Na CUF, a análise de pessoas evoluiu de um exercício de dados para uma abordagem de gestão estratégica baseada em evidências. A jornada começou em 2023 com uma questão simples mas crítica: uma vez que você tem os dados, o que faz realmente com eles?
Seguindo o modelo de maturidade proposto por Keith McNulty da McKinsey & Company, a CUF estruturou a sua evolução de “Dados Bons” — focados na fiabilidade e sistematização — para estágios mais avançados como “Dados Fortes”, “Análises Avançadas” e, finalmente, “Previsões Fiáveis”.
Como nota Ricardo Tavares, Head de Análise de RH e Transformação na CUF, estes níveis não são rígidos. Uma organização pode estar em diferentes estágios de maturidade em diferentes áreas. O princípio orientador? Priorizar a geração de valor em vez da perfeição técnica.
Construindo as fundações: Dados Bons
A primeira fase centrou-se na estruturação de processos e na garantia da consistência dos dados. A CUF implementou uma solução ERP/HRIS transacional e estabeleceu regras rigorosas de entrada de dados para garantir rastreabilidade e coerência.
Um exemplo elucidativo é a métrica do Equivalente a Tempo Integral (ETI). Dada a sua complexidade — incluindo nuances como prestadores de serviços e absentismo — exigiu várias redefineções antes de alcançar um padrão estável e fiável. A automação através do Power BI reduziu erros manuais e consolidou uma base de dados fiável para desenvolvimentos futuros.
Da precisão à acessibilidade: Dados Fortes
Uma vez assegurada a fiabilidade dos dados, o foco passou de “Os dados estão corretos?” para “Quem pode aceder a eles — e como estão a ser utilizados?”
CUF tomou a decisão estratégica de construir internamente o seu sistema de reporte de RH, aproveitando a experiência de engenharia interna e o seu portal de indicadores baseado em Power BI. Dois recursos a tempo inteiro foram alocados ao projeto.
A escolha ofereceu flexibilidade e alinhamento com as necessidades internas, mas também trouxe riscos — particularmente atrasos causados por desafios técnicos no acesso a dados. Outro desafio recorrente: a tentação de sobrecomplicar relatórios na busca pela perfeição, muitas vezes em detrimento da rapidez.
Ainda assim, as métricas de uso interno indicam uma forte adoção, estabelecendo as bases para os próximos níveis de maturidade.
Da análise à previsão
A CUF está agora a preparar-se para avançar para Análises Avançadas e Previsões Fiáveis. Esta fase exige expertise estatística e ferramentas como R, Python e SPSS.
A análise de retenção é um dos casos de uso típicos: combinando dados estruturados (demografia, características do trabalho) com insights qualitativos (entrevistas de saída) para detectar padrões, antecipar rotatividade e desenhar ambientes de trabalho mais estáveis e motivadores.
No entanto, a ambição é equilibrada com cautela. À medida que modelos preditivos e IA ganham relevância, considerações éticas e regulatórias tornam-se centrais — particularmente à luz da Lei da IA da União Europeia e dos seus níveis de risco definidos.
Na CUF, a análise de pessoas não é tratada como uma tendência ou um exercício de dashboard. É um processo contínuo de aprimoramento — disciplinado, estratégico e centrado no ser humano — onde os dados servem não apenas para descrever o passado, mas para moldar o futuro de forma responsável.
Related News