SPEAKER_00 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 ando. Olá, tudo bem? Hoje a gente vai falar com Elity. A LD is a leader in People Analytics and tecnologia para RH, with experience in construção, expansão andar de áreas analíticas in ambientes complexos, dinâmicos andamente regulados. Ao longo da carreira, atua em parceria com lideranças executivas para apoiar decisões estratégicas sobre força de trabalho, governança de custos, desenho organizacional e performance, usando dados, tecnologia e modelos robustos de governança. Ela também é reconhecida por estruturar modelos operacionais de analytics e dará equipes multidisciplinares em integrar sistemas de RH e arquiteturas de dados para viabilizar decisões estratégicas em toda a jornada do colaborador. Bem-vinda, Ellie! Show, show, show, show! Eu vou começar te perguntando, Ellie. O que é peopleanalytics?

SPEAKER_04 1:37

Existe Business Analytics applicado a problemas ofers. And it parecer a simples, só uma nomenclatura, but I'm gonna take decisions from people, so those side exists for melancholy. So if we were analyzing retention, performance, engagement, collaborators, because it has impact in the fact that it had impact, we don't mensurbate. I think there's a certain romantization that we're analytics, as if it was an area voltada principally for the bem-estar those people, which is important. But in a empresa, especially in ambient competitiveness, which is the objective final is performance. So é preciso ser honesto sobre por que nós estamos fazendo isso.

SPEAKER_00 2:59

Perfeito, perfeito.

SPEAKER_04 3:08

É engraçado, porque o meu primeiro emprego da vida foi com 16 anos and I was jovem apprendized dentro do RH. So que naquela época, this was 15 years. In fact, the RH não é o que é o RH classic, that you had to enter the current emails, that was an archive physical. So certainly not the design. So then I told that there was this area in which the things would connect. I depare with the case classic of the Google, do project Oxygen. Come on. And then it was chamado de FIP Analytics in Brazil. So I feel me intentional to me direction for this area até que finalmente consegui meu primeiro emprego e não parei mais.

SPEAKER_00 4:30

In which moment você acaba entrando na área? Porque você falou que não existia muito sobre isso ainda, né? In que época foi isso, mais ou menos?

SPEAKER_04 4:40

Eu até trabalhei antes com métricas de RH. Então eu trabalhei dentro da None, por exemplo, dentro da área de learning development, and I olhava indicadores de treinamento. Naquela época a gente olhava muito o Kiki Patrick, sabe? Mensurar. É um cara que desenvolveu uma metodologia para tentar mensurar o impacto do treinamento na organização. É, que é um tema que é muito interessante porque tem aquela frase clássica, né? Se a gente der o treinamento pra pessoa e ela sai da empresa. E aí o outro fala, e se a gente não der, e a pessoa fica, ai, não. Naquela época era mais avançada, a gente falava sobre o assunto. Depois trabalhei numa empresa onde eu fui na expectativa, tipo, poxa, agora vai. Vou começar a influenciar a decisão, fazer people analytics, and dashboard e reportar métrica.

SPEAKER_00 5:34

Entendi. Meio pastelaria, assim, recebeu pedido, faça por tudo.

SPEAKER_04 5:39

É muito aquele reporting, né? I don't tive influência nenhuma porque eu nem estava envolvida nos problemas para começar, né? Então, como é que eu vou influenciar a tomada de decisões if I nem o que precisa ser feito? So I think the turning point foi quando eu entrei na RAP, que é uma. Na época, a RAP tinha acabado de chegar in Brazil. And I tive to estruturar desde the fundays para terrics. This me ajudou because I told you to prioritize what type of decision I could have to do why I structural. I really think a little more about a CHO, come on to say what the girl started, and not just what I find. I'm a little bit more involved in the day to day. So I think I could say no, I really influenced the decisions, popular, impopular, difficult, so I commenced a story of people analytics, and then I felt the Banco BV, and I started seven years, and diverse cadeiras and diverse projects.

SPEAKER_00 6:54

Show, show. In the entradity, a moment crucial was the entrained for a estruturação desses systems.

SPEAKER_04 7:01

Yeah, because it was an ambiente, but in a big idea. So I cheged a ouvir a phrase of poxa, we're starting to trade bureaucracy for a startup. So it's not desenvolvement pessoal, profissional, to, poxa, precisely argument, because I precisely passe around which enxergar agora. So foi muito positivo nesse sentido.

SPEAKER_00 7:45

Que legal, que massa. And quando você olha para os lugares que você passou e pro impacto que o seu trabalho teve, como é que você enxerga o impacto de People Analytics nessas empresas e como você enxerga o impacto potencial também de People Analytics no geral?

SPEAKER_04 8:02

É muito engraçado, assim, porque como a People Analytics não tá tão madura no Brasil ainda, eu acho que eu ando outros profissionais, a gente tem aquela sensação de chegar, tudo era mato, ando que fez bonito I'm deixando. Tanto na RAP quanto no Banco BV, I consigo ver muito isso, assim, até you acho que pensando in examples a little bit differently do what a gente normally follow, one of the impacts not to temper analytics is a maturid of dados das demais do RH. So uma coisa muito interessante que eu comecei a observar, for example, olhando meu primeiro ano de BV pro último, é a qualidade das perguntas que chegava. Então, é muito bom você ver que você está sendo cobrado dessa forma agora, porque, de certa forma, você levou a régua, né?

SPEAKER_00 9:01

Claro.

SPEAKER_04 9:02

Isso é muito bacana.

SPEAKER_00 9:03

E o vocabulário vai mudando, né? Também. Ah, eu tenho uma dúvida, não. A gente tem uma hipótese.

SPEAKER_04 9:12

Essa é uma hipótese clássica.

SPEAKER_00 9:14

É, as coisas vão se modificando com o tempo. Que massa, que massa. Acho que é uma dor e uma questão que realmente acaba aparecendo mesmo, né? De às vezes existir uma necessidade de letramento interno do RH sobre esses processos.

