A taxa de turnover chega quando a pessoa já saiu. Ela explica o passado e não diz com quem ainda dá tempo de conversar.
Este guia é para RH e para quem lidera pessoas: o que a análise preditiva é, quais sinais entram, como começar com dados que a empresa já tem e como agir sem punir alguém por um escore. Equipes comerciais têm ritmo, meta e carteira próprios. O plano desse time está em como reduzir o turnover em equipes comerciais. Aqui o método vale para qualquer área.
O que é análise preditiva de turnover
Turnover, neste texto, é a saída de pessoas num período. A taxa olha para trás. Uma forma usual de calculá-la é dividir os desligamentos do período pelo quadro médio, a média entre o número de pessoas no início e no fim. A mesma taxa, em duas áreas, pode esconder causas diferentes.
A análise preditiva olha para a frente. Reúne sinais do histórico e estima, de forma relativa, onde o risco de saída parece maior antes do pedido de demissão. Não é certeza. É tempo para conversa, desenvolvimento ou ajuste de gestão.
A inteligência artificial entra quando a planilha da reunião não dá conta dos sinais. Um modelo ordena grupos e destaca combinações que um filtro único não mostra, como queda de avaliação com tempo longo sem movimentação. Sem dado mínimo e sem leitura humana, só acelera um palpite.
Isso é people analytics: dados de pessoas a serviço de uma decisão. O guia o que é People Analytics situa o método. Antecipar turnover é uma pergunta dentro dele.
Prever turnover não é adivinhar quem vai embora. É chegar mais cedo na conversa que ainda pode mudar a decisão.
Quais sinais costumam alimentar a leitura
Nenhum sinal, sozinho, mostra que alguém vai sair. O uso está na combinação, comparada ao histórico da própria empresa. Só entra o que a empresa já registra. Dado inventado para completar o modelo vira risco falso.
Tempo de casa. Separe os primeiros meses, o fim do período de experiência e o tempo longo no mesmo escopo. O motivo da saída costuma mudar de uma faixa para a outra.
Avaliações de desempenho. Olhe a variação contra o próprio histórico, com exemplo do trabalho, não a nota isolada. A avaliação de desempenho contínua aproxima o registro do fato. Feita só de memória, no fim do ano, a nota lembra das últimas semanas.
Movimentação e promoção. Tempo longo no cargo, movimento parado ou promoção anunciada e adiada é contexto. A pessoa pode estar bem onde está, ou pode ter deixado de ver o próximo passo.
Absenteísmo. Mais faltas, atrasos ou ausências curtas, frente ao padrão da pessoa e da equipe, pode acompanhar desengajamento, saúde, cuidado familiar ou escala. O dado abre a pergunta. Não a fecha e não autoriza vigilância.
Clima e engajamento. Pesquisa, pulso e participação sinalizam o grupo e, se o desenho permitir, a pessoa. Comentário repetido sobre reconhecimento ou liderança pede cruzamento com os outros campos.
Remuneração em relação ao mercado. Distância da faixa interna, ou de uma referência de mercado que a empresa já usa, é contexto. Sem esse parâmetro, o campo vira opinião. Não feche o caso só pela remuneração: cruze com a carreira e com o gestor.
Mudança de gestor. Troca recente, ou relação já descrita como tensa na avaliação e no clima, muda a pauta. Pergunte se o incômodo é a empresa, o cargo ou a rotina com aquela chefia. O dado aponta a gestão. Não acusa o gestor.
Como começar, passo a passo
O algoritmo vem por último.
- Reúna admissão, cargo, área, gestor, desligamentos com data e tipo, avaliações, movimentações, ausências e, se houver, clima e faixa. Use um identificador único de pessoa e limpe cargo duplicado e saída sem tipo antes do escore.
- Defina a saída que quer antecipar: voluntária, separada de desempenho, fim de contrato e aposentadoria. Fixe o horizonte, como os próximos meses, e quem entra na conta. Escreva a definição num parágrafo.
- Separe por área, tempo de casa e, se couber, nível do cargo. Os indicadores de RH que importam têm dono e provocam ação. Um número único não diz quem conversa com quem.
- Antes do machine learning, monte um escore com poucos desses sinais, como tempo de casa, avaliação, movimentação, clima, ausência, faixa e troca de gestor, e com pesos que a liderança explique. Ele ordena a atenção. Não é uma probabilidade. Peso sem justificativa fica de fora.
- No período anterior, veja se quem saiu voluntariamente cairia no grupo de maior atenção e se quem ficou seria marcado sem necessidade. Regra que pega quase todo mundo não prioriza. Regra que não pega quem saiu falhou, ou o dado está vazio. Modelo de IA só depois, e só com volume para ver o que o escore simples não vê.
- Combine quem conversa, o prazo e o ajuste. Registre se a pessoa ficou, mudou de área e se o tema era gestão, carreira ou remuneração.
Exemplo ilustrativo, não um caso: a atenção sobe quando se juntam a faixa de tempo de casa em que a área mais se desligou, uma avaliação em queda e um ciclo sem movimentação. Um sinal isolado não basta. A conversa confirma ou descarta.
Como agir quando o risco aparece
O resultado útil é uma pauta. A conversa escolhe o caminho.
Conversa de permanência. Na stay interview, a pessoa ainda está na empresa. Pergunte o que a faz ficar, o que custa energia, como está a liderança e qual próximo passo ela enxerga. O gestor conduz se a relação permite. O RH conduz se o gestor é o tema. O combinado fica escrito, com prazo e dono.
