Palco BBDW no Febraban Tech - People Analytics (25/06)

Boa tarde bem-vindos novamente Não Boa tarde bem-vindos novamente ao palco bebê digital wik na febra bantec agora nós teremos o painel sobre people Analytics alocando talentos de ti de forma mágica para apresentar esse painel nós teremos o nosso amigo Soares e Silva que possui graduações em engenharia da computação administração de empresas análise e desenvolvimento de sistemas e filosofia atualmente é Mestrando em Inteligência Artificial pela UnB e desenvolve projetos em pipo Analytics na diretoria de Tecnologia do Banco do Brasil bem-vindo Estênio obg também teremos conosco hoje Fernando Araújo Ribeiro né que que está com 21 anos

de experiência no Banco do Brasil é formado em administração pela Universidade Brasília e com pós-graduações em gestão de projetos governança de TI Analytics e ia acredita no futuro da tii como uma combinação de solidez agilidade diversidade e pensamento e quem apresenta hoje este painel é o Rafael Miranda Fontes que tem uma trajetória de mais de 25 anos dedicado à Tecnologia dos quais 21 na diretoria de Tecnologia do bebê Rafael tem liderado por portfólio de ti do Banco do Brasil focalizando sua energia na missão de redefinir a maneira como pessoas times e iniciativas se alinham aos

objetivos estratégicos e aos resultados da organização seja muito bem-vindos aproveitem o painel até já Boa tarde pessoal vou fazer aqui minha autodescrição eu sou um homem de 1,80 cabelos castanhos olhos est anhos tô vestindo calça preta sapatos pretos e uma camisa azul e tô usando óculos é um prazer enorme est aqui com vocês hoje compartilhar um pouco do de um assunto tão interessante e acredito que seja de comum acordo que é Um Desafio muito grande nas empresas fazer uma gestão né otimizada adequada das pessoas uma gestão dos talentos de forma a otimizar os resultados né

que cada uma das empresas espera eh e uma das formas que a gente tem para oportunizar para melhorar essa esse desafio certamente é o uso de tecnologia através de de capacidades de pipo an lyrics e outras Claro mas que ajudam a gente a trabalhar de uma forma mais assertiva certo ser mais mais eficaz ser mais eficiente na locação de todas essas pessoas e se a gente fazer isso ainda com um pouco de mágica né usar um pouco de magia eu acho que fica ainda mais divertido então tô aqui hoje com o time eh de especialistas

aqui nos assuntos em gestão de pessoas gestão de dados e a gente vai falar um pouco sobre isso aqui com vocês hoje vou começar perguntando pro Stênio eh Stenio a gente fala muito em eventos de RH sobre pipo Analytics e que a é a grande revolução do mercado de gestão de pessoas e Mas explica um pouco num contexto geral o que que é esse tal de People Analytics primeiramente É uma honra dividir esse palco aqui com vocês grandes profissionais pessoal que está assistindo online Uma boa tarde para vocês pessoal que está no presencial Uma boa

tarde para vocês pessoal que tá aí na rua passando aconchegue em boa tarde para vocês também eh me chama Estênio sou homem branco cabelos e olhos castanhos Estou vestindo uma calça bege camisa preta e um blazer Azul Rafa a câmera que me pega é aquela ali né tá Rafa eh essa pergunta ela é tão interessante que eu acho que ela pode ser dividida em duas perguntas O que é o people Analytics e Porque de fato ele é a grande revolução Quando falamos em gestão de pessoas esse termo people Analytics Ele nasce lá em 2008 com

um cara chamado Mike West ele era o chefe de operações da Google e naquele momento ele utilizou de dados para poder melhorar os processos de recrutamento da empresa e em 2010 ele escreve um artigo e usa um título pipo Analytics acabou pegando esse nome no mercado e se a gente puder sintetizar basicamente é a união de quatro grandes áreas do conhecimento a estatística os dados a computação aplicada e a gestão de pessoas quando nós pegamos a estatística e juntamos com os dados dessa interseção nasce a ciência de dados quando nós colocamos processamento máquina a aplicada

dessa interceção nasce potencial para Inteligência Artificial e quando nós incluímos estatística ciência de dados eia em prol de processos de Recursos Humanos desse injoy dessa grande interceção nasce então o conceito de People Analytics que nada mais é que dá pras organizações uma capacidade data driven com uma área que ainda é muito intuitiva muito na percepção a tomada de decisão e por de fato ele é a grande revolução do Século na gestão de pessoas as bases da gestão de pessoas ou da administração moderna já foram dadas por teóricos como peng drunker nonak taku na gestão do

