Estamos medindo as pessoas erradas — e os indicadores errados
Esses dias eu estava lendo um artigo do Will Thalheimer sobre avaliação de aprendizagem. Aquele debate eterno sobre medir impacto organizacional versus medir o que realmente é melhorável.
E enquanto lia, uma coisa ficou martelando na minha cabeça: talvez o maior problema não esteja na forma como medimos treinamento, mas sim na forma como medimos pessoas.
A provocação central do texto dele é simples e desconfortável: a obsessão por medir impacto final pode estar nos distraindo de medir os mecanismos que realmente podemos melhorar.
E eu comecei a pensar, isso não é só um problema de L&D (Aprendizagem e Desenvolvimento - Learning & Development em inglês). É um problema estrutural de People Analytics.
Existe uma ansiedade quase institucional por provar valor. Mostrar impacto no negócio, redução de turnover, aumento de performance. Mostrar ROI. Tudo isso é importante, claro. Mas quase sempre estamos olhando para o fim da cadeia. O impacto aparece quando o sistema já operou. Quando você vê, o turnover já aconteceu. Quando você consolida a performance anual, o trimestre já acabou. Quando você calcula o ROI, o investimento já foi feito.
É como tentar ajustar a operação olhando apenas o EBITDA. Ele é essencial para entender o resultado, mas não é o que você move na quarta-feira de manhã.
O ponto que mais me marcou no texto que li foi a crítica à confusão entre reação, aprendizado, aplicação e impacto. Gostar do treinamento não significa ter aprendido. Aprender não significa aplicar. Aplicar não significa gerar resultado. E mesmo quando há resultado, isso não garante que você entendeu a causa.
Pessoas saem por desconexão
A confusão mencionada não está restrita ao mundo de L&D. Ela atravessa toda a gestão de pessoas.
Quando alguém diz que o onboarding foi bem avaliado, isso pode significar apenas que a experiência foi confortável. Conforto não é clareza. E clareza é o que sustenta desempenho. Quando celebramos o volume de horas de treinamento, podemos estar celebrando atividade, não transformação. Quando analisamos o turnover acumulado, estamos olhando o desfecho, não o processo.
Pessoas não saem por turnover. Saem por desconexão.
A desconexão começa muito antes. Começa quando as metas não estão claras o suficiente. Quando o discurso e a prática não se alinham. Quando o feedback é raro ou superficial. Quando a expectativa inicial de crescimento encontra uma realidade confusa. A saída é só o último capítulo. Mas nós insistimos em medir apenas o último capítulo.
É como tentar entender churn olhando só o cancelamento, ignorando que o usuário deixou de usar o produto meses antes.
Afinal, para quais dados devemos olhar?
Se a provocação do artigo que li é “meça o que pode ser melhorado”, então talvez devêssemos fazer a pergunta certa em People Analytics. Não “qual foi o impacto?”, mas “qual mecanismo estamos deixando de acompanhar?”, “qual mecanismo realmente é acionável em uma frequência humanamente possível de agir?”.
Será que estamos medindo o tempo até alguém realmente entender como ganha o jogo? Será que sabemos quanto tempo passa entre um problema percebido e uma conversa estruturada com o gestor? Será que conseguimos enxergar o gap entre a expectativa inicial de sucesso e a percepção real depois de sessenta dias? Será que sabemos quando a frustração começa a se acumular?
Essas não são métricas glamourosas. Elas não entram fácil em relatórios de conselho. Mas são métricas de sistema. E sistemas podem ser ajustados.
Talvez a maturidade em People Analytics não esteja em ter mais dashboards, mas em saber quais indicadores alteram comportamento. Se um indicador não muda a agenda do gestor na próxima semana, ele é histórico. Ele explica. Mas não intervém.
O que mais me fez refletir naquele texto (se você também quiser ler ele, está aqui o link) não foi a técnica, foi a lógica. Avaliar impacto parece estratégico. Medir mecanismo é desconfortável. Porque mecanismo expõe processo, liderança, decisão, incoerência.
Mas é ali que mora a melhoria. Talvez o avanço real em People Analytics não seja provar que geramos impacto.
Talvez seja criar condições para intervir antes que o impacto negativo apareça.
Menos obsessão por explicar o que aconteceu. Mais disciplina para enxergar o que está prestes a acontecer.
E isso, no fundo, é menos sobre medir pessoas. E mais sobre medir o sistema que as cerca.
Se você quer conhecer com mais profundidade os indicadores de People Analytics, não deixe de baixar o nosso ebook gratuito: Principais indicadores de People Analytics! Baixe agora!
Leia mais artigos de Laura Zambon:
