People Analytics: o que é, níveis e como aplicar no RH

People analytics é o uso organizado de dados sobre as pessoas da empresa, como turnover, absenteísmo, engajamento, eNPS e desempenho, para responder perguntas de gestão e tomar decisões de RH com base em evidência. Também chamado de HR analytics ou análise de dados de RH, ele reúne informações que costumam ficar espalhadas entre folha, ponto, pesquisas e avaliações, cruza essas fontes e mostra ao RH e aos líderes onde agir primeiro.

Na prática, a diferença aparece na pergunta que o RH consegue responder. Saber quanto foi o turnover do ano é acompanhar um indicador. Saber que as saídas se concentram em pessoas com menos de um ano de casa, em duas áreas que trocaram de gestor no semestre, já é people analytics, porque o dado aponta uma causa provável e um lugar para começar. Este guia mostra para que ele serve, os quatro níveis de maturidade, quais indicadores usar com a fórmula de cada um, um passo a passo para implantar, os cuidados com a LGPD e os erros mais comuns.

Para que serve o people analytics

O objetivo é trocar a discussão baseada só em percepção por uma conversa apoiada em números que todos conseguem conferir. Isso vale para decisões grandes, como onde investir em liderança no próximo ano, e para decisões do dia a dia, como qual time precisa de atenção do RH nesta semana.

Ele também muda a conversa do RH com a diretoria. Quando a área mostra que o engajamento caiu em um grupo, que essa queda veio antes de um aumento de pedidos de demissão e quanto essas saídas custaram, o pedido de orçamento para um programa de liderança deixa de soar como opinião, e o mesmo raciocínio mostra depois se o programa funcionou.

Os dados também ajudam a reduzir vieses: comparar promoções, notas ou saídas entre grupos de gênero, idade ou tempo de casa revela diferenças que a observação dificilmente mostra.

Exemplos de perguntas que o RH responde com dados

As perguntas abaixo mostram como o tema sai do abstrato. Em cada uma, o que faz diferença é o cruzamento entre duas ou mais fontes.

• Por que o turnover subiu nesta área? Cruze as saídas por área, tempo de casa e gestor com a evolução do engajamento e do eNPS do mesmo grupo nos meses anteriores.
• Quais líderes precisam de apoio primeiro? Compare a nota que cada time dá ao próprio líder com a participação nas pesquisas, o absenteísmo e as saídas voluntárias desse time.
• O programa de desenvolvimento deu resultado? Compare a evolução nas avaliações de quem concluiu o plano de desenvolvimento com a de quem não concluiu, no mesmo período e no mesmo nível de cargo.
• Onde as pessoas recém-contratadas estão saindo? Abra as saídas dos primeiros 12 meses por área e por origem da contratação, e leia junto os motivos registrados na entrevista de desligamento.
• Quais canais de recrutamento trazem pessoas que ficam? Compare a origem de cada contratação com a retenção no primeiro ano e com o resultado da primeira avaliação de desempenho, para saber onde investir na atração.
• O que pesa mais no engajamento de cada time? Veja quais temas da pesquisa têm as notas mais baixas em cada grupo e leia os comentários abertos ligados a esses temas.

Os quatro níveis de maturidade do people analytics

O people analytics costuma ser descrito em quatro níveis, e cada um depende do anterior. Uma empresa não precisa chegar ao último para ter resultado, mas precisa ter o primeiro bem resolvido antes de tentar os outros.

1. Nível 4: Prescritivo: o que devemos fazer?
2. Nível 3: Preditivo: o que tende a acontecer?
3. Nível 2: Diagnóstico: por que aconteceu?
4. Nível 1: Descritivo: o que aconteceu?

Os quatro níveis de maturidade do people analytics, da base (o que aconteceu) ao topo (o que fazer)

Nível 1: descritivo

É o retrato do que aconteceu: turnover do trimestre por área, absenteísmo do mês, eNPS da última pesquisa, distribuição das notas da avaliação. O trabalho aqui é ter números confiáveis, calculados sempre da mesma forma e atualizados em uma data fixa.

Nível 2: diagnóstico

Aqui o RH começa a explicar o número: em quais grupos o turnover subiu, desde quando e o que mudou nesses grupos no período. O diagnóstico depende de segmentar e comparar área com área, gestor com gestor e um período com o anterior, e é neste nível que os dados passam a mostrar onde agir.

Nível 3: preditivo

Com histórico de vários ciclos, é possível estimar o que tende a acontecer, como quais grupos têm sinais parecidos com os de áreas que perderam pessoas no passado. Esses modelos pedem cuidado estatístico e cuidado no uso, porque uma estimativa de risco serve para orientar uma conversa de apoio e nunca para rotular uma pessoa.

Nível 4: prescritivo

O nível prescritivo sugere o que fazer diante do cenário, como priorizar um tema da pesquisa em um time específico ou indicar a ação com mais chance de efeito. Ferramentas com inteligência artificial já ajudam nessa etapa ao cruzar dados e propor planos de ação, mas a decisão final continua com o RH e com o líder, que conhecem o contexto.

Quais dados e indicadores usar no people analytics

Os dados vêm de fontes que a maioria das empresas já tem: cadastro e folha de pagamento (headcount, admissões, desligamentos, cargos e salários), controle de ponto (faltas, atrasos e afastamentos), recrutamento (tempo e origem da contratação), pesquisas de clima e engajamento (notas por tema, eNPS e comentários abertos) e avaliação de desempenho (notas, metas e planos de desenvolvimento).

Para começar, poucos indicadores bem definidos valem mais que um painel com dezenas de números. A tabela traz os mais usados, com a fórmula e a pergunta que cada um ajuda a responder. Antes de comparar períodos ou empresas, confira se a fórmula é a mesma, porque pequenas diferenças no cálculo mudam bastante o resultado. A lista completa, com exemplos de conta, está em KPIs de RH.

Indicador	Fórmula	Pergunta que ajuda a responder
Turnover	Desligamentos no período ÷ headcount médio × 100	Quantas pessoas a empresa está perdendo e em quais grupos
Turnover voluntário	Pedidos de demissão no período ÷ headcount médio × 100	Quantas saídas partem das próprias pessoas
Taxa de retenção	Pessoas do início do período que continuam no fim ÷ pessoas no início × 100	Quanto da equipe do começo do período ficou
Absenteísmo	Horas perdidas com ausências ÷ horas de trabalho planejadas × 100	Onde há sinais de sobrecarga, saúde ou clima
eNPS	% de promotores (notas 9 e 10) − % de detratores (notas 0 a 6)	Quanto as pessoas recomendariam a empresa como lugar para trabalhar
Taxa de participação nas pesquisas	Respondentes ÷ pessoas convidadas × 100	Se a amostra representa o grupo e se as pessoas confiam no processo
Desempenho	Distribuição das notas da avaliação e % de metas atingidas, por área	Onde estão as entregas acima e abaixo do esperado

Cada indicador tem seu guia próprio. O turnover e o absenteísmo mostram o cálculo e os cuidados para comparar áreas, o guia de eNPS explica como ler o resultado e o que fazer com ele, e o guia de pesquisa de engajamento detalha os métodos de pesquisa. A leitura fica mais segura quando dois indicadores apontam na mesma direção: o eNPS de uma área em queda ao lado do turnover voluntário subindo é um sinal muito mais claro do que qualquer um dos dois sozinho.

Como implantar people analytics: passo a passo

1. Comece por uma pergunta de negócio

Escolha duas ou três perguntas que importam agora para a empresa, como entender por que as saídas aumentaram em uma operação ou se a nova política de trabalho híbrido afetou o engajamento. A pergunta define quais dados buscar e evita o projeto que coleta tudo e não responde nada.

