Qual a relação entre people analytics e ciência de dados?

Texto por: Rafael Balaniuk

Aqui na MINEHR, adotamos a definição de que people analytics é a ciência de dados aplicada à gestão de pessoas.

Mas… o que isso quer dizer?

Primeiro, vamos falar da ciência de dados.

Essa é uma área nova que se popularizou nas últimas décadas e surgiu para resolver o problema de análise de quantidades gigantescas de dados brutos. O termo “Ciência de dados” foi criado nos anos 1960, e nas décadas seguintes foram desenvolvidas as bases teóricas e as ferramentas para esse novo campo. No entanto, foi apenas entre 2008 e 2011 que o termo se popularizou e as grandes empresas americanas passaram a buscar esses profissionais [1]. Foi nesse momento que Harvard declarou que cientista de dados era a profissão mais sexy do século 21!

(E sim, isso de fato aconteceu.)

Trazendo para a prática, imagine ter todas as transações financeiras realizadas em um país e, com isso, ter que apontar quais provavelmente são fraudes. Parece impossível, mas esse é um exemplo de desafio da ciência de dados.

Dentre os principais avanços que a ciência de dados trouxe, temos:

• Armazenamento e manipulação de grandes bases de dados;
• Transformação de dados brutos em variáveis relevantes;
• Tratamento e seleção das variáveis relevantes;
• Análise estatística de big data.

Esses são alguns dos avanços técnicos, mas o desafio que a ciência de dados abordou trouxe mais do que isso: o processo para tirar valor desses dados brutos.

Coloque-se no lugar de um gestor público que busca fiscalizar as organizações para diminuir as fraudes. Qual é a sua real necessidade? Não é analisar os dados de transações financeiras, é achar as fraudes!

Parece óbvio, mas é o problema do gestor que define como os dados serão analisados.

A quantidade de análises possíveis a fazer com transações financeiras é quase infinita e é por isso que o objetivo é fundamental. Um dos avanços mais significativos da ciência de dados é relacionar um volume absurdo de informação a um problema até achar a causa.

Mas e como o RH se relaciona com isso?

Quando fazemos uma pesquisa de RH, precisamos definir muito bem quais variáveis relacionamos com nosso problema. Por exemplo, se quisermos descobrir como reter talentos, precisamos definir o que vamos estudar, que provavelmente envolve a satisfação com remuneração e líderes.

Precisamos, então, fazer uma pesquisa que levanta a opinião das pessoas em relação aos líderes e em relação à remuneração, e assim relacionar esses resultados com quem pede para sair. Após todo esse trabalho, poderemos testar apenas 2 hipóteses.

Também podemos tentar resolver esse problema com a área de indicadores, analisando a folha de pagamento e a remuneração de cada colaborador ou líder e conferindo as taxas de turnover de cada grupo.

Parece uma boa saída, mas já pararam para pensar no que deixamos de fora?

Será que quem recebe um aumento sai menos? A partir de quanto deve ser esse aumento?

Será que os líderes com melhor desempenho têm menos pedidos de desligamento? E os que nunca foram líderes antes ou não realizam treinamentos de liderança?

Agora, vamos aplicar a ciência de dados!

Primeiro, levantamos todos os dados que temos que podem ser relacionados à retenção. Depois, transformamos esses dados em informações.

Com essas informações, aplicamos técnicas de análise estatística de dados e selecionamos os resultados que são relevantes para os problemas.

Por último, transformamos os resultados relevantes em insights para os tomadores de decisão, que montam seus planos de ação.

Resumindo,

ao seguirmos os princípios da ciência de dados, conseguimos descobrir como reter talentos ao invés de só analisar o turnover.

Mas a ciência de dados está longe de ser um caminho ideal em relação ao sucesso e ele carrega uma armadilha fundamental: deixar as análises só com a área de dados. Parece meio óbvio, né?

“Os cientistas de dados são bons em análises de dados, então deixamos eles com as análises de dados.”

O problema é que para a ciência de dados gerar valor para o negócio, toda a equipe precisa participar.

Para ilustrar o problema, vamos fazer uma analogia.

Se você fosse um governante com um problema seríssimo para resolver, você preferiria consultar um oráculo ou ir a uma biblioteca?

-> Oráculo: Responde qualquer pergunta que você fizer.

-> Biblioteca: Contém um volume gigantesco de informações em seus livros.

Meu chute: Você preferiria um oráculo, pois ele responderia à pergunta mais rápido, certo?

O problema é que quando só a área de dados ou indicadores lida com dados, eles constroem uma biblioteca. A área de dados não consegue definir bem o problema sozinha, então ela vai analisar tudo o que ela acha que o RH e os gestores podem precisar. Assim, você terá muitos resultados e insights, mas não necessariamente aquele que você precisa.

Para resolvermos problemas de pessoas com dados, precisamos da ajuda de todo mundo. Desde a definição correta do problema até a coleta dos dados.

É por isso que vivemos ciência de dados aqui na MINEHR e é daí que vem nosso nome.

Definimos o problema a ser resolvido junto com os clientes, para assim minerar os dados brutos até transformá-los em insights valiosos.

Referências:

[1] https://www.dataversity.net/brief-history-data-science