Como surgiu o People Analytics

Project Cerebro: Onde encontrar os mais talentosos para meu time?

Resumo do artigo para você que está sem tempo

Neste artigo, abordamos a origem do People Analytics, usando o Google como ponto de partida. Em 2005, a empresa recebia 15 mil currículos por dia e precisava de uma solução escalável para o recrutamento, o que a levou a aplicar sua expertise em dados para transformar a seleção de talentos em um processo científico.

O modelo evoluiu quando o Google percebeu que era mais estratégico analisar seus próprios talentos internos antes de comparar candidatos externos, criando assim um 'padrão Google' baseado em evidências. Esse movimento evidenciou um problema comum nas empresas: dados sobre pessoas existem, mas raramente são usados de forma estratégica.

A área de RH ainda sofre com decisões baseadas em 'achismos' e intuição sem embasamento, enquanto outras áreas da empresa jamais tomariam decisões relevantes sem pesquisa ou dados concretos. O caso do time de baseball Oakland Athletics, retratado no livro e filme Moneyball, ilustra bem como substituir
julgamentos subjetivos por análise estatística pode transformar resultados, mesmo diante de resistência interna.

por Anna Carolina Oliveira

Em 2005, o Google, uma companhia apenas sete anos de vida e pouco mais de 5.500 funcionários, recebia aproximadamente 15.000 currículos todos os dias. Para dar conta do volume de documentos, existia uma equipe de 800 recrutadores. Se mantido o ritmo acelerado de expansão da hoje multinacional — são mais de 72.000 funcionários espalhados pelo mundo –, o horizonte se tornaria vertical: seria necessário um prédio inteiro para abrigar todos os selecionadores. A solução, é claro, foi outra e aqui surgia os primeiros requisitos para o surgimento do People Analytics na empresa.

Diante dessa demanda, o Google começou a estudar internamente como poderia utilizar sua expertise em dados para tornar a “arte” de recrutar em uma ciência. Se ele baseava todas as decisões de negócio em evidências, por que não fazer o mesmo com as questões de Recursos Humanos? Foi desenvolvido, assim, um sistema por meio do qual os candidatos eram ranqueados em uma escala dos profissionais mais interessantes para o Google até os menos adequados. A “nota” resultava da soma da pontuação com diferentes pesos em quesitos variados, como o currículo acadêmico.

Apesar de funcionar, o algoritmo não fornecia o melhor resultado possível, o que levou a uma revisão do processo e a uma descoberta interessante. Em vez de comparar os candidatos do mercado entre si, a organização entendeu que seria mais estratégico, primeiro, olhar para dentro, avaliar as características dos talentos internos e, com base nisso, determinar o “padrão Google”. A ideia era entender o que tornava determinado profissional o melhor do seu departamento, medindo o impacto de fatores variados no desempenho profissional: o diploma do Ensino Superior, o histórico profissional, as experiências internacionais etc. Atualmente, o Google destaca-se como uma das empresas mais eficientes no recrutamento e isso não foi conquistado com um passe de mágica.

Como o Google antes do People Analytics, é provável que o seu time de Recursos Humanos fique sobrecarregado diariamente com processos e papeladas. Esse furacão vai se tornar um tornado: quanto maior a oferta no mercado de trabalho e mais urgente o preenchimento de uma vaga, mais complexa é a seleção. Nesse e em muitos outros desafios da gestão de pessoas, a resposta não se encontra na intuição humana. Aliás, o “toque pessoal” nos processos de RH não passa, na maior parte dos casos, de ficção. Para dar a atenção devida às questões de pessoas e empregar a sensibilidade humana, é necessário dispor de tempo e ter não apenas noção, mas domínio dos vieses cognitivos. A realidade, contudo, mostra que, quando o assunto é seleção de candidatos, um recrutador dedica uma média de seis segundos na leitura de cada currículo, segundo o site americano de busca de emprego The Ladders. Em casos assim, a intuição talvez seja mais um “chute”.

Big Brother

Usar as palavras “pessoas” e “dados” na mesma sentença soa muito estranho — e errado — para muitos. Gerar números e informações com base na análise dos indivíduos pode conferir um caráter de objeto de estudo ao ser humano. Bem, a verdade é que a ciência de dados significa, de certa forma, monitorar, só que para recolher dados, compará-los e gerar insights. Porém, convenhamos, a sua empresa já fica de olho nos funcionários, a grande (e problemática) diferença é que esse processo nem sempre é formalizado e estruturado. De acordo com um levantamento da consultoria PwC, 26% das 183 organizações pesquisadas no Brasil recolhem dados básicos como escolaridade e a proporção entre homens e mulheres no trabalho; e 40% estruturam indicadores para ações de curto prazo, como reduzir o turnover. Ou seja, o que não falta é conhecimento, mas o uso estratégico deste. No mesmo estudo, a PwC mostrou que só 10% dos respondentes utilizam os indicadores para projetar e planejar o futuro.

Gestão do “feeling”

Além dos dados mal administrados, a área de RH sofre com os “achismos”. São impressões, sensações, julgamento enviesados e outras manifestações do subconsciente que se passam, no dia a dia, por verdades absolutas. O mais curioso é que a intuição defendida pela área de Recursos Humanos não é comumente empregada nos demais departamentos. Que diretor de marketing se arriscaria a lançar um produto sem, pelo menos, uma pesquisa básica do perfil do consumidor? Que CEO se reuniria com o conselho para compartilhar as suas “sensações” acerca do negócio? Fundamentar decisões e práticas em sentimento é ilógico e irresponsável para qualquer área de uma organização — principalmente para aquela encarregada de selecionar, treinar, promover e investir em pessoas. Se toda organização se preocupa em conhecer o público externo, porque não tentar entender aqueles que estão ali, no dia a dia, fazendo o negócio acontecer e sendo responsáveis pelos resultados?

https://youtu.be/ugN5aD5p2NU

Billy Beane foi o homem que mudou a história do time de baseball Oakland Athletics com a ajuda do economista Peter Brand e de um sistema estatístico capaz de avaliar os dados de cada um dos jogadores. Juntos, eles empregaram uma nova metodologia no universo esportivo para transformar a tradicional seleção baseada em julgamentos infundados — como o de que um jogador cuja namorada é “feia” não deve ser contratado (“namorada feia significa falta de confiança”, é claro) — em um processo científico. O case de sucesso do Oakland Athletics foi contado no livro Moneyball: o homem que mudou o jogo, o qual deu origem ao filme homônimo. O resultado positivo, contudo, não foi imediato e, em muitos momentos, a dupla foi questionada sobre a eficácia daquele processo. No longa, Beane (interpretado por Brad Pitt) é confrontado por um colega de trabalho sênior com o seguinte discurso:

“Major League Baseball e seus fãs ficarão mais do que felizes em jogar a culpa em você e no ‘garoto do Google’, se você continuar com isso. Você não monta um time com um computador. O beisebol não é apenas números. Não é ciência. Se qualquer um pudesse fazer o que fazemos, mas eles não podem porque não sabem o que nós sabemos. Eles não têm nossa experiência e eles não têm nossa intuição. (…) Você está dando ouvidos a pessoa errada. Existem intangíveis que só as pessoas do baseball entendem. Você está descartando o que os olheiros fizeram por 150 anos?”

Acompanhe outros dos nossos artigos: