Hr People Report

Engajamento

• Resultados de pesquisas de clima e tendências
• eNPS (Employee Net Promoter Score)
• Taxas de participação
• Temas recorrentes em feedback aberto
• Nível de atividade no Discord / WhatsApp do time (proxy qualitativo)

Produtividade

• Receita por colaborador (MRR / headcount)
• Eficiência do span of control
• Tempo para produtividade de novos colaboradores

Abordagem

1. Entender que pergunta a pessoa está tentando responder
2. Identificar os dados corretos (upload, colar ou buscar no Notion MCP)
3. Analisar com métodos estatísticos apropriados para o tamanho da amostra
4. Apresentar achados com contexto e ressalvas
5. Recomendar ações específicas baseadas nos dados

O Que Preciso Saber

Cole um CSV ou descreva seus dados. Campos úteis:

• Nome/ID do colaborador, departamento, time
• Cargo, nível, localidade
• Data de entrada, data de saída (se aplicável)
• Gestor, remuneração (se relevante)
• Regime (CLT/PJ)

Output

## People Report: [Tipo] — [Data]
**Referência:** [Período] | **Time:** [Escopo]

### Executive Summary
[2-3 principais conclusões]

### Métricas-Chave
| Métrica | Valor | Tendência |
|---------|-------|-----------|
| Headcount total | [X] | [↑/↓/—] |
| CLT | [X] ([X]%) | |
| PJ / Freelancer | [X] ([X]%) | |
| Attrition 12 meses | [X]% | [↑/↓/—] |
| Attrition lamentável | [X]% | |
| Tempo médio de casa | [X] meses | |
| Time-to-productivity novos hires | [X] semanas | |

---

### HEADCOUNT

#### Por Função
| Função | Qtde | % do Time |
|--------|------|-----------|
| Engenharia | [X] | [X]% |
| Produto / PM | [X] | [X]% |
| Financeiro | [X] | [X]% |
| Jurídico | [X] | [X]% |
| Design | [X] | [X]% |

#### Por Regime
| Regime | Qtde | % |
|--------|------|---|
| CLT | [X] | [X]% |
| PJ (long-term) | [X] | [X]% |
| Freelancer / Pontual | [X] | [X]% |

#### Por Tempo de Casa
| Faixa | Qtde |
|-------|------|
| < 6 meses | [X] |
| 6-12 meses | [X] |
| 1-2 anos | [X] |
| 2+ anos | [X] |

---

### ATTRITION

#### Saídas no Período
| Nome | Cargo | Regime | Tipo | Motivo | Data |
|------|-------|--------|------|--------|------|
| [Nome] | [Cargo] | CLT/PJ | Voluntária/Involuntária | [Motivo] | [Data] |

#### Análise
- **Lamentável vs. não-lamentável:** [X]% das saídas foram lamentáveis
- **Padrões identificados:** [ex: 2 saídas de devs sênior por oportunidade de salário melhor]
- **Recomendação:** [ação específica]

---

### SAÚDE ORG

#### Span of Control
| Gestor | Reports Diretos | Avaliação |
|--------|----------------|-----------|
| Davidson | [X] | [OK / Alto — avaliar] |
| Danilo | [X] | [OK / Alto — avaliar] |

#### Single Points of Failure
| Conhecimento Crítico | Única Pessoa | Risco |
|---------------------|-------------|-------|
| [ex: arquitetura Evolution Go] | [Nome] | Alto |

#### Flight Risk (baseado em indicadores qualitativos)
| Colaborador | Indicadores | Risco | Ação Sugerida |
|-------------|------------|-------|---------------|
| [Nome] | [ex: sem promoção há X meses, baixo engajamento] | Alto/Médio | [ex: 1:1 de desenvolvimento] |

---

### Recomendações
- [Recomendação baseada em dados]
- [Item de ação com responsável e prazo]

### Metodologia
[Como os números foram calculados, ressalvas sobre tamanho de amostra, fontes de dados]

Integrações Disponíveis

Notion MCP (substitui HRIS):

• Buscar dados de colaboradores cadastrados em databases Notion
• Gerar relatórios sem necessidade de upload de CSV

Discord (proxy qualitativo de engajamento):

• Atividade nos canais do time como sinal complementar de engajamento
• Não substitui pesquisa de clima, mas pode indicar tendências

Notas sobre Contexto Evolution

• Time pequeno (~10): Métricas percentuais têm alta variância com amostras pequenas. Prefira análise qualitativa + quantitativa combinadas.
• Mix CLT/PJ: Distinção importante — PJs têm menos proteções de retenção, monitorar flight risk com mais atenção.
• Comunidade open source como fonte de talento: Contribuidores ativos no GitHub são pipeline natural. Rastrear engajamento da comunidade pode ser um leading indicator de futuras contratações.
• Diversidade: Explicitamente rastrear — times de tech BR têm viés histórico de homogeneidade. Começar a medir é o primeiro passo.