Plano de desenvolvimento. Se falta perspectiva ou uma competência trava o próximo passo, feche uma prioridade, uma prática no trabalho e uma data de revisão. O PDI com inteligência artificial mostra como o plano sai da pasta. Curso genérico não trata falta de reconhecimento.
Mobilidade interna. Se o cargo esgotou e há outra cadeira em que a pessoa pode contribuir, o movimento interno é uma alternativa à saída. Exige vaga real, critério claro e conversa com a área de destino. Promessa que não se cumpre aumenta o risco.
Ajuste de gestão. Várias pessoas em atenção sob a mesma liderança, com clima em queda e o mesmo relato, tiram o caso do plano individual. Pode ser carga, reconhecimento, feedback ou clareza. O RH leva o padrão à liderança da área, sem expor confidência. Olhar a gestão vem antes de trocar o gestor.
Atividade, meta e carteira mudam o que uma equipe comercial mostra e o prazo da ação. O recorte está em reduzir o turnover em equipes comerciais.
Ética, LGPD e revisão humana
O risco individual é dado pessoal: trajetória, relação com a chefia e, sem filtro, informação que não deveria entrar no modelo. A Lei Geral de Proteção de Dados pede finalidade, necessidade e transparência. O desenho abaixo é cuidado de gestão. A empresa confirma a base legal com quem a orienta.
Transparência. As pessoas precisam saber que trajetória, desempenho e clima podem orientar a retenção, quem vê o resultado e para que ele serve. Escore escondido, usado para decidir sozinho, quebra a conversa de permanência.
Sem uso punitivo. O risco não prova deslealdade e não serve para demitir, cortar variável ou bloquear promoção. Punição ensina a esconder sinal. O uso é conversa, desenvolvimento, mobilidade ou ajuste de gestão.
Menos dado sensível. Saúde, religião, filiação sindical e biometria ficam de fora. Absenteísmo, se entrar, é frequência da jornada, não diagnóstico. Comentário livre de pesquisa só entra com finalidade clara e acesso restrito.
Revisão humana. Ninguém é abordado por ordem do escore. O RH confere se o dado está inteiro e se a conversa cabe. A IA ordena e resume. A decisão é humana.
Viés. O modelo repete o histórico. Se as saídas se concentram em quem cuida de família, em um recorte da equipe ou em quem discordou do gestor, a regra pode marcar essas pessoas de novo. Compare o grupo de maior risco com a composição da empresa e ajuste o que não se explicar pelo trabalho.
Acesso só de quem conduz a retenção da equipe. Não exporte a base para uma ferramenta sem contrato e sem controle. O que não muda a conversa fica de fora.
Erros que fazem a previsão não servir
- Tratar a taxa como previsão. Ela descreve quem já saiu.
- Começar pela IA com cargo inconsistente, saída sem tipo e base vazia.
- Publicar ranking individual sem recorte de área e de tempo de casa, e sem ação para a liderança.
- Demitir, segurar aumento ou vigiar mensagem e calendário a partir do escore.
- Ignorar a gestão quando o risco se concentra numa mesma liderança.
- Copiar o roteiro de uma equipe comercial para outra área.
- Não conferir quem saiu e quem ficou antes de ampliar a regra.
- Julgar o trabalho só pela taxa geral. Ela pode cair com uma área crítica ainda em risco, ou porque a empresa contratou menos.
Da leitura à conversa
O método chega mais cedo na pergunta: quem precisa falar de carreira, gestão, movimento ou reconhecimento, enquanto ainda está. O primeiro escore usa dados que a empresa já tem. A IA prioriza quando o volume cresce. RH e liderança decidem, à vista de quem é afetado.
A Bravto usa people analytics e inteligência artificial para ajudar a identificar riscos e oportunidades de desenvolvimento. Para conhecer a proposta, o caminho é bravto.co.
Perguntas frequentes
Reúna os dados que a empresa já tem, defina qual saída você quer antecipar e separe por área e tempo de casa. Monte um escore simples, com sinais que a liderança consegue explicar, e confira a regra em quem já saiu e em quem ficou. Use a IA para cruzar um volume maior só quando essa base estiver limpa. O resultado prioriza conversa de permanência, desenvolvimento, mobilidade interna ou ajuste de gestão, sempre com revisão humana.
A taxa de turnover descreve desligamentos que já ocorreram em relação ao tamanho da equipe. Uma forma usual de calculá-la é dividir os desligamentos do período pelo quadro médio. A análise preditiva tenta indicar, antes do pedido, onde o risco de saída parece maior. Uma olha para trás. A outra organiza a atenção para a frente e não garante que a pessoa vai sair.
Cadastro com admissão, cargo, área e gestor, desligamentos com data e tipo, avaliações, movimentações e ausências. Clima e faixa salarial ajudam quando já existem e são confiáveis. Dado sensível, como informação de saúde, fica de fora. Não é preciso um sistema novo para o primeiro recorte: é preciso o mesmo identificador de pessoa nas bases e uma definição clara de qual saída se quer antecipar.
Sim. Um escore com poucos sinais, pesos que RH e liderança conseguem explicar e uma checagem no histórico recente já prioriza a atenção. Um modelo de machine learning passa a fazer sentido quando há volume, histórico consistente e uma pergunta que a regra simples não responde. Sem dado limpo, o modelo não corrige a base: ele repete o erro com aparência de precisão.
Sim. O risco ligado a uma pessoa é dado pessoal e pede finalidade clara, uso apenas do que é necessário, transparência e acesso limitado a quem conduz a retenção daquela equipe. O escore não deve servir para punir, demitir ou bloquear promoção. Dado sensível não entra no modelo. Alguém revisa o resultado antes de qualquer ação individual, e a empresa confirma a base legal do caso com quem a orienta.