SPEAKER_04 9:30

Sim, eu acho que um indicador muito positivo também de que sua área de pipana analytics está indo bem é quando alguém de fora do RH te procura. Então, quando você vê alguém do negócio acionando você para resolver um problema que outrora você nem imaginaria que isso poderia acontecer, né? Você achava que ia atuar ali num selo ali dentro do RH e você não quer sair disso, né? E quando você começa a ser acionado pela área comercial, pelo CIO, pra tirar alguma dúvida, né? Enfim, isso te dá, isso vê o quanto que seu papel é relevante ali na organização.

SPEAKER_00 10:05

Perfeito, perfeito. Eu acho que eu passei pelas questões iniciais aqui, e a gente pode começar a falar sobre o que a gente ia falar hoje, que é produtividade. Quer nos trazer o que é esse conceito, Elidi? Por que a gente tá falando disso?

SPEAKER_04 10:22

Assim, eu pensei da gente falar nisso, porque, na verdade, é pra gente começar mesmo, porque eu acho que é um tema que tem me interessado bastante, né? Como que a gente mede produtividade, é um tema que tá em alta, né? E eu fico pensando em como que às vezes a gente faz isso de forma muito equivocada, né? Existe uma tendência grande de a gente usar proxy simples, né? Então, hora de trabalhada, volume de tarefas, número de entregas, né? E aí essas métricas capturam atividade e não necessariamente geração de valor. E aí, assim, tem vários eventos recentes que falam sobre isso, até a própria mudança da escala de trabalho. A gente começou a ouvir produtividade no jornal das oito da manhã às 10 da noite, né? E aí a gente não para pra analisar, tá bom, o que é esse produtivo? Então, né? Então, isso eu falei, bom, acho que seria um tema legal pra gente explorar e até explorar com as outras pessoas aqui, tipo Panalytics que, porventura, estiverem ouvindo, né? Pra gente começar a discutir mais sobre isso.

SPEAKER_00 11:30

Perfeito, perfeito. Isso me lembrou também a questão do token maxing, né? Que tá acontecendo nas empresas que estão abrindo aí API pra mexer em IAs, e daí tu, quem gastar mais tokens, quem gastar mais dinheiro da empresa com IA acaba sendo, nossa, uma estrelinha. E como se isso fosse produtividade, né? Como se a pessoa estivesse sendo produtiva ao gastar muito daí. É incrível como o ser humano acha maneiras, né? E daí tem gente automatizando umas coisas ridículas só pra gastar mais tokens e aparecer, assim.

SPEAKER_04 12:05

A primeira vez que eu ouvi sobre Tolkien Max, eu achei que era meme. Eu juro pra você que eu pensei que era uma brincadeira. Porque por que eu vou usar um token pra fazer uma atividade que eu sei como fazer? Então eu tô fazendo. desperdiçando o recurso, né? Tô desperdiçando água, porque eu vou ser medido dessa forma.

SPEAKER_01 12:24

Exatamente.

SPEAKER_04 12:25

Mas é engraçado, né? Porque tem aquela frase clássica que fala que quando uma medida vira meta, ela deixa de ser uma boa medida.

SPEAKER_00 12:32

Perfeito.

SPEAKER_04 12:33

Porque se a gente for pensar num exemplo aqui mais do dia a dia, tem aquele exemplo do McDonald's, né, das redes de fast food no geral, que também é muito clássico desse mito da produtividade, que era que em algumas unidades eles começaram a mensurar o tempo que levava pra você preparar o pedido. E aí, sei lá, vamos imaginar que o produto precisava ficar pronto em dois minutos. Quando dava os dois minutos, o funcionário ia lá, colocava no painel que seu pedido estava pronto, no sistema antes de ele realmente estar pronto. E aí, na prática, esse indicador melhorava, porque o tempo médico caía, só que a experiência da pessoa piorava, né? Você ficava esperando ali o seu pedido ficar pronto, e na tela tá falando que tava. E aí, acho que esse é um exemplo muito bom também, porque a médica tava sendo otimizada, então tinha um executivo ali olhando o dashboards com todo verde, né? Mas a experiência do cliente, que era o objetivo final, imaginamos nós, né, não estava melhorando.

SPEAKER_02 13:36

Perfeito.

SPEAKER_04 13:37

Exemplo clássico de desalinamento de incentivos, né? Porque as pessoas não estavam tentando prejudicar o sistema. Nenhum colaborador ali do McDonald's tinha intenções ruins. Estavam respondendo racionalmente a que estava sendo medido.

SPEAKER_00 13:52

Perfeito.

SPEAKER_04 13:52

Isso acontece o tempo inteiro nas empresas, né?

SPEAKER_00 13:55

Perfeito, exatamente. Queria muito saber de ti, então. Vamos lá, vamos falar sobre produtividade. O que é produtividade na tua visão? Uma coisa que tu falou já me pegou, assim, é que tu disse que a questão da atividade em si não necessariamente é a questão da produção, é a produtividade, mas a geração de valor da atividade. Me conta mais, ou conta mais pra gente, né, no geral, sobre isso.

SPEAKER_04 14:22

É, se a gente trouxer um pouco de economia pra discussão, né? Se a gente for olhar, colocar no Google, produtividade, vai ser output versus input, né? Quanto que eu te dou the input, quanto que você me gera in retorno, né? So I don't conseguir sozinha com those inputs that I've got to do, it's more. So the produtivity is o output. And mexica noyada, because when a gente, what important that you are getting, it's the valor marginal gerade. O que é isso? And gerar impactos completamente different. You feel three, you feel three reunions and totally improdutivo, no sentiment that talvez you don't know relevant for the negócio. Quando a gente mede mal ali, a gente acaba alocando mal essa produtividade, porque esse é um problema clássico de eficiência, né? E aí eu fico pensando que não tem resposta certa. I think the psychological organizational sabe dissous, that observa o resultado, but not observe those factors that level to it. I think a gente produtivity sans usar métricas únicas. Because produtivity is multidimensional, so we can take quality, impact, collaboration. Quanto tempo você passou no chat com o seu colega, quanto tempo você passou em reunião, não é volume. E aí tem como a gente tentar fazer uma aproximação de causalidade. E aí, a gente falar de causalidade em ciências sociais aplicadas é muito difícil, né?

SPEAKER_00 16:49

Complicado.

SPEAKER_04 16:50

Só que a gente pode tentar fazer isso mesmo que de forma imperfeita. A gente pode tentar fazer isso comparando grupos semelhantes, olhando evolução ao longo do tempo, avaliando mudanças específicas antes, depois de uma intervenção. Isso são maneiras de a gente tentar fazer uma aproximação ali de uma maneira mais justa. Acho que também contextualizar um pouco performance, né? Porque performance acho que é um outro tema polêmico que tá muito ligado com produtividade.

SPEAKER_02 17:19

Perfeito.

SPEAKER_04 17:22

Vamos ser honestos aqui, né? Nem todo resultado baixo é baixa produtividade. So às vezes é contexto ruim, é desalinhamento, problema estrutural, problema externo, a organização, né? Então, são, no limite, se a gente for pensar ali, né? Poxa, que métricas usar? É difícil definir uma, né? É um problema grande, assim, né? Não dá pra reduzir a cliques.

SPEAKER_00 17:55

Perfeito. Exatamente, eu ia trazer isso.

SPEAKER_04 17:59

Eu acho que uma das coisas que a gente, enquanto profissionais de hipo analytics, temos que pensar é que medir produtividade é também um exercício de poder, vamos pensar longe, porque você está definindo o que é considerado bom e o que é ruim dentro da organização.

SPEAKER_01 18:19

Exato.

SPEAKER_04 18:19

E isso vai ter um impacto direto na carreira das pessoas. Resposta curta, tá? Eu trouxe o assunto e não trouxe resposta. Mas de forma perfeita. Não tem jeito perfeito de produtividade, né? O que existe é forma mais ou menos responsável de fazer isso.

SPEAKER_00 18:39

Tá. Antes de entrar nisso, eu queria entender de ti a diferença ou diferenciação entre produtividade e performance, então. Porque pra mim, como é que eu encarava esse assunto, tá? Produtividade é o quanto eu faço de trabalho e performance é o resultado desse trabalho. É assim que eu tava encarando isso, tá? Mas eu quero ouvir de ti isso. Também, ó, sem respostas. Só perguntas.

SPEAKER_04 19:09

Então, antes de te responder, eu quero te devolver a pergunta. Então, quero que você pense e responda pra mim assim, o que você acha que é o objetivo final de performance management na organização?

SPEAKER_00 19:20

Ai, que pergunta chata. Que pergunta chata. É, porque assim, pode ser pra desenvolvimento, pode ser pra retenção, pode ser pra várias coisas. Eu acho que depende da estratégia que a empresa tem a respeito disso. Agora, qual deveria ser o objetivo de performance management? Pra mim. LG, eu faço podcast pra perguntar pras pessoas que elas. Caramba, cara, eu acho que deveria ser pra desenvolvimento. Eu acho que deveria ser pra isso. Muitas vezes não é usado pra isso. Mas acho que deveria ser esse o objetivo final, assim.

SPEAKER_04 20:10

Mas eu gostei da sua linha de raciocínio, do tipo, pra que deveria ser e pra que é hoje. Então acho que já existe um gap claro sobre isso. Mas eu li um livro a time atrás que chama Performance Management Base in Evidencias. E it's just a prime capital to done a tap. Because I simply the objective of performance management were to identify kings are the high performers and the low performers, recompensar those high performance, trabalhar the low performance is a classical, I should have to identify a personal, a talento, desenvolver. No final, this liver fell that the objective of performance management is drive business performance. E aí, isso muda tudo. Performance management serve pra melhorar o resultado do negócio, in primeiro lugar. Depois tem as consequências, né? Que a gente tá falando aqui, retenção, desempenho, desenvolvimento e etc. Então, se a gente for pensar na diferença prática entre performance e produtividade, um fala sobre o resultado em si, e o outro fala sobre os meios. Perfeito. Recursos, a forma como os recursos são alocados para atingir esses meios. Então eu posso ter um vendedor que vai me trazer uma margem de contribuição muito maior do que o outro, eu consigo objetivamente definir ali o nível de produtividade de cada um.

SPEAKER_00 21:54

Legal, para drive a business performance. Eu fiquei pensando bem assim, nítido, qual o objetivo. Objetivo da empresa nesse momento é atingir tal coisa, beleza. Agora então o objetivo dessa área vai ser conseguir chegar nisso, o objetivo da pessoa individual vai ter que ser trazer tal coisa. Mas tudo alinhado a essa estratégia, então, de desenvolvimento do negócio mesmo, né?

SPEAKER_04 22:15

É, é, nesse sentido, eu até gosto dos modelos clássicos de, por exemplo, de metas, que são formato cascata.

SPEAKER_00 22:22

Isso, isso.

SPEAKER_04 22:22

No final do dia eu tô reduzindo custo porque eu tô aumentando lucro. Ou aumentando receita porque eu quero aumentar lucro, né? E como que eu aumento receita? Então, ah, vamos destinchar isso até chegar e contratar a pessoa certa, pra área certa, e aí vai embora.

SPEAKER_00 22:39

Perfeito, legal, legal. Então, produtividade é o meio pelo qual a gente atinge performance de negócio, é isso?

SPEAKER_04 22:49

Vamos pensar dessa forma, eu acho que é uma forma.

