People analytics: o que é, como começar e os 6 indicadores para a PME

People analytics é o uso de dados sobre as pessoas da empresa (entradas, saídas, ausências, percepção do time) para embasar decisões de gestão. Neste guia, essa é a definição de trabalho da CGLC, e não a de um estudo: a literatura trata o tema também por nomes próximos, como HR analytics e human capital analytics.

O texto explica o que é e o que não é, e resume o que quatro estudos publicados em periódicos científicos relatam. Depois apresenta seis indicadores com que a PME pode começar e propõe quatro passos para montar o painel sem contratar uma equipe de dados. O que for critério da casa vem marcado no texto.

Na prática da CGLC: isto é observação, e não resultado dos estudos citados adiante. Na PME, o assunto costuma chegar travestido de software caro, e o dono conclui que é coisa de empresa grande. O que costuma faltar não é plataforma: é uma pergunta clara e um número em que alguém confie.

Na prática da CGLC: quando o dono pergunta por que a equipe do atendimento perde gente todo semestre, as pistas costumam estar espalhadas em três lugares: a folha de pagamento, o controle de ponto e a lembrança do gestor. Juntá-las num lugar só e olhar com método já é um começo.

O que é people analytics e o que ele não é

Leitura da CGLC: people analytics não é um programa de computador nem um relatório bonito. É um hábito de gestão: formular uma pergunta sobre as pessoas, buscar o dado que ajuda a respondê-la, ler o resultado junto com quem conhece o dia a dia e decidir alguma coisa. O hábito, e não a ferramenta, é o que separa quem usa dados de quem apenas os arquiva.

1. 1. Pergunta de gestão

   Por que quem entra não fica? Onde as faltas se concentram?

2. 2. Dado do dia a dia

   Folha, ponto, cadastro de vagas, pesquisa curta com o time

3. 3. Leitura com o gestor

   O número só vira explicação quando alguém que convive com o time o interpreta

4. 4. Decisão e revisão

   Uma ação combinada, com data para olhar de novo

Os estudos tratam o tema com nomes diferentes. Marler e Boudreau (2017) falam em HR analytics, Minbaeva (2018) em human capital analytics e os outros dois estudos em people analytics. Tursunbayeva e colegas (2018) analisaram a trajetória do termo people analytics e de termos conceitualmente próximos desde 2002. Relatam mudanças que indicam, ao mesmo tempo, o uso de um novo rótulo para inovações parecidas e a diferenciação de prioridades e de comunidades de prática. Neste guia, a CGLC usa as expressões de forma intercambiável, por escolha de redação.

O que quatro estudos relatam sobre people analytics

Os quatro estudos abaixo têm desenhos de pesquisa diferentes: uma revisão baseada em evidências, uma revisão de escopo, um artigo que propõe um método e uma revisão teorizante. A tradução dos termos e a aplicação ao dia a dia de uma PME brasileira são leitura da CGLC.

Estudo	Tipo	O que os autores relatam
Marler e Boudreau (2017), The International Journal of Human Resource Management	Revisão baseada em evidências (síntese integrativa) da literatura revisada por pares sobre HR analytics	A busca identificou 60 artigos, dos quais apenas 14 estavam em periódicos revisados por pares de qualidade; apesar de evidências que ligam a adoção ao desempenho organizacional, a adoção é muito baixa, e a pesquisa acadêmica, e portanto a evidência, é escassa
Tursunbayeva, Di Lauro e Pagliari (2018), International Journal of Information Management	Revisão de escopo de método misto sobre o termo people analytics, as propostas de valor de fornecedores e as habilidades buscadas por profissionais	Mercado diverso, com muitos benefícios funcionais e estratégicos, mas evidência publicada desses resultados escassa; empresas que vendem os sistemas enfatizam benefícios para empregadores mais do que para o pessoal; consideração de questões éticas largamente ausente
Minbaeva (2018), Human Resource Management	Artigo que argumenta e propõe um método sobre human capital analytics	Dificuldade de passar do relatório operacional para a análise de capital humano, atribuída principalmente à incapacidade das equipes de estabelecer análise interna credível e demonstrar seu valor; propõe tratá-la como capacidade organizacional, com três dimensões (qualidade dos dados, capacidades analíticas, capacidade estratégica de agir) em três níveis (individual, processo, estrutura)
Giermindl e colegas (2022), European Journal of Information Systems	Revisão teorizante sobre os riscos do people analytics	Identificam seis riscos e discutem suas implicações para organizações e funcionários, além de ilustrar como esses riscos podem se agravar com o aumento do poder analítico

O que a revisão baseada em evidências relata sobre a adoção

Marler e Boudreau (2017), no International Journal of Human Resource Management, fazem uma síntese integrativa da literatura revisada por pares sobre HR analytics. A busca em várias bases identificou 60 artigos, e apenas 14 estavam em periódicos revisados por pares de qualidade.

