Como este tema funciona na sua empresa
Em pequenas empresas, decisões de workforce são tomadas por heurística: "preciso de mais uma pessoa no operacional" ou "vou promover João porque merece". Prescritiva formal não é viável ou necessária. Análise rápida de dados (custo de deixar vaga aberta vs. custo de contratar novo) pode informar decisão, mas não é modelo matemático complexo.
Empresas médias começam a ter problemas de otimização que prescritiva leve ajuda. Alocação de projetos: 50 pessoas, 5 projetos, cada pessoa tem skills diferentes e disponibilidade. Qual alocação maximiza produtividade? Modelo de otimização linear responde. Redimensionamento: qual é tamanho ideal de equipe dada carga de trabalho? Simulação mostra cenários.
Grandes organizações resolvem problemas complexos: global resource allocation (5 mil pessoas, 50 locais, 100 custos diferentes), succession planning (quem promover para 50 posições executivas nos próximos 3 anos?), organizational design (qual estrutura minimiza silos e maximiza colaboração?). Ferramentas sofisticadas: constraint programming, simulação avançada.
Análise prescritiva na gestão de workforce é uso de técnicas de otimização (programação linear, constraint programming, simulação) para recomendar ações que otimizam objetivo definido — como minimizar custos, maximizar produtividade, ou reduzir turnover — sujeito a restrições (orçamento, skills disponíveis, mercado de trabalho). Diferencia-se de preditiva ao não apenas prever futuro, mas recomendar ação ótima. Pesquisa de MIT Sloan indica que empresas usando prescritiva em workforce planning têm 8-12% melhor alinhamento entre demanda e oferta de talentos[1].
Descritiva vs. Preditiva vs. Prescritiva: a progressão da inteligência
Descritiva responde "o que foi?": "Turnover foi 18%, acima do nível histórico de 15%." Preditiva responde "o que será?": "Com tendência atual, turnover será 22%." Prescritiva responde "o que fazer?": "Se implementar programa de mentoria para 50 pessoas identificadas como risco, turnover reduz para 18%, com custo de R$80k. Se aumentar salários de top 10%, turnover reduz para 15%, custo R$200k. Qual é melhor ROI?"
Progression exige sofisticação crescente. Descritiva precisa de dados. Preditiva precisa de modelo. Prescritiva precisa de modelo + otimizador + definição clara de objetivo.
Problemas de workforce que cabem em prescritiva
Alocação de recursos: 100 pessoas com skills diferentes; 10 projetos com requisitos específicos; objective: alocar pessoas a projetos maximizando fit e utilização. Prescritiva resolve: "pessoa A deve ir para projeto 3, pessoa B para projeto 5" etc.
Escalonamento: você precisa de 50 eng. de software; mercado tem 10 disponíveis; qual proporção sênior vs. junior compra? Treina internamente? Parceriza? Prescritiva: "3 sênior + 7 júnior + 40 em trainee programa = melhor ROI que contratar direto".
Redimensionamento: equipe de 200; demanda é 150 FTEs. Cortar 50 pessoas seria barato, mas perda de conhecimento é cara. Alternativa: naturalizar rotatividade (menos contratações), reduzir horas extras. Prescritiva compara cenários: custo total (salários + benefícios + custo de saída + perda de produtividade) de cada opção.
Succession planning: 50 executivos envelhecendo; 20 posições-chave ficam vazias nos próximos 3 anos se não preparamos sucessores. Prescritiva: "desenvolva estes 30 talentos de forma X, promova 10, contrate externamente 10, em que sequência e timing?" Otimiza risco de vaga + custo de desenvolvimento.
Compensation optimization: orçamento de R$10M para salários de 100 pessoas. Como distribuir para maximizar retenção e equidade? Prescritiva encontra distribuição ótima sujeita a restrições (não posso cair acima de 20% do mercado para ninguém).
