People analytics: o que é e como colocar em prática no RH

People analytics: o que é e como colocar em prática no RH

Seu RH provavelmente já tem os dados de que precisa. O que costuma faltar é a pergunta certa para fazer a eles.

People analytics é o uso de dados sobre as pessoas da empresa, como desempenho, clima, treinamento, admissões e desligamentos, para responder perguntas de negócio e embasar decisões de contratação, desenvolvimento e retenção. Na prática, o RH reúne informações que hoje estão espalhadas em sistemas e planilhas diferentes, cruza esses dados e descobre, por exemplo, em quais áreas as pessoas saem mais cedo e o que essas saídas têm em comum.

A maior parte das empresas ainda está no começo desse caminho. Em uma pesquisa da Korn Ferry com 750 líderes de RH de vários países, divulgada pela SHRM em 2025, 74% dos CHROs classificaram a capacidade analítica do RH como básica ou apenas descritiva, e só 18% disseram que a empresa usa dados de forma consistente para tomar decisões melhores. No Brasil, o estudo da Falconi com a Think Work, feito com 163 empresas no primeiro semestre de 2022, encontrou 39% de empresas que adotam people analytics e acompanham indicadores de RH.

Neste artigo, você vai entender:

• o que é people analytics e como ele se diferencia dos indicadores de RH;
• quais são os 4 níveis de análise e em qual deles sua empresa está;
• como fazer people analytics em 6 etapas, com um exemplo do começo ao fim;
• quais erros derrubam a confiança nos dados e o que a LGPD exige.

O que é people analytics

People analytics, também chamado de HR analytics ou análise de pessoas, é a prática de coletar, organizar e analisar dados sobre a força de trabalho para entender o que acontece com as pessoas da empresa, por que acontece e o que fazer a respeito. O foco está sempre em uma decisão: quem promover, onde investir em treinamento, que líder precisa de apoio, que mudança no processo seletivo reduz as saídas precoces.

Por isso, people analytics começa com uma pergunta e termina com uma ação. Um relatório que mostra a taxa de turnover do mês, sem ninguém decidir nada a partir dele, ainda é só um indicador.

People analytics, indicadores de RH e HR analytics: qual a diferença?

Os indicadores de RH, como turnover, absenteísmo e tempo de contratação, medem quanto algo aconteceu. O people analytics usa esses indicadores e cruza com outras informações para explicar por que aconteceu e prever o que deve acontecer em seguida.

Já os termos people analytics e HR analytics costumam ser usados como sinônimos. Quando há distinção, HR analytics se refere às análises dos processos do próprio RH (custo por contratação, prazo de admissão, eficiência da folha), enquanto people analytics olha para as pessoas e para a relação delas com os resultados do negócio.

Os 4 níveis de análise do people analytics

As análises de dados de pessoas costumam ser organizadas em quatro níveis, do mais simples ao mais avançado. Cada um responde a uma pergunta diferente:

• Descritiva: responde "o que aconteceu?". Exemplo: os desligamentos nos primeiros 90 dias subiram no último semestre.
• Diagnóstica: responde "por que aconteceu?". Exemplo: as saídas se concentram em unidades que trocaram de liderança no período.
• Preditiva: responde "o que deve acontecer?". Exemplo: novos colaboradores que não tiveram conversa individual com o líder no primeiro mês têm mais chance de sair antes dos 90 dias.
• Prescritiva: responde "o que devemos fazer?". Exemplo: incluir uma conversa individual no dia 15 e uma avaliação no meio do período de experiência em todas as unidades.

A maioria das empresas para entre o primeiro e o segundo nível. A pesquisa da Falconi mostra que boa parte das companhias se limita a observar os dados e entender os motivos do resultado, sem chegar a previsões. Para a maioria das decisões, a análise diagnóstica bem feita já basta, e a preditiva só funciona quando há histórico e volume de dados suficientes.

Que dados o RH já tem para fazer people analytics

Você não precisa começar coletando informação nova. A maior parte dos dados úteis já existe e está distribuída pela jornada do colaborador:

• Admissão e desligamento: data de entrada e saída, área, cargo, líder, tipo e motivo do desligamento, fonte de recrutamento.
• Desempenho: notas e comentários das avaliações, metas, PDIs e histórico de promoções. Um sistema de avaliação de desempenho com histórico facilita muito esse cruzamento.
• Clima e engajamento: resultados da pesquisa de clima organizacional por área e por líder, eNPS e comentários abertos.
• Treinamento: cursos concluídos, horas de capacitação, trilhas e avaliações de reação.
• Frequência e jornada: faltas, atrasos, horas extras e afastamentos. Atenção: informações de saúde são dados sensíveis pela LGPD e exigem cuidado redobrado.
• Resultados do negócio: produtividade, vendas, qualidade, reclamações de clientes. Esses dados costumam estar com outras áreas, e trazê-los para a análise é o que conecta o RH ao resultado da empresa.

O elo que permite juntar tudo isso é simples: um identificador único por colaborador, como a matrícula, presente em todas as bases.

Como fazer people analytics na prática: 6 etapas com exemplo

Para deixar as etapas concretas, vamos acompanhar um exemplo hipotético do começo ao fim: uma rede de lojas com 1.200 colaboradores percebe que os desligamentos aumentaram e que uma parte grande deles acontece antes de a pessoa completar três meses de casa.

1. Comece por uma pergunta de negócio

O erro mais comum é começar pedindo um painel com todos os indicadores. Um painel sem pergunta mostra números, mas não diz o que fazer com eles. Uma boa pergunta tem um problema claro, um custo associado e alguém que vai decidir a partir da resposta.

No exemplo, a pergunta fica assim: "Por que tantos atendentes saem antes dos 90 dias, e quanto isso custa em recrutamento e treinamento de reposição?". Quem decide é a diretoria de operações, junto com o RH. Trabalhe uma pergunta por vez, porque tentar responder cinco ao mesmo tempo dilui o esforço e atrasa todas.

2. Escreva as hipóteses antes de abrir os dados

Antes de olhar qualquer planilha, liste as explicações possíveis e o dado que testa cada uma. Isso evita sair "pescando" correlações e acreditar na primeira que aparecer.

No exemplo, as hipóteses são: integração fraca nas primeiras semanas (testada com o histórico de onboarding e da avaliação de período de experiência); diferença entre líderes (testada com as saídas por gestor); fonte de recrutamento (testada com a origem de cada contratado); turno e escala (testados com a jornada de quem saiu e de quem ficou); remuneração abaixo da concorrência local (testada com pesquisa salarial da região).

3. Junte e limpe os dados

Esta é a etapa que mais consome tempo, e é onde muitas análises morrem. Defina os termos antes de calcular: o que conta como "saída em 90 dias" (pedido de demissão e dispensa juntos ou separados?), a partir de que data se conta o período, como tratar transferências entre lojas. A própria SHRM recomenda definir de forma única conceitos como turnover e alto desempenho, porque cada área costuma calcular do seu jeito.

Depois, junte as bases pela matrícula, confira datas impossíveis, campos vazios e duplicidades. Um dado errado aqui contamina todas as conclusões seguintes.

4. Analise do descritivo para o diagnóstico

Comece comparando taxas entre grupos: saídas em 90 dias por loja, por líder, por fonte de recrutamento, por turno. Depois, cruze com as variáveis das hipóteses.

No exemplo, a análise mostra que as saídas precoces se concentram nas lojas em que o novo colaborador não teve conversa individual com o líder no primeiro mês e em que a avaliação de período de experiência foi feita só no último dia. Antes de concluir, vale a pergunta incômoda: essas lojas têm algo mais em comum? Se forem também as de maior movimento, o problema pode ser carga de trabalho, e a falta de conversas seria consequência. Compare lojas com movimento parecido para separar uma coisa da outra.

5. Transforme o achado em uma decisão testável

Em vez de mudar tudo de uma vez, proponha um piloto. No exemplo: em quatro lojas, o novo colaborador passa a ter um roteiro de onboarding na primeira semana, uma conversa individual com o líder no dia 15 e uma avaliação no meio do período de experiência. Quatro lojas parecidas seguem o processo atual e servem de comparação.

Apresente a proposta na linguagem da diretoria: quanto custa cada saída precoce, quantas o piloto precisa evitar para se pagar e em quanto tempo o resultado aparece. Esse cálculo é o mesmo raciocínio usado para medir o ROI do RH.

6. Meça, ajuste e transforme em rotina

Defina antes de começar qual indicador vai dizer se funcionou (no exemplo, a taxa de saída em 90 dias nas lojas do piloto contra as lojas de comparação) e em que prazo ele será avaliado. Se o resultado aparecer, a mudança vira padrão. Se não aparecer, volte às hipóteses: a análise também serve para descartar o que não funciona.

Depois, escolha a próxima pergunta. Repetir esse ciclo, uma pergunta de cada vez, é o que sustenta uma cultura data-driven no RH.

Erros comuns em people analytics

• Começar pela ferramenta: contratar um painel antes de ter perguntas gera gráficos bonitos que ninguém usa. Defina as duas ou três perguntas mais importantes do ano e só então avalie o que é preciso para respondê-las.
• Tratar correlação como causa: duas coisas que aparecem juntas podem ter uma terceira explicação, como no caso das lojas de maior movimento. Teste as explicações alternativas e, sempre que possível, confirme com um piloto.
• Olhar só a média da empresa: um turnover geral estável pode esconder uma área em crise compensada por outra muito estável. Quebre os números por área, líder, tempo de casa e cargo.
• Usar os dados para vigiar pessoas: segundo a SHRM, quando a liderança enxerga a análise como forma de rastrear as pessoas, surge desconfiança em relação aos dados. Comunique o objetivo das análises e use os resultados para melhorar processos e apoiar líderes.
• Expor indivíduos em grupos pequenos: em uma equipe de quatro pessoas, uma média de clima por equipe praticamente identifica quem respondeu. Agrupe áreas pequenas antes de mostrar resultados.

People analytics e LGPD: o que observar

A Lei Geral de Proteção de Dados (Lei 13.709/2018) se aplica a todos os dados de colaboradores. Entre os princípios do art. 6º, quatro pesam diretamente no people analytics:

• Finalidade: os dados devem ser usados para um propósito legítimo e informado ao colaborador.
• Necessidade: use apenas os dados indispensáveis para responder à pergunta da análise.
• Transparência: o colaborador deve ter informações claras sobre como seus dados são tratados.
• Não discriminação: a análise não pode servir para fins discriminatórios ilícitos ou abusivos.

Dados de saúde, origem racial ou étnica, biometria e filiação a sindicato são dados pessoais sensíveis (art. 5º, II) e têm regras mais rígidas. Na prática: mostre resultados agregados sempre que possível, restrinja o acesso às bases individuais e envolva o jurídico ou o encarregado de dados (DPO) antes de iniciar um projeto novo.

Onde a tecnologia entra

Dá para começar com planilhas, e muita empresa começa assim. O limite aparece rápido: os dados ficam espalhados, cada análise precisa ser montada de novo, o histórico se perde quando alguém troca de função e ninguém confia totalmente na última versão do arquivo.

Uma plataforma de gestão de pessoas resolve a parte mecânica: mantém o histórico, padroniza as informações e deixa os cruzamentos prontos para o RH e os líderes consultarem. No You Performa, por exemplo, as avaliações de desempenho geram relatórios, métricas e gráficos no mesmo ambiente em que ficam a pesquisa de clima e a avaliação de período de experiência, que são justamente os dados usados no exemplo deste artigo. A ferramenta organiza e mostra os dados; a pergunta e a decisão continuam com o RH e a liderança.

Perguntas frequentes sobre people analytics

O que é people analytics?

É o uso de dados sobre as pessoas da empresa, como desempenho, clima, treinamento e desligamentos, para responder perguntas de negócio e embasar decisões de gestão de pessoas.

Qual a diferença entre people analytics e HR analytics?

Na maioria dos casos, os termos são sinônimos. Quando há distinção, HR analytics trata dos processos do próprio RH, como custo e prazo de contratação, e people analytics trata das pessoas e da relação delas com os resultados do negócio.

Preciso de um cientista de dados para começar?

Não. As análises descritivas e diagnósticas, que já mudam muitas decisões, podem ser feitas pelo próprio RH com dados organizados e uma boa pergunta. Especialistas em dados fazem diferença quando a empresa chega às análises preditivas.

Por onde começar a fazer people analytics?

Escolha um problema que custa caro para a empresa, como saídas precoces ou baixa adesão a treinamentos obrigatórios, escreva as hipóteses e reúna os dados que já existem para testá-las.

People analytics é permitido pela LGPD?

Sim, desde que a empresa respeite os princípios da lei, como finalidade, necessidade, transparência e não discriminação, e tenha cuidado redobrado com dados sensíveis, como os de saúde.

Uma pergunta por vez

People analytics começa pequeno: uma pergunta que importa para o negócio, os dados que o RH já tem e uma decisão testada com cuidado. Quando esse ciclo se repete, o RH passa a chegar às reuniões com evidências, e as conversas sobre pessoas ficam mais objetivas para todo mundo.

Quer ver como os dados de avaliação de desempenho, clima e período de experiência aparecem juntos em uma só plataforma? Fale com um especialista da YouRH.

Fontes

• Korn Ferry, pesquisa com 750 líderes de RH, divulgada pela SHRM em 2025: https://www.shrm.org/executive-network/insights/how-chros-can-power-up-their-people-analytics--
• Falconi e Think Work, pesquisa "Como o RH usa dados e tecnologia", 163 empresas, 1º semestre de 2022: https://falconi.com/insight/people-analytics-em-gestao-de-pessoas-melhora-em-90-tomada-de-decisoes/
• Lei Geral de Proteção de Dados (Lei 13.709/2018): http://www.planalto.gov.br/ccivil_03/_ato2015-2018/2018/lei/l13709.htm