As métricas essenciais que vale a pena acompanhar
Não precisa de uma equipa de ciência de dados para beneficiar das métricas de RH. Um punhado de números bem escolhidos — número de efectivos, rotatividade, absentismo, tempo de contratação e talvez uma medida de envolvimento — dizem-lhe grande parte do que precisa para detectar tendências cedo. Comece com pouco e acrescente métricas apenas quando souber que decisão cada uma irá informar.
Cada métrica precisa de uma definição clara e consistente. 'Rotatividade' pode ser medida de muitas formas, e 'absentismo' pode incluir ou excluir licenças planeadas, por isso acordar a definição uma vez e mantê-la. Definições inconsistentes são a razão mais comum para os dados de RH se tornarem pouco fiáveis.
Distinga entre métricas que descrevem o passado e aquelas que sugerem o futuro. A rotatividade e o absentismo são, em grande medida, indicadores atrasados; os resultados de envolvimento e o feedback no início da permanência são mais avançados, dando-lhe oportunidade de agir antes de os problemas se cristalizarem.
Compreender a rotatividade
A rotação mede a taxa a que as pessoas saem, geralmente expressa como saídas num período divididas pelo número médio de colaboradores. Vale a pena separar entre rotação voluntária e involuntária, bem como entre saídas lamentadas e não lamentadas, porque as causas e as soluções são bastante diferentes.
O contexto é extraordinariamente importante. Um valor elevado não é automaticamente mau — alguma rotação é saudável — e um valor baixo não é automaticamente bom se significar que está a reter desempenhos insuficientes. Compare com o seu próprio historial e, com cautela, com normas do sector em vez de perseguir um objectivo arbitrário.
Quando a rotatividade é motivo de preocupação, aprofunde o padrão: concentra-se numa equipa, num escalão de antiguidade ou numa/o manager específica/o? As saídas no início da permanência apontam frequentemente para problemas de recrutamento ou integração, enquanto as saídas entre o pessoal de longa data podem sinalizar problemas de progressão ou de recompensa.
Compreender o absentismo
Os dados de absentismo ajudam-no/a a compreender tanto o bem-estar como a capacidade operacional. As medidas comuns incluem a taxa de absentismo (tempo perdido como proporção do tempo disponível) e a frequência (com que frequência ocorrem as ausências). Acompanhar ambas distingue alguns casos de longa duração de ausências de curta duração generalizadas, que exigem respostas muito diferentes.
O absentismo é sensível. Os dados de doença são dados de saúde de categoria especial ao abrigo do GDPR, pelo que têm de ser tratados com especial cuidado, mantidos em segurança e partilhados apenas numa base estrita de necessidade de conhecimento. Analise-os, sempre que possível, a um nível agregado em vez de escrutinar indivíduos.
Utilize os dados de absentismo de forma de apoio, não punitiva. Os padrões podem identificar pessoas que precisam de apoio — com a saúde, a carga de trabalho ou os regimes de trabalho — e podem revelar problemas mais amplos, como dotação de pessoal irrealista. O uso excessivamente severo dos números de absentismo corrói a confiança e pode aumentar os riscos de discriminação por deficiência quando está em causa uma condição subjacente.
Construir painéis úteis
Um painel deve responder a perguntas, não limitar-se a apresentar números. Antes de o construir, decida quem o vai usar e que decisões deve apoiar; depois mostre apenas as métricas relevantes para essas decisões. Um painel sobrecarregado que ninguém lê é pior do que um único gráfico bem escolhido.
Mostre tendências ao longo do tempo em vez de instantâneos isolados. Um único número mensal diz-lhe pouco; uma linha ao longo de doze meses revela a direcção e a sazonalidade. Adicione comentários em linguagem simples para que o público compreenda o que os números significam e o que, se algo, fazer a respeito.
Mantenha os painéis honestos. Resista à tentação de apresentar selectivamente números favoráveis ou de insinuar causalidade a partir de correlação. Os dados de RH orientam o juízo; não o substituem, e exagerar no que os números provam mina a credibilidade.
Qualidade dos dados e GDPR
Os relatórios só são tão bons quanto os dados subjacentes. Se os registos estiverem incompletos ou inconsistentes, nenhuma quantidade de visualização tornará as conclusões fiáveis. Investir em dados limpos e introduzidos de forma consistente — idealmente a partir de um único sistema e não de folhas de cálculo dispersas — compensa em todos os relatórios que produzir.
O reporte tem de respeitar os princípios de protecção de dados. Utilize o mínimo de dados pessoais necessário, agregue e anonimize quando possível, restrinja o acesso a quem genuinamente o necessite e seja transparente com o pessoal sobre a forma como os seus dados informam decisões. A análise que, discretamente, cria perfis de indivíduos sem uma base legal e justificação clara acarreta risco real de GDPR.