conhecimento e essas bases meio que permanecem imutáveis H décadas o que a gente tem uma releitura sempre diante dos Desafios atuais diante de necessidades de hard Skills e soft Skills específicas para momento expansão do Home Office então diante dos cenários a gente adapta essa base Mas não é nada novo mas pela primeira vez na humanidade a gente tem dados e capacidade de processamento suficiente para um trabalho mais analítico inclusive na gestão de pessoas e quem fala que é uma revolução não é o Estênio Se você pegar as grandes pesquisas de mercado como LinkedIn Trends gptw

o próprio radar de tendências tecnológicas do Banco do Brasil apontam o pipo Analytics como uma tendência oito em cada 10 empresas que componho a a o ranking forbs de empresas da forbs declararam há do anos que eles tem equipes matriciais em people Analytics não me assustaria se hoje fossem 10 em 10 demonstrando que o people Analytics na verdade está deixando de ser um diferencial competitivo para as organizações para de fato ser uma obrigatoriedade para quem quer permanecer no topo Ótimo ótimo e e você falou alguns pontos interessantes né Eh você falou de gestão de conhecimento

você falou de gestão de pessoas quando a gente olha especialmente pro Banco do Brasil né uma empresa com quase 0 aproximadamente 90 mil funcionários acho que com né centenas de milhares de dados disponíveis e e uma preocupação muito grande com com exatamente com a gestão das pessoas gestão de carreiras então praticamente a gente tem um ambiente perfeito para usar e essa essa ciência do Pipo an lyrics e aproveitar o máximo dela Fernando como é que você eh diria que empresas que querem começar estudos e implementações em pipo Analytics por onde que eles deviam começar Boa

tarde pessoal meu nome é Fernando eu sou um homem Pardo tenho cabelo preto tenho os olhos pretos Estou vestindo uma calça azul uma camiseta cinza e um blazer preto e eu acho que a principal ideia que a gente tem que passar é de simplicidade e o assunto por ser novo pode passar a sensação de que é complexo a execução dele mas na verdade o que a gente tem que entender é que a primeira coisa se observada é qual é o objetivo dessa empresa se ela pretende fazer um Case que envolva muitas pessoas se ela pretende

fazer um Case que é mais direcionado para um público específico e em cima disso é que ela vai conseguir determinar o que que ela precisa fazer eh no nosso caso a gente tinha o desafio ali de ter muita gente né que tava chegando ao mesmo tempo isso foi desafiador pra gente mas para uma outra empresa é importante que ela tenha dados dados sobre essas pessoas que são candidatos e dados sobre as vagas que precisam ser preenchidas eh uma outra questão relevante é ter uma equipe qualificada pessoas que estejam aptas a desenvolver as habilidades de negociar

com esses candidatos que estão chegando de entender Quais são as necessidades da empresa e também de ter as expertises técnicas para poder lidar com isso e com um modelo de otimização show de bola muito bom e você também citou algumas coisas muito interessantes aí né quando a gente fala de volume além da 9 pessoas compõem hoje o quadro a gente tá vivendo um momento aí com ingresso de quase 3000 pessoas O que torna um desafio também bastante interessante com pessoas altamente qualificadas para poder desenvolver Então essas capacidades né que vão conseguir fazer então ess adequado

n muito bom Fernando comeou a falar PR gente como é que a gente as empresas a estudar o banco já tem várias iniciativas o banco tem uma áa né completamente dedicada ao estúdio de analic e people Analytics enfim e acredito que isso traga então um diferente nível de maturidade quando a gente fala desse tema como é que você vê essa questão de da divisão né dos níveis de maturidade que que uma organização pode se medir e almejar estar Rafa eu acho que quando nós falamos em P Analytics ou em Analytics a gente tem que adotar

uma métrica de mercado se citarmos maturidade uma das mais famosas é a métrica do gartner então aplicando a métrica gartner de Analytics em people Analytics nós podemos conceituar cinco níveis de maturidade o primeiro nível e mais básico de todos é o nível dos reportes passivos O que é isso Você já tem uma base de dados estruturada consolidada já consegue gerar informação mas essa informação sobre demanda então uma determinada área solicita ali eventuais indicadores de RH employ turn turnover Hat count pesquisa de clima e é gerada ali a demanda e entrega o dado o próximo nível

