A gestão de pessoas em tempos de economia orientada por dados

"Organizações de vanguarda estão adotando métodos cada vez mais sofisticados de análise de dados sobre seus colaboradores para ampliar sua vantagem competitiva."¹

Introdução

A gestão de pessoas sempre funcionou como sistema matricial, cruzando a oferta do mercado de trabalho com as necessidades da organização em três dimensões — identificar quem contratar, desenvolver quem já foi contratado, reter quem já provou seu valor. A nova economia orientada por dados não substitui essa lógica: multiplica sua escala.

Bases internas e externas, organizadas como Data Lakes, passam a sustentar cada uma dessas três dimensões, e a antiga fronteira entre indicador quantitativo e avaliação qualitativa desaparece. Relatórios de instituições de ensino, pareceres de empresas anteriores, certificados de cursos, avaliações de desempenho de diferentes naturezas e demonstrações objetivas de conhecimento ou habilidade passam a integrar o mesmo patrimônio informacional que sustenta qualquer decisão sobre pessoas. Agora, literalmente, tudo é dado e compartilha a mesma base dados.

O desafio decisivo deixa de ser contratar, desenvolver ou reter isoladamente. Passa a ser estruturar a arquitetura de dados capaz de sustentar as três operações ao mesmo tempo — e de servir, com a mesma qualidade, tanto a pessoa que se posiciona no mercado de trabalho quanto a empresa que precisa compreender suas próprias demandas.

1. O sistema matricial da gestão de pessoas

A gestão de pessoas funciona como sistema matricial. De um lado, o mercado de trabalho oferece profissionais com diferentes níveis de qualificação, experiência, competências técnicas e características comportamentais. Do outro, a organização apresenta demandas que raramente permanecem estáveis.

Um profissional contratado para uma função específica revela, ao longo da trajetória, novas competências, identifica oportunidades e demonstra capacidades que levam a empresa a redefinir suas próprias necessidades. Essa dinâmica se organiza em três dimensões internas, e cada uma delas carrega sua própria lógica de risco e de retorno.

Cada uma dessas dimensões, no entanto, só ganha precisão quando apoiada em dados concretos. Um gestor pode intuir que falta uma competência específica na equipe; um Data Lake bem estruturado permite verificar essa intuição contra o histórico de avaliações, contra os relatórios de desempenho acumulados e contra os registros de formação de cada colaborador. A intuição continua relevante, mas deixa de ser a única evidência disponível.

2. O diagnóstico do que falta: a dimensão da contratação

A dimensão da contratação exige identificar com precisão as necessidades da organização. A empresa precisa compreender quais competências realmente necessita antes de comunicar essas demandas ao mercado — e comunicá-las de forma clara e objetiva, não como lista genérica de requisitos copiados do último processo seletivo.

Poucas competências são tão raras, e tão mal remuneradas pelo mercado, quanto a de definir com exatidão o que falta antes de sair à procura de quem preenche a falta. Um Data Lake interno, alimentado por avaliações de desempenho, relatórios de lideranças e histórico de projetos, revela com mais precisão essa lacuna do que qualquer levantamento pontual de necessidades.

Do lado externo, o mesmo raciocínio se aplica ao candidato. Diplomas, certificados de cursos, avaliações de instituições de ensino, pareceres de empregadores anteriores e demonstrações concretas de conhecimento ou habilidade compõem um Data Lake externo que posiciona cada profissional diante do mercado de trabalho com muito mais nuance do que um currículo tradicional jamais ofereceria. A contratação bem-sucedida nasce do cruzamento entre os dois Data Lakes — o que a empresa sabe que precisa e o que o mercado consegue demonstrar que oferece.

Essa combinação também reduz um risco recorrente em processos seletivos: a contratação decidida por afinidade pessoal, disfarçada de avaliação técnica. Quando o Data Lake reúne avaliações de terceiros, históricos verificáveis e demonstrações de competência, a decisão de contratar ganha lastro documental que resiste ao viés do entrevistador e sobrevive à eventual troca do próprio gestor responsável pela seleção.

3. A distância medida: o desenvolvimento de quem já foi contratado

A dimensão do desenvolvimento corresponde à qualificação dos profissionais já contratados. Depois da contratação, a empresa precisa identificar lacunas de conhecimento, promover qualificação, estimular o aprendizado contínuo e ampliar a experiência acumulada pelos colaboradores.