SPEAKER_00 22:53

Tá bom. Pra ti, Eld, quais jeitos existem de se mensurar a produtividade? Assim, pensando também no que existe hoje versus como talvez deveria ser. Porque assim, a gente já falou sobre algumas coisas aqui, né? Tem como puxar horas trabalhadas, daqui a pouco, log do computador, tempo que as pessoas estão em reunião a partir de algum workspace lá que funciona para as pessoas. A gente tem como puxar quantidade de cliques, dados, né? Não tô dizendo que assim, dá pra só eu abrir um sisteminha e agora já puxar tudo, né? Mas existem possibilidades já existentes de soluções que permitem fazer essas coisas, né? O que mais? Quantidade de mensagens enviadas, reuniões feitas, logs feitos no GitHub por desenvolvedores daqui a pouco, quantas vezes fez um commit no GitHub. Tem várias maneiras que a gente tem hoje em dia de pegar o quanto as pessoas estão fazendo coisas, eu acho, né? No trabalho. Essas formas, pelo que eu sei aqui, e já vi em alguns lugares, dá pra gente dar um jeitinho de medir errado, né? A gente acabou de falar do token maxing, que as pessoas vão lá e gastam um monte de tokens em tarefas desnecessárias. Da mesma forma, existem softwares que, por exemplo, clicam no seu computador sem você estar ali pra sistemas que daí mensuram, entre aspas, produtividade através de cliques. Como você acha que seria uma melhor forma de se mensurar a produtividade? E existe alguma outra forma que eu não mencionei aqui que as pessoas usam de maneira errônea e acham que é produtividade?

SPEAKER_04 24:45

De maneira errônea, tem de tudo, né?

SPEAKER_01 24:48

Tem de coisa.

SPEAKER_04 24:51

Há um tempo atrás, assim, vamos colocar uns bons anos aí. Quando a gente não falava de Gene A and tanta frequência as itens, tinha uma métrica que alguns RHs usavan, que a mensuração of produtividade era simplesmente as horas trabalhadas divididas pela quantidade de people. It's a gente pensa to comparar produtivity, ah, o Brazil is productive because the Students, because when a gente divide a renda, the PIC, the quantidade of people, that is not. So I feel extra because I am, or enfim, for algum fator externo. But produtividade, pensando inicial ofest, nesses eight hours, what was the percentual time that you passed in ferramentas corporatives? So let's get the time that you passed, the time that you were conversing with your colleague in the other mes, and the time that you still listen to notices no G1. Explain those time dedicated to Gabriel. These people have productivity. No, no. I think it cargos that objetivamente tem uma meta que depende de ti, né? Pensar aqui em um vendedor de loja, né? É simples, né? Embora não dependa só dele, né? Depende do movimento do shopping, da loja, enfim, tem outros fatores, mas a gente consegue ser um pouco mais objetivo ali, até porque tá vinculado à recompensa. Mas pensando em eu e você, que trabalhamos aqui, fazendo análise de dados, fazendo reuniões, às vezes a gente não vai ter um volume muito grande de e-mails, às vezes a gente não vai ter tanta reunião, mas às vezes você vai se deparar com um problema ali que você vai ter que arrequar. Parar, levantar, pegar um livro e voltar, né? Como é que a gente compara isso? E aí eu acho que entra uma dimensão ética importante aqui, porque eu sou meio que do contra. Eu acho que você não deve avaliar a produtividade de maneira individual. E aí, algumas empresas que, se ouvirem isso, vão ser totalmente opostas ao que eu tô falando. Mas na verdade, o que eu penso, né? Você pode estar penalizando or beneficiando os indivíduos de forma injusta, se você vai por esse caminho. Ou você pode ter um risco aí de criar um ambiente onde performance vira sinônimo de visibilidade ou volume. So, do mesmo jeito que a gente deu o exemplo lá no início do McDonald's, vai ter a pessoa que vai comprar um dispositivo para colocar no mouse dele pra que o mouse fique se mexendo e isso simule uma produtividade. Aí vai ter a outra pessoa que vai estar muito preocupada em mandar mais e-mails, inúteis, porque o volume de e-mail é o que importa. Ou a pessoa que vai começar a usar os tokens descontroladamente, que aí a gente acabou desviando the objective final. It acabas afetando a cultura anda. A performance of the leader, the time, the type of moment of empresa, the fators externo. So much variábles that a gente não consegue isolar de facto the queue. It's extremely complex. So there's a problem of variável obtida o tempo inteiro. A gente observa o resultado, but no observa todos os fatores que levaram até ele. Andes que a gente vem conversando sobre hoje é muito a empresa tentando simplificar. Vamos criar uma métrica fácil de medir e assumir que aquilo representa a produtividade. Ah, como a gente não sabe muito bem como medir, vamos começar com o que a gente tem, né? Normalmente a gente ouve essa frase. Vamos começar com o que a gente tem e a gente vai sofisticando. Só que a gente, de fato, não faz isso.

SPEAKER_00 29:48

Segue, é legado agora. A gente precisa seguir aquela meta.

SPEAKER_04 29:54

Eu acho que essa discussão vai ganhar mais force ainda com o IA. Because when essas tarefas are operacionais, elas começam a ser automatizadas, medir presencia, ativity, and volume that's sentiment ainda. Teoricamente, those a gente vai conseguir fazer com IA. I so much do caminho de avaliar performance. Result, because no final. E aí eu acho que a gente hoje tem mecanismos melhores para avaliar performance, embora não perfeitos, but melhores do que quando a gente olha para mecanismos de produtividade como se a gente trabalhasse na fábrica da Ford ali na Revolução Industrial.

SPEAKER_00 30:45

Perfeito, perfeito. Interessante, né? A gente não consegue falar de produtividade sem falar de performance.

SPEAKER_04 30:51

Eu sou do caminho que a gente escolhe qual sofrimento a gente quer ter.

SPEAKER_01 30:57

Perfeito.

SPEAKER_04 31:00

Prefiro pensar que eu prefiro ter uma empresa que performe melhor do que uma empresa onde todos os meus funcionários trabalham 8 horas ininterruptas por dia, mas eu não tenho resultado.

SPEAKER_00 31:13

E como é que seria essa melhor avaliação de performance, talvez, se a gente fosse pensar, sair de um modelo de avaliação de produtividade pra um modelo de avaliação de performance? O que precisaria ter pra isso funcionar bem? De maneira ética, talvez.

SPEAKER_04 31:29

Vamos pensar que é avaliação de performance de maneira ética. Isso é um outro tema que precisa de uma coletânea de podcasts pra falar só pra ele, né? Tem um. Quando todo mundo começa a se interessar com pipoanalytics e coloca lá, né? Cursos de pipoanalytics. The primeiro que aparece é o de Orton.

SPEAKER_00 31:50

Ah, sim, sim. Não fez.

SPEAKER_04 31:53

It's muito legal, porque ele fala sobre performance. Android, ele contextualiza um pouco sobre performance ofensional de futebol americano andar um pouco para people analytics, como a gente mede performance in those organizations. Claro que são contextos totalmente diferentes, but there's this curse that I achei muito positive e que é pouco falada, que é o fator sorte. Existe um fator sorte dentro de performance management que a gente não ouve muito no LinkedIn, or vê poucas pessoas falando sobre. É uma das variáveis, for example, que a gente não consegue colocar no modelo, né? Poxa, Gabriel é mais sortudo, então probablemente this year a avaliação dele vai ser melhor do que a da Elity, né? I quis falar sobre sorte, porque performance management também não vai ser perfeito. So que hoje as empresas have trabalhado in decisões colegiadas, for example, that could ajust, a valuation of performance. I gosto também the fact that the avaliação of performance, a gente não vai olhar isoladamente para o seu número. Because as you don't have a number, Ellie fez three dashboards and entregou 12 análises.

SPEAKER_01 33:24

Perfeito, sim.

SPEAKER_04 33:25

But a gente consegue olhar nível de colaboração, nível de contribuição, né? Isso muchas vezes não vai estar ali documentado, né? E aí volta aquele tema que acho que in toda conversa sobre RH a gente tem, que é sobre ética, né? E sobre o quanto as decisões que a gente toma ali enquanto RH influenciam as outras pessoas. So tentando não ser muito pessimista, eu diria que perfeito nenhum dos dois modelos é. But performance management você tem mecanismos um pouco mais justos, porque eles consideram a variável ali humana que na produtividade você não considera de maneira alguma. Eu disse logo ali no começo, né, que eu não tenho essa visão romântica, eu não acho que people analytics tá aqui pra melhorar o bem-estar das pessoas. But, for example, se você cria instrumentos de avaliação de performance que podem mensurar comportamentos, for example, mas que são criados de maneira correta. Você ajuda muito. Fica menos, poxa, o fulano é comunicativo, o fulano é cara fechada, o fulano é, às vezes, a timidez, ou alguns outras coisas que, às vezes, são personalidade, que podem impactar uma avaliação de performance, né? Se você tem um instrumento ali validado, isso começa a ficar um pouco melhor. O viés sempre vai existir. Mas eu ainda defendo que é melhor do que simplesmente olhar quantos e-mails você enviou.

SPEAKER_00 35:15

Existe alguma situação inquieta ter essas métricas de produtivity?

SPEAKER_04 35:25

Ah, com certeza. Idealmente a gente poderia. Todas as áreas poderiam ser assim, né? Seria tão simples. Because I asked a métrica de produtivity is an asset that you think. For example, um vended, he sabe exatamente quanto ele vai ganhar no final do mês. Isso é positivo, gera incentivos, gera desengajamento, gera competição positiva, né? So I guess, alguns actividades that dá pra medir and are positive, ter essa mensura de produtividade. So the vendedor é o clássico, né? But a gente pode pensar aqui, for example, numa activity of attention to client. E aí, ao invés de falar, poxa, você atendeu 10 ligações andou 20, a gente consegue olhar ali, tá bom, né? But what foi o NPS das pessoas que você atendeu? What was the percentual de force call resolution that you teve versus o outro, né? No final ali do telemarketing que a gente odeia, mas que é uma métrica importante, né? Seu problema foi resolvido, né? Então são métricas ali de produtividade, que são positivas e que podem, né? Que eu acho que gera um impacto positivo para as pessoas. Eu acabei de perceber que eu fiz o telefone assim, ó. Então isso entrega a minha idade.

SPEAKER_00 37:03

É muito isso, o telefone é muito isso aqui. É muito isso. Tem gente que faz assim, é isso?

SPEAKER_04 37:11

Se você pedir pra um Gen Z falar, ah, pega o seu telefone e faz uma ligação, ele vai fazer isso aqui, ó.

SPEAKER_00 37:16

Vai fazer uma mão reta olhando pra cara. Entendi. Entendi. Pensando em questões éticas, voltando um pouquinho pra isso. Quando é que a gente esbarra nisso? Pensando daí em situações de possível controle, violação de dados pessoais, talvez, coisas nesse sentido.

SPEAKER_04 37:42

É, acho que agora que a gente, as empresas, antigamente elas tinham um problema que elas não tinham dados. Elas tinham dados para tomar as decisões, andava muito preso nisso e limitado, because a gente queria variáveis para explicar alguns fenômenos and passar do tempo, a gente vai ter o problema oposto. A gente vai ter dados até demais. A quantidade de informações that a gente consegue ter hoje é muito maior. And the implicação ética disso é que a gente vai ter que passar nother qual. A gente vai ter que tentar ser um pouco mais cuidadoso sobre qual dado a gente vai usar, sabe? I acho que esse vai ser. Acho que eu me perdi um pouco na minha resposta, mas você perguntou como ser ético, né?

