Letramento em dados para pessoas com pressa

Raissa Damasceno

Autor

O letramento em dados é uma condição necessária para uma análise fundamentada em gestão de pessoas. Cerca de 85% dos executivos consideram que ter letramento em dados será tão essencial quanto hoje é saber usar um computador (Data Literacy Project, The Upskilling Evolution, 2022).

Se você abriu esse texto é porque sente que precisa aumentar o seu letramento e confiança, mas quero que saiba, antes de tudo, que não está só. As pesquisas mostram que poucos profissionais no mundo se dizem confiantes para ler e usar dados, apenas 11% segundo o Data Literacy Project (2022) e 21% segundo a Accenture & Qlik (The Human Impact of Data Literacy, 2020). Isso mostra que ser “letrado em dados” ainda é um diferencial.

Então, vamos ao que interessa.

Usar dados de forma crítica e prática no dia a dia vai além de apenas “ler números” ou operar ferramentas. E por que estou falando isso? Porque muitas empresas ainda acreditam que treinamentos de Excel ou ferramentas de IA, sozinhos, transformam o time em data-driven.

Infelizmente, isso não é suficiente. Para que o time seja data-driven é necessário letramento em dados: fazer perguntas certas, analisar informações criticamente, reconhecer limitações nos dados e, por fim, transformá-los em informações úteis para a tomada de decisão.

Letramento em dados possui três pontos principais:

Leitura – Reconhecer e compreender gráficos, tabelas, indicadores e termos básicos.
Interpretação – Entender o que esse dado significa em contexto, suas potenciais causas e consequências.
Aplicação crítica – Usar o dado para sustentar hipóteses, discutir alternativas e embasar decisões.

A lógica de um time ou uma pessoa data-driven, envolve, portanto: ler → interpretar → propor, priorizar e comunicar. Agora vamos aos “como”

Como ler dados corretamente

Saber ler um dado envolve descrever com precisão o que está diante de você. Antes de pensar em causas ou soluções, precisamos garantir que todos estão enxergando a mesma coisa.

Em consultoria e nos nossos treinamentos sempre discutimos como precisamos todos concordar com o significado do dado, depois discutimos as possibilidades de solução para os problemas que ele apresenta. Mas se há dúvidas quanto ao que o dado apresenta, precisamos resolver isso antes de partir para a discussão sobre a solução.

É aqui que garantimos que todos enxergam a mesma realidade.

Isso significa:

Identificar no indicador a unidade de medida e lê-la corretamente considerando o período analisado: “o engajamento caiu de 87% para 83%, uma queda de 4 pontos percentuais de um ano para outro.”
Diferenciar números absolutos (20 desligamentos) de taxas relativas (10% de turnover).
Saber ler corretamente se o valor subiu, caiu ou ficou estável, sempre mencionando quanto mudou e sempre se atentar para comparações válidas: mesmo período, mesma população, mesma base.

“O turnover subiu de 10% em fevereiro para 15% em março, uma alta de 5 pontos percentuais. Apesar da área A ter 20 desligamentos em números absolutos, a área B apresentou a maior taxa proporcional, com 30%.”

Podemos entender que existem níveis de uma boa leitura, veja no quadro abaixo:

Nível	Comportamento observado	Exemplos práticos
Iniciante	Identifica números básicos em relatórios, mas confunde conceitos e não diferencia taxas de números absolutos.	“Saíram 20 pessoas, então o turnover está subindo.” (sem considerar o total de empregados).
Intermediário	Lê gráficos simples, diferencia números absolutos de taxas e aponta variações no tempo.	“Em março o turnover subiu de 10% para 15%.”
Avançado	Lê diferentes formatos de dados com segurança e faz comparações iniciais entre áreas, períodos ou perfis.	“Embora a área A tenha mais desligamentos totais, a área B tem maior turnover proporcional.”

Note que não há hipóteses nem explicações, apenas a tradução fiel do que os números mostram. Esse é o primeiro passo antes de conseguir interpretar e decidir.

Fato é que muitos times permanecem nesta fase e é aqui que surgem os chamados dark data: informações coletadas e até exibidas em relatórios, mas que ficam “no escuro”, sem gerar impacto real.

Como interpretar dados corretamente

Interpretar dados é dar sentido ao que os números mostram, nesse momento os números começam a contar uma história por meio de levantamento de hipóteses, identificação de padrões. Esse nível transforma descrições duras de dados em insights. A pergunta fundamental nesse ponto é olhar para o indicador e perguntar: “O que isso significa?”.

Interpretar corretamente implica em:

Levantar hipóteses possíveis que expliquem o resultado do indicador.
Reconhecer que raramente há uma única causa para o problema e que, consequentemente, não haverá uma “bala de prata” que será a sua solução.
Considerar padrões e tendências, ou seja, em vez de olhar apenas o último valor, observar se ele tem aumentado ou diminuído ao longo do tempo. Se há uma maior prevalência de aumento/redução em algum segmento da empresa.
Reconhecer limitações do dado como, registros faltantes, pesquisa com poucos respondentes ou qualquer erro que possa ter acontecido para que o dado não seja tão confiável quanto deveria.
Comparar contextos: entre áreas, períodos, perfis de colaboradores e etc.

