People analytics para turnover por porte
Analytics simples em planilha: registrar data de entrada, data de saída, motivo declarado, cargo, área, gestor e tempo de empresa de cada colaborador que sai. Com apenas 10 saídas acumuladas, já é possível identificar padrões básicos. Custo zero, impacto alto. A análise não precisa ser sofisticada para ser útil.
Cruzamento de dados de saída com dados de engajamento (pulse survey ou pesquisa de clima) e performance. Identificar se as saídas são mais frequentes em determinadas áreas, gestores, faixas de tempo de empresa, ou gerações. A segmentação revela onde focar — o que a taxa agregada não mostra.
Modelo preditivo de turnover combinando dados de engajamento, performance, gestor, tempo sem promoção, e mercado externo. Dashboards automáticos de risk of exit para HRBPs. A análise preditiva só faz sentido quando há dados históricos suficientes (geralmente 2+ anos de saídas com variáveis associadas) e processo de ação definido para os casos identificados como risco.
A maioria das organizações sabe calcular o turnover. Poucas sabem analisá-lo de forma que leve a decisões acionáveis. A diferença entre medir e analisar é o que transforma dados de saída em estratégia de retenção.
A análise de turnover com people analytics não exige plataformas caras ou equipes de data science. Em muitos casos, uma planilha estruturada e consistentemente mantida oferece insights mais relevantes do que um dashboard sofisticado alimentado por dados de baixa qualidade. O princípio é simples: segmentar, cruzar, e identificar onde as saídas se concentram — porque é aí que as causas estão.
As dimensões de segmentação mais úteis
Por gestor. Esta é, de longe, a análise com maior potencial de insight acionável. Se a taxa de turnover de uma área é 30% e a média da empresa é 15%, e todas as áreas com mesmo perfil de função têm 12-15%, a análise por gestor é o próximo passo. Quando o turnover se concentra de forma desproporcional nas equipes de um ou dois gestores, a causa central raramente é estrutural — é de gestão. Essa informação raramente emerge sem a análise explícita.
Por tempo de empresa. Onde no ciclo de vida do colaborador o turnover se concentra? Saídas nos primeiros 12 meses indicam problema de onboarding, expectativa ou fit. Saídas entre 2 e 4 anos indicam problema de desenvolvimento e perspectiva. Saídas acima de 5 anos indicam problemas de reconhecimento, evolução de carreira, ou mudança de valores. Cada pico em um momento diferente tem causas e soluções diferentes.
Por nível hierárquico e performance. Quem está saindo — os de alto desempenho, os médios, ou os de baixo desempenho? Se o turnover está concentrado nos high performers, é um sinal crítico de que a organização não está criando as condições para reter quem mais gera valor. Se está concentrado nos de baixo desempenho, pode ser funcional — especialmente se há gestão ativa de performance.
Por perfil demográfico. Há diferença de turnover entre homens e mulheres? Entre faixas etárias? Entre colaboradores de determinadas regiões? Essas análises podem revelar problemas de inclusão, de adequação de políticas, ou de experiências diferentes dentro da mesma organização que a visão agregada oculta.
Da descrição para a predição
A análise descritiva (o turnover foi X, se concentrou em Y, com perfil Z) é o primeiro nível. O segundo nível é a análise preditiva: com base nos dados disponíveis, quais colaboradores têm maior probabilidade de sair nos próximos 60 a 90 dias?
Modelos preditivos de turnover combinam variáveis que se mostraram correlacionadas com saída em dados históricos: queda no score de engajamento, tempo sem promoção ou aumento, período após mudança de gestor, baixo reconhecimento, e quando disponível, atividade em plataformas de emprego. A combinação dessas variáveis em um modelo de risco cria um score que prioriza a atenção humana — não substitui a conversa, mas diz onde ela deve acontecer com urgência.
Análises práticas por porte
Tabela simples com todas as saídas dos últimos 2 anos: nome (anonimizado), cargo, área, gestor, tempo de empresa, motivo declarado, para onde foi (mercado, concorrente, saiu do setor). Revisão trimestral para identificar se há padrão. Pergunta central: "onde está se concentrando nosso turnover?" A resposta frequentemente aponta para onde agir.
Planilha ou BI simples com as dimensões de segmentação acima. Cruzamento anual de dados de turnover com dados de engajamento por área: há correlação entre baixo engajamento e alto turnover em determinadas áreas? Isso valida que os dados de engajamento são preditivos — e que agir sobre o engajamento é uma estratégia preventiva de retenção, não apenas de bem-estar.
Plataforma de people analytics (Visier, Workday People Analytics, SAP SuccessFactors Analytics) com model de predição de turnover. Integração de dados de engajamento, performance, HRIS e dados de mercado externo. Dashboard de risk score por colaborador para HRBPs. SLA de ação: colaboradores com score alto recebem atenção em até 30 dias.
O que people analytics revela sobre turnover — dados de pesquisa
- Empresas que usam people analytics têm 82% mais probabilidade de melhorar seu processo de recrutamento e 56% mais probabilidade de melhorar a retenção (Deloitte)
- Análise preditiva de turnover tem precisão de 60-75% em empresas com dados históricos suficientes
- Análise por gestor revela que, em média, 50% do turnover de uma organização está concentrado em 20% dos gestores (Gallup)
- Cruzar turnover com dados de engajamento melhora a capacidade de identificar risco de saída em 3x em relação ao uso isolado de cada dado
Perguntas frequentes
Qual é o volume mínimo de saídas necessário para que a análise de turnover seja estatisticamente confiável?
Para análise segmentada (por gestor, área, tempo de empresa), o ideal é ter pelo menos 20 a 30 saídas por dimensão de análise antes de tirar conclusões. Com volumes menores, os padrões que emergem podem ser ruído estatístico. Para análise preditiva com modelos de machine learning, o mínimo é geralmente de 100 a 150 saídas históricas com as variáveis relevantes associadas. Abaixo disso, análise qualitativa (entrevistas de desligamento) é mais confiável do que quantitativa.
Como apresentar análise de turnover para a liderança de forma que gere ação, não apenas interesse?
A diferença entre análise que gera interesse e análise que gera ação está em três elementos: especificidade (não "o turnover é um problema", mas "o turnover da área X é 3x a média da empresa, concentrado em colaboradores com 1 a 3 anos de empresa, sob dois gestores específicos"), impacto financeiro (o custo estimado dessas saídas foi R$ X no último ano), e recomendação clara (com base nesses dados, sugerimos as seguintes três ações com ROI estimado). Lideranças não agem sobre insights abstratos — agem sobre problemas específicos com custo claro e solução proposta.