SPEAKER_02 0:04

Olá, esse é o People Analytics na Prática, podcast que explora como os dados estão transformando a gestão de pessoas no Brasil. Histórias reais, aprendizados e bastidores do People Analytics no Brasil, disponível nas principais plataformas de áudio e no YouTube. Olá, começando mais um episódio de People Analytics na prática. Dessa vez a gente vai conversar com a Paula Vargas da Costa. A Paula é uma psicóloga, profissional apaixonada por traduzir dados de pessoas em insights estratégicos. Ela tem formação em psicologia with especializações internacionais in Tilburg and Yale and atuação sólida in People Analytics. A Paula desenvolve projetos que conectam ciência de dados, comportamento humano and resultados de negócio. Ela atua mais de six anos com análise de dados de H, desenvolvimento de dashboards interativos, pesquisas de engajamento, clima e saúde organizacional, and sempre com um foco em promover ambientes mais saudáveis, eficientes e baseados em evidências. A Paula tem experiências liderando projetos em consultoria e em grandes empresas, com entregas que envolvem desde estruturação de indicadores até apoio estratégico para tomadas de decisão de liderança. Bem-vinda, Paula, tudo bem?

SPEAKER_00 1:19

Oi, Gabriel, obrigada pelo convite. Estou muito feliz de estar podendo falar aqui com vocês. Já acompanhava o podcast há algum tempinho, and vamos lá, vamos para essa conversa.

SPEAKER_02 1:31

Beleza, beleza. Eu vou começar perguntando como vocês atrás de people analytics, Paula.

SPEAKER_00 1:45

I studied in a faculty that was in sciences of the University of Federal Sciences of South of Porto Alegre, had a part of the world, and groups of psychological organization that was evaluation psychology. Gabriel is my amigo pessoal, além de profissional. But come on, and it's a little different of psychological, people who give anything and surgical opportunities in this sentiment. And a minha trajet story was marked bastard by consultory. So I fiquei quatro, which is a consultoria who has referred to people analytics in Brazil. And I passe for two grandes.

SPEAKER_02 3:42

Perfeito, perfeito. E como é que teve essa mudança da parte de pesquisa para a parte de people analytics? Como é que foi essa transição de sair desse mundo para vir para people analytics?

SPEAKER_00 3:54

I think essay bem bacana. Eu acho que tem muito people analytics in academia sem ter esse nome, as vezes, né? Sounds with people and use various things for people analytics by this name. I wonder if I come, and I think I wanted to see the practice. As in academia, it will be a little longer that's in the day of the world. Roda this analysis for me. And I think the psychodata for me was important. A gente já fez muita coisa. After explicar o que é isso.

SPEAKER_02 4:58

Claro, no, claro, claro. A tempo atrás, 2020, during the pandemia, a gente began a estudar de maneira mais profunda análise of dados and dados com foco in programa. And with this foco in programma, a coisa difficulty conhecement, a gente perdendo it. So a gente inicial Data Psycho for most unirs and psychologia. It's a blog in portuguese sobre, which was a gonna achieve fonts in the. É bem legal, tem muitos posts bacanas lá sobre como iniciar em ciência de dados e psicologia, como iniciar em People Analytics. Eu acho que a gente tem alguns posts bacanas. Recentemente eu atualizei com algumas coisas também sobre people analytics estratégico, olhando pra como começar nas empresas, coisas desse sentido. E a Paula tem coisas muito legais lá dentro. Acho que o nosso post mais visualizado é teu, né, Paula? Sobre storytelling ou sobre.

SPEAKER_00 6:07

Não querendo me gabar, mas eu acho que é. E aí, esse momento em que a gente começa com uma pequena comunidade de pessoas que fazem análise de dados do jeito que a gente fazia, aquilo ganha um espaço ali no mercado, and I fui chamada top pra Numer, which era uma consultoria. Então eles me encontraram in this moment in which I was communicating with the mercury. And in that moment, I didn't see exactly the definition of people analytics. It's people analytics, perfect.

SPEAKER_02 7:02

And it's not me, when I come, I fiquei meio to enter the difference do conceit, because I was in academia, not in pesquisa. In various moments, I think a gente tem vários pontos de interseção. Muito interessante. Teve algum momento marcante ou decisivo na tua trajetória pra início, in people?

