People analytics que responde pergunta de negócio

Uma diretoria pergunta se vale a pena investir mais em desenvolvimento de um time específico no próximo semestre. A área de people analytics volta com um painel completo: taxa de conclusão de treinamento, engajamento na pesquisa de clima, headcount por nível, tempo médio de casa. Todos os números estão corretos, atualizados e bem apresentados. Nenhum deles responde à pergunta que foi feita.

Dashboard não é a mesma coisa que resposta

A maior parte do que se chama de people analytics hoje é, na prática, relatório descritivo bem produzido: o que aconteceu, com quem, em que volume, comparado a que período anterior. Isso tem valor real, e nenhuma área deveria abrir mão de saber o que está acontecendo com precisão. O problema aparece quando esse relatório é apresentado como se já fosse uma resposta a uma pergunta de decisão, do tipo “vale a pena investir mais aqui” ou “esse programa deveria continuar”.

Uma pergunta de decisão pede outra coisa: uma hipótese testável sobre o que muda se a empresa agir de um jeito e não de outro. Descrever que o time X teve engajamento mais alto que o time Y no último trimestre é uma constatação. Dizer que investir em desenvolvimento nesse time provavelmente produz um resultado específico é uma previsão, e previsão exige um tipo de rigor que a maioria dos relatórios de people analytics não tem, porque foi construída para descrever, não para prever.

Correlacionar não é explicar

Este é o ponto em que people analytics mais promete o que não entrega. É comum ver um relatório mostrar que times com maior participação em treinamento também têm maior produtividade, e apresentar essa associação como prova de que o treinamento causou o ganho. A associação entre as duas variáveis pode ser real e, ainda assim, não significar nada sobre causa. Times mais bem geridos tendem a ter, ao mesmo tempo, mais adesão a treinamento porque o gestor cobra e valoriza isso, e melhor produtividade porque o mesmo gestor organiza bem o trabalho. O treinamento e o resultado andam juntos porque os dois nascem da mesma causa comum, a qualidade da gestão, não porque um produziu o outro.

Esse tipo de confusão não é um detalhe técnico que só interessa a quem faz estatística. É o erro que mais frequentemente leva uma empresa a investir mais num programa que não está funcionando, só porque ele aparece correlacionado com algo bom, e a cortar outro que talvez estivesse funcionando, só porque a correlação não apareceu no recorte de dado disponível. Correlacionar dado de RH com indicador de negócio é o primeiro passo de uma investigação, não a conclusão dela. Sem controlar por outras explicações plausíveis, sem comparar contra um grupo que não passou pela intervenção, sem repetir o padrão em mais de um período, uma correlação isolada não sustenta a frase “isso funciona”.

O que Phillips ofereceu, e o que segue difícil

Jack Phillips estendeu os níveis de avaliação de Kirkpatrick até o retorno sobre investimento, propondo formas de isolar, na medida do possível, o efeito de uma iniciativa de desenvolvimento do restante do que acontece na empresa no mesmo período. A contribuição foi dar à área um vocabulário e uma sequência de perguntas para tentar essa separação com mais disciplina do que o instinto de cruzar dois números que se moveram juntos.

O que Phillips não resolve, e a literatura reconhece isso com honestidade, é a dificuldade real de isolar causa dentro de uma empresa em funcionamento normal, sem grupo de comparação desenhado de propósito e sem controle sobre as dezenas de outras coisas que mudam ao mesmo tempo que um programa de desenvolvimento acontece. Isso não invalida a tentativa de ligar people analytics a indicador de negócio. Invalida a promessa de uma explicação limpa e definitiva onde, na maioria das vezes, o que existe é uma associação plausível, cercada de incerteza que deveria ser declarada junto com o número, não escondida atrás dele.

Da pergunta de negócio para o dado, não o contrário

A forma mais confiável de evitar essa armadilha é inverter a ordem do trabalho. Em vez de abrir a base de dados disponível e procurar padrões interessantes para depois encontrar uma história que os explique, começar pela pergunta de decisão que a liderança realmente precisa responder, e só então perguntar que dado, coletado de que forma, ajudaria a responder essa pergunta com algum rigor. Isso muda completamente o resultado do trabalho. Explorar dado à procura de padrão tende a encontrar algum, porque com variáveis suficientes cruzadas entre si, alguma combinação vai parecer relevante por acaso. Partir da pergunta certa reduz esse risco, porque obriga a definir, antes de olhar qualquer número, o que contaria como evidência a favor e o que contaria como evidência contra.

Isso também exige uma base de dado que sustente o cruzamento sem improviso. O mesmo problema de dado espalhado em planilhas soltas que trava relatórios operacionais trava ainda mais qualquer tentativa séria de cruzar dado de aprendizagem com indicador de negócio, porque a análise exige que as duas bases estejam na mesma unidade de tempo e de pessoa, coisa que planilhas desencontradas raramente garantem.

É por isso que people analytics funciona melhor acoplado à decisão do que como entrega isolada de relatório: a pergunta de negócio nasce junto com a liderança que vai usar a resposta, e o desenho da análise é decidido antes de qualquer base de dado ser aberta, não depois.

O que fazer antes do próximo relatório

Antes de apresentar a próxima associação entre dado de RH e indicador de negócio como resposta pronta, vale passar por três perguntas. A pergunta que motivou a análise foi definida antes de abrir a base de dados, com uma hipótese clara sobre o que se esperava encontrar, como já vale para qualquer indicador de negócio que o T&D pretenda mover, ou a análise nasceu de explorar o que estava disponível até algo parecer interessante? Existe alguma explicação alternativa plausível para a associação encontrada, além da causa que está sendo proposta, e ela foi ao menos mencionada na apresentação? E o relatório declara a incerteza real do achado, ou apresenta uma correlação como se fosse certeza?

Um relatório que responde essas três perguntas com honestidade tende a ser menos impressionante à primeira vista do que um dashboard cheio de números em alta, e mais útil na segunda conversa, quando alguém pede para explicar de novo por que aquele investimento deveria continuar. É essa disciplina, mais do que qualquer painel novo, que separa people analytics que orienta decisão de people analytics que só organiza planilha.