é justamente o reporte ativo é a automação dessa demanda onde se apropria de ferramentas datav como Power bi tablô Spotify o que for E aí você disponibiliza para esse take holder que agora ele não tem mais que pedir está disponível para ele em Total com integridade com disponibilidade para ele consultar em qualquer tempo o próximo nível é um nível que muitas vezes é subjugado o pessoal costuma Pular mas é muito importante que é um nível de exploração de Diagnóstico nessa etapa se usa muito de correlações lineares cálculos específicos da estatística na busca de padrões para

criar hipóteses para explicar determinadas correlações vou dar um exemplo eh a rede de restaurantes Outback percebeu que no primeiro ano de contrato do os garçons 50% pedia demissão tinha um desligamento ali voluntário de 50% justamente com correlações descobriu-se que dois fatores eram muito importantes nesse processo de retenção se o cara morava próximo ao trabalho e se ele era casado então com pequenos ajustes ali no processo de atração conseguiu reverter de 50 para 15% essa demissão a pedido e essa etapa ela é especificamente importante porque ela tem a capacidade de responder perguntas que nem mesmo sabe

que ela tem sabe a próxima etapa é a etapa que todo mundo quer chegar análises preditivas que que vai acontecer no futuro quem vai pedir demissão quem que eu vou subir entrega muito essa etapa só que é uma etapa que requer cuidado requer conhecimento mínimo não é porque o chat PT gerou um código ali decis trick que é o melhor a ser usado né então tem conhecer de balanceamento de carga técnicas específicas se a distribuição tá adequada aquele trabalho mas realmente é uma coisa legal e o último nível a gente contou uma história aqui a

gente veio falando de uma foto como a organização está nos repórteres passivos a gente descobriu o por que tá daquele jeito com as correlações a gente tá olhando pro futuro com as predições e agora o nível mais difícil que é como fazer acontecer que não um nível prescritivo e nesse caso nada melhor que um exemplo e o exemplo fica contigo boa boa Obrigada eh é não mas eu vou passar pro Fernando vou ficar com essa bola não mas eu citei um pouco aqui que a gente tinha um um desafio então né de fazer um onboard

para um concurso externo quase 3.000 pessoas e isso requer uma uma habilidade muito grande para evitar algumas coisas que você comentou a gente sabe que a a a a perda de um de um funcionário ela causa muito transtorno né perda de conhecimento é formar outra pessoa então realmente a gente busca formas de ter a maior estabilidade possível nesse processo E aí Fernando no banco acho que a a gente tem um case de grande sucesso né para para compartilhar que trata exatamente eh de como fazer o onboard né como pegar 3.000 pessoas e conseguir alocar eles

nas nas melhores vagas nas vagas ideais para cada um basear no no que eles fazem no perfil de cada um conta pra gente um pouco sobre sobre essa solução e esse Case que a gente tem no banco e 2023 né a gente recebeu essa demanda chegando esse monte de novos colegas para trabalhar com a gente como é que a gente I fazer para fazer uma locação eficiente dessas pessoas como é que a gente vai fazer para posicionar essas pessoas em locais que satisfizessem as necessidades da empresa e também trouxesse felicidade para essas pessoas que estavam

chegando e retenção de Talentos na empresa nesse sentido o primeiro passo foi o desenvolvimento de uma lista de conhecimentos que representasse um rol das habilidades que a gente tinha necessidade na empresa somado a isso a gente também tentou identificar os tipos de habilidades tecnológicas que a gente tinha ali para que essas pessoas pudessem decidir qual trilha de carreira e verificar qual é a aspiração profissional que elas tinham e uma outra característica também foi muito relevante pra gente foi naquilo alinhado com que o sto falou ali tentar deixar as pessoas trabalhando perto de casa né Eh

e algumas pessoas tinham interesse de trabalhar em São Paulo outras tinham interesse em trabalhar em Brasília e a gente tentou na medida do possível sanar essa necessidade de trazer satisfação para todo mundo definido essa essa lista de conhecimentos esses critérios básicos nós partimos então para um mapeamento dos conhecimentos que essas pessoas tinham dos interesses e aspirações que essas pessoas tinham e também as características que as vagas demandavam que tipo de conhecimento era essencial para aquela vaga que tava sendo criada qual era o perfil tecnológico daquela vaga qual era a carreira que aquela pessoa ia seguir