SPEAKER_00 7:24

Ah, I think it was important for me ter encontrado outras pessoas que faziam o que eu fazia. And ido atrás, né? I think a gente teve um movimento de ir atrás de pessoas que faziam algo parecido. Porque no início, e acho que isso acontece em people analytics, mas in qualquer area que está em formação, tem aquele sentimento de que eu sou doido e eu. Só eu que faço isso no mundo. E acho que encontrar uma rede de outras pessoas que já trabalhavam com isso foi muito importante. And psicologia, também entender o que eu fazia como algo de psicologia. Eu ficava pensando se eu estava transicionando de carreira, se eu não estaria, eu não estava mais sendo psicóloga porque eu trabalhava com dados e discutia muito sobre isso com os meus orientadores, com os meus amigos que eram da área também. And um momento muito marcante foi quando eu disse, no, I so psicóloga, isso que eu estou fazendo é psicologia também, and I precise ocupar esses espaços, mesmo que inaugurar in which I was with people analytics, rarely encontrava psicólogos. Acho que isso é interessante. Eu sempre cheguei in lugares that the people analytics were very conducived for desenvolved, for estatísticos, for engineers. And do my conseguir me communication with them and received. I wanted to follow a monkey esquisite that was areas different than a big conceitualization of the person who is in a few. O que significa people analytics? Tem um conceito que eu gostava muito que a gente usava lá na consultoria, is análise de dados ofers who use methodologies scientific, statistical, and psychological organizational to make melions in relation to gesture. But in final, it is a ferramento for a gonna make decisions. Analyze implementation, so it's an indicator, it's an indicator that accompanied. And Pipo Analytics is a conjunto of indicators, it's a ferramen, a way to leave a gente for tomorrow decisions in relation to people in the empresa. For me, Pipo Analytics are perto of this type of concept.

SPEAKER_02 10:51

Legal, legal. And we followed queu me falou o nome, eu achei muito legal. Eu esqueci agora completamente. Qual é o nome do projeto que a gente vai falar?

SPEAKER_00 11:01

A gente deu o projeto sempre fica melhor quando tem um nome, I asked. A gente deu o nome de Turnover Tem Preço.

SPEAKER_02 11:08

Perfeito. Turnover tem preço. Excelente. E esse projeto está conduzindo hoje na Stone, correto?

SPEAKER_00 11:15

Isso. A gente começou nesse primeiro quarter de 2026, entregamos já a primeira parte que a gente chamou de Alicerce, que seria os primeiros grandes cálculos. Ele é um projeto que tem como objetivo tangibilizar o custo da saída of an collaborador. So, for example, dental of vários customs that saída de alguém, a gente tem custo de recrutamento. Qual é o meu custo do time de recrutamento estar rodando hoje? Ou eu tenho o custo de treinamento, qual é o meu custo ou melhor ofreinamento? Ou qual é o custo, e esse eu acho que foi um dos cálculos mais bacanas, qual que é o meu prejuízo de ter uma pessoa que está em aprendizado in comparação with a pessoa that just contributed plenamente? And qual é o gap, né? Entre eu ter uma pessoa que está ali rampando andar super contribuindo. It's a project that when I conversed with a minha lideran, I think one of the premisses is that it was simply to be explicit. I was for people to enter a base of cálculo common. So on the Turnover, the customer of a person, according to the RH for that análises fossil mais comparáveis a partir disso. Foi o que a gente entregou no primeiro quarto and a gente conseguiu chegar em uma frase, for example, quanto que eu tenho de economia se no ano passado eu tivesse diminuído um ponto percentual no meu turnover.

SPEAKER_02 13:17

Uh, que legal!

SPEAKER_00 13:18

No final das contas, a gente queria chegar em algo nesse sentido que, enfim, vai ser utilizado em muitas análises posteriores depois.

SPEAKER_02 13:26

E como é que surgiu esse projeto? Como é que ele surge no time de People Analytics, né? Qual era o contexto por trás? O que tinha acontecido antes, até que o projeto chega em vocês com essa necessidade, até que o negócio chega em vocês com essa necessidade de fazer esse tipo de análise.