Boa parte desse trabalho fracassa não por falta de orçamento de treinamento, mas por falta de diagnóstico: a organização qualifica o que já domina, e ignora o que efetivamente lhe falta, porque nunca mediu a distância entre as duas coisas com precisão.

Um Data Lake de desenvolvimento reúne exatamente os elementos que permitem medir essa distância: histórico de cursos concluídos, avaliações de competências em diferentes momentos da trajetória, registros de desempenho em projetos, feedbacks de líderes e pares, e demonstrações práticas de habilidade colhidas ao longo do tempo. Cruzados, esses dados revelam não apenas o que falta, mas a velocidade com que cada lacuna pode ser preenchida.

4. O capital que se retém: a permanência de quem já provou valor

A retenção de talentos completa o ciclo. Contratar e desenvolver pessoas não bastam; a organização precisa criar condições para que os profissionais de maior valor permaneçam nela, preservando o capital intelectual construído ao longo do tempo.

Toda saída de um profissional experiente carrega, junto com a pessoa, uma fração do conhecimento tácito que nenhum sistema registrou — e que nenhuma contratação seguinte recupera de imediato.

Um Data Lake de retenção não se resume a indicadores de rotatividade. Incorpora avaliações de clima, histórico de reconhecimento, trajetória de remuneração, participação em projetos estratégicos e sinais mais sutis — como o engajamento em iniciativas de mentoria ou a frequência com que um profissional é procurado por colegas para resolver problemas complexos. Esses sinais, tratados como dado, antecipam risco de saída antes que ele se manifeste como pedido de demissão.

A retenção orientada por dados evita ainda um erro comum: tratar todos os talentos como se carregassem o mesmo tipo de risco de saída. Um profissional recém-promovido, um especialista técnico raro no mercado e uma liderança em fase de transição de carreira respondem a estímulos de retenção completamente diferentes. Só um Data Lake capaz de diferenciar esses perfis permite que a organização direcione recursos de retenção para onde eles realmente fazem diferença, em vez de aplicar políticas genéricas a públicos heterogêneos.

5. A virada: quando a gestão de pessoas se torna orientada por dados

Na era da inteligência artificial e da nova economia orientada por dados, essa lógica ganha uma dimensão adicional. A gestão eficiente de pessoas depende, cada vez mais, da capacidade de organizar, integrar e interpretar grandes volumes de informação — não para substituir o julgamento sobre pessoas, mas para sustentá-lo com evidência onde antes havia apenas intuição e memória de curto prazo.

Externamente, a organização precisa acompanhar o mercado de trabalho por meio de bases de dados capazes de representar, com elevada plasticidade, a disponibilidade de profissionais, suas qualificações, experiências, certificações e trajetórias. Internamente, o desafio consiste em transformar em dado o patrimônio de conhecimento já existente na organização — competências técnicas, conhecimentos tácitos, histórico de capacitações, experiências acumuladas, desempenho, potencial de crescimento e demais atributos que caracterizam o capital humano da empresa.

A virada não está apenas na quantidade de dados disponíveis, mas na disposição de tratar como dado aquilo que antes só existia como impressão pessoal de um gestor. Os pareceres informais sobre a maturidade de colaboradores, as avaliações de curso concluída, relatórios de desempenho arquivados sem consulta — tudo isso constitui patrimônio informacional na mesma medida que qualquer indicador numérico, desde que a organização decida estruturá-lo como tal.

O dado interno sobre as próprias pessoas repete o paradoxo mais antigo da gestão: a organização raramente sabe o que já sabe sobre quem já contratou.

6. O Data Lake de pessoas: dentro e fora da organização

Nesse contexto, a arquitetura de dados se organiza como integração entre um Data Lake interno e um ou mais Data Lakes externos. O primeiro reúne todo o conhecimento produzido pela organização sobre seus profissionais. Os segundos concentram informações provenientes do mercado de trabalho, instituições de ensino, plataformas profissionais, certificações e outras fontes relevantes.

Essa arquitetura apaga a antiga separação entre dado quantitativo e dado qualitativo. Um Data Lake de pessoas não armazena apenas indicadores numéricos: incorpora relatórios de desempenho, avaliações de competências, registros de desenvolvimento profissional, análises comportamentais, indicadores de inteligência emocional, capacidade de resolução de problemas, feedbacks e pareceres de liderança — qualquer informação capaz de ampliar o conhecimento sobre uma pessoa.

