People Analytics — Como foi feito (explicado fácil)
A pergunta que muito gestor faz: "pessoa feliz produz mais?". A pergunta tem resposta. Aqui calculei a correlação Pearson em DAX puro entre satisfação e performance — sem exportar pra Python, sem fazer no Excel: tudo no Power BI.
O que é isso, em uma frase?
É um dashboard que cruza notas de performance (avaliação de desempenho, 0-5) com scores de satisfação (clima organizacional, 0-10) por colaborador, calculando a correlação real entre os dois — por departamento, por nível, por tempo de casa.
Por que importa? Porque "investir em clima" custa caro. Saber se isso tem efeito mensurável em performance separa o RH que sente do RH que mostra ROI.
Correlação Pearson em DAX
1 · A fórmula. Correlação de Pearson mede de -1 a +1 quanto duas variáveis "andam juntas". Fórmula matemática:
r = Σ((x − x̄)(y − ȳ)) / √(Σ(x − x̄)² × Σ(y − ȳ)²)
2 · Implementar em DAX puro (sem pacote externo). Uso SUMX pra somar produtos sobre toda a tabela e VAR pra guardar as médias.
Correlacao Perf x Sat =
VAR _x_bar = [Performance Media]
VAR _y_bar = [Satisfacao Media]
VAR _num =
SUMX (
fato_avaliacao,
( fato_avaliacao[Nota_Performance] - _x_bar )
* ( fato_avaliacao[Score_Satisfacao] - _y_bar )
)
VAR _den_x =
SUMX (
fato_avaliacao,
( fato_avaliacao[Nota_Performance] - _x_bar ) ^ 2
)
VAR _den_y =
SUMX (
fato_avaliacao,
( fato_avaliacao[Score_Satisfacao] - _y_bar ) ^ 2
)
RETURN
DIVIDE ( _num, SQRT ( _den_x * _den_y ) )
Beleza disso: a medida recalcula no contexto do filtro. Se eu clico em "Departamento = Engenharia", a correlação muda pra refletir só esse grupo. Sem refazer nada.
3 · Interpretar honestamente.
- r > 0,5 → correlação forte. Satisfação alta acompanha performance alta.
- 0,2 < r < 0,5 → correlação moderada.
- r ≈ 0 → independentes. Pessoa feliz pode performar mal e vice-versa.
- r < 0 → caso raro, geralmente indica pressão excessiva em alta performance.
4 · Identificar gaps por departamento. Crio uma medida "Gap" que destaca áreas com performance alta + satisfação baixa — sinal de queima de talento.
Gap Performance Satisfacao =
[Performance Media] * 2 - [Satisfacao Media]
-- valor alto = ALTA performance + BAIXA satisfacao = atencao!
5 · Dispersão como visual principal. Gráfico de dispersão (scatter) com performance em X e satisfação em Y, tamanho da bolha = headcount, cor = departamento. O olho identifica padrões em segundos.
O painel final
Em uma linha: o que esse projeto ensina
Que DAX dá conta de estatística respeitável. Não precisa exportar pra Python pra calcular correlação — e ainda fica filtrável em tempo real. Saber resolver isso em DAX puro é diferencial em vaga sênior de BI.
Coisas técnicas que apareceram aqui: Correlação Pearson em DAX puro (SUMX + VAR + SQRT), interpretação honesta de coeficiente, scatter plot como visual analítico, formatação condicional pra destacar gap.