SPEAKER_00 13:42

Foi muito relacionado a uma dor que eu já vi em muitas empresas, é de relacionar as métricas do RH com alguma métrica financeira. Então, o grande ponto desse projeto é conseguir fazer essa ponte, mesmo que inicialmente. Por mais que as métricas do RH não sejam na sua natureza financeiras, se a gente não olha por essa visão, a gente acaba ficando de fora de muitas discussions. Because the rest of the empresa vai conversar sobre elas. In this sentiment, a gente criança de quais eram as premissas, como a gente traduz a nossa métrica, que é uma das maiores métricas that are old in várias empresas that are turnover in quantidade. Principally for análises of viability finance.

SPEAKER_02 15:03

Perfect. And old for turnover, not sort of voluntary, but involuntary.

SPEAKER_00 15:31

So, the bacana is that in the old thing I perd the custo maior? Era no voluntário or no involuntário? Foi no início da jornada oferecida? Será que eu estou perdendo o meu maior custo de turnover nas pessoas que saíram nos primeiros three meses de casa, ou são nas pessoas que estão saindo depois dos dois anos? Então, esse tipo de inteligência é que é bacana de ter com um projeto nesse sentido.

SPEAKER_02 16:05

Legal. E olhando mais para o algoritmo, o quão personalizável ele foi? Porque você falou das premissas que vocês colocaram e deixaram na mesa, né? Mas daí a gente já conversou aqui que se é voluntário ou se é involuntário, pelo que eu entendi, tem uma diferença no custo que é embutido nisso. Vocês dividiram por área também, nível, função, o quão longe vocês foram nesse aspecto de segmentação dentro do algoritmo pra conseguir chegar nesse número final e alinhado a isso. Qual foi o resultado disso quando vocês trouxeram pra RH? Porque nesse momento vocês têm o Alicercio, né? Como é que foi a resposta que o RH teve mesmo em relação a esses números que vocês trouxeram?

SPEAKER_00 16:49

Acho que falando um pouco do quanto que a gente aprofundou, né? Primeiro quarter a gente podia fazer um MVP. E aí a gente selecionou o público that direto a relação entre a métrica do RH e a métrica financeira, que era o público de vendas, nosso público comercial. For example, eu fazer um projeto desse num back-office, vai ser uma linha de premissa muito mais indireta.

SPEAKER_01 17:20

Sim, sim.

SPEAKER_00 17:20

Então, primeiro a gente começou com um público que tinha essa relação um pouco mais direto, porque eu consigo ver venda por pessoa, né? For example, quanto ela traz de lucro por pessoa. E aí, dentro desse sentido, nós vimos, fizemos algumas análises para checar, for example, se eu via diferença nas curvas de rampagem, nas curvas de appreciado entre as regionais. A gente tem cinco grandes regionais, a Stone está por todo o Brasil. Andificou: será que no Nordeste é mais a pessoa rampa mais rápido do que no sul, for example? Não encontramos grandes diferenças. E a partir disso a gente falou: vamos fazer uma fórmula para todas as regionais. Só que o que são variáveis que, pra gente, pelo menos, mudaram muito o custo, né? E daí são coisas que a gente coloca como balizadores. Primeiro, o tempo de casa que a pessoa saiu é muito diferente o custo de alguém que saiu nos primeiros three meses do que de alguém que já era veterano de casa, andou demorar muito tempo para ter alguém nesse mesmo nível. So this foi um balizador. E o outro balizador foi performance. So, se a pessoa had a high performance ali dentro, dói muito mais para perder do que uma pessoa who has a medium performance ou um low performance. And verificar tropas. E se aqui eu conseguisse aumentar a minha taxa de contratação de high performance em 50%, se eu conseguisse melhorar o meu recrutamento nesse nível, quanto que eu teria de retorno in lucro, né? Nisso. Então são algumas. Principalmente os dois validadores, foi tempo de casa e a própria performance da pessoa.

SPEAKER_02 19:08

Perfeito, perfeito. E quando tu falou de rampeamento, que é essa questão que vocês estavam avaliando, rampeamento aqui, sendo entendido, sei lá, trazendo para contexto de vendas, né? Existe uma meta e existe 100% da meta atingida no mês ou no trimestre. O rampeamento seria a pessoa começar a bater isso, assim? Começar a bater 100% ou algo nesse sentido?

SPEAKER_00 19:29

Esse aí a gente entrou em muitas reuniões com o time de planejamento comercial. São reuniões teóricas mesmo, né? O que é uma pessoa rampar? Isso que você está perguntando.

SPEAKER_02 19:42

Perfeito, perfeito.

SPEAKER_00 19:44

Como que a gente fez ali e quais eram as nossas opções? Eu poderia ter um rampeamento com um critério de negócio. So, for example, o nosso RH pode ter um example, né? Eu sei historicamente que a pessoa leva six. Eu poderia usar uma métrica de negócio andar isso já isolando da empresa andar essa regra. A gente escolheu um lado mais estatístico. So what a gente fez? A gente olhou, selecionamos algumas métricas de lucro. Então tem vários tipos de receita. Tomei um banho de loja dessas coisas de vendas. And escolheu uma das métricas que seria a que era a mais adequada para olhar a receita trazida. Já era uma receita limpa, já não tinha custo de fund, enfim. E aí eu putei isso por tempo de casa, pra ver se algum momento that it estabilizava.

SPEAKER_02 20:47

Legal.

SPEAKER_00 20:48

A partir do momento que isso estabiliza, anda, na curva é muito claro que ele sobe nos primeiros meses anda a partir do quarto message, for example, it's a stabilization. And a gente foi esse caminho que era extremamente estatístico. Era de olhar uma curva ao longo do tempo e ver quando ela se estabiliza andar that when a pessoa acontece ali pelo quarto mês, então a gente entende que a rampagem na sua maioria das vezes acontece nesses primeiros quatro meses de casa.

SPEAKER_02 21:23

Cara, que legal. É muito raro, eu acho. Não sei pra China, mas pra mim até hoje. Fazendo análises, assim, ter um gráfico nítido de um evento ou algum efeito, assim, que a gente consiga bater o olho e ver que algo acontece, sabe? Então, muito massa que isso aconteceu pra vocês também embasarem a premissa nisso, assim.

SPEAKER_00 21:45

Sim, esse daí foi case de livro também. Quando eu bati o olho, eu falei, cara, nossa, é muito claro, sabe?

SPEAKER_02 21:54

Sim, sim, sim. Acontece. Ampiar acontece. Vocês tinham esse problema para resolver e quando vocês levaram para o RH essa solução ormissas, como é que isso foi recebido andar os passos que já estão traçados para o andamento do projeto?

SPEAKER_00 22:17

It was received because solicitantes, I think they're a font that was. And it's also difficult to do a reunion of executive. So it was, for this boy. And it were most parents, because in various premissions, I sent a person of it. So it were involved in this camera. I think I'm consultoria, that the project will function more if a gente. It's a lot of recruitment, to treatment, to have a tempo for vaga alter, and I will tell you prejuífication. This is one of the análises that terminate a lista de análises that is inteligência with the comportament to turn over. Com um olhar de eu entendendo esse fenômeno aqui. Entende? Como que ele funciona, como que o turnover se comporta, como que o engajamento se comporta. And so when a gente olha com um olhar de pesquisa, e aí assim, acho que a faculdade, a universidade vem muito comigo nesse sentido, a gente tá estudando um fenômeno. E acho que People Analytics vem muito. Tem que estar muito dentro desse papel.

SPEAKER_02 25:25

Perfeito. Tu tem esse olhar de consultoria que é bem interessante, assim, né? Em relação a outras pessoas que não trabalhavam com consultoria. Tu começou trabalhando consultoria, né? E depois tu tá na empresa, assim, agora, fazendo as análises por aí. Como é que tu vê a diferença entre esses olhares no teu dia a dia de atuação, por exemplo, pra fazer esse projeto, né? E eu queria entender um pouquinho mais, olhando pra isso, porque tu falou essa coisa de benchmarks versus dados internos, né? Que é algo, eu acho, que eu já vivi aqui na empresa andas pessoas devem viver, né? Quando a gente chega com alguma métrica, de pedir benchmark in relation to those out of dados internos. Como é que você vê isso, considerando também a tua trajetória oferecida versus a única empresa?

SPEAKER_00 26:15

Primeiro follow the difference between consultoria and PipoNetis. There are moments completely different. And for quems podcast pens in your career, I think it's a counter because those two have their pros and contras, those points for. So travel in my consultoria, I think quite a year in the Numera, prime analyst, and then I volume coordenador for two years. And they terceize and contrating consultory. So projects, in my life, very rapid. You pass for diverse empresas in a quick period of time, for can't that are an apprentice maraville in consultory and concerning the market. So it's interesting. For other line, you don't need to approfund so much in the context of that if you don't have that. For my conversation in those projects, various entrevistas for concerning the reality, but it's other cool starting. And so the most difference that I sent when I'm an expert with people analytics internally. For example, at least I was incentivized conversation with a operations and passing a year in those operations. So I fui, I feel a lot of commercial, I converse with the people who are in body marketing, for example, for those processes in. Ah, but this matinal aqui. I participe of my matinal. A consultoria vai trazer. Ela tem que ser muito mais especializada technically abranger essa parte de contexto que falta. Tinha outra pergunta.

SPEAKER_02 29:07

Ah, sim, sobre benchmarks versus dados internos.

SPEAKER_00 29:15

I so super entusiasta top with various people. And not necessarily sort of with gente with people analytics. I think that's light no que as other people are saying, no geral, following the RH, following strategy. But one point of benchmark, I think it would be a panacea for those. My position with benchmark is faça, but faça alguma criticidade.

SPEAKER_02 30:20

Legal, mas conhece. Ah, ele é muito bom. Ele é maravilhoso. E ele fala sobre RH baseado em evidências, né? A experiência da pessoa, o que ela vive, viveu ali na operação também. A experiência das pessoas que são impactadas por aquilo que a gente realiza, que é o segundo ponto. E daí tem dados internos e dados de pesquisa ou externos. E daí a ideia do reggae baseado em evidence, trazendo rapidinho aqui antes da gente seguir, é que a pessoa deveria, in geral, considerar essas differentas de evidence para seus resultados, para criar seus resultados.

SPEAKER_00 31:18

Perfeito, perfeito. I concordo muito. In various caminhos. Concordo muito.

SPEAKER_02 31:38

Exatamente, exato, exato, exato. Ah, legal. Eu queria te perguntar sobre o projeto. Teve alguma surpresa or insight inesperado that you teve nele?

SPEAKER_00 31:47

Surpresa or insight inesperado. Acho que eu esperava. Eu não esperava que a rampagem de alguém desse um prejuízo tão significativo, assim, eu acho. Que interessante eu colocaria o custo de recrutamento, o custo de treinamento e esse custo de aprendizado no mesmo pé de igualdade, but tem operações que são muito complexas. For example, a gente tem um grupo de vendedores que vai olhar para um cliente muito maior in questão de volume transacionado. Uma venda muito complexa, ela geralmente demora muitos meses. So, para a pessoa ter um onboarding nesse tipo de operation, não leva quatro meses, vai levar quase um ano para ela realmente estar estabilizada nesse lugar. So perder alguém nesse tipo de operation, cara, dói demais. Dói demais in areas that you will demorate 10 years for alguien with this name of apprentice. Claro que tem muita opportunity to have ajustes for a rampaging mais rapid, but exists operations that are complex and that will level. Mesmo the onboarding sendo, send adequado, so this older para retention are an older that I don't tin, no quanto ver nos dados quanto tempo leva realmente para uma pessoa estar ambientada, sabe?

SPEAKER_02 33:42

Perfeito, perfeito. And olhando para isso, como consequências, eu imagino mudanças na política de remuneração daqui a pouco, ou em políticas de retenção, é um dos esperados do projeto?

SPEAKER_00 33:54

Eventualmente a gente quer conseguir chegar num valor de estratégia para esse RH, né? De até onde que eu posso ir nas políticas de retenção. Então, se eu sei que é uma pessoa que, enfim, passou por algum momento, eu tô achando que ela tem um risco de sair, né? Pra eu já ter planejado isso, um budget e o quanto que eu perderia se essa pessoa saísse e o quanto que eu posso dar de budish de retenção pra essa pessoa e ainda assim ser algo profitable, ser algo positivo. Então, sim, é nesse momento que eu acho que o RH começa a ser muito estratégico. Começa a conseguir sentar de novo na cadeira com todos os outros membros do board executivo e dizer, não, é lucrativo investir em RH. Eu consigo provar pra vocês com essas análises que a gente fez pra nessas discussões, né? Que é o que move a empresa no geral.

SPEAKER_02 34:54

Que massa. Às vezes a gente não vou fazer um caminho aqui bem estereotipado, tá? Sei lá, uma empresa nunca mexeu com o Pipelytics. Tell us the prime solução que tem isso é fazer um preditivo de turnover. And aqui eu vejo um uso muito adequado de preditivo de turnover, às vezes não acontece, né? Às vezes o uso de preditivo de turnover é pra quê? Pra fazer o quê? E aqui a gente tem um valor atrelado até, né? Se essa pessoa sair, a gente vai ter tal custo. O que é muito legal, dá pra pensar em preditivo de turnover aliado a essas premissas que vocês delinearam. Preditivo de mérito, daqui a pouco, né? Quando é que a gente pode fazer um aumento salarial, quando é que a gente. E se a gente fizer um aumento salarial, quanto é que a gente pode dar de aumento salarial que ainda faz sentido pra nossa estratégia, considerando o custo de manter essa pessoa na operação. Então dá pra pensar em várias coisas úteis de People Analytics aliadas a isso também, né? Não sei se vocês já chegaram a ventilar algumas coisas assim.

SPEAKER_00 35:54

Sim, eu acho que é uma discussão muito interessante, porque é o preditivo de turnover, que é um projeto super comum, né? Quando a gente olha para empresas no geral, todo mundo conhece ou já quis em algum momento fazer um preditivo de turnover. E o preditivo de turnover, ele é, na maioria das vezes que eu tenho visto mais comum no mercado, ele vai focar muito em características individuais da pessoa. Às vezes não é um caminho tão interessante, porque também não é uma coisa muito mutável. Por outro lado, nesse projeto a gente vai olhar para coisas mais objetivas, tempo de casa oferecida and performance dela. E aí a gente já tem métricas muito estabelecidas ofreces and transparent for the person who is the vendor, no casual specifically. So I think I'm very felized that it's a caminhouse different than what they've done in the market, but talk a gente, a little bit more acertado. Because I think for a lot of characteristics demographics that I don't know, and I look for performance, I'll go for the time of permanence of this person by.

SPEAKER_02 37:16

Perfect, perfect. So realmente is mais mutável. Teria mais personalização mesmo. Bem legal. Eu queria te perguntar se vocês. Quais outros projetos vocês têm conduzido, né? Além desse projeto de turnover. Como é que tá a área hoje em dia? In relação a headcount, mas in relação à estrutura também, né? Onde é que vocês estão na RH and quais outros projetos vocês têm conduzido? Queria saber um pouquinho mais sobre a área de People Analytics na Stone.

SPEAKER_00 37:55

Acho que primeira curiosidade é que a gente não está dentro da área de gente. A gente fica dentro de uma area de gestão, a gente está muchas metas, and the structure of gentlemen. Of course, there are quite a lot of duplas. And I and a colleague focused on the part of analysis. And analyses are diversity. There are projects like this of Turnover Temprece, which was a project that we accompanied during the world, but many analyses pontually. And I think one of the interesting is the quanto. These acion. And most of those just were implemented. Inclusive, I think it was an exercise very well for those team of people analytics. And what had been another implementation, what was completely traveled, and for some motive notes in that, because one of the things when we present, but not utilized, others were, and a gente delimited a retor in all of those. Quem utiliza ela tem uma performance muito melhor do que quem não utiliza. Essa foi uma das nossas. E aí depois o pessoal começou a usar e a gente conseguiu medir o quanto aquilo tinha um retorno. So isso é uma coisa super incentivo a fazer, de realmente fazer um quadrão com todas as análises para ter noção do que está sendo implementado.

SPEAKER_02 40:54

Que bacana! Nossa, faz muito sentido. E vocês estão acompanhando esses resultados também.

SPEAKER_00 40:59

Estão nos acompanhando e levando também para discussões mais executivas. A gente já tinha levantado esse risco, but this project, X, Y motivos, está travado. A gente volta ali com a área. É uma atuação de People Analytics that análise. I think this is important no initiative that decision. A gente ajuda no início da implementação, a gente aponta para onde deve ir e pergunta o que aconteceu? Por quê? Porque a nossa recomendação às vezes estava desnoteada, ou aconteceu alguma outra coisa na operação que a gente não está sabendo.

SPEAKER_02 41:49

Perfeito, perfeito. Muito legal, muito legal. A gente began a fazer isso recentemente. A gente fazia um acompanhamento também, mas não era tão governado. Agora a gente está com uma governança dos projetos. Está super interessante, esse tipo de discussão a gente quer ter em alguns momentos também. It faz muito sentido a gente mostrar resultados do nosso trabalho.

SPEAKER_01 42:11

Exatamente.

SPEAKER_02 42:13

E olhando para a estrutura, você falou que tem essa parte de dashboards and visualização or produtos and a parte mais de análises. What type of projects vocês fazem? Vocês têm algum outro case que gostaria de compartilhar agora nesse tempo que a gente tem?

SPEAKER_00 42:32

Acho que agora a gente está num momento também da área de entender como a gente vai lidar com o boom da inteligência artificial. Those empresas can people analytics to this sentiment a gente discussions more of what a gente query is. Or a gente as a terrible colleague of trabalho who discute with the project, or in all aggressives, I think otimistas with this part of I have genteel to trazer for strategy. So a gente. I think dashboards very backup of alerts, and people create some regrets of negotiations for levant alerts when the most metrics are a little bit of a type of desv, and this for the board executive is very interesting, because they are extremely objective, they don't look at the dashboard. So we did all these alerts specifically to when there was one. And I think in relation to our analyses, we've had many things related to trillion. Trilogy of carrier in the way in what moment a gente. So we are levanting a project very backup junto with a time of remuneration, jumping with a team of car, to reverse trilhas on base in dados. Acho que esse é outro project that entregated, this prime pattern was very bacana.

SPEAKER_02 45:27

O que vocês usam de ferramenta, platform? I see you just falou about Power BI, okay, using for as análises of vocês and for as a presentations?

SPEAKER_00 45:35

A gente use Power BI for qualquer coisa in dashboard. Excel is used initial, but when chega na parte de análise, a gente usa Python, basicamente. E aí, Jupyter Notebook, na maioria que a gente utiliza ali na parte de análise, que daí já fica tudo documentado, no scripts a gente consegue ir comentando. But a gente tem uma postura bem agnóstica in relation to ferramentas. Inclusive a gente está passando por uma migração agora do Databix, vai mudar as coisas do BigQuery, que a gente hoje usamos Google Cloud, tem todos os servidores, inclusive de dados na Stone, cara, muito bom. Talvez seja pelo tamanho da empresa, but I poca empresas who have essayed tão estruturada quanto ali, principalmente na parte de pessoas. E gostei muito, nossa, facilita muito a vida do analista de dados. So a gente consegue beber todos os dados do servidor direto.

SPEAKER_02 46:54

Que massa, que massa. Todos organizados, pelo que eu percebi na sua expressão.

SPEAKER_00 46:58

Sim, a gente tem um time de Analytics Engineering, que é só para a parte de Pipo Analytics. Então, é um time robusto, que ele só olha pra dados de pessoas. E aí, enfim, a gente tem reuniões semanais com eles pra dizer o que a gente precisa, né? Quais tabelas precisam ser melhoradas, e eles trazendo também o que, perguntando o que a gente tá usando. Então tem uma relação bem bacana nele.

SPEAKER_02 47:29

Legal, legal. Tem algo mais na estrutura or na Sony that te chama atenção, assim, que você gostaria de comentar antes da gente?

SPEAKER_00 47:35

Ah, I think I'm sorry in tracking alias that I've been very different, talvez for my structure that's process of the team of methods. It's a team of people analytics that are more dental of what are the methods of the empresa and what the things much more fashion, because the same objective. So I should be interested to start in a team of people analytics more process of methods, because it's more clear the strategy of the empresa.

SPEAKER_02 48:23

Really, deve facilitary qual priority, okay?

