplicação direta e prática desses conhecimentos.
Mais ainda: colocar os profissionais de RH apresentando e discutindo com seus pares conclusões e resultados embasados em dados é um veículo importante para que esse conhecimento transforme os aborrecidos comitês de apresentação de resultados em discussões com conteúdo, invada corredores e se torne parte do relacionamento diário entre esses profissionais.
E, vale mencionar, aí está uma prova de conceito robusta para ser testada.
Fazer People Analytics é buscar resultados através de informações de Capital Humano e quanto a isso não há muitas dúvidas. Mas nem tudo deve ser resultado de negócio. O RH deve olhar analiticamente pra si também.
Aqui se foge um pouco do People Analytics glamoroso, mas uma das questões centrais é a automação da operação diária de RH, que toma a maior parte do tempo dos profissionais e agrega pouquíssimo valor (e que pode ser dificílima fazer).
Não é difícil provar valor pra a maioria dos profissionais de RH de que a redução do operacional os deixará se debruçar sobre o que há de mais nobre no seu trabalho: decidir sobre o campo em que máquinas, modelos e números não alcançam.
Para isso, claro, não basta querer fazer. O profissional de RH precisa estar ciente (ou seja: saber discutir) quais as reais limitações que os modelos oferecem. E mais: para que as automações façam sentido e realmente ofereçam a oportunidade de redução da operação, os processos precisam estar bem mapeados, com objetivos bem delineados e terem certa flexibilidade embutida.
Assim, no futuro avanços podem ser feitos sem jogar o passado no lixo. Conhecimento e plataforma são as palavras-chave aqui. E, vale notar: quem disse que isso tudo vale só “para dentro” do RH?
Não vale o RH propor para os negócios iniciativas de redução de operação de gestão, agregando pontos de vista que só ele pode sugerir?
Em poucas palavras: devemos todos falar a mesma língua. Dialetos são bem-vindos, mas sem comunicação clara, ninguém se entende.
Dada a metáfora, vamos ao que isso significa: governança, governança e governança. Os dados devem ser os mesmos para todos, mas é possível que conceitos (as interpretações dos dados) possam variar seguindo a necessidade de cenários. Não se deve descuidar da consistência, ou seja, conceitos devem ser relacionáveis, tornando possível a comunicação entre análises realizadas sob diferentes cenários.
Se houver necessidade de ajustes, dadas situações específicas (os “dialetos”), que sejam feitos, registrados e comunicados a todos os envolvidos. Aliás, isso é ótimo. Mostra que situações particulares são tratadas e que há correspondência conhecida com um padrão transversal estabelecido (o que reforça governança e objetivos claros para os dados).
Governar conceitos é um dos fatores mais críticos para o sucesso do People Analytics, pois demanda um alto nível de compreensão de panoramas diversos entre áreas atendidas pelo RH.
E demanda a criação e manutenção de acordos internamente ao RH. Isso garante que os silos de conhecimento não cresçam, assim como torna o conhecimento analítico consolidável e único.
Vale notar também que os conceitos precisam ser governados ao longo do tempo. Cargos trocam de nome, áreas de negócio surgem ou são absorvidas, programas de talentos surgem, desaparecem ou são alterados. Como consolidar anos de dados de performance se a escala de resultados foi alterada a cada três anos? Como garantir uma comparação justa entre o perfil do programa de trainees que existia há 6 anos e o atual?
Conceituar significa encontrar a essência do que está sob análise e estabelecer “pontes” que possibilitem uma análise robusta.
Se você entendeu a importância dos dados para o RH da sua empresa e precisa de ajuda na sua implantação conheça nossos cursos que podem te ajudar nessa jornada: People Analytics, Indicadores de RH, Estatística para RH e Gestão Embasada por Evidências.
_____________________________________________________________________________
Artigo escrito por Alexandre Ricardo Peres – Professor da BCN Treinamentos nos cursos de People Analytics, Indicadores de RH, Estatística para RH e Gestão Embasada por Evidências.
Especialista em gestão de analytics e em tomada de decisão e liderança embasadas por dados, com aprofundamento especial no tema de gestão de capital humano em organizações privadas. Atua na interseção dos ambientes de TI, Negócios e Gestão de Capital Humano, em que o valor se origina da articulação entre as visões estratégicas tecnológica e humana.
Atualmente, é professor convidado para People Analytics e Liderança Embasada por Dados em escolas de negócio, além de consultor para soluções de estruturação e entrega de analytics.
Possui seis anos de experiência como líder de People Analytics e Decision Support System, tendo desenvolvido a estruturação da área, o relacionamento com a TI e a conexão com os processos de RH.
Desenvolve sua pesquisa de doutorado sob a temática de people analytics com foco em gestão de capital humano à luz da gestão estratégica da TI, aprendizado corporativo, Teoria dos Sistemas e Vantagens Competitivas Sustentáveis. Adicionalmente, estuda análise de Causalidade e técnicas de Machine Learning.
Este artigo foi publicado originalmente no Linkedin
Que as tomadas de decisões assertivas no dia a dia empresarial são essencial para a…
Para manter uma boa competitividade no mercado, os compradores precisam saber negociar as melhores condições…
Os riscos financeiros, quase sempre, estão presentes no dia a dia empresarial, fazendo com que…
Se você está atento às atualizações ligadas ao setor econômico, muito provavelmente, já deve ter…
A pontuação financeira de uma empresa é o seu DNA, o raio x que mostra…
No mundo corporativo, é muito comum que os profissionais lidem, diariamente, com assuntos que envolvem…
