Como saltar o muro nas HR Analytics

Nas HR Analytics existe um termo chamado parede de Bourdeau, que representa a dificuldade de passar da análise descritiva dos dados para a análise preditiva. A análise descritiva permite-nos responder a questões relacionadas com a quantificação:

Quantos processos de seleção estão abertos?
Quantas pessoas revelam um desempenho elevado?
Até que ponto os colaboradores estão satisfeitos com a empresa?

A análise preditiva permite estabelecer relações entre variáveis de correlação ou relações causa-efeito. A compreensão destas relações permite-nos responder a perguntas como, por exemplo:

Quais são as variáveis que devo avaliar num processo de seleção para escolher as pessoas que irão proporcionar um elevado desempenho após a sua entrada?
Em que medida está a remuneração relacionada com o desempenho e em que posições é a relação mais forte?
Que fatores influenciam mais diretamente a satisfação profissional na minha empresa?

Como dizia, a parede de Bourdeau representa a dificuldade de passar de uma análise descritiva para uma análise preditiva, mas também mostra como o valor da informação aumenta exponencialmente à medida que esta é explorada.

De facto, conhecer as relações entre as variáveis não só é útil para saber como melhor focalizar as políticas de gestão de pessoas, como é especialmente relevante para otimizar os processos. Por exemplo, se os dados nos indicarem que as variáveis que melhor predizem o desempenho dos comerciais são o poder cognitivo, a orientação para objetivos e a orientação para o cliente, poderíamos concentrar o processo de seleção nestas três variáveis e torná-lo mais rápido, mais previsível e ágil para o participante, obtendo melhores resultados.

Um estudo de Josh Bersin de 2018 revelou que apenas 26% das grandes empresas estão a utilizar modelos preditivos, e se tão poucas empresas estão a utilizar este tipo de técnicas, a conclusão pode ser que se trata de algo muito complicado e ao alcance de poucas empresas. Esperemos que ninguém se zangue, mas, este artigo visa desmistificar essa ideia.

As técnicas matemáticas e estatísticas utilizadas na Análise de RH são simples e estão ao alcance de quase todos os licenciados em disciplinas científicas. De facto, algo tão simples como uma análise de regressão já nos permite saber se existem relações causa-efeito entre duas variáveis. Naturalmente, tudo pode ser sofisticado a limites inimagináveis ao incorporar Inteligência Artificial (IA) e redes neurais, mas a análise básica e mais comum é simples e está disponível para qualquer pessoa.

Então, se é tão útil e fácil, porque não há muito mais as empresas a utilizar técnicas de análise de RH para tomar decisões sobre talento?

Do meu ponto de vista a resposta é simples, os departamentos de RH não estão habituados a trabalhar com dados. E este é o primeiro passo. O que é realmente difícil não é a análise, mas sim ter dados fiáveis, relevantes e corretamente verificados.

Saltar a parede da análise descritiva para a análise preditiva não é difícil, depende apenas da aplicação de uma matemática diferente. Mas a chave para dar esse salto começa antes e, pelo menos duas condições devem ser satisfeitas:

Impulso a partir da gestão de RH: Como referido, a maioria dos departamentos de RH não estão habituados a tomar decisões com base em dados, a fonte da tomada de decisões vem normalmente diretamente do negócio ou da experiência dos gestores de RH. Sempre disse que temos muito a aprender com os departamentos de Marketing e Finanças, entre outras coisas, como lidam com os seus dados e como se capacitam na tomada de decisões. É difícil questionar um Diretor de Marketing quando este apresenta dados ao Comité de Gestão que apoiam a ideia de que ao investir x milhares de euros numa campanha, um aumento da imagem e das vendas da empresa resultará em x+y lucros. Da mesma forma, é difícil questionar um Diretor de RH quando ele diz a uma comissão que um programa de formação para comerciais que custa x milhares de euros irá aumentar a satisfação do cliente e as vendas, o que resultará em x+y lucros. No entanto, o primeiro caso é visto frequentemente e o segundo nem tanto. Contudo, dispomos dos dados e dos conhecimentos necessários para identificar este tipo de relações.

Qualidade dos dados: Termino o ponto anterior dizendo que “temos os dados”; bem, esta é na verdade a segunda condição. Ter dados fiáveis, corretamente tabelados e estatisticamente exploráveis é sem dúvida um dos grandes cavalos de batalha. Provavelmente porque não existe esse hábito na gestão da informação de RH, temos menos fontes de dados e mais dificuldades para unificar a informação. Obviamente, esta informação sobre dados de pessoas e da sua gestão não pode ser recolhida “manualmente”. A boa notícia é que os Departamentos de RH têm cada vez mais plataformas que facilitam uma gestão integral do Talento e permitem explorar os dados de uma forma ótima. Plataformas como o Panorama, ou qualquer outro ERP permitem recolher e estruturar a informação para que possa ser analisada utilizando técnicas de HR Analytics.

Em suma, temos uma nova fonte de informação quando se trata de tomar decisões sobre gestão de talentos: os dados. A análise que requerem é simples, está ao alcance de qualquer empresa e as vantagens da sua aplicação geram um valor exponencial. Os dados querem contar-nos histórias sobre o Talento da nossa organização, só temos de os escutar.

[1]https://bersinacademy.com/blog/2020/04/resource-spotlight-a-new-maturity-model-for-analytics