A revisão trata de cinco perguntas. O que é HR analytics e como o conceito evoluiu? Como funciona? Por que funciona, isto é, que teorias explicam as relações de causa e efeito, antecedentes e consequências? O que produz? E o que é necessário para ter sucesso, ou seja, quais são os moderadores da relação entre análise e resultados?

Os autores concluem que, apesar de evidências que ligam a adoção de HR analytics ao desempenho organizacional, a adoção é muito baixa, e a pesquisa acadêmica, e portanto a evidência sobre o tema, é escassa. Eles oferecem explicações possíveis para esse paradoxo e sugerem caminhos para pesquisas futuras.

Leitura da CGLC: o verbo dos autores é ligar, e não causar. A CGLC não lê essa frase como prova de que adotar people analytics melhora, por si só, o desempenho da empresa. Este guia não assume que o achado valha igual para a PME. Serve aqui como aviso de cautela: a evidência acadêmica é mais curta do que a conversa de mercado sugere.

O que a revisão de escopo relata sobre o mercado

Tursunbayeva, Di Lauro e Pagliari (2018), no International Journal of Information Management, fazem uma revisão de escopo de método misto. Eles mapearam o surgimento do termo people analytics, as propostas de valor oferecidas por fornecedores de ferramentas e serviços e as habilidades buscadas por profissionais, com análise de pesquisa acadêmica e de tráfego de buscas online desde 2002.

Os autores relatam que o mercado de ferramentas e serviços é diverso e oferece muitos benefícios funcionais e estratégicos, embora a evidência publicada desses resultados siga escassa. Os autores informam ainda que as empresas que vendem esses sistemas enfatizam os benefícios para os empregadores mais do que para o pessoal, e que a consideração de questões éticas foi largamente ausente.

Nas fontes examinadas, people analytics aparece em grande parte alinhado à gestão de recursos humanos. O desenvolvimento do tema reflete a mudança de foco dos departamentos de RH, que passam de apoiar necessidades funcionais para necessidades estratégicas da organização.

O que o artigo sobre capacidade organizacional propõe

Minbaeva (2018), na Human Resource Management, parte da observação de que há enorme interesse em human capital analytics. Apesar disso, as organizações têm tido dificuldade de passar do relatório operacional para a análise de capital humano. A autora atribui isso principalmente à incapacidade das equipes de analytics de estabelecer uma análise interna credível e de demonstrar o seu valor.

Ela argumenta que a análise de capital humano deve ser entendida como uma capacidade organizacional e sugere um método para operacionalizá-la. Segundo a autora, o desenvolvimento dessa capacidade exige trabalhar três dimensões (qualidade dos dados, capacidades analíticas e capacidade estratégica de agir) em três níveis: individual, de processo e de estrutura.

O que a revisão teorizante relata sobre os riscos

Giermindl e colegas (2022), no European Journal of Information Systems, partem da observação de que as organizações usam cada vez mais people analytics em áreas como recrutamento, avaliação de desempenho, desenvolvimento, saúde e retenção. Segundo eles, o avanço da inteligência artificial e o volume crescente de dados elevaram expectativas e contribuíram para uma imagem muito positiva do tema. Os autores argumentam que transferir a lógica de eficiência da análise de dados para a gestão de pessoas traz muitos riscos, desafios e implicações éticas.

Com base numa revisão teorizante, eles identificam seis riscos, discutem as implicações para organizações e funcionários e ilustram como esses riscos podem se agravar com o aumento do poder analítico.

Leitura da CGLC: são três princípios para a PME, critério da casa e não achado de pesquisa: começar pequeno e com um dado em que o time confie, ligar cada número a uma decisão e tratar o dado de pessoas com cautela.

Os 6 indicadores com que a PME pode começar

Leitura da CGLC: a lista abaixo é critério da CGLC, e não um conjunto extraído dos estudos. A CGLC escolheu indicadores que respondem a uma pergunta de gestão, têm fórmula simples e cujo dado costuma existir na folha, no controle de ponto, no cadastro de vagas ou no registro de treinamentos (o eNPS exige uma pesquisa curta). As fórmulas de turnover, absenteísmo e eNPS seguem as dos guias do blog, para que o número seja o mesmo em todos os textos.