2. Faça o inventário dos dados que já existem

Liste onde está cada dado, quem responde por ele e com que frequência é atualizado. É comum descobrir que o motivo de desligamento não é preenchido ou que as áreas têm nomes diferentes em cada sistema.

3. Padronize as definições

Defina por escrito a fórmula de cada indicador, a fonte oficial e a data de corte, por exemplo se o turnover inclui estagiários. Sem esse acordo, cada área chega à reunião com um número diferente para a mesma coisa.

4. Cruze as fontes e compare grupos

A média da empresa costuma esconder o que importa. Um engajamento geral estável pode conviver com três áreas em queda, compensadas por outras em alta. Por isso o passo seguinte é segmentar por área, gestor, unidade, tempo de casa ou modelo de trabalho, e colocar os grupos lado a lado. Na TeamCulture, a comparação de grupos mostra equipes, áreas e unidades no mesmo painel, em nota, percentual favorável ou variação no período, com cada grupo posicionado em relação à média da conta. O benchmark de mercado faz a mesma pergunta para fora, comparando o engajamento, o eNPS e os pilares da pesquisa com empresas do mesmo setor e porte.

O cruzamento também pode ligar dados de pessoas a dados do negócio. Na Meta, empresa brasileira de tecnologia e cliente da TeamCulture, Viviane Furquim, diretora de Pessoas e Performance, contou em live da TeamCulture que a empresa cruza o NPS dos clientes com o eNPS das pessoas que trabalham nos projetos desses clientes. A crença por trás, nas palavras dela, é que “ninguém dá para o cliente aquilo que não recebe da própria empresa”.

Módulo de Engajamento

Saiba o que o time sente em tempo real e aja antes que vire saída

Pesquisa contínua com os 10 pilares do engajamento, comparação entre áreas e planos de ação.

Conheça o módulo de Engajamento →

5. Conte o resultado para quem decide

Diretoria e líderes costumam decidir melhor com um resumo curto do que com a planilha completa. Apresente o achado em poucas frases: em qual grupo está o problema, desde quando, o que os dados e os comentários indicam como causa e qual ação o RH propõe. Para cada líder, mostre o resultado do próprio grupo ao lado da média da empresa.

6. Transforme a análise em plano de ação e meça de novo

O ciclo só fecha quando a análise vira uma ação com responsável e prazo, e quando o mesmo indicador é medido de novo depois. Pesquisas frequentes ajudam a ver se a ação teve efeito sem esperar um ano. Na TeamCulture, o Axel AI lê os dados de engajamento de cada grupo e sugere ações priorizadas em formato de cards, para que o líder saiba por onde começar sem precisar interpretar todos os gráficos sozinho.

Ferramentas para people analytics

A maioria das empresas começa com planilhas, que bastam para o nível descritivo e para os primeiros cruzamentos, desde que as fórmulas e as fontes estejam padronizadas. Quando o volume cresce, ferramentas de BI ajudam a juntar dados da folha, do ponto e do recrutamento em painéis atualizados, mas exigem alguém que mantenha as conexões entre as bases.

Os sistemas de RH e as plataformas de engajamento e desempenho resolvem outra parte do problema, porque já coletam os dados de pesquisa, avaliação e desenvolvimento no mesmo lugar e permitem comparar grupos sem montar a análise do zero a cada ciclo. Na escolha, vale olhar se a ferramenta protege o anonimato nos recortes, se permite exportar os dados para cruzar com outras fontes e se os líderes conseguem ler o resultado do próprio time sem depender do RH.

LGPD e ética no uso de dados de pessoas

Dados de pessoas são dados pessoais, e a Lei Geral de Proteção de Dados (Lei 13.709/2018) se aplica a eles. Alguns pontos da lei conversam diretamente com o people analytics.

O artigo 6º lista os princípios do tratamento de dados, entre eles o da finalidade (propósitos legítimos, específicos, explícitos e informados ao titular), o da necessidade (limitar o tratamento ao mínimo necessário) e o da transparência (informações claras e facilmente acessíveis sobre o tratamento). Na prática, isso pede que o RH saiba para que usa cada dado, não colete informação que não vai usar e explique aos colaboradores como os dados entram nas análises.

