Internet das Coisas e o RH

A Internet das Coisas (Internet of Things – IoT) é o conceito de conectar qualquer dispositivo à internet e aos outros dispositivos conectados.

É uma rede gigantesca de conexões entre coisas e pessoas, que coleta e compartilha dados sobre a forma como os aparelhos são usados e também sobre os ambientes em que estão.

Essa tecnologia é a mais recente na People Analytics, mas apresenta grande potencial, como os crachás eletrônicos sinalizam. A Humanyse foi pioneira no uso de crachás especializados que transmitem dados sobre as interações dos empregados [1, 2]. Ao longo do dia os crachás capturam todo tipo de informação sobre conversas formais e informais: sua duração; o tom de voz e gestos das pessoas envolvidas; quanto essas pessoas falam, ouvem e interrompem; o grau de empatia e extroversão que demonstram, etc. Cada crachá gera cerca de 100 pontos de dados por minuto.

As experiências com esses crachás ofereceram lições interessantes. Por exemplo, cerca de um terço do desempenho da equipe geralmente pode ser previsto apenas pelo número de trocas cara a cara entre os membros da equipe.

Referências

  1. Peck, Don. They’re Watching You at Work: What happens when Big Data meets Human Resources. The Atlantic Magazine. Dec. 2013. Disponível em https://www.theatlantic.com/magazine/archive/2013/12/theyre-watching-you-at-work/354681/. Acesso em 3 ago. 19.
  2. https://www.humanyze.com.

Inteligência artificial

Inteligência artificial é a capacidade do sistema interpretar corretamente dados externos, aprender a partir desses dados e utilizar essas aprendizagens para atingir objetivos e tarefas específicos através de adaptação flexível [1].

O Aprendizado de Máquina faz uso de algoritmos matemáticos que vão mudando seus parâmetros ao longo do tempo para se ajustar à realidade de um conjunto de dados. Dessa forma, podemos afirmar que o sistema aprende e se torna capaz de gerar respostas cada vez melhores. É interessante observar que durante o desenvolvimento desses sistemas eles são alimentados com parte dos dados disponíveis, em um processo de aprendizagem, e depois são testados com o restante do mesmo conjunto de dados.

É importante saber que, diferentemente do que mostram os livros de ficção científica, cada sistema criado é limitado a um conjunto de atividades para uma finalidade específica.

É a ciência e engenharia de fazer computadores se comportarem de maneiras que, até recentemente, pensávamos que era necessário inteligência humana. Andrew Moore

Andrew Moore

Referência

  1. Kaplan, Andreas e Haenlein, Michael. Siri, Siri, in my hand: Who’s the fairest in the land? On the interpretations, illustrations, and implications of artificial intelligence. Disponível em: https://www.sciencedirect.com/science/article/pii/S0007681318301393#. Acesso em 19 ago. 19.

Big Data e o RH

Teclado de computador sob um retângulo onde está escrito Big Data.
Imagem de Gerd Altmann por Pixabay

Big data é o termo que descreve o grande volume de dados – estruturados e não estruturados – que não consegue ser tratado pelos softwares tradicionais.

Portanto, o termo se refere ao processamento de volumes colossais de dados, o que exige máquinas e algoritmos poderosos. Mas, além da quantidade de dados, o Big Data se diferencia pela capacidade de processar dados não estruturados, como continuamente produzidos em grandes quantidades por sensores digitais, equipamentos de gravação de áudio e vídeo, dispositivos de computação móvel, pesquisas na Internet, redes sociais, tecnologias de mídia e assim por diante.

Explicando: As antigas planilhas do RH tinham campos preenchidos com informações específicas de cada colaborador, como: nome, data de nascimento, etc. Então uma pesquisa para, por exemplo, saber a idade média dos colaboradores era fácil. Mas essas fichas também tinham um espaço para observações. As análises das informações anotadas ali só podiam ser feitas por humanos, por não estarem “estruturadas” ou em um formato padronizado. A mesma informação poderia ter redações diferentes quando anotada por pessoas diferentes. Por exemplo:

• Teve afastamento pelo INSS por 25 dias.

• Ela tirou licença médica de 25 dias.

• Faltou vinte e cinco dias por motivos de saúde.

As ferramentas de Big Data são capazes de interpretar essas várias redações e entender que se trata da mesma informação.

Mas não assuma que todo problema analítico é um problema de big data. Entenda primeiro a causa básica dos problemas e, em seguida, selecione as tecnologias analíticas certas para resolvê-los. Muitos problemas podem ser resolvidos sem grande armazenamento de dados ou análise de big data. Nenhum tipo de análise é melhor que o outro. Cada um faz coisas diferentes, resolve problemas diferentes e requer diferentes softwares e arquiteturas [1].

Embora o termo big data seja relativamente novo, o ato de coletar e armazenar grandes quantidades de informações para análises é antigo. O conceito ganhou força no começo dos anos 2000, quando o analista Doug Laney articulou a definição mais aceita de big data em três Vs [2]:

Volume. Organizações coletam dados de fontes variadas, incluindo transações financeiras, mídias sociais e informações de sensores ou dados transmitidos de máquina para máquina. No passado, armazená-los teria sido um problema — mas novas tecnologias (como o Hadoop) aliviaram esse fardo.

Velocidade. Os dados são transmitidos numa velocidade sem precedentes e devem ser tratados em tempo hábil. Etiquetas RFID, sensores e medidores inteligentes estão impulsionando a necessidade de lidar com torrentes de dados praticamente em tempo real.

Variedade. Dados são gerados em inúmeros formatos — desde estruturados (numéricos, em bases de dados tradicionais) a não-estruturados (documentos de texto, e-mail, vídeo e áudio).

O Big Data é a matéria-prima do processo da People Analytics. Serve para obter insights que levam a decisões melhores e ações estratégicas de negócio.

Dados não estruturados compõem mais de 90% dos dados gerados em todo o mundo, por isso é mais importante do que nunca examiná-los como parte da estratégia de dados de sua empresa. Bernard Marr

Referências:

  1. SAS. What Kind of Big Data Problem Do You Have? Disponível em: https://www.sas.com/pt_br/whitepapers/what-kind-of-big-data-problem-107085.html. Acesso em 25.03.20.
  2. SAS. Big Data: What it is and why it matters. Disponível em: https://www.sas.com/pt_br/insights/big-data/what-is-big-data.html. Acesso em 25.03.20.

Post publicado em agosto de 2019 e atualizado em maio de 2020.

People Analytics – Referências selecionadas

Este post apresenta algumas referências interessantes e sugestões de leitura sobre o uso da People Analytics.

Leituras sugeridas

  • Human Capital Analytics: How to harness the potential of your organization’s greatest asset (by Pease, Byerly & Fitz-enz). Easy to read and a lot of examples from case studies of companies applying analytics to HR
  • The Practical Guide to HR Analytics: Using Data to Inform, Transform, and Empower HR Decisions (SHRM, 2018).

Para aprofundar

  • MIT Management – Curso online sobre Inteligência Artificial

https://executive-education.mit.edu/mit-artificial-intelligence-online-short-course-sf

Cursos grátis sobre o assunto

Coursera – https://pt.coursera.org/learn/people-analytics

Universidade Solides – https://universidade.solides.com.br/course/people-analytics/

Curso de People Analytics da Wharton University of Pennsylvania, 2016.

Um tutorial para iniciar a prática do People Analytics fazendo previsão da rotatividade:

Uma lista de técnicas e algoritmos usados em aprendizado de máquina está disponível em:

https://towardsdatascience.com/do-you-know-how-to-choose-the-right-machine-learning-algorithm-among-7-different-types-295d0b0c7f60

Listas de cases

15 HR Analytics Case Studies with Business Impact