Decidir bem em RH não é ter mais dashboards; é operar um sistema de decisão. Isso significa padronizar dados, garantir qualidade e privacidade, transformar métricas em rituais de decisão e medir impacto de verdade. Este guia mostra como sair do improviso para a previsibilidade em 90 dias, com dicionário de métricas, SLOs de qualidade, governança, plano de ação e um FAQ no final.
O que é um sistema de decisão no RH (e por que dashboards não bastam)
Um sistema de decisão une dados prontos para uso, processos de análise e mecanismos de execução. Sem semântica comum, os números não são comparáveis entre áreas. Sem hipóteses e experimentos, relatórios viram curiosidades. O objetivo é reduzir incerteza rapidamente, operando um ciclo contínuo: detectar → diagnosticar → decidir → entregar → medir → aprender.
Camadas de dados no RH (modelo prático)
Comece pela coleta consistente (ATS, HCM, folha, LMS, pesquisas de clima). Padronize IDs, granularidade e fusos, e estabeleça regras de validação na entrada para evitar retrabalho nas análises. Crie uma camada semântica com nomes e fórmulas oficiais das métricas, de forma que RH, Operações e Finanças falem a mesma língua. Ative os dados em rotinas operacionais (alertas, aprovações, simulações). Garanta observabilidade: documente linhagem, monitore latência e registre incidentes de dados.
Métricas que importam (dicionário enxuto)
Um dicionário de métricas descreve o que é, como é calculado, com que frequência e quem é o responsável. Sugestões iniciais:
| Métrica | Pergunta que responde | Definição curta | Fórmula base |
|---|---|---|---|
| Turnover voluntário | Estamos perdendo talentos críticos? | Saídas voluntárias ÷ headcount médio | saídas_voluntárias ÷ headcount_médio |
| Time to fill | Cobertura de vagas é ágil? | Dias entre abertura e aceite | data_aceite − data_abertura |
| Quality of hire (90d) | Novos contratados performam? | % aprovados em 90 dias | aprovados_90d ÷ admissões |
| Custo por contratação | Quanto custa contratar? | Gastos de TA ÷ admissões | custos_TA ÷ admissões |
| eNPS (engajamento) | Como está o clima? | % promotores − % detratores | cálculo eNPS |
| Absenteísmo administrativo | Impacto na disponibilidade | Faltas administrativas ÷ horas previstas | faltas_admin ÷ horas_previstas |
Dica prática: toda métrica deve guiar uma ação (ex.: coaching a gestores com pendências recorrentes, ajustes no funil de contratação).
Qualidade de dados no RH: SLOs que evitam surpresas
Trate dados como produto, com SLOs (metas de serviço) claros e monitoráveis.
| Dimensão | Meta mensal | Como medir |
|---|---|---|
| Completude | ≥ 99,0% nos campos críticos (cargo, centro de custo, status) | validação diária por fonte |
| Pontualidade | ≤ 2h de atraso no BI; ≤ 24h em pesquisas | relógio de carga + alertas |
| Acurácia | ≤ 0,5% de divergência amostral | auditoria quinzenal |
| Unicidade | ≤ 3 duplicatas por 10k eventos | dedupe + logs |
| Conformidade | ≤ 0,2% fora de regra | validações na ingestão |
Quando um SLO falhar, registre um incidente de dados com causa raiz, impacto, dono e prazo de correção. Isso constrói confiança.
Governança: papéis, catálogo e linhagem
Defina um owner por métrica (quem aprova mudanças e responde por qualidade). Publique um catálogo com descrição, sensibilidade de dados e contatos. Documente linhagem: de onde o dado vem, como é transformado e para onde vai. Versione fórmulas sensíveis (ex.: turnover) para preservar comparabilidade histórica.
Privacidade e LGPD sem travar o negócio
Aplique minimização (coletar só o necessário), finalidade explícita e retenção por tabela. Controle acesso por papel: gestores veem seus times; finanças, dados agregados. Para relatórios amplos, use agregação e técnicas simples de proteção contra reidentificação. Privacidade forte não bloqueia a decisão — aumenta a confiança.
Rituais de decisão: do dashboard à ação
Dados influenciam quando há cadência. Mantenha uma rotina tática semanal (Talent/People Ops) e uma executiva mensal (RH + Finanças). Cada encontro deve seguir um roteiro enxuto: métricas-chave → hipóteses → experimento proposto → dono → prazo → métrica-alvo. Sem esse ritual, o dado não vira decisão.
Plano de 90 dias (do zero ao confiável)
Dias 0–30 (Fundação): faça inventário de fontes, normalize IDs e granularidade, defina SLOs mínimos e publique um dicionário com 10 métricas core. Monte um painel tático com turnover, time to fill, eNPS e absenteísmo.
Dias 31–60 (Confiabilidade): formalize contratos de dados com as áreas de origem, habilite alertas de incidentes, publique catálogo e linhagem, e revise acessos sob LGPD.
Dias 61–90 (Decisão): rode pilotos (ex.: reduzir time to fill), mantenha um quadro de hipóteses/resultados e consolide o rito mensal de decisão, com revisão periódica de SLOs.
Erros comuns e como evitar
É comum não haver dono de métrica, fórmulas mudarem sem versionamento, o “data lake” virar lata de dados, planilhas paralelas decidirem o mês e a privacidade ser tratada no fim. Corrija definindo ownership, versionando semântica, bloqueando planilhas como fonte oficial, trazendo LGPD para o início do desenho e instituindo o ritual de decisão.
Como o IZeus pode ajudar
A proposta é conectar ATS/HCM/folha/LMS, publicar um dicionário de métricas com versionamento, aplicar SLOs e alertas, expor linhagem e oferecer painéis de decisão com foco em ação: reduzir incerteza, acelerar respostas e medir impacto.
FAQ sobre gestão de dados no RH
Dados de RH são “bons” quando?
Quando entregam completude, pontualidade, acurácia, unicidade e conformidade dentro de metas (SLOs) monitoradas. Se algo falha, existe incidente registrado e plano de correção.
Como começar se meus dados estão despadronizados?
Padronize IDs (colaborador, vaga, centro de custo), defina granularidade e crie um dicionário mínimo de métricas. Em paralelo, implemente validações na entrada para evitar retrabalho.
Qual a diferença entre people analytics e gestão de dados?
People analytics foca em análises e modelos. Gestão de dados garante base confiável e governada para que essas análises sejam reprodutíveis e úteis nas decisões.
LGPD atrapalha análises?
Não. Com minimização, finalidade clara, retenção definida e acesso por papel, a LGPD habilita análises responsáveis e aumenta confiança no processo.
Quantas métricas devo acompanhar?
Comece com 8–12 métricas core ligadas a decisões reais (talento, custo, clima). Expanda só quando houver capacidade de manter qualidade e ação sobre os resultados.
Como provar impacto das iniciativas de RH com dados?
Use hipóteses e testes controlados (A/B ou before/after com controle), defina a métrica-alvo e registre o resultado. Sem método, não há causalidade — só correlação.