se ela tivesse na naquela trajetória com aquela vaga e também onde que aquela vaga tava sendo criada se tava sendo criada em Brasília se ela tava sendo criada em São Paulo para que a gente pudesse fazer um um bom jogo de alocação al entre essas pessoas em cima disso a gente atribuiu uma pontuação para cada um desses critérios prezando bastante pelos conhecimentos quero que é vital para que aquela vaga tenha eh um profissional feliz desempenhando o trabalho ali mas também considerando as aspirações e a o a localidade onde aquela pessoa iria trabalhar e aí em

cima desses critérios tendo feito esse mapeamento a gente parte para uma etapa em que a nossa a ferramenta estatística uma ferramenta otimizadora ela pretende verificar qual é a pontuação que cada pessoa dessa vai fazer em cada vaga e tentar no final das contas montar o melhor cenário ótimo que não É um cenário onde a pessoa que fez mais pontos vai ficar naquela vaga não significa isso significa que o conjunto de pessoas que está chegando para atender aquele conjunto de vagas é otimizado de uma forma que a empresa e as pessoas se percebem no melhor cenário

possível Então essa é a última etapa desse processo é a etapa que envolve essa questão da otimização e a partir desse resultado a gente parte para essa orientação pra empresa recomendamos que essas pessoas sejam alocadas nesses locais legal é super interessante né Acho que explicou bem aqui como é que funciona o processo de de mapeamento dessas vagas como que é feita a conexão e e observem né se a gente conseguir coisas que você falou né colocar a pessoa para trabalhar perto de casa colocar pessoa para trabalhar com aquilo que ela que ela conhece ou gosta

de trabalhar isso aumenta muito a probabilidade de reter né de manter esses talentos dentro da carreira né E claro que isso aí acaba sendo super importante dentro dos objetivos estratégicos eh o Estênio vocês Já conseguiram avaliar o quanto que esta solução que tá em uso ela é melhor ela é mais eficiente do que modelos anteriores de fazer as alocações E é claro que eu imagino que o como Fernando falou nem sempre a gente vai conseguir o cenário ideal perfeito porque às vezes o todo o conhecimento não é exatamente igualou a quantidade não é exatamente igual

é de candidatos e vagas enfim mas como é que você avalia os resultados obtidos hoje com com esse modelo em relação ao que era feito anteriormente sem o p Analytics Rafa antes de responder a pergunta já que a gente tá falando sobre concurso sei que tem uma galera aí que tá esperando ser chamada assistindo essa Live eu vi em grupos tá então para apaziguar né os corações aí pessoal teremos previsão de turma esse ano ainda tá do concurso Então apig os corações de vocês a t tem previsão sim de chamar mais gente e quando falamos

em a locação manual fora do solver fora da solução nós temos basicamente Dois caminhos que podem ser seguidos O primeiro é uma locação aleatória então eu gostaria que vocês fizessem comigo aqui um exercício Imaginem uma rua e de um lado da rua 300 pessoas que é mais ou menos o que a gente chama por turma e do outro lado da rua 300 cadeiras e cada pessoa pode sentar em uma cadeira de forma aleatória a pergunta é quantas formações distintas de 300 pessoas sentadas nós podemos ter do ponto de vista matemático a resposta é 300 exponencial

300 exponencial parece que não mas é superior à quantidade de partículas do universo observável é um número muito grande considerando isso se você aloca de forma aleatória a chance de você você pegar uma formação boa é remota para exemplificar isso nós fizemos 10 milhões de simulações aleatórias colocamos 300 caras de 10 milhões de formas diferentes em 300 cadeiras a maior pontuação aproveitada foi 1977 pontos na melhor formação em 10 milhões de simulações o sver que chega no cenário ótimo conseguiu 3.527 pontos quase o dobro demonstrando eficiência se analisarmos o cenário aleatório a outra forma é

você falar o seguinte gestores resolvam aí tá aqui os meninos é uma forma também né esse ponto ele é complicado por quê Porque a gente vai agir como um algoritmo guloso geralmente Quem chegar primeiro Vai querer pegar os bons né eh e aí vai quem fica mais pro final talvez não tem um perfil adequado para aquelas vagas comprometendo a estratégia da organização então ou mesmo pode ter gerar demora no processo relações conflituosas dependendo né dos interesses ali entre as partes então ineg eu diria que a resposta é que essa solução é melhor do que qