Fonte: Harvard Business Review

Author: Brooks Holtom e David Allen

As empresas sabem que a rotatividade de funcionários é onerosa e disruptiva. E sabem, também, que reter os melhores e mais brilhantes as auxilia a não só economizar, como também preservar vantagens competitivas e proteger o capital intelectual.

Entretanto, as tentativas de retenção se baseiam em duas ferramentas de retrospectiva. Em primeiro lugar, as entrevistas de desligamento acontecem para compreender melhor por que o funcionário opta por sair, embora, a essa altura, seja difícil mantê-lo. Em segundo lugar, os levantamentos feitos com os funcionários são utilizados para avaliar o seu engajamento.

Os resultados desses levantamentos são posteriormente comparados com os funcionários que deixaram a empresa, na esperança de que apresentassem os indicadores de desligamento. O problema é que esses dados não mostram aos gestores uma foto da realidade daqueles que, eventualmente, possam estar pensando em se desligar da empresa.

Nossa última pesquisa se baseou nos algoritmos fornecidos pelo big data e pelo machine learning para elaborar um índice de intenção à rotatividade para as pessoas – um indicador em tempo real para aqueles que estão pensando em sair da empresa. Baseamos o desenvolvimento desses modelos indicadores nas pesquisas acadêmicas sobre a retenção e, então, realizamos uma série de estudos. Os resultados mostraram que é possível desenvolver índices que preveem, em tempo real, a probabilidade de uma pessoa pensar numa oferta externa e, mais adiante, aceitá-la.

Pesquisas passadas apontam duas razões para as pessoas deixarem o emprego: choques do turnover e pouco envolvimento no trabalho. Os choques do turnover são acontecimentos que fazem com que reflitam se devem permanecer ou não. Alguns choques são organizacionais, como por exemplo, uma mudança na gestão, uma comunicação de fusão ou aquisição (F&A), e outros são pessoais (como, por exemplo, o recebimento de uma oferta de emprego ou o nascimento de um filho).

O envolvimento com o trabalho é quando as pessoas estão em profunda conexão com a empresa. Quando têm poucos laços sociais no trabalho ou na comunidade, ou quando sentem que seu trabalho não está compatível com seus interesses, habilidades e valores, elas têm pouco envolvimento e um risco maior de desligamento.

Trabalhamos com uma empresa de inteligência de talentos a fim de coletar um grande número de dados disponíveis ao público sobre os choques do turnover, tais como modificações no Glassdoor ou classificações de analistas, variação no valor das ações, artigos noticiosos, ou ações judiciais contra a empresa. Também coletamos fatores de caráter pessoal, de domínio público, atrelados ao envolvimento, como o número de empregos anteriores, tempo de empresa e permanência, habilidades, grau de instrução, gênero e localização geográfica. Agrupamos esses possíveis indicadores de rotatividade para mais de 500 mil pessoas que trabalham nos Estados Unidos, em várias empresas e setores.

Com base na avaliação desses fatores de rotatividade, usamos o machine learning para classificar cada pessoa como tendo nenhuma, pouca, muita ou bastante probabilidade de ser receptiva a novas oportunidades de emprego. Cada uma em nosso teste recebeu uma pontuação para o índice de intenção de rotatividade (TPI, em inglês), e realizamos dois estudos para aferir qual a efetividade deles ao prever suas aberturas a novas oportunidades e qual a probabilidade de deixar a empresa.

Primeiro, queríamos verificar o nível de precisão do TPI quanto à disposição para com mensagens sobre recrutamento. Enviamos e-mails para um grupo de 2 mil pessoas empregadas que haviam sido anteriormente identificadas pelos algoritmos como tendo nenhuma, pouca, muita ou bastante probabilidade de serem receptivas a um convite para posições de emprego ajustadas de acordo com suas habilidades e competências. Dessas pessoas, 1.473 receberam o e-mail, 161 o abriram e 40 clicaram. Aquelas classificadas como “mais propensas” a serem receptivas abriram o convite, mais do que o dobro de vezes do que as classificadas como “menos propensas” (5% contra 2,4%). Ademais, dentre essas que abriram o e-mail, as classificadas como “mais propensas” à recepção do convite estavam consideravelmente mais inclinadas a clicar nele.

Isto sugere que o índice do TPI identifica os funcionários que estão com o risco maior de deixar a empresa. Esse resultado também indica que as empresas têm como identificar de maneira estratégica os tops talents que possam estar abertos a uma oferta externa; lembre-se que esse resultado veio de dados abertos ao público.

Em segundo lugar, para poder analisar a competência com a qual a pontuação do TPI consegue prever uma verdadeira rotatividade, utilizamos o que restava do estudo com as 500 mil pessoas. Durante três meses, as pessoas classificadas como “mais propensas” e receptivas a novas oportunidades tinham 63% de probabilidade de mudar de emprego, comparadas a aquelas que não o eram. As pessoas classificadas como “mais propensas” tinham 40% mais chances de sair da empresa.

Nosso trabalho nessa área demonstra que, ao utilizar o big data, as empresas monitoram os índices de intenção à rotatividade e identificam os funcionários que estão mais propensos a deixar a organização. Essa previsão proativa permite aos líderes intervir para aumentar a probabilidade de retenção do top talent. Além disso, as organizações detêm uma grande vantagem sobre os pesquisadores externos ao desenvolverem seu próprio TPI com dados internos.

As empresas conseguem prever os choques organizacionais, como processos ou ações regulatórias. Além dos dados abertos ao público, as empresas têm acesso a outros dados relacionados aos choques do turnover, como tempo de casa, novas credenciais em educação, um anúncio de casamento ou do nascimento de um filho, embora precisem ter cuidado para não violar a privacidade do funcionário. Elas também conseguem controlar os fatores que sinalizam o envolvimento no trabalho, como a participação em oportunidades de desenvolvimento na carreira, iniciativas de melhoria na empresa ou programas de reconhecimento entre pares.

As empresas que se comprometem com a tomada de decisão guiada por dados precisarão investir cautelosamente na coleta e no estudo dos indicadores corretos do risco de rotatividade. Desta forma, os líderes terão como proativamente engajar os colaboradores de valor que estão sob o risco de deixar a empresa por meio de entrevistas, a fim de entender melhor como a empresa pode aumentar a probabilidade de suas permanências.

Fonte: Harvard Business Review