Indicador	Pergunta que responde	Como calcular	Onde está o dado
Turnover	Estamos perdendo gente?	Desligamentos no período ÷ número médio de colaboradores × 100	Folha de pagamento e cadastro de pessoal
Absenteísmo	Quanto do tempo previsto se perde com ausência?	Horas de ausência ÷ horas previstas × 100	Controle de ponto e registro de ausências
Tempo para preencher a vaga	Quanto tempo a vaga aberta custa ao time?	Dias corridos entre a abertura da vaga e o aceite da proposta (definição da CGLC)	Registro de vagas
Permanência dos novos	Quem entra está ficando?	Percentual dos admitidos em um período que continuam na empresa 90 dias depois (definição da CGLC)	Cadastro de pessoal
eNPS	O time recomendaria a empresa como lugar para trabalhar?	Percentual de promotores (notas 9 e 10) menos percentual de detratores (notas de 0 a 6)	Pesquisa de uma pergunta com o time
Horas de desenvolvimento por pessoa	Estamos investindo em desenvolver o time?	Horas de treinamento no período ÷ número médio de colaboradores (definição da CGLC)	Registro de treinamentos

Leitura da CGLC: a CGLC propõe ler os seis indicadores com três regras simples. Primeira: período fixo, preferencialmente de 12 meses para turnover e permanência. Segunda: a mesma fórmula sempre, anotada num documento, para que o número do período seguinte seja comparável. Terceira: um recorte por área ou por gestor, porque a média da empresa inteira costuma esconder onde está o problema.

O cuidado com os números pequenos

Leitura da CGLC: exemplo ilustrativo. Numa equipe de atendimento com 25 pessoas, cada saída muda o turnover em quatro pontos percentuais. O quadro mostra a conta, com média de 25 colaboradores.

Desligamentos no período	Cálculo	Turnover
0	0 ÷ 25 × 100	0%
1	1 ÷ 25 × 100	4%
2	2 ÷ 25 × 100	8%
3	3 ÷ 25 × 100	12%

O ponto é que, numa equipe pequena, uma saída a mais já parece uma crise no gráfico, mesmo que a causa seja uma mudança de cidade. Por isso a CGLC recomenda olhar o período de 12 meses, ler o motivo de cada saída com o gestor e não tratar o percentual de uma equipe pequena como veredito.

Como começar em quatro passos

Leitura da CGLC: os passos abaixo são método da casa, montados a partir da prática da CGLC com PMEs. Este guia não apresenta pesquisa que tenha testado os passos como pacote.

1. Semana 1

   Escolher uma pergunta de decisão

2. Semanas 2 e 3

   Montar a planilha mínima e conferir o dado

3. Semana 4

   Fixar fórmula, período e responsável

4. Dia 90

   Ler com o gestor, decidir e rever

1. Escolher uma pergunta de decisão. Uma só, ligada a uma dor real: por que quem entra no atendimento não completa três meses? Onde as faltas se concentram? Sem pergunta, o painel vira enfeite.
2. Montar a planilha mínima. Uma aba com uma linha por pessoa (área, gestor, data de admissão, data de saída, tipo de saída, horas previstas e horas de ausência) e duas outras abas, simples, para vagas (datas de abertura e de aceite) e treinamentos (horas por pessoa). O eNPS vem de uma pesquisa curta à parte. Antes de calcular qualquer coisa, conferir o dado: datas em branco e nomes duplicados distorcem o resultado.
3. Fixar fórmula, período e responsável. Anotar a fórmula de cada indicador, o período de apuração e quem atualiza a planilha. Sem responsável, o painel morre na segunda atualização.
4. Ler com o gestor, decidir e rever aos 90 dias. Sentar com o gestor da área, olhar o número, ouvir a explicação de quem convive com o time, combinar uma ação e marcar a data de olhar de novo. A escolha de 90 dias é critério prático da CGLC, e não prazo extraído de estudo.

Leitura da CGLC: como ilustração, a CGLC associa o cuidado com a planilha à dimensão qualidade dos dados e a decisão com o gestor à capacidade estratégica de agir, duas das três dimensões que Minbaeva (2018) descreve. Essa associação é da CGLC e não pressupõe sequência entre as dimensões. Os quatro passos também são da CGLC e não vêm do artigo.

