Como este tema funciona na sua empresa
Foque no essencial: representação (contagem simples por grupo e nível), turnover por grupo e pesquisa de clima com 5 a 8 perguntas sobre pertencimento. Dados servem principalmente para conversas com liderança e decisões internas — relatórios públicos não são necessários neste porte. O maior risco é que grupos pequenos sejam identificáveis nos dados; agrupe ou omita categorias com menos de 5 pessoas.
Adicione análise de equidade salarial por função e nível, acompanhamento de promoção por grupo, e participação em programas de desenvolvimento. Comece análise de tendência ao longo do tempo (não apenas snapshot). Reporte trimestralmente para liderança com dados e recomendações de ação. O risco de silos de informação — dado coletado por RH que operações nunca veem — exige integração intencional.
Viabilize coleta mais rica: análise interseccional, satisfação por grupo demográfico e segmento, dados de fornecedores. Construa dashboards para liderança com análise causal, benchmarking externo (GPTW, Catalyst, Ethos) e conexão explícita a estratégia corporativa e ESG. O risco de narrativa corporativa — usar dados positivos para relações públicas enquanto problemas reais ficam escondidos — exige honestidade com resultados negativos também.
Dados de DEI são informações quantitativas e qualitativas que permitem avaliar representação, equidade e inclusão em uma organização[1]. Servem para embasar decisões, identificar gaps, monitorar progresso e comunicar resultados — mas apenas quando coletados com critério, interpretados com cuidado e transformados em ação concreta.
Muitas organizações caem em dois extremos igualmente problemáticos: coletar tudo e não usar nada, ou ter medo de coletar dados por receio de LGPD e privacidade. A resposta equilibrada é coletar o mínimo necessário para decisão, com máxima responsabilidade no uso.
Qual é a diferença entre dado interessante e dado acionável?
Um dado interessante gera curiosidade: "mulheres representam 40% da empresa"[2]. Um dado acionável gera decisão: "mulheres representam 40% da empresa, mas apenas 12% das promoções nos doze meses anteriores — o que indica viés no processo de promoção que requer auditoria". A diferença está em conectar dado a gap, gap a causa, e causa a intervenção específica.
O teste prático é sempre: que decisão este dado vai informar? Se não houver resposta clara, vale questionar se a coleta é necessária naquele momento.
Quais são os dados essenciais de DEI que toda organização deve coletar?
Independente do porte, três categorias formam a base mínima de qualquer sistema de dados DEI:
- Representação: Percentual de colaboradores por grupo demográfico (gênero, raça/etnia, deficiência, faixa etária) por nível hierárquico, área funcional e região. Revela se a composição reflete a diversidade disponível no mercado e na sociedade.
- Retenção: Taxa de turnover por grupo, com acompanhamento de motivos de desligamento. Identifica se determinados grupos saem em proporção maior — sinal de que inclusão pode estar falhando.
- Clima e pertencimento: Pesquisa periódica com perguntas sobre segurança psicológica, sentimento de pertencimento, voz e reconhecimento. Captura a experiência subjetiva que os dados objetivos não revelam.
Como referência de mercado, apenas 13% das pessoas negras ocupam cargos de liderança no Brasil, apesar de representarem 56% da população (IBGE/Instituto Ethos)[3], e mulheres representam 46% da força de trabalho, mas apenas 15% dos cargos executivos (IPEA). Esses benchmarks ajudam a calibrar o que representação adequada significa em cada contexto.
Como evitar coleta excessiva de dados (data overload)?
O princípio orientador é coleta mínima para decisão máxima. Para cada dado considerado, aplique três filtros:
- Utilidade: Existe decisão ou ação que este dado vai informar nos próximos 12 meses?
- Capacidade: A organização tem recursos para analisar e agir sobre este dado?
- Privacidade: A coleta respeita LGPD, é proporcional à finalidade e não expõe indivíduos de grupos pequenos?
Dados importantes para organizações médias e grandes incluem: equidade salarial (análise de gap de remuneração por grupo, mesma função/nível), promoção (quem é promovido, de que grupo), e participação em programas de desenvolvimento. Dados nice-to-have — como interseccionalidade, origem socioeconômica e neurodiversidade — ficam para organizações com capacidade analítica estabelecida. Segundo a McKinsey, 70% dos dados de DEI coletados ficam em relatórios sem gerar ação[4]; priorizar qualidade sobre quantidade aumenta o impacto real.
Como garantir responsabilidade ao usar dados de grupos minorizados?
Dados sobre grupos histórica e sistematicamente marginalizados carregam responsabilidade especial. Alguns princípios essenciais:
- Anonimato em grupos pequenos: Quando um grupo tem menos de cinco pessoas em uma categoria, os dados individuais podem ser identificáveis — o que viola privacidade e pode gerar retaliação. Agregue ou suprima nesses casos.
- Não usar dados para estigmatizar: Se "homens negros foram promovidos menos", isso indica que o sistema tem viés — não que homens negros têm menos mérito. A interpretação deve sempre partir do pressuposto de equidade de capacidade entre grupos.
- Transparência sobre o uso: Colaboradores precisam saber por que dados são coletados, quem tem acesso, como serão usados e o que não será feito com eles. Comunicação clara aumenta confiança e taxa de resposta.
- Consentimento informado: Dados sensíveis (raça, orientação sexual, deficiência) devem ser declaratórios e voluntários, conforme exige a LGPD.
Quais dados conectar a performance e negócio?
Para que DEI seja percebida como estratégia e não como custo, é fundamental mostrar conexão com resultados. As pontes mais diretas são:
- Retenção e custo: Calcule o custo médio de um desligamento voluntário (geralmente 50-150% do salário anual) e multiplique pelo gap de turnover entre grupos. O número converte diversidade em linguagem financeira.
- Inovação: Rastreie se equipes mais diversas geram mais ideias implementadas, lançamentos de produto ou soluções criativas — essa correlação é reportada em organizações que medem sistematicamente.
- Clima e engajamento: eNPS segmentado por grupo revela se determinados grupos são menos engajados, antecipando problemas de produtividade e retenção antes que se tornem crise.
Taxa de turnover de colaboradores LGBTQIA+ é cerca de duas vezes maior que a de heterossexuais em ambientes intolerantes (Deloitte)[5], o que representa impacto financeiro direto e mensurável.
Como usar dados sem alimentar estereótipos?
O risco de dados mal interpretados é grave. Estatística correlacional — "grupo A tem menor promoção que grupo B" — não prova causalidade. O caminho responsável é: identificar o gap, investigar causas sistêmicas (processo de avaliação, acesso a projetos visíveis, redes de patrocínio), intervir no sistema, e reavaliar. A pergunta não é "o que há de errado com este grupo?" — é "o que há de errado no processo que trata grupos diferentemente?"
Dados desagregados (cruzados por múltiplos marcadores) são mais úteis que dados simples: "mulheres" é vago; "mulheres negras em cargos de liderança" é específico e acionável. Mas exigem maior cuidado com privacidade e anonimato.
Diferenças na estratégia de dados por porte de empresa
Coletar dados é simples: planilha com nomes, gênero, raça, nível. Análise é quantitativa básica: "quantas mulheres temos por nível?" Pesquisa de clima é pulso anual com 5-8 perguntas. Comunicação é reunião com sócios/liderança onde você mostra: "temos 30% de mulheres no operacional, 10% na liderança — vamos desenhar programa para desenvolvê-las". Risco: grupos pequenos são identificáveis; solução é agregar ("mulheres + LGBTQIA+" em vez de separado se <5 em cada).
Sistema formal de coleta: formulário no RH, banco de dados estruturado. Análise é mensal/trimestral: representação por nível, turnover por grupo, salário médio por grupo/função, promoção por grupo. Relatório trimestral vai para liderança com recomendações: "turnover de mulheres negras é 2x o de homens brancos; recomendamos revisar política de flexibilidade e redes de mentoria". Pesquisa de clima é anual com 15-20 perguntas sobre pertencimento, segmentada por grupo. Risco: dados coletados por RH, mas operações não veem — exige integração intencional.
Sistema de BI integrado: coleta contínua, dashboard em tempo real para liderança. Análise é sofisticada: interseccionalidade (mulheres negras vs. mulheres brancas), segmentação por unidade de negócio/região, tendência de 3-5 anos. Pesquisa de clima é trimestral com 30+ questões, análise por grupo e comparação a benchmarks externos. Relatórios públicos (sustentabilidade/ESG) incluem dados desagregados. Risco: narrativa corporativa que mascara problemas; solução é cultura de honestidade — dados ruins são comunicados com ação, não escondidos.
Sinais de que sua organização precisa melhorar coleta e uso de dados de DEI
Estes indicadores sugerem que há gap entre intenção e ação em DEI:
- Coleta dados de DEI, mas ninguém (além de RH) sabe que existem ou qual é o resultado
- Pesquisa de clima mostra baixo senso de pertencimento em grupos específicos, mas não há ação planejada
- Turnover de grupos minorizados é significativamente maior, mas conversas não levam a intervenção sistêmica
- Relatórios públicos de DEI mostram apenas números positivos, enquanto dados internos revelam problemas sérios
- Dados de representação em liderança são estáticos ou piorando ao longo de anos
- Não há análise de equidade salarial ou análise mostra gaps mas "faltam recursos" para agir
- Decisões de promoção não são baseadas em dados — são baseadas em "relacionamentos" ou percepção
- Mensagens corporativas sobre DEI não refletem experiência relatada em pesquisas internas
Caminhos para coletar e usar dados de DEI de forma responsável
Existem duas abordagens complementares para estruturar dados de DEI:
Estruturar sistema de coleta e análise de dados de DEI usando capacidade interna de RH e dados já disponíveis.
- Perfil necessário: Profissional de RH com experiência em dados, analytics ou BI básico, e proximidade com liderança para discussão de resultados e ação
- Tempo estimado: Design do que coletar em 2–3 semanas; coleta de dados históricos em 3–4 semanas; primeira análise em 2 semanas; apresentação em 1 semana
- Faz sentido quando: Organização tem dados já estruturados, RH tem capacidade técnica, objetivo é criar baseline interno rápido com baixo custo
- Risco principal: Dados incompletos (ex: nem todos responderam pesquisa, dados de saída não estão organizados); viés em análise; falta de perspectiva externa
Contratar especialista em dados de DEI ou consultoria para design robusto de coleta, análise e definição de ação.
- Tipo de fornecedor: Consultoria de DEI, especialista em análise de dados de diversidade, agência de sustentabilidade/ESG com expertise em DEI
- Vantagem: Metodologia comprovada, análise isenta, benchmarks externos, recomendações baseadas em casos similares, treinamento da equipe interna
- Faz sentido quando: Organização quer análise robusta e isenta, precisa de credibilidade externa, objetivo é transformar diagnóstico em plano de ação estratégico
- Resultado típico: Relatório de diagnóstico com dados desagregados, benchmarking interno e externo, recomendações específicas de ação, treinamento de liderança em interpretação responsável
Precisa de ajuda para estruturar dados de DEI de forma responsável?
Na plataforma oHub você encontra especialistas em coleta e análise de dados de DEI, consultores em equidade salarial, e agências com expertise em diagnóstico e estratégia de inclusão. Envie sua demanda — você receberá propostas de profissionais qualificados para ajudar a estruturar coleta responsável, analisar dados com integridade e transformar insights em ação.
Encontrar fornecedores de RH no oHub
Sem custo, sem compromisso. Você recebe propostas e decide se e com quem avançar.
Perguntas frequentes sobre dados de DEI
Quais são os dados essenciais de DEI que toda organização deve coletar?
Representação (% por grupo demográfico por nível hierárquico), retenção (turnover por grupo e motivos de saída), e clima/pertencimento (pesquisa periódica com perguntas sobre segurança psicológica e senso de pertencimento). Esses três formam a base mínima para qualquer estratégia de DEI, independente do porte.
Como evitar coleta excessiva de dados (data overload)?
Aplique três filtros: utilidade (que decisão este dado informa?), capacidade (há recursos para analisar e agir?) e privacidade (a coleta é proporcional e respeita LGPD?). Comece pelo essencial e adicione dados mais complexos apenas quando o básico estiver funcionando. Dados que não geram ação não valem o esforço de coleta.
Qual é a diferença entre dado interessante e dado acionável?
Dado interessante gera curiosidade: "40% da empresa são mulheres". Dado acionável gera decisão: "40% da empresa são mulheres, mas apenas 12% das promoções — o que indica viés no processo de promoção". A diferença está em conectar dado a gap, gap a causa, e causa a intervenção específica com responsável e prazo.
Como garantir responsabilidade ao usar dados de grupos minorizados?
Garanta anonimato em grupos com menos de 5 pessoas, comunique com transparência como os dados serão usados, obtenha consentimento informado para dados sensíveis, e interprete sempre a partir de causas sistêmicas — nunca atribua gaps a características dos grupos. A interpretação responsável parte da premissa de que desigualdade de resultado indica falha no sistema, não nos indivíduos.
Quais dados conectar a performance e negócio?
Custos de turnover segmentados por grupo (convertendo inclusão em linguagem financeira), inovação correlacionada a diversidade de equipes, e eNPS segmentado que antecipa riscos de engajamento e retenção. Essas conexões traduzem DEI de iniciativa de RH para estratégia de negócio com impacto mensurável.
Como usar dados sem alimentar estereótipos?
Sempre interprete gaps como indicadores de falhas sistêmicas, não de características dos grupos. Investigue causas (viés em avaliações, falta de acesso a redes, políticas excludentes) antes de comunicar. Use dados desagregados (interseccionais) com cuidado especial de anonimato. Compartilhe dados negativos internamente — transformá-los apenas em comunicação positiva externa é contradição que desgasta credibilidade.
Referências e leituras recomendadas
- McKinsey & Company. The new frontier of diversity, equity, and inclusion measurement. 2021.
- Deloitte. The state of diversity and belonging in the workplace. 2021.
- Instituto Ethos & IBGE. Perfil Social, Racial e de Gênero das 500 Maiores Empresas do Brasil.
- Harvard Business Review. How to use data to reduce bias in your organization. 2019.
- Catalyst. Intersectionality matters: Data and analytics for inclusive workplaces. 2020.