O artigo 5º define como dado pessoal sensível, entre outros, o dado referente à saúde e o dado sobre origem racial ou étnica, e o artigo 11 traz regras próprias para tratar esse tipo de dado. Isso pesa em análises de absenteísmo que usam atestados e em análises de diversidade, que merecem cuidado redobrado com acesso e finalidade.

Já o artigo 12 diz que dados anonimizados não são considerados dados pessoais, salvo quando a anonimização puder ser revertida com esforços razoáveis. Em pesquisas, isso tem consequência prática: um recorte com poucas pessoas permite descobrir quem respondeu por exclusão. Na TeamCulture, os resultados filtrados por atributos como gênero, tempo de casa, idade ou cargo só aparecem quando há pelo menos 3 respondentes, regra que vale para cada filtro e para a combinação de filtros, justamente para focar na ação de melhoria e evitar a “caça às bruxas”, como diz a central de ajuda da plataforma.

Por fim, o artigo 20 garante ao titular o direito de pedir a revisão de decisões tomadas unicamente com base em tratamento automatizado que afetem seus interesses, inclusive as que definem o perfil profissional. A lei não exige que essa revisão seja feita por uma pessoa, mas o recomendável é que nenhuma decisão sobre alguém dependa só de um modelo preditivo, sem um olhar humano sobre o contexto. Para dúvidas sobre base legal e contratos, envolva o encarregado de dados e o jurídico da empresa.

Erros comuns no people analytics

Coletar dados sem pergunta. Painéis com dezenas de indicadores que ninguém consulta dão trabalho e não mudam decisão. Comece pelas perguntas e acrescente dados conforme elas pedem.

Confundir correlação com causa. Duas curvas que andam juntas podem ter uma terceira causa em comum. Quando o turnover cai depois de um programa de engajamento, vale separar o efeito do programa de outros fatores, como mudanças no mercado ou em processos internos, antes de atribuir todo o resultado a uma única iniciativa.

Olhar só a média. A média da empresa esconde os grupos que puxam o resultado para baixo. Quando o RH segmenta, aparece em qual time o problema está.

Usar o dado para identificar pessoas. Quando um líder tenta descobrir quem deu uma nota baixa, a confiança no processo cai e as respostas seguintes deixam de ser sinceras, por isso o dado de pesquisa deve ser lido por grupo, nunca por pessoa.

Parar no relatório. Análise sem plano de ação ensina às pessoas que responder não muda nada, e a participação cai no ciclo seguinte. É por isso que o acompanhamento das ações pesa tanto quanto a análise na retenção de talentos.

Perguntas frequentes

Qual a diferença entre people analytics e indicadores de RH?

Os indicadores de RH são os números acompanhados com frequência, como turnover, absenteísmo e eNPS. O people analytics usa esses e outros dados para responder perguntas específicas, cruzando fontes e grupos para explicar o que está acontecendo e apoiar uma decisão. Em resumo, os indicadores mostram o número, e o people analytics usa esse número para explicar uma situação e decidir o que fazer.

Preciso de um cientista de dados para começar?

Não. Os níveis descritivo e diagnóstico, que já respondem a maior parte das perguntas do RH, dependem mais de dados organizados, fórmulas padronizadas e cruzamentos simples do que de modelos estatísticos. Conhecimento técnico mais avançado passa a fazer falta quando a empresa quer construir modelos preditivos próprios.

People analytics consegue prever quem vai pedir demissão?

Modelos preditivos estimam probabilidades para grupos com base em padrões do passado, e por isso erram em casos individuais. O uso mais seguro é identificar grupos com sinais de risco, como queda de engajamento e aumento de faltas, e agir sobre as causas, com conversa e apoio do líder, em vez de tratar uma pessoa a partir de uma previsão.