Técnicas de otimização: linear programming, constraint programming, simulação
Linear programming: problema com objetivo linear (minimizar custo, maximizar produtividade) e restrições lineares (orçamento, headcount, skills). Exemplo: "alocar 50 pessoas a 5 projetos, minimizando horas ociosas, sujeito a cada projeto ter mínimo de skills X". Ferramentas: solver (Gurobi, CPLEX) encontra solução ótima em segundos.
Constraint programming: problemas mais complexos com restrições não-lineares. Exemplo: "duas pessoas não podem trabalhar no mesmo projeto se tiveram conflito previamente". Solver testa combinações e encontra melhor que satisfaz todas as restrições.
Simulação: quando ótimo global é intratável (problema gigante), simula cenários (Monte Carlo). Exemplo: "e se turnover subir 10%? E se mercado recrutar mais devagar? Quantas pessoas faltam em cada cenário?" Mostra sensibilidade a mudanças.
Prescritiva manual: "preciso de 5 pessoas; tenho R$100k de orçamento; custo médio é R$20k; posso contratar 5 junior a R$15k ou 3 sênior a R$30k. Qual retorna mais valor?" Resposta requer análise simples, não modelo formal.
Problema: alocar 80 pessoas a 8 projetos. Skills matrix (quem tem que skill?), demanda de cada projeto, carga de trabalho de cada pessoa. Excel com solver, ou ferramenta simples como Workday sugere alocação. Iteração mensal: "esta alocação funcionou? Ajustar próximo mês."
Plataforma integrada com HRIS que roota prescritiva continuamente. Exemplo: modelo detecta "equipe de TI terá deficit de 30 pessoas em Q2 se não contratar agora". Prescreve: "contrate 25, desenvolva 5 internos, alocar em Y forma para minimizar disrupção de projetos críticos". Dashboard mostra recomendação e rationale.
Desafio único em RH: pessoas não são números
Prescritiva em operações resolve "alocar máquina A a job X minimizando custo". Em RH, prescreve sobre pessoas. "Demitir 20 pessoas minimiza custo de nós, mas afeta 20 famílias, marca reputacional da empresa, expertise que sai." Muitos gestores se recusam a implementar recomendação prescritiva se é desumana, mesmo que financeiramente ótima.
Abordagem defensável: prescritiva como insumo, não mandato. "Modelo recomenda demitir X pessoas para atingir alvo de custo. Alternativas: redução de horas, naturalizando rotatividade, realocação interna. Qual vocês preferem?" Decisão fica com liderança, mas é informada.
Implementação: de piloto a escalação
Começar com problema pequeno e bem-definido. Alocação de 30 pessoas a 3 projetos, onde objetivo é claro (maximizar fit) e dados existem (skills matrix é robusta). 6-8 semanas de implementação. Resultado: "usando modelo, alocação gerou 15% menos horas ociosas que método anterior". Sucesso justifica próximo problema.
Escalação: problemas cada vez maiores (100 pessoas, 5 projetos, múltiplas restrições). Investimento em ferramenta (Workday, 15Five) vs. desenvolvimento customizado. Importante: governança (quem aprova prescrição?), validação (prescrição anterior foi correta em retrospecto?) e ajuste (próximo modelo aprende do erro).
Sinais de que sua organização está pronta para análise prescritiva
- Você tem problemas de otimização que afetam negócio: alocação inadequada, redimensionamento ineficiente, custo de workforce acima do ótimo.
- Dados necessários existem: skills matrix, disponibilidade, custos, demanda de projetos.
- Decisão de workforce é liderada por números, não intuição; está aberto a recomendação algorítmica.
- Problema é de escala: 50+ pessoas, 5+ projetos/funções; manual é muito lento.
- ROI de otimização é clara: mesmo 5% de melhora em utilização tem impacto de R$M em custo anual.
Caminhos para implementar análise prescritiva de workforce
Viável para problemas pequenos usando Excel Solver ou Sheets.
- Perfil necessário: analista com fluência em Excel avançado, compreensão de programação linear
- Tempo estimado: 2-4 semanas por problema
- Faz sentido quando: problema é pequeno (50-100 pessoas), precisa iteração rápida
- Risco principal: não escala para grandes problemas; requer recalibração frequente
Indicado para problemas complexos, integração com HRIS, ou modeling em tempo real.
- Tipo de fornecedor: consultoria de operational research em RH, fornecedores de workforce planning (Workday, 15Five), especialistas em prescriptive analytics
- Vantagem: expertise em design de modelos, integração com sistemas, validação, ROI quantificado
- Faz sentido quando: problema é de escala, precisa de recomendações em tempo real, ROI justifica investimento
- Resultado típico: análise em 4-6 semanas, modelo piloto em 8-12 semanas, escalação em 3-6 meses
Quer otimizar decisões de workforce com análise prescritiva?
Se resolver problemas de alocação, redimensionamento ou succession planning é prioridade, o oHub conecta você a consultores de operational research, especialistas em prescriptive analytics, e fornecedores de plataforma de workforce planning. Em menos de 3 minutos, sem compromisso.
Encontrar fornecedores de RH no oHub
Sem custo, sem compromisso. Você recebe propostas e decide se e com quem avançar.
Perguntas frequentes
O que é análise prescritiva e como diferencia de preditiva?
Preditiva responde "o que vai acontecer?": "Turnover será 22% mantendo tendência." Prescritiva responde "o que fazer?": "Implementar programa X reduz para 18% com custo Y; programa Z reduz para 15% com custo 2Y. Qual escolher?" Prescritiva recomenda ação ótima, não apenas prevê.
Que técnicas de otimização existem para RH?
Linear programming para problemas com objetivo e restrições lineares. Constraint programming para problemas complexos com restrições não-lineares. Simulação (Monte Carlo) para sensibilidade a cenários. Machine learning com otimização para problemas dinâmicos.
Qual problema de workforce é melhor candidato para prescritiva?
Problemas bem-definidos com objetivo claro: alocação de pessoas a projetos (maximize fit), redimensionamento (minimize custo respeitando capacidade), escalonamento (qual mix de sênior/junior), succession planning (quem desenvolver/promover para cobrir vagas futuras).
Como garantir que recomendação prescritiva é humanamente viável?
Prescrição é insumo, não mandato. Se recomenda demitir 50 para minimizar custo, liderança pode questionar: "qual é impacto reputacional? Alternativa é reduzir horas." Prescrição mostra trade-offs; humanos decidem. Importante: governance clara sobre quem aprova antes de implementar.
Quanto custa implementar análise prescritiva de workforce?
Dependente de escala. Problema pequeno em Excel: R$5-10k em consultoria. Ferramenta média (Workday): R$50-200k implementação + R$20-50k anual. Desenvolvimento customizado complexo: R$200k+. ROI: mesmo 3-5% de eficiência em utilização de pessoas pode retornar investimento em 12-24 meses em organizações grandes.
Como validar que recomendação prescritiva foi correta?
Comparação retrospectiva: se modelo recomendou alocação X, ela foi melhor que alternativa Y em prática? Métricas: horas ociosas, projeto delivered on time, utilização efetiva. Feedback loop: aprender de acertos e erros refina modelo futuro.
Referências
- MIT Sloan. Pesquisa sobre prescriptive analytics em workforce. Disponível em https://sloan.mit.edu/
- Deloitte. "From Predictive to Prescriptive Analytics". Disponível em https://www2.deloitte.com/
- INFORMS Journal. "Operations Research in HR". Disponível em https://pubsonline.informs.org/
- LinkedIn Talent Blog. "Workforce Optimization Case Studies". Disponível em https://business.linkedin.com/talent-solutions/talent-blog
- Kearns & Roth (2020). "The Ethical Algorithm". Disponível em https://www.ethicalalgol.org/