Publicação

The importance of workforce planning and turnover prediction in retail: leveraging people analytics for strategic decision making

Ver documento

Detalhes bibliográficos
Resumo:O presente trabalho propõe uma abordagem inovadora para o planeamento estratégico de recursos humanos no setor do retalho, através do desenvolvimento de modelos preditivos de turnover com base em técnicas de People Analytics. A elevada taxa de turnover neste setor, aliada à necessidade de uma gestão mais eficiente da força de trabalho, justificou a criação de duas soluções distintas, ambas baseadas no algoritmo XGBoost: um modelo de previsão a um ano e outro a cinco anos. O modelo de um ano tem como objetivo estimar a probabilidade de saída voluntária de cada colaborador com base nas suas características individuais. Já o modelo de cinco anos é desenvolvido a partir de dados agregados, considerando combinações de características como função, localização e tipo de loja, bem como perfis-tipo de colaboradores com atributos semelhantes. Esta estrutura permite realizar projeções estratégicas de longo prazo em contextos de maior incerteza. Para assegurar a aplicabilidade prática das previsões, o modelo utiliza apenas variáveis e categorias cujo valor é conhecido ou estimável à partida. Ambos os modelos demonstraram capacidades preditivas relevantes, destacando-se a importância de variáveis como remuneração fixa, senioridade e idade. No entanto, verificaram-se enviesamentos sistemáticos em alguns segmentos — especialmente nos grupos com menor senioridade — e uma utilização limitada das avaliações de performance e potencial, fatores que foram analisados criticamente. As previsões desenvolvidas nesta dissertação destinam-se a alimentar um modelo de otimização já existente, reforçando o seu potencial para apoiar decisões estratégicas de recursos humanos. Com base nos resultados obtidos, o estudo apresenta também um conjunto de propostas para investigação e desenvolvimento futuro, que incluem a revisão da forma como os perfis-tipo de colaboradores são definidos, a incorporação da mobilidade interna e o reforço da interpretabilidade local do modelo. Este projeto representa um contributo prático e relevante para a adoção de abordagens data-driven na gestão de talento, aproximando os recursos humanos da estratégia organizacional.
Autores principais:Graçoeiro, Diogo Gonçalves
Assunto:People analytics Retalho Turnover Machine Learning Planeamento estratégico de recursos humanos Retail Strategic workforce planning
Ano:2025
País:Portugal
Tipo de documento:dissertação de mestrado
Tipo de acesso:acesso aberto
Instituição associada:Universidade do Minho
Idioma:inglês
Origem:RepositóriUM - Universidade do Minho

Registos relacionados

Registos relacionados