SPEAKER_00 48:30

Exactly. Acho que a gente já começou a conversar um pouco. Pra mim, é inegável a relevância da IA no nosso dia a dia. Andel frente a esse desafio. Ela vai, ao meu ver, pelas coisas que eu tenho estudado, ela vai potencializar teams who just are fortunate in question of metodologia, because a IA vem to track agility for the part of the world, but it's very important that you saw o que você quer, né? So I think that will be caminhos. It's a onda that surfaces, I think it's a coisa nova, bastante inovadora que a gente está passando agora. Mas tem que ter cautela, tem que ter cuidado com que a gente para onde a gente vai levar esse novo jeito de trabalhar. Eu vejo muito nesse sentido.

SPEAKER_02 49:54

Perfeito, perfeito. E olhando para as suas fontes de aprendizado hoje em dia, quais livros, referências e fontes de aprendizado você recomenda para quem quer se aprofundar em people analytics ou para quem quer começar em people analytics?

SPEAKER_00 50:08

Mm-hmm. Pra quem quer começar, eu sempre recomendo um que talvez já esteja batido, né? Mas o novo jeito de se trabalhar, do Laszlo Bock, pra mim, ele é introdutório, obrigatório para quem está in People Analytics of the journal mensal do David Green is uma curadoria, o David Green é uma das maiores referências of people analytics at the mundial. And he has a curadoria of the principal students that he viewed mensally. So I think it's an font. And my dictionary a time ago, and for me was a divisor of the area of information. So I think things of fonts differently, not procure all the people analytics. I have a list of periodic scientific, because for me it's important to enter, and all these things, because I've used it in an area completely for RH, always adapt. So in this sentiment, I recommend the The Conversation, it is a periódico that old publication scientific in many accessibility. And they've got some pesquises more interessantes and novel of luggage do RH that acabam abrindo nas cabeças. Não é public, tá? A Numera não me pagou para dizer isso, mas o Bootcamp da Numera de People Analytics é o mais completo do mercado, o curso de People Analytics mais completo do mercado. Ele tem uma parte tanto de negócio quanto uma parte de programação, and aí você vê o que funciona melhor fora. Então tá começando. Começou e tá já no nível intermediário da área que vale muito a pena. Não vi nada no mesmo nível de qualidade in outro lugar do mercado.

SPEAKER_02 52:32

Legal, ótimo. E agora eu preciso te perguntar onde é que as pessoas podem te encontrar, podem acompanhar o seu trabalho. Isso tem alguma mensagem final pra quem tá começando, quer se especializar na área de People Analytics.

SPEAKER_00 52:52

Deveria postar mais que eu posto atualmente. And mensagem final, eu acho que é cuidado, Zelo, com as pessoas, as nossas análises são muito potentes. The peso of estatisticamente significativo é muito alto. Então a gente precisa ter zelo com esse poder da estatística de people analytics that a gente tem. Acho que é a mensagem principal: cuidado e zelo com as pessoas que vão ser impactadas pelas nossas análises.

SPEAKER_02 53:32

Legal, adorei a mensagem. Muito obrigado, Paula, por ter participado. Te agradeço de coração por estar aqui. Eu fico feliz porque eu vou até falar mais agora, talvez. Porque a gente. Pô, a gente se conheceu lá em 2020, eu acho, 2021, no máximo. E a gente veio fazendo esses projetos juntos, assim, indo, voltando. E agora a gente tá aqui fazendo isso também, que é super legal, conversando sobre essa área, né? Trabalhando com essa área também. Então, te agradeço profundamente por ter participado aqui no podcast.

SPEAKER_00 54:04

Ah, eu agradeço muito também, foi. Tem sido uma coisa muito interessante te acompanhar também, como profissional, como pessoa. E sempre que tem algum projeto contigo, tô aí.

SPEAKER_02 54:20

Valeu, Paulo. Posso dizer o mesmo. Muito obrigado a todo mundo que assistiu ao podcast hoje. Obrigado por ouvir o People Analytics na prática. Se curtiu, compartilha com alguém que também vive ou quer saber mais sobre o universo de gestão de pessoas com dados. O podcast está disponível nas principais plataformas de áudio, como Spotify, Apple Podcasts e também no YouTube. A gente se encontra no próximo episódio.