“O turnover aumentou de 12% para 22% em um ano. Uma segmentação por tempo de casa mostra que a maior taxa se concentra nos primeiros meses de empresa, sugerindo problemas no onboarding ou recrutamento e seleção. Ao cruzar os dados, o NPS do treinamento de entrada revela insatisfação, o que reforça a hipótese do problema estar em como realizamos o onboarding.”

Também existem níveis de uma boa interpretação, veja no quadro abaixo:

Nível	Comportamento observado	Exemplos práticos
Iniciante	Lê o indicador, mas não levanta hipóteses ou questionamentos sobre a sua qualidade ou significado.	“O absenteísmo no setor operacional foi 7% no último mês.” (sem perguntar se esse valor é alto ou baixo, se está dentro da média ou se varia entre áreas).
Intermediário	Faz perguntas básicas e reconhece possíveis limitações.	“O absenteísmo de 7% no setor operacional pode estar ligado à escala de turnos. Seria importante termos também os dados de horas extras ou motivos de afastamento para confirmar.”
Avançado	Identifica padrões e tendências ao longo do tempo, cruza diferentes recortes (áreas, perfis, períodos) e avalia criticamente a qualidade e as limitações do dado antes de propor hipóteses mais estruturadas.	“O absenteísmo do setor operacional tem se mantido entre 6% e 8% nos últimos três anos, mas sempre aumenta no último trimestre. Além disso, 10% dos registros estão incompletos, o que limita a análise. Ainda assim, cruzando com os dados de horas extras, vemos que o pico coincide com maior sobrecarga de trabalho.”

A interpretação bem feita evita respostas rápidas baseadas em achismos. Trata-se do que diferencia a simples leitura de um gráfico da construção de hipóteses que orientam decisões.

Note que interpretar não é inventar explicações, mas usar evidências, levantar possibilidades e conectar pontos. Muitas pessoas que sabem interpretar corretamente falham em fazer uma descrição objetiva e preenchem suas apresentações com impressões e achismos que não tem explicação com base nos dados. Fuja disso.

Como aplicar dados de forma crítica

A aplicação crítica é o ápice do letramento em dados: é quando números deixam de ser informação e se tornam ação estratégica. Aqui o time cruza fontes, avalia relevância e traduz achados em decisões que impactam o negócio.

Depois de ler e interpretar, chega a hora de perguntar: “E o que faremos com isso?”.

Aplicar corretamente significa:

Propor ações testáveis, ou seja, ao propor uma solução você deve saber identificar se ela deu certo ou não usando indicadores para isso.
Questionar se os indicadores ainda medem algo que importa para empresa ou estamos perdendo tempo ao analisá-lo.
Priorizar: separar sintomas do que realmente impacta o negócio.
Comunicar para influenciar, traduzindo achados em recomendações objetivas.
Cruzar diferentes fontes da experiência do colaborador (clima, turnover, custos) e interpretar como que cada pedaço impacta no todo.

“Os dados mostram que 70% das saídas ocorrem entre recém-contratados e, ao mesmo tempo, a nota do treinamento inicial é baixa. Recomendamos revisar o onboarding, o que pode reduzir custos de rotatividade em até 25%.”

Da mesma forma que a leitura e interpretação, existem níveis de uma boa aplicação, veja no quadro abaixo:

Nível	Comportamento observado	Exemplos práticos
Iniciante	Usa relatórios como fim em si mesmos, repete conclusões prontas (geralmente algo que o mercado está usando ou falando sobre) sem propor conexões realmente relevantes para o contexto de negócio.	“O relatório mostra que o turnover está alto, precisamos pensar em ações de retenção. Podemos aplicar uma IA para resolver isso.”
Intermediário	Formula hipóteses a partir dos dados e sugere cruzamentos simples.	“Os recém-contratados estão saindo mais rápido. Podemos verificar se isso está ligado à baixa nota do onboarding.”
Avançado	Cruza múltiplas fontes, propõe hipóteses estratégicas, avalia relevância de indicadores e recomenda ações alinhadas ao negócio.	“Os dados mostram que 70% das saídas são de recém-contratados e o NPS do treinamento inicial está em queda. Recomendamos revisar o onboarding, pois isso pode reduzir a rotatividade em até 25% e diminuir custos de substituição.”

O letramento em dados é o que permite transformar dados em informação, informação em conhecimento e, depois, em ação estratégica.

Sem uma leitura precisa, cada pessoa pode enxergar num número um significado diferente e o debate perde o seu propósito. Sem interpretação crítica, os relatórios viram repetições sem sentido e as propostas não solucionam os problemas reais da empresa. E sem aplicação crítica, o time perde credibilidade e todo potencial de gerar transformação na gestão de pessoas.

Em última instância, ser data-driven não significa ter mais dashboards ou sistemas sofisticados, mas sim desenvolver a capacidade de ler com rigor, interpretar com criticidade e aplicar com relevância.