Publicação
Will They Stay or Will They Go? A utilização de HR Analytics na previsão de employee turnover
| Resumo: | Esta estudo analisa a aplicação de modelos preditivos avançados para prever a rotatividade dos trabalhadores na empresa MiX, uma startup de tecnologia em crescimento. Com uma taxa de turnover bienal superior a 20%, a MiX enfrenta desafios significativos na retenção de talentos. É comparada a eficácia do modelo tradicional, como a taxa clássica de rotatividade, com modelos preditivos mais sofisticados, como a Regressão Logística (RL) e a Árvore de Decisão (AD), com o objetivo de identificar os factores determinantes da rotatividade e aprimorar as estratégias de retenção desta empresa. A metodologia utilizada envolveu a análise de dados extraídos do sistema HRIS (Human Resource Information System) da empresa, que fornece informações sobre os trabalhadores, como por exemplo, dados demográficos e organizacionais. Os modelos RL e AD foram aplicados para prever a rotatividade, enquanto o HRIS foi usado como base para comparações. Os resultados demonstraram que os modelos preditivos, especialmente a RL, superaram o HRIS em termos de precisão na previsão da rotatividade. Fatores como idade, tempo de serviço, satisfação no trabalho e género mostraram-se estatisticamente significativos na determinação da probabilidade de saída dos colaboradores. A análise revelou também que a estabilidade no cargo e o tempo desde o último aumento salarial são indicadores-chave da retenção, enquanto a idade apresentou padrões complexos. Com base nesses resultados, recomenda-se que a MiX utilize simultaneamente o sistema HRIS e os modelos preditivos. A adoção desta abordagem pode ajudar a identificar previamente os grupos de risco, permitindo intervenções direcionadas, como programas de mobilidade interna e planos de carreira personalizados. O estudo contribui para a aplicação de técnicas analíticas na gestão de recursos humanos e oferece insights valiosos para melhorar a retenção de talentos nesta organização. |
|---|---|
| Autores principais: | Nogueira, Patrícia Alexandra Vieira |
| Assunto: | HR Analytics Turnover prediction HRIS |
| Ano: | 2025 |
| País: | Portugal |
| Tipo de documento: | dissertação de mestrado |
| Tipo de acesso: | acesso aberto |
| Instituição associada: | Universidade do Minho |
| Idioma: | português |
| Origem: | RepositóriUM - Universidade do Minho |
| Resumo: | Esta estudo analisa a aplicação de modelos preditivos avançados para prever a rotatividade dos trabalhadores na empresa MiX, uma startup de tecnologia em crescimento. Com uma taxa de turnover bienal superior a 20%, a MiX enfrenta desafios significativos na retenção de talentos. É comparada a eficácia do modelo tradicional, como a taxa clássica de rotatividade, com modelos preditivos mais sofisticados, como a Regressão Logística (RL) e a Árvore de Decisão (AD), com o objetivo de identificar os factores determinantes da rotatividade e aprimorar as estratégias de retenção desta empresa. A metodologia utilizada envolveu a análise de dados extraídos do sistema HRIS (Human Resource Information System) da empresa, que fornece informações sobre os trabalhadores, como por exemplo, dados demográficos e organizacionais. Os modelos RL e AD foram aplicados para prever a rotatividade, enquanto o HRIS foi usado como base para comparações. Os resultados demonstraram que os modelos preditivos, especialmente a RL, superaram o HRIS em termos de precisão na previsão da rotatividade. Fatores como idade, tempo de serviço, satisfação no trabalho e género mostraram-se estatisticamente significativos na determinação da probabilidade de saída dos colaboradores. A análise revelou também que a estabilidade no cargo e o tempo desde o último aumento salarial são indicadores-chave da retenção, enquanto a idade apresentou padrões complexos. Com base nesses resultados, recomenda-se que a MiX utilize simultaneamente o sistema HRIS e os modelos preditivos. A adoção desta abordagem pode ajudar a identificar previamente os grupos de risco, permitindo intervenções direcionadas, como programas de mobilidade interna e planos de carreira personalizados. O estudo contribui para a aplicação de técnicas analíticas na gestão de recursos humanos e oferece insights valiosos para melhorar a retenção de talentos nesta organização. |
|---|