Como a Meta prevê a saída de profissionais de tecnologia: os resultados do modelo de ML surpreenderam o pesquisador

Um especialista em People Analytics com mais de uma década de experiência na Meta decidiu investigar por que talentos saem de empresas de tecnologia no primeiro ano de trabalho. Ele estava confiante em sua resposta — até o momento em que lançou um modelo de Machine Learning para analisar os dados.

Hipótese

Inicial Depois de anos trabalhando com dados de recursos humanos, o analista havia formado uma convicção sólida: a rotatividade é determinada por dois ou três fatores-chave. Provavelmente, raciocinava ele, seriam salário, crescimento na carreira e qualidade da integração. Conversas com colegas na Meta confirmavam essa visão. Mas quando se tratava de coletar dados concretos e construir um modelo, o quadro se tornou menos claro.

O

Modelo Revelou Algo Diferente O modelo de ML descobriu que o poder preditivo dos fatores em que ele havia apostado era muito mais modesto do que esperado. Em vez deles, padrões inesperados emergiram como foco. Descobriu-se que frequentemente quem sai não são os mais insatisfeitos com o salário, mas aqueles que sentiam incerteza sobre onde sua carreira estava indo dentro da empresa.

O estudo identificou os verdadeiros preditores: Trajetória de carreira do funcionário anterior ao cargo atual Velocidade de tomada de decisões no nível de gerente Sinais culturais que uma pessoa recebe nas primeiras semanas Alinhamento motivacional entre objetivos pessoais e missão da empresa * Presença de um mentor ou patrocinador nos estágios iniciais ## Como Aplicar Isso A pesquisa abre uma nova direção para a estratégia de RH. Em vez de focar apenas em compensação e carreiras de progressão, as empresas podem investir na qualidade da integração, designar um patrocinador para cada novo funcionário e acelerar o processo de tomada de decisões no nível de líderes de equipe.

"Os dados não mentem — o problema geralmente não é o que você vê na superfície"

O

Que Isso Significa Empresas de tecnologia gastam enormes recursos atraindo talentos, mas os perdem devido a falhas no estágio de integração. O modelo de ML mostra: se os primeiros meses forem organizados corretamente e a pessoa receber uma direção clara, muitos podem ser retidos. Esta é uma ferramenta para equipes de People Analytics repensarem sua abordagem sobre retenção de funcionários.