SPEAKER_00 38:51

Quais as implicações éticas de. Eu vou voltar aqui. Quais implicações éticas a gente pode ter em sistemas de empresas que fazem esse controle, por exemplo, de quando você acessou, quando você abriu o sistema da empresa, ou de quantos cliques você deu por dia, coisas nesse sentido. O que você vê de implicações éticas quando a gente tá falando desse tipo de dados de produtividade?

SPEAKER_04 39:16

Specificamente sobre esse tipo de dados, né?

SPEAKER_00 39:19

O que me parece quando a gente tá falando desse tema? Dados mais classificados nessa parte de controle, assim, né? Tu tá fazendo o seu trabalho, me parece um olhar da empresa em cima, assim, se você está na máquina nesse momento, trabalhando, clicando, enfim.

SPEAKER_04 39:39

I acho que também tentando deixar as pessoas um pouco mais tranquilas, porque eu vejo um certo alaje sobre isso, né? That it's a papel of people analytics. So, if you take interesse in the ball in people analytics for this, not an area. Talvez tenha ficado a pouco mais aware when surgiu aquela história do Saul, for example, poxa, so can say that when you enter in qualquer lugar, você assina ali um contrato que fala que todos os dados que você usa ali são da empresa. So fica ciente disso, né? Então vamos pensar que tem uma área que faça esse tipo de mensuração. Já chega em um nível ali de invadir a privacidade da pessoa. A gente tem algumas implicações, né? Primeiro que tem entendimentos differentos, but that's LGPD ou WFT. If you can conversarily no chat about me, with you're a cool minute. One point that I think I have esbarrando in people analytics is so because it's not that it would be used as a criteria of decision.

SPEAKER_01 41:13

Perfeito. Perfect.

SPEAKER_04 41:16

I think contextualized the mood of e-commerce, so a gente concede o access sem ler os termos e condições for a empresa de e-commerce, for example, acessar tudo que tem no nosso celular. E aí a empresa começa a ver que você comprou um teste de gravidez, daqui a pouco você tem uma foto ali dos dois sapatinhos, e aí você começa a clicar em coisas que vão para esse caminho, aí começa a te recomendar, vai embora. Imagina você trabalhar num ambiente em que a empresa viu que você tá na carreira A, mas você viu um curso assim, mas voltado pra carreira B, e a própria empresa começa a te flodar com. Isso pra mim é bizarro, terrível. Acho que já é um nível assim de que não. que já ultrapassa a tomada de decisiones. So, a gente precisa tomar decisões high level, que tenha um impacto em resultado, negócio. Isso chega nas pessoas, mas de maneira nenhuma deveria chegar no Gabriel. Então, assim, não importa o que o Gabriel tá fazendo ali no dia inteiro. Isso eu acho que vai. A interação entre as pessoas é uma coisa que as empresas tentam sempre desvendar, né? Porque a gente fala que a colaboração gera resultado, sozinho vai mais longe, sozinho vai mais rápido, juntos vamos mais longe, todas essas coisas, né? So eu acho que, por exemplo, uma coisa super ética de fazer é entender padrões de colaboração. Se as pessoas conversam, se elas preferem chat, se elas fazem reunion, se tem um horário que é melhor, enviar uma communication, because click, isso sim. But entration in this name de vigilancia, I ask that is totally antiético, and espero que as empresas não estejam indo por esse caminho. Espero que não seja convidado tocando nesse sentido também.

SPEAKER_00 43:36

Olhando pra cases de sucesso em mensuração de produtividade, tu já chegou a passar por algum desses na tua carreira, ou gostaria de trabalhar com algum case que tu acha que faz sentido? Porque, assim, saindo do óbvio, né? De vendas, por exemplo, o que tu enxerga que a gente poderia auxiliar em áreas que. Não trabalham, não tem esse correspondente tão direto assim. Por exemplo, áreas de RH, áreas de back-office, por exemplo, trabalho financeiro, legal, jurídico, enfim.

SPEAKER_04 44:17

Tem muitos papers, muitos artigos acadêmicos que tentam estabelecer alguma relação entre performance and indicadores organizationais, and when a gente fala de studios, a gente precisa levar in conta su regionalidade, contexto, segmentos, allá. But exists in numerous examples of father that can aim the performance of negotiations. For example, the classic, when a gentleman, a gentleman.

SPEAKER_02 45:00

That's a classic.

SPEAKER_04 45:06

Hoje a gente tem profissionais muito competentes, psicometristas, psicólogos organizacionais que conseguem, de fato, mensurar esses fenômenos, andas associations. O problema, for mim, é nunca tive o time to fazer algum projeto nesse aspecto, nesse nível de detalhe e rigor of my empresa. But I fico um pouco preocupada, not preocupada, but no sentido de, poxa, descobri que quando o NPS is alto, isso também ajuda. When I aumento o NPS, isso ajuda a aumentar meu ROI. Como eu faço os vendedores ser mais felices? I fico um pouco mais pressionada, tipo, tá bom, tem um estudo agora e a intervention. You acho que a gente às vezes acaba pecando um pouco nisso, assim. For example, ah, o vendedor engajado vende mais. But ele vende mais porque ele é engajado or ele é engajado porque ele vende. So, se tiver um problema econômico, gigante, e aí tá muito difícil, as pessoas não estão comprando esse produto, que outras. Ele vai estar engajado? Porque isso vai ter um impacto diretamente no financeiro dele.

SPEAKER_00 46:40

Perfeito, sim, sim, sim.

SPEAKER_04 46:42

Essas coisas me prendem, assim, eu queria ter tempo pra me dedicar só a isso, assim, sem trabalhar, só estudar esse tipo de fenômeno.

SPEAKER_00 46:52

Ótimo. Eu queria te perguntar, Elidi, indo pro final aqui, antes tem alguma coisa que tu gostaria de falar que eu não toquei, talvez?

SPEAKER_04 47:04

Sobre o tema de produtividade especificamente, assim, eu acho que só queria estender o convite aí para as pessoas que começam a se interessarem, podem procurar pra gente, ou até assim, poxa, não, Eli, eu trabalho numa empresa e a gente tem uma maneira aqui, ética, de mensurar produtividade, né? Como éticas objetivas, e a gente entende que é justo, funciona, as pessoas conhecem, então tem um super interesse em conhecer, né? Inclusive pensando aqui também nos aspectos de quem trabalha remoto e quem trabalha de casa, o que as pessoas têm feito nesse sentido, assim, então acho que mais estendeu um convite pra gente continuar falando sobre.

SPEAKER_00 47:47

Ah, excelente, excelente também. Comentem aí, pessoal, no podcast, em algum lugar, sei lá, seus youtubers do podcast, o que vocês pensam do tema, LinkedIn, sei lá. E a gente vai continuando a conversa. Daqui a pouco eu vou perguntar os contatos da Eld pra vocês falarem com ela. E eu queria entender de ti, Ellie, como é que você vê a evolução de People Analytics no Brasil? Uma coisa que tu trouxe lá no início, retomando, é que às vezes aqui no Brasil, se pega um sistema que é inexistente, se cria algo legal, tem um filhinho bonito ali da área, mas isso ainda não é o que dá pra ser, né? Não tá em sua totalidade. Que totalidade é essa? Como é que você vê o futuro do people analytics no Brasil? O que tá faltando pra gente chegar lá, queria entender de ti isso?

SPEAKER_04 48:34

É, assim, algumas pessoas que são de outras áreas de RH ou até áreas de analytics, às vezes estão interessadas em fazer a transição pra Pipo Analytics. E às vezes eu recebo mensagens assim, Eldi, cheguei aqui na empresa nova, preciso implementar People Analytics. Qual ferramenta eu compro? A OB. Durante muito tempo, assim, eu tenho visto que Pipo Analytics foi vendido quase que como uma promessa de transformação do RH. Beleza. But as pessoas ficam muito concentradas na camada operacional, que é dashboard, indicador, automação de reporting, né? And so necessarily muda a decision. I was thinking in the future a gente vai começar a separar a pouquinho o que é pipanalytics, o que é reporting, o que é monitoramento. So I was assisting a Paula. So these areas will be able to use productivity, in efficiency organizational, structure of costs, allocation of people. So at the same time, I think it will be a tension crescent between the capacity of analytic and ethical. Imagine when the empresas have done, of produtivity, of interaction with people. So I vejo the future of people analytics, the area, because I think in some moment a gentleman will have a stabilization, but an analyst of finances, an analyst of equipment, which we have in whole empresa. So this might camp for an evolution for something strategic, more economic, I speculate methodologically more responsive. So I think the future that depends on quantity of dados that we have, which nós justemos que é muito. But vai depender muito da maturidade com que a gente vai interpretar andar esses dados.

SPEAKER_00 51:46

Mas da maturidade de uso deles. Quero te perguntar uma coisa agora, olha. Só porque ainda não surgiu muito, tá? E. Ai, vou ser honesto. Tô cansando um pouco desse tema no geral. Mas eu vou te perguntar sobre IA.

SPEAKER_04 52:04

O que é que.

SPEAKER_00 52:11

Como é que você vê isso na nossa área ao longo dos anos, assim. Eu. A minha visão, tá? Só falando um pouquinho porque eu tô cansado desse tema. Explicando um pouquinho mais esse contexto. Eu acho que a gente já tem vários cases que mostram o que dá pra fazer. I acho que a gente já tá bem nisso. Tamo bem, okay, sabemos como fazer. Vai evoluir até onde vai evoluir. Ao longo do tempo, quando for evoluir, a gente vai implementando novas things. But in some form, I think that the potential that value to produce just a stagnation that I've heard aspect of novel cases or novels that surge on respect to this, quantity technology, mais I can enter that with the evolution won't be featured novel. But this moment, ah gente, a gente chegou já. No que dava pra fazer nisso, acho que sim. Agora é só expandir, fazer mais processos, né? But me parece que a questão não é necessariamente a tecnologia in si, mas a estruturação dos dados, antes de ir pra tecnologia, dos sistemas, arquitetura de processos, enfim. Queria entender de ti o que tu vê a respeito disso.

SPEAKER_04 53:28

Cara, é uma boa provocação. Eu falei que eu também tô cansada de IA, porque eu acho que há uns anos a gente pensava, bom, ah, você usa IA no RH, aí a pessoa falava, óbvio, tem modelos de ternover. Não é isso? E agora já a gente tá falando de gente que AI, automação, né? E trabalho colaborativo com agentes, então já tem gente estudando como é que vai ser essa dinâmica de você supervisionar uma gente e dividir tarefa, né? Pra mim, me parece tudo muito Ainda muito sci-fi, assim, pensando ser festa. But se eu tentar Se eu fosse dar uma dica pra um estudante, alguém que tá querendo entrar agora, se fosse há uns cinco anos atrás, eu falava, ó, não foca na ferramenta. Ferramenta é importante, mas é fácil de aprender, e no longo prazo vai ser o que vai menos te diferenciar. Então, eu falo a mesma coisa pra AI, né? Do mesmo jeito que teve a revolução lá nos anos nem sei quando, mas que veio o Excel e as pessoas achavam que os contadores não iam ter emprego, né? Hoje todo mundo usa Excel, faz parte do nosso dia a dia, eu acho que a gente não tem como voltar atrás. Foi uma revolução grande. Só que se eu tivesse que priorizar, tem outras coisas que fazem muito mais diferença do que você usar ou não ia, né? Então, entender o negócio, saber fazer boas perguntas, né? E ter senso crítico sobre os dados. Porque eu já me deparei em algumas reuniões de a pessoa assumir que a resposta que o Transformer deu era a resposta certa, sem nenhuma criticidade, né? And essas ferramentas alucinam, né? E aí eu acho que faltou esse senso cliente, tipo, não tem problema você usar, eu acho que é importante, a gente não vai voltar, né? Mas tem outras coisas que são mais importantes. Por exemplo, quando você trabalha com pessoas, usando IA ou não, você vai lidar com ambibilidade o tempo inteiro. Parte do seu trabalho é tomar decisões com informação incompleta. Quando você dá a informação incompleta pra IA, ela assume e te dá uma resposta ali, mas muitas vezes sem nenhum contexto, sem nenhuma criticidade, vem umas coisas bizarras. So apesar de a gente estar falando de dados, né? And esse ímpeto e às vezes esse cobrança da empresa, né? Eu preciso usar IA, né? A gente precisa falar que essas decisões estão afetando pessoas de verdade, né? De carne e osso, com CPF. So, rigor, analítico e responsabilidade, eles vão ter que andar muito juntos. So, não sou hater, eu gosto muito de IA. Inclusive, trabalhei com pessoas muito competentes nesse sentido. Mas a gente não precisa de gente que sabe usar IA, a gente precisa de gente que sabe pensar. Perfeito.

SPEAKER_00 57:01

Perfeito. Excelente. Excelente. Eu queria saber de ti quais livros, referências ou fontes de aprendizado você recomenda pra quem quer se aprofundar em People Analytics ou pra quem quer começar.

SPEAKER_04 57:17

Diffícil.

SPEAKER_00 57:20

Você já deu um livro, eu lembro disso, né? Que foi o Performance Management.

SPEAKER_04 57:25

Baseada in evidence. For example, the living of David Green, Hip Analytics, is legal when you think, poxa, I went to this to structural an area of RH. And then I'm going to convince this CEO and this CRO that has to take, there's results. These are numerous cases in America Latina, Europe, and I live and find what that can do. What if you had it? So this lives are legal. But I sound equilibrium, as leitures are important, but inserted in this context. Aí você começa a se diferenciar. Se você conseguir combinar pensamento crítico, entendimento de negócio e responsabilidade nos usos dos dados, aí você já vai estar muito à frente. Agora, se vamos pensar aqui, eu sou um estudante, eu estou na faculdade. Então, bom, acho que seria muito legal que você tivesse ali um conhecimento de estatística, um conhecimento de analytics, né? Então, acho que isso ajuda muito. E eu gosto muito também de recomendar que as pessoas participem das comunidades de People Analytics. Então, por exemplo. A Sabrina. A Sabrina foi a primeira convidada, né? Do Facebook.

SPEAKER_00 59:46

Foi, foi. Conheci a Sabrina numa entrevista pro iFood há seis anos atrás. Ah, que legal! Foi muito legal.

SPEAKER_04 59:54

Então, eu acho que, por exemplo, tem ali a comunidade, né? Que são pessoas que trabalham. Pode estar entrando agora ou já tem bastante experiência com a própria Sabrina. Só que você joga ali, pessoal, tem uma dúvida específica, eu quero resolver um problema. E aí tem pessoas que já trabalharam com aquilo e já viveram aquilo na empresa delas que vão te ajudar. Diferente de você pegar um livro, um curso online e tentar resolver sozinho, né? Então essas coisas.

SPEAKER_00 1:00:18

Perfeito.

SPEAKER_04 1:00:18

Acho que isso ajuda bastante.

SPEAKER_00 1:00:21

Perfeito. Eu já ia te perguntar agora sobre comunidades, eventos, cursos, mas acho que é isso mesmo, né? Perfeito. Onde é que as pessoas podem te encontrar e acompanhar o seu trabalho?

SPEAKER_04 1:00:34

Acho que o melhor caminho é o LinkedIn, né? Se você tá assistindo um podcast sobre Pipo Analytics na prática, então você tem LinkedIn, com certeza. E aí a gente se conecta.

SPEAKER_00 1:00:46

Excelente, excelente. Tem alguma mensagem final, Elidi? Pra quem tá nos escutando?

SPEAKER_04 1:00:53

Olha. Influenciar os meus times, né? And principalmente as most novas that are going to be an area now, I think a gente cobrar a little bit more and the papel of análise of dados, não é eliminar a incerteza. É reduzir incertezas o suficientemente tocando decisions melhor. Because I think profissionalized people analytics, I think, because análises will impact people. It's different than you're in an área de logística, né? Ah, manda esse caminho pra cá, manda esse pra lá. Ah, talvez você atrasou uma entrega. But it's different of you feel like, poxa, this person will be promovida, essay seja desligada, essa pessoa talvez vai ser contratada, isso pode te gerar uma certa ansiedade, uma certain preocupação. So que a gente tem que pensar que os dados, as falsa sensation of precision for a gente. So for a gente involvendo variáveis de psicologia organizacional, de estatística, de economia, as entendem o fenômeno. Análise aqui está cravado. Esse é o diagnóstico. No. Você organizou the melhor maneira a information disponible that you tia. Pode dormir em paz. O papel de Pipanalytics não é dizer a resposta certa, it's clear what are the trade-offs, quais are as possible consequences of cada decision.

SPEAKER_00 1:02:39

Excelente, adorei a mensagem, adorei te receber aqui. Muito obrigado por ter participado do podcast.

SPEAKER_04 1:02:45

Prazer foi meu, obrigado pelo convite. Espero que a gente converse mais vezes.

SPEAKER_00 1:02:49

Eu também. Tchau, tchau, gente. Até mais.

SPEAKER_04 1:02:52

Tchau, tchau.

SPEAKER_00 1:03:06

O podcast está disponível nas principais plataformas de áudio, como Spotify, Apple Podcasts e também no YouTube. A gente se encontra no próximo episódio.