Cuidados: dado de pessoa não é dado de máquina

Giermindl e colegas (2022) argumentam que aplicar a lógica de eficiência da análise de dados à gestão de pessoas traz riscos e implicações éticas. Tursunbayeva e colegas (2018) relatam que a consideração de questões éticas foi largamente ausente. Leitura da CGLC: para a PME, isso se traduz em quatro cuidados práticos, que são critério da casa.

• Acesso restrito. A planilha com dados individuais fica com poucas pessoas, e o painel que circula traz só números agregados.
• Indicador não é meta individual. Turnover e absenteísmo descrevem a equipe e o processo, e não servem para punir uma pessoa. Se o número virar cobrança individual, o time passa a esconder o problema.
• Avisar o time. Explicar quais dados são coletados, para quê e quem os vê. É uma questão de confiança e, no Brasil, também de adequação à LGPD (Lei nº 13.709/2018), tema para validar com assessoria jurídica. Este texto não é parecer jurídico.
• Cuidado com o algoritmo. Antes de contratar uma ferramenta que classifica pessoas, a PME deve ler o guia sobre IA no RH e perguntar ao fornecedor que dado entra, quem revisa o resultado e o que a pessoa pode contestar.

Para quem ainda está montando a base, o guia de gestão de pessoas organiza os processos de RH que alimentam esses indicadores.

Perguntas frequentes

O que é people analytics?

Neste guia, é o uso de dados sobre as pessoas da empresa, como entradas, saídas, ausências e percepção do time, para embasar decisões de gestão. É uma definição de trabalho da CGLC. Leitura da CGLC: na PME, o hábito de formular uma pergunta, buscar o dado, ler com o gestor e decidir pesa mais do que a ferramenta.

Qual a diferença entre people analytics, HR analytics e human capital analytics?

Os estudos usam nomes diferentes: Marler e Boudreau, HR analytics; Minbaeva, human capital analytics; os outros dois, people analytics. Tursunbayeva e colegas (2018) analisaram a trajetória do termo people analytics e de termos conceitualmente próximos desde 2002. Relatam mudanças que indicam, ao mesmo tempo, o uso de um novo rótulo para inovações parecidas e a diferenciação de prioridades e de comunidades de prática. Neste guia, a CGLC usa as expressões de forma intercambiável, por escolha de redação.

People analytics é só para empresa grande?

Leitura da CGLC: uma versão pequena, com planilha, seis indicadores e uma conversa com o gestor, cabe numa PME. Este guia não afirma, a partir dos estudos citados, o que funciona numa empresa pequena.

Quais indicadores a PME deve acompanhar primeiro?

A lista é critério da CGLC: turnover, absenteísmo, tempo para preencher a vaga, permanência dos novos aos 90 dias, eNPS e horas de desenvolvimento por pessoa. Foram escolhidos porque o dado costuma existir na folha, no ponto, no cadastro de vagas ou no registro de treinamentos (o eNPS exige uma pesquisa curta), e porque cada um responde a uma pergunta de gestão. A lista não vem de estudo.

Usar dados de pessoas traz riscos?

Giermindl e colegas (2022), numa revisão teorizante, identificam seis riscos do people analytics e discutem as implicações para organizações e funcionários. Tursunbayeva e colegas (2018) relatam que a consideração de questões éticas foi largamente ausente. Leitura da CGLC: os cuidados mínimos são acesso restrito, números agregados, nenhum uso como meta individual e transparência com o time, além da validação jurídica quanto à LGPD.

Fontes e referências

• Marler, J. H., & Boudreau, J. W. (2017). An evidence-based review of HR Analytics. The International Journal of Human Resource Management, 28(1), 3-26. https://doi.org/10.1080/09585192.2016.1244699
• 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. https://doi.org/10.1016/j.ijinfomgt.2018.08.002
• Minbaeva, D. B. (2018). Building credible human capital analytics for organizational competitive advantage. Human Resource Management, 57(3), 701-713. https://doi.org/10.1002/hrm.21848
• Giermindl, L. M., Strich, F., Christ, O., Leicht-Deobald, U., & Redzepi, A. (2022). The dark sides of people analytics: reviewing the perils for organisations and employees. European Journal of Information Systems, 31(3), 410-435. https://doi.org/10.1080/0960085X.2021.1927213

A CGLC (Centro de Gestão e Liderança Contemporânea) é um laboratório de cocriação de soluções que apoia empresas e líderes no desenvolvimento de lideranças, cultura de inovação e gestão de pessoas.