People Analytics End-to-End

Um pipeline completo de dados em People Analytics — da ingestão ao insight, simulando um ambiente real corporativo.

---

Visão Geral

Este projeto representa a construção de um ecossistema analítico completo, cobrindo:

• Ingestão de dados
• Tratamento e padronização
• Modelagem analítica
• Modelagem dimensional (Star Schema)
• Machine Learning
• Visualização estratégica

A proposta não é apenas analisar dados, mas estruturar um pipeline robusto, escalável e orientado a negócio.

---

Objetivo

Transformar dados brutos de colaboradores em informações acionáveis para suportar decisões de RH:

• Turnover
• Retenção de talentos
• Estrutura organizacional

---

Arquitetura do Projeto

CSV (Kaggle)
   ↓
Python (Ingestão + Limpeza)
   ↓
SQL Server (Modelagem)
   ↓
Bronze → Silver → Gold
   ↓
Star Schema
   ↓
Power BI (Visualização)
   ↓
Machine Learning (Predição de Turnover)

---

Stack Tecnológica

Camada	Tecnologia
Ingestão	Python (pandas)
Modelagem	SQL Server
Análise	Power BI
Machine Learning	scikit-learn
Desenvolvimento	VS Code
Versionamento	Git / GitHub

---

Estrutura do Projeto

data/
├── raw/
│   └── hr_data.csv
├── processed/
│   └── hr_data_clean.csv

docs/
└── dicionario_dados.md

powerbi/
└── prints/
    ├── overview.png
    ├── breakdown.png
    ├── drivers.png
    └── predictive_model.png

python/
├── ingestion.py
├── load_to_sql.py
└── analytics/
    ├── predictive_turnover.py
    └── outputs/
        ├── feature_importance.csv
        ├── model_metrics.txt
        └── model_outputs.csv

sql/
├── prints/
│   ├── bronze.png
│   ├── silver.png
│   ├── gold_turnover.png
│   └── risk_profile.png
├── 01_create_db.sql
├── 02_create_schemas.sql
├── 03_create_bronze.sql
├── 04_create_silver.sql
├── 05_create_gold.sql
├── 06_check_silver_structure.sql
├── 07_create_view.sql
├── 08_create_indexes.sql
├── 09_create_risk_layer.sql
├── 10_final_quality_checks.sql
├── 11_create_dim_tempo.sql
├── 12_create_dim_area.sql
├── 13_create_dim_cargo.sql
├── 14_create_dim_faixa_etaria.sql
├── 15_create_dim_colaborador.sql
├── 16_create_fato_turnover.sql
├── 17_create_fato_headcount.sql
├── 18_validate_star_schema.sql
├── 19_add_foreign_keys.sql
├── 20_create_dim_hora_extra.sql
├── 21_create_dim_frequencia_viagem.sql
├── 22_create_dim_faixa_tempo_empresa.sql
├── 23_create_dim_faixa_salarial.sql
├── validate_bronze.sql
├── validate_gold.sql
└── validate_silver.sql

README.md
requirements.txt
.gitignore

---

Pipeline de Dados

Bronze

Dados brutos ingeridos diretamente do CSV.

Silver

Camada tratada com:

• Padronização
• Regras de negócio
• Criação de variáveis analíticas

Gold

Camada analítica com:

• KPIs
• Agregações
• Tabelas prontas para BI

---

Indicadores Principais

• Headcount
• Taxa de Turnover
• Turnover por área, cargo e tempo de empresa
• Salário médio

---

Insights Relevantes

• Turnover geral: 16,12%
• Área de Sales concentra maior rotatividade
• Cargo Sales Representative apresenta maior risco
• Colaboradores com até 2 anos têm maior churn
• Faixas etárias mais jovens apresentam maior saída

---

Modelo Preditivo

Objetivo Antecipar desligamentos e apoiar estratégias de retenção.

Métricas

Métrica	Valor
ROC AUC	0.81
Accuracy	86%
Precision	61%
Recall	34%

Principais Features

• Cargo
• Hora extra
• Frequência de viagem
• Tempo desde última promoção
• Estado civil

---

Modelo Dimensional

Dimensões

• dim_colaborador
• dim_tempo
• dim_area
• dim_cargo
• dim_faixa_etaria
• dim_hora_extra
• dim_frequencia_viagem
• dim_faixa_tempo_empresa dim_faixa_salarial

Fatos

• fato_turnover
• fato_headcount

---

Definição de Turnover

Turnover = Desligamentos / Total de colaboradores no período analisado

---

Diferenciais do Projeto

• Pipeline completo end-to-end
• Arquitetura Bronze / Silver / Gold
• Modelagem dimensional (Star Schema)
• Integração Python + SQL + Power BI
• Modelo preditivo aplicado ao negócio
• Camada de risco de turnover
• Validação de dados estruturada

---

Como Executar

Ingestão

python ingestion.py

Carga no SQL Server

python load_to_sql.py

Executar scripts SQL (ordem numérica)

Modelo preditivo

python python/analytics/predictive_turnover.py

Conectar o Power BI às tabelas da camada Gold + outputs do modelo.

---

Outputs

python/analytics/outputs/

• feature_importance.csv
• model_metrics.txt
• model_outputs.csv

---

Próximos Passos

• Otimização do modelo (tuning)
• Balanceamento de classes
• Automação do pipeline
• Deploy em cloud
• Uso com dados reais

---

Autor

Projeto desenvolvido como portfólio em Data Analytics & People Analytics.