Nesta arquitetura desaparece a fronteira entre o indicador e o relato: um parecer de liderança passa a valer tanto quanto um número.

O mesmo movimento atinge a leitura do mercado. Formação acadêmica, tempo de experiência e empresas pelas quais o profissional passou deixam de ser os únicos critérios relevantes. Produção intelectual, comunicação profissional, recomendações, avaliações, histórico de projetos e competências demonstradas passam a integrar esse ecossistema, oferecendo uma visão muito mais ampla do potencial de cada indivíduo.

Essa convergência elimina as fronteiras entre dado estruturado e não estruturado, entre indicador estatístico e informação descritiva. Todos passam a compor um único patrimônio informacional, tratável por tecnologias de inteligência artificial e análise avançada.

7. Duas faces do mesmo dado: posicionar a pessoa, posicionar a empresa

O ponto decisivo é que essa mesma arquitetura de dados serve aos dois lados da relação de trabalho, sem distinção de origem ou de propósito. Os relatórios de instituições de ensino, as avaliações de cursos, os pareceres de empresas anteriores e as demonstrações de competência que compõem o Data Lake externo posicionam o profissional diante do mercado. Os mesmos tipos de registro, quando produzidos internamente, posicionam a empresa diante de sua própria força de trabalho.

Uma avaliação de desempenho não vale apenas como instrumento de gestão interna: descreve, com precisão, o tipo de profissional que uma organização forma e retém, informação que pode orientar decisões de contratação em outras empresas do mesmo setor. Um certificado de curso não vale apenas como credencial para o mercado: revela, para a empresa que já emprega o profissional, uma lacuna que estava sendo preenchida sem que a organização tivesse pleno conhecimento do fato.

Essa simetria transforma o propósito da gestão de pessoas orientada por dados. Não se trata apenas de escolher melhor quem contratar, mas de produzir, continuamente, o tipo de dado que permite às duas pontas do mercado de trabalho — pessoa e empresa — se reconhecerem com mais exatidão. Quanto mais completo o Data Lake de cada ramo da matriz, mais preciso o diagnóstico que a empresa faz de seu próprio quadro de colaboradores, e mais eficazes as estratégias de atração e retenção construídas a partir dele.

Essa simetria também redefine a relação entre a pessoa e a própria trajetória profissional. Ao compreender que suas avaliações, certificações e demonstrações de competência compõem um patrimônio de dados que qualquer empregador poderá consultar, o profissional passa a gerir essa trajetória com mais intenção — buscando as certificações que preenchem lacunas reais, e não apenas as que ocupam espaço em um currículo. A gestão de pessoas orientada por dados, nesse sentido, devolve à própria pessoa parte do controle sobre como ela é lida pelo mercado.

Considerações finais

O grande desafio da gestão de pessoas na economia orientada por dados está em estruturar esses Data Lakes internos e externos, garantir sua interoperabilidade e transformá-los em instrumentos de inteligência organizacional. Dessa integração dependerá a capacidade das empresas de selecionar melhores profissionais, desenvolver competências com maior precisão e reter os talentos que sustentam sua vantagem competitiva.

A epígrafe deste texto vale menos como ornamento do que como diagnóstico. Toda organização que ignora seu próprio patrimônio de conhecimento sobre pessoas — que não sabe o que já sabe — enfrenta o mercado de talento em desvantagem equivalente à de quem entra em batalha sem se conhecer. A economia orientada por dados não elimina essa antiga exigência de autoconhecimento organizacional. Apenas a torna, pela primeira vez, tecnicamente possível em escala.

Conhecer o mercado e conhecer a si mesma seguem sendo, para qualquer organização, as duas condições de qualquer vitória duradoura na disputa por talento. A diferença, nesta nova economia, é que ambos os conhecimentos deixam de depender da memória dispersa de gestores isolados e passam a residir em Data Lakes capazes de sustentar, ao mesmo tempo, a contratação, o desenvolvimento e a retenção de pessoas.

Referências

DAVENPORT, Thomas H.; HARRIS, Jeanne G.; SHAPIRO, Jeremy. Competing on Talent Analytics. Harvard Business Review, v. 88, n. 10, p. 52–58, out. 2010.