Usando Analytics para Prever Turnover - por Fabiano Castello | Big Data para profissionais "Non-Tech"

Artigos

12 Fevereiro, 2018

Usar Analytics em RH possibilita fazer mil coisas. A inovação está dentro de casa e, com inteligência artificial, podemos transformar bons palpites em escolhas mais sábias. #PeopleAnalytics


Na coluna anterior falamos sobre inteligência artificial em companhias globais, resolvendo problemas complexos usando algoritmos poderosos. Conforme prometi, nesta coluna vamos trazer isto para o dia a dia, e falar de coisas onde big dataanalytics e inteligência artificial podem ser utilizados para resolver problemas de negócios, mas de forma simples e sem a necessidade de fazer investimentos significativos. 

Longe de podermos dizer que já é um clássico, prever turnover tem aparecido como uma das primeiras aplicações que desperta interesse dos gestores de RH. Acredito que o motivo seja porque é uma aplicação rápida, simples do ponto de vista de tecnologia e que traz benefícios imediatos. 

Mas vamos começar do começo. Como nem todo mundo entende de tecnologia, também nem todo mundo entende de RH. O que é turnover? A palavra, em si, é mais um daqueles anglicismos que incorporamos no português (como "deletar", por exemplo). No mundo empresarial, turnover está relacionado a rotatividade de pessoal e, no nosso caso especificamente, "prever turnover" significa prever quais colaboradores tem maior ou menor probabilidade de sair da empresa. O "produto de dados" (todo projeto desta natureza tem que especificar um produto de dados, ou seja, o resultado que o uso de inteligência artificial produz) neste projeto é uma relação dos colaboradores ativos, cada um com sua probabilidade de sair da empresa.

Este é mais um dos exemplos que derruba mitos em big data: se você acha que precisamos ter um computador da NASA para fazer isto, esqueça: um notebook é mais que suficiente, independente do tamanho da organização. 

Dentro do que chamamos de inteligência artificial, neste caso vamos usar uma ferramenta que está mais do que na moda: machine learning, ou aprendizado de máquina. O conceito é simples: vamos colocar no liquidificador todos os funcionários ativos e também os que deixaram a companhia, digamos, no último ano. Cada funcionário tem seus atributos: idade, salário, horas extras, absenteísmo, distância que mora do trabalho, etc. O resultado de bater tudo isto no liquidificador é "aprender" quais são os atributos mais significativos para prever a saída do colaborador, e o peso de cada um desses atributos. Aí entra um pouco de matemática, que é o que chamamos de "modelagem": o processo no qual criamos uma equação e, com ela, voltamos a lista dos funcionários ativos para calcular sua probabilidade de turnover

Um produto de dados como esse na mão de um gestor de RH vale ouro. Como as probabilidades são individuais, é possível criar planos de retenção também individuais. Ao mesmo tempo, é possível identificar áreas ou departamentos onde existe uma concentração maior de probabilidades mais altas.

Isto sem contar que, a partir da modelagem, e de atributos mais significativos, é possível criar políticas corporativas. Se um dos atributos mais significativos é, por exemplo, alto volume de horas extras, pode-se iniciar uma discussão, abrangendo toda a companhia, sobre formas de redução do volume de horas extras.

Seja criando planos de retenção individuais, seja criando políticas para toda a organização, o fato é que gestores podem agir proativamente para resolver um problema que é meta de dez entre dez áreas de RH: a redução do turnover.

Este é um bom exemplo de como novas tecnologias surgem para resolver problemas de negócio. Mas é importante deixar isto claro: o que chamamos hoje de people analytics, que compreende ferramentas como o exemplo desta coluna, é apenas isto: uma ferramenta, uma nova forma de resolver problemas. É um meio e não um fim. A transformação vem apenas a partir da ação que, no nosso caso, são planos de retenção ou criação de políticas corporativas. Se isto não foi feito, todo o trabalho vira mais um belo relatório que vai ocupar espaço numa gaveta sem fazer algo de bom. #What.A.Shame!

Glossário
Em todas as colunas traduzimos um termo técnico em uma definição mais simples de ser entendida. Se você tem algum para sugerir mande para fabiano@inovabs.com.br.  
API: é um acrônimo para application programming interface (interface de programação de aplicações, em português). Nome complicado para algo simples. API é apenas uma aplicação, ou programa, que serve para dois outros programas trabalharem juntos. Exemplo prático do próprio case desta coluna: um dos atributos que calculamos é a distância entre o trabalho e a residência do colaborador. Quem faz isto é o Google Maps, um programa robusto que roda nos poderosos servidores do Google. Quando vamos calcular esta distância, usamos uma API, que conecta o nosso programa ao programa do Google. Nós mandamos como parâmetros dois endereços, e o Google nos retorna um número, que é a distância entre os dois endereços. Quem faz este trabalho de "leva e traz" é a API.