Otimizando a retenção de talentos: Uma análise de turnover em uma empresa de tecnologia
Resumo
A retenção de talentos é um dos grandes desafios enfrentados pelas empresas na atualidade. Por consequência, investir na satisfação e motivação dos funcionários, buscando potencializar a produtividade e alcançar o êxito organizacional, tem sido uma prática cada vez mais necessária. Isso se deve ao fato de que, a perda de um colaborador acarreta não apenas custos financeiros e investimento de tempo em recrutamento e treinamento, mas também resulta na redução da eficiência da equipe afetada durante esse processo de substituição. Sendo assim, este artigo descreve um estudo que utiliza técnicas de análise de dados para reduzir a taxa de turnover em uma empresa de tecnologia, propondo ações para minimizar os possíveis fatores geradores de insatisfação entre os funcionários.
Introdução
Conforme notícia divulgada no portal G1, um levantamento realizado pela Robert Half aponta o Brasil como líder mundial no ranking de países com o maior índice de rotatividade de funcionários no ano de 2022. Um dos fatores que explicam este cenário é a intensa concorrência e a busca por profissionais qualificados nas áreas de Tecnologia da Informação (TI) e Finanças.
Essa rotatividade, ou simplesmente turnover, refere-se ao fluxo de pessoas que deixam uma organização, o que requer a contratação de novos funcionários para compensar aqueles que saíram. São muitos os motivos que ocasionam a saída de um colaborador ou até mesmo a diminuição de sua produtividade que frequentemente resulta em seu desligamento pela empresa.
Para tentar entender quais são as características associadas a insatisfação dos colaboradores de uma empresa de TI, o time de Recursos Humanos (RH) catalogou informações de 1470 funcionários que deixaram ou permaneceram na companhia no último ano. O resultado desse levantamento gerou 19 possíveis fatores que explicam o comportamento do turnover nesta empresa. Posteriormente, um estudo de analise de dados foi encomendado para responder a seguinte pergunta: Quais políticas ou fatores a empresa deveria mudar de forma a minimizar o turnover?
📌 Nota: Este estudo utiliza dados e contexto de negócio fictícios, disponibilizados para fins didáticos pela escola de dados Preditiva Analytics Treinamentos Ltda.
Informações importantes da análise
Premissas
Para a execução deste projeto, levou-se em consideração as seguintes premissas:
- Os dados utilizados abrangem apenas um ano de observação (2022), o qual permitirá a pesquisa ser iterada em futuras análises, ano após ano, para examinar se as conclusões obtidas permanecem consistentes no mesmo intervalo de tempo.
- O estudo aborda exclusivamente a rotatividade voluntária (que ocorre quando o próprio profissional solicita o desligamento da empresa). Isso se deve ao fato de que outros tipos de rotatividade podem envolver motivos diversos, os quais poderiam influenciar os resultados obtidos.
- A base de dados foi elaborada pela equipe de RH, com total apoio do setor de TI. Nesse contexto, entende-se que tanto a coleta quanto a limpeza dos dados foram realizadas de maneira adequada, estando isentas de possíveis problemas associados a riscos operacionais, imparcialidade ou tendências.
- As admissões foram apenas para reposição de profissionais que saíram. Assim, a fórmula utilizada no calculo do turnover foi simplificada para: Turnover = (NúmeroDeDemissões / NúmeroTotalDeColaboradores) * 100
Critérios de sucesso
- O turnover mensurado no ano observado foi de 16,12%. Desta forma, o estudo será julgado um sucesso se a taxa de turnover para os anos subsequentes ficar abaixo de 10% (média positiva considerada saudável por especialistas de RH, informada pelo portal G1).
Riscos envolvidos
- Um risco a ser considerado é que os funcionários se sintam desconfortáveis por estarem sendo constantemente monitorados em relação à rotatividade, o que poderia afetar negativamente a moral e a relação de confiança com a equipe. Para mitigar esse risco, recomenda-se a transparência quanto aos objetivos e benefícios para os colaboradores.
Metodologia
O estudo orientou-se pelas seis etapas do CRISP-DM, uma metodologia que consolida as melhores práticas já comprovadas pelo mercado para minimizar problemas conhecidos em projetos que envolva dados. O estudo completo, bem como os dados utilizados na análise podem ser consultados em: Base_RH.
As análises foram realizadas combinando o uso do software Microsoft Excel com técnicas de analise exploratória de dados unidimensional e bidimensional.
Análise Exploratória de Dados
O objetivo da primeira etapa da análise exploratória foi familiarizar-se com os dados coletados, identificando padrões e tendências, avaliando sua qualidade.
Análise Unidimensional
Esta etapa foi realizada utilizando as seguintes técnicas:
- Construção de tabelas de frequências absolutas, relativas e acumulada com gráficos de Pareto para as variáveis qualitativas e quantitativas.
- Construção de gráficos box plot e histogramas para as variáveis quantitativas.
- Verificação da taxa de turnover atual (total de pessoas que saíram / total de funcionários).
- Anotação dos insights obtidos com a realização das análises.
Análise Bidimensional
Para a análise bidimensional foram empregadas as técnicas Information Value (IV) e as seguintes análises de correlação: Correlação de Pearson e Coeficiente de Determinação (R²).
Etapas da análise bidimensional:
- Realizou-se o cálculo do turnover para cada uma das variáveis qualitativas e quantitativas, explorando possíveis disparidades entre elas.
- Investigou-se a relação do turnover com variáveis quantitativas, tais como salário ou idade, buscando compreender se existem associações relevantes, como uma possível tendência de maior turnover em segmentos com salários mais baixos ou entre colaboradores mais experientes.
- Examinou-se a taxa de turnover buscando variações significativas em grupos específicos.
- Calculou-se o IV de todas as variáveis, identificando o poder de separação de cada uma delas.
Information Value (IV)
O IV é uma técnica de exploração de dados que identifica o poder preditivo ou influência de variáveis em um conjunto de dados sobre uma variável dependente binária. Em outras palavras, o IV destaca o grau de “poder de separação” que uma variável de duas ou mais categorias exerce sobre uma variável com apenas dois valores possíveis, como “sim” ou “não”, por exemplo.
O gráfico abaixo demonstra a ordem de influência das variáveis explicativas na variável turnover, enfatizando os valores mais significativos obtidos por meio do cálculo dos IVs.
Conforme apresentado no Gráfico 1, dos 19 possíveis fatores que explicam a saída dos funcionários, 4 foram identificados com poder de discriminação forte, ou seja, os valores destas variáveis são os mais relevantes para separar grupos de funcionários que saem dos que ficam na empresa. Além disso, foram identificadas 6 variáveis com um poder de separação médio, o que pode indicar uma influência média no comportamento do turnover.
Implementar políticas para tais fatores tende a encarecer sempre que adicionamos uma nova variável em nosso plano de ação. Assim, dar atenção as principais variáveis identificadas pelo IV, nos economizará tempo e dinheiro, visto que, muitos destes fatores estão correlacionados com os demais fatores, indicando que, tratar as principais causas do turnover poderá diminuir também as taxas em variáveis menos influentes. Desta forma, optou-se por adotar políticas para fatores com o poder de separação forte.
O IV também foi aplicado a variável “Faz_hora_extra” a fim de identificar grupos de funcionários que mais fazem hora extra. Inicialmente, suspeitou-se de que o salário e o tempo de carreira poderiam estar influenciando um funcionário a fazer hora extra, mas segundo o IV os poderes de separação para esta variável binária são fracas ou muito fracas.
Análise de correlação
A análise de correlação foi utilizada para tentar identificar variáveis que poderiam estar associadas aos principais fatores identificados pelo IV.
Segundo as técnicas de estatística descritiva Coeficiente de Determinação (R²) e Correlação de Person, as variáveis “Faz_hora_extra” e “Qte_ações_da_empresa” não estão associada a nenhuma das variáveis de poder de separação significativo identificadas pelo IV, portanto, são consideradas fortes candidatas entre os fatores que causam o turnover e podem ser analisada de forma independente. Já as demais variáveis possuem correlação positiva entre si e foram selecionadas para melhor analise segundo possíveis relações de causa e efeito.
Resultados
Principais causas do turnover
Os funcionários não gostam de fazer hora extra
Segundo resultados do IV (Gráfico 1), a variável “Faz_hora_extra” destaca-se como o fator com maior poder de separação entre os 19 possíveis fatores que explicam o turnover. Funcionários que fazem hora extra representam 28% do total de funcionários contra 72% que não fazem (Gráfico 2). Essa disparidade pode significar um acumulo de trabalho concentrado em poucos colaboradores, o que poderia estar gerando uma desmotivação entre eles. Esta hipótese ganha força ao observar que a taxa de turnover é três vezes maior no grupo dos que fazem hora extra (31%) em comparação com o grupo dos que não fazem (10%).
Os funcionários estão buscando maiores salários
O salário é outro fator com poder de separação significativo nesta análise. O Gráfico 3 mostra que funcionários ganhando até R$ 3.000,00 representam 27% do total de funcionários com uma taxa de turnover de 29%. Já para os funcionários que ganham entre 3.001,00 e 5.000,00 o turnover é de 14%, taxa ainda alta se comparada a média saudável mencionada anteriormente.
Obs.: Salários entre 9001 a 11000 que também apresentam turnover de 19% possuem a frequência de apenas 8% em relação ao total de funcionários, indicando que podem estar sendo causados por outros fatores de maior frequência.
Participações acionárias podem manter os funcionários na empresa.
Outro grupo significativo em nossa análise consiste nos 43% do total de funcionários que não possuem nenhuma ação da empresa, sendo que 24% deles optaram por deixar a organização (Gráfico 4).
Obs.: Funcionários possuindo 3 lotes de ações apresentam turnover de 18% com frequência de apenas 6% do total de funcionários, o que indica uma possível associação a outros fatores com maior frequência.
Precisamos elaborar um plano de desenvolvimento de carreira
Os funcionários com até 4 anos de carreira representam 16% do quadro total de colaboradores, com uma taxa de turnover de 33%. Já os funcionários entre 5 e 9 anos de carreira representam 34% do total de funcionários com uma taxa de 17% para o turnover (Gráfico 5). Esta variável apresenta uma correlação fortemente positiva de 0,77 com a variável “Salário”, conforme evidenciado pelo Coeficiente de Correlação de Pearson (Tabela 1). Isso evidencia que funcionários em inicio de carreira estão buscando salários mais altos, o que corrobora com a formação do salário nesta empresa, que leva em consideração o tempo de carreira, principalmente nos anos iniciais.
Plano de Ação
Na formulação do plano de ação, empregou-se a metodologia 5W2H, uma ferramenta estratégica que busca assegurar a transparência e a compreensão abrangente de todos os elementos envolvidos na iniciativa, com o objetivo central de reduzir a taxa de turnover.
Conclusão
A análise dos dados revelou que a insatisfação dos funcionários, na empresa de tecnologia em questão, pode ser reduzida abordando fatores chave, como horas extras, salários, bonificações de ações da empresa e desenvolvimento de carreira. Ao implementar as ações recomendadas, a organização pode almejar uma taxa de turnover mais saudável, o que não apenas reduzirá os custos associados à rotatividade, mas também melhorará a produtividade e o sucesso organizacional.
Reduzir o turnover não é apenas uma estratégia de retenção de talentos, mas também uma demonstração de compromisso com o bem-estar dos funcionários e o crescimento sustentável da empresa. Investir no capital humano é fundamental para alcançar o êxito nos negócios em um mercado altamente competitivo.
