People analytics é o uso de dados para tomar decisões melhores sobre pessoas. Em vez de decidir sobre contratação, retenção e desenvolvimento no achismo, a área de RH passa a olhar para evidências: o que os números dizem sobre quem fica, quem sai e por quê.
Não é sobre transformar gente em planilha. É sobre parar de decidir sobre gente sem olhar para o que já se sabe. É a peça mais analítica ao redor da avaliação de desempenho e conversa direto com turnover, clima e experiência do colaborador.
O que é people analytics
É a prática de coletar, cruzar e interpretar dados de pessoas para responder a perguntas de negócio. Que áreas perdem mais gente? A entrevista estruturada prevê melhor o desempenho que a informal? Quais fatores mais explicam o pedido de demissão? A resposta deixa de ser palpite e vira análise.
Os quatro níveis de maturidade
A área costuma amadurecer em quatro degraus, cada um mais exigente:
- Descritivo: o que aconteceu. Painéis de turnover, absenteísmo, headcount. A base de tudo.
- Diagnóstico: por que aconteceu. Cruzar a saída com área, gestor, tempo de casa e faixa salarial.
- Preditivo: o que tende a acontecer. Estimar risco de saída a partir de padrões históricos.
- Prescritivo: o que fazer a respeito. Sugerir a ação com maior chance de reter.
A boa notícia: a maioria das empresas ganha muito já nos dois primeiros níveis. Não é preciso inteligência artificial para descobrir que uma área perde o dobro de gente que as outras; basta olhar o dado que já existe.
People analytics não começa com uma ferramenta cara. Começa com uma boa pergunta de negócio.
Um exemplo conhecido
O caso mais citado é o Project Oxygen, do Google, que analisou dados internos para responder a uma pergunta simples: os gestores fazem diferença? A resposta foi sim, e a análise revelou os comportamentos dos melhores líderes, que viraram base de treinamento. É people analytics no melhor uso: uma pergunta real, dados que a empresa já tinha e uma decisão que mudou a prática.
Cuidados que não são opcionais
Dado de pessoa é dado sensível. Três cuidados são inegociáveis: privacidade e conformidade com a LGPD, tratando dados com finalidade clara e sem exposição individual; a diferença entre correlação e causa, porque dois números que andam juntos nem sempre têm relação de causa; e a transparência, porque analytics feito às escondidas destrói a confiança que ele deveria proteger.
Perguntas que people analytics responde bem
O valor aparece quando a análise mira uma pergunta que interessa à liderança. Alguns exemplos concretos: quais áreas perdem mais gente e o que elas têm em comum? A fonte de recrutamento A entrega gente que fica mais que a fonte B? O primeiro ano é onde se concentram as saídas? Existe relação entre carga de trabalho e absenteísmo em determinado time? Nenhuma dessas perguntas exige tecnologia sofisticada; exige olhar para dados que a empresa já coleta e cruzar com cuidado.
Dados bons vêm antes de análises bonitas
Antes de qualquer painel, vem uma verdade pouco glamourosa: a análise só é tão boa quanto o dado que a alimenta. Cadastro furado, cargo preenchido de qualquer jeito, motivo de desligamento anotado no automático, tudo isso contamina a conclusão. Investir em consistência de dados (definições claras, campos padronizados, disciplina de registro) é o trabalho invisível que decide se o people analytics vai gerar decisão ou ilusão de precisão. Número errado, apresentado com confiança, é pior que nenhum número.
Correlação não é causa
É o erro que mais compromete análises de RH. Dois números que andam juntos não provam que um causa o outro. Se as áreas com mais treinamento também têm menos rotatividade, pode ser o treinamento que retém, ou pode ser que áreas bem geridas invistam mais em treinamento e retenham por causa da boa gestão. Confundir os dois leva a decisões caras e erradas. A postura madura trata o dado como pista a investigar, não como veredito.
Ética e LGPD não são etapa opcional
Dado de pessoa é dado sensível, e a análise carrega responsabilidade. Três princípios não são negociáveis. Finalidade clara: coletar e cruzar dados para uma pergunta legítima, não por curiosidade. Proporcionalidade: usar o mínimo necessário e evitar a exposição de indivíduos, trabalhando com agregados sempre que possível. E transparência: as pessoas precisam saber que existe análise e para quê. People analytics feito às escondidas pode até gerar um insight, mas destrói a confiança que sustenta qualquer iniciativa de RH, e ainda esbarra na LGPD.
Comece pequeno e prove valor
A tentação de estruturar uma grande área de dados antes de entregar qualquer coisa costuma matar a iniciativa no berço. O caminho que funciona é o oposto: escolher uma pergunta que importa, respondê-la com o que já existe, transformar a resposta em uma decisão e mostrar o resultado. Um único caso em que o people analytics mudou uma decisão de verdade convence a liderança melhor do que qualquer promessa de plataforma. Valor demonstrado abre orçamento; slide sobre potencial, não.
People analytics não substitui o julgamento humano
Um risco silencioso ronda a área: achar que o dado decide sozinho. People analytics informa a decisão, não a toma. O número mostra que uma área perde mais gente; entender por quê ainda exige conversar com pessoas, conhecer o contexto e exercer julgamento. Quem troca a escuta pelo painel comete o erro oposto ao do achismo, cai na falsa precisão, tratar um gráfico como verdade final só porque tem casas decimais. A boa prática combina os dois: o dado levanta a hipótese e direciona o olhar; a sensibilidade humana interpreta e decide. É por isso que people analytics não é sobre virar cientista de dados, e sim sobre fazer o RH perguntar melhor e checar as próprias intuições contra a evidência. A tecnologia amplia o alcance de quem já entende de gente; não cria esse entendimento do zero. Um bom analista de pessoas continua sendo, antes de tudo, alguém que se importa com pessoas e agora tem uma lente a mais para enxergá-las.
Não comece comprando ferramenta. Escolha uma única pergunta de negócio que tire o sono da liderança (por exemplo: por que perdemos tanta gente no primeiro ano?) e responda com os dados que você já tem. Uma análise simples e bem feita, que vira decisão, prova o valor de people analytics melhor do que qualquer painel bonito que ninguém usa.
Um passo seguinte natural do people analytics é o uso responsável de IA no RH, que acelera a análise sem terceirizar a decisão sobre pessoas.
Perguntas frequentes
O que é people analytics?
É o uso de dados para tomar decisões melhores sobre pessoas, em temas como contratação, retenção e desenvolvimento. Em vez de decidir no achismo, o RH passa a olhar para evidências sobre quem fica, quem sai e por quê.
Quais são os níveis de people analytics?
São quatro: descritivo (o que aconteceu), diagnóstico (por que aconteceu), preditivo (o que tende a acontecer) e prescritivo (o que fazer a respeito). A maioria das empresas já ganha muito nos dois primeiros níveis.
Preciso de inteligência artificial para fazer people analytics?
Não para começar. Boa parte do valor está em olhar dados que a empresa já tem, como turnover por área e por gestor. Modelos preditivos vêm depois, quando a base e as perguntas já estão maduras.
People analytics e a LGPD são compatíveis?
Sim, desde que os dados sejam tratados com finalidade clara, sem exposição individual desnecessária e com transparência. Dado de pessoa é sensível, e analytics feito às escondidas destrói a confiança que deveria proteger.
Fontes e referências
Quer dar os primeiros passos em people analytics? Venha para o próximo encontro do Promova RH e veja quais perguntas outros RHs escolheram responder primeiro.
Fundador do Promova RH e criador da CGLC. Há mais de uma década na interseção entre base acadêmica e prática de gestão de pessoas.
