Claudio Oliveira
Recentemente, li um artigo sobre como o Liverpool usou Big Data para ajudar seu técnico a tomar decisões melhores e conseguir o título da Champions League. O diretor de análise de dados possui um banco de dados com mais de 100.000 jogadores e suas orientações influenciaram a aquisição do passe dos jogadores e até mesmo a contratação do próprio técnico.
Essa aplicação para os esportes nos faz pensar em como as empresas devem estar usando Big Data para contratação de seus funcionários. Um problema citado pelas empresas é a dificuldade em triar os melhores candidatos a partir de centenas de currículos. Outra dificuldade é que os currículos falam sobre experiência profissional, formação acadêmica e habilidades; porém dificilmente entra em detalhes da personalidade, o máximo que vemos são autoelogios, algo como: dinâmico, proativo e líder.
Aspectos cada vez mais valorizados pelas empresas são a inteligência emocional, a resiliência e a capacidade trabalhar em equipe, a postura e a ética, porém é difícil detectar esses aspectos em processos seletivos. Nas entrevistas e dinâmicas de grupo, o candidato pode facilmente imitar um comportamento que fosse favorável para sua contratação. Um analista de recursos humanos experiente, provavelmente conseguiria perceber esses truques, mas como fazer a seleção quando há um alto número de candidatos na seleção. Aqui entram algumas possibilidades em que os dados digitais e a análise de machine learning podem ajudar.
Em primeiro lugar, como saber mais sobre os candidatos? Uma forma bastante usual é recorrer às mídias sociais, a empresa pode coletar dados sobre seus candidatos através das plataformas de mídias sociais. É cada vez mais comum a empresa solicitar o link de redes sociais como o Linkedin. Mas qual o possível uso desses dados? Em vez de a empresa se concentrar nos dados de experiência profissional, habilidades e formação acadêmica. A empresa pode recorrer informações complementares como:
– Rede de contatos do profissional
– Atividades do usuário como publicação de artigos, compartilhamentos e comentários
– Páginas que o usuário deu like e grupos dos quais ele participa
Com base nessas informações, a empresa pode montar um perfil comportamental do usuário. As atividades e conexões do usuário dizem mais sobre quem ele é do que as informações autodeclaradas. Um exemplo é a forma como a Cambridge Analytica conseguiu analisar o perfil dos eleitores americanos para conseguir realizar campanhas eleitorais no Facebook de forma personalizada. Eles conseguiam saber se um eleitor tinha o perfil hesitante entre os dois candidatos, com base em seus comentários em temas políticos. E que era nacionalista com base em likes em páginas de montadoras americanas.
Esse não é um bom exemplo de coleta em massa de dados, pois o Facebook está sofrendo um processo por não ter zelado pelos dados de seus usuários. Porém, como uma empresa pode fazer para obter os dados de forma legal? Pensem que os dados de mídias sociais em muitos casos são abertos ao público, principalmente se pensarmos em redes sociais com o objetivo de networking profissional como o Linkedin, onde o usuário tem interesse que seus dados sejam públicos para aumentar sua possibilidade de contratação. Esses dados podem ser coletados por algoritmos para preencher um banco de dados de contratação mediante consentimento do candidato que resolve aplicar para uma vaga.
A empresa pode comparar as atividades desses candidatos nas mídias sociais com as atividades de outras pessoas que a empresa já tenha conhecimento prévio e que, por exemplo, tenham o perfil esperado pelas empresas. E dessa forma, contratar pessoas que tenham características desejadas para empresa como tolerância, postura empreendedora e criatividade.
Entendo que isso possa parecer ficção científica, por isso, recomendo uma experiência para avaliar como seu perfil psicológico pode ser detectado por algoritmos. Sugiro fazer o teste do site do centro psicométrico da Universidade de Cambridge: https://applymagicsauce.com/demo. Realizei o exame, com base nos meus dados de likes, posts, comentários e perfil do Facebook. A ferramenta traçou um perfil comportamental que em boa parte foi impreciso, credito isso a base de dados da universidade ser calibrada com as atividades de mídias sociais dos britânicos que são bem diferentes das nossas, por exemplo, boa parte das inferências levou em consideração que dei like na página dos Beatles, mas pouco foi levado em consideração que gosto de Samba. No entanto, algumas informações foram úteis, a ferramenta, por exemplo, classificou meu potencial de liderança (figura 1). Achei curioso como identificou meu perfil de resolver problemas comum à engenharia, área onde me formei e obtive mestrado e doutorado.
Figura 1: Potencial de liderança de acordo com teste da Universidade de Cambridge
Esses experimentos ainda exploratórios indicam que o machine learning que tem ocupado espaço relevante em áreas como marketing, controle financeiro e análise de riscos, em breve será bastante comum nos processos seletivos das empresas.
Para saber mais:
https://www.nytimes.com/2019/05/22/magazine/soccer-data-liverpool.html
https://www.linkedin.com/pulse/how-big-data-analytics-transforming-recruitment-hr-bernard-marr/
https://www.vice.com/en_us/article/mg9vvn/how-our-likes-helped-trump-win
Cursos de férias de Big Data e Digital Analytics na ESPM, https://www.espm.br/educacao-continuada/cursos-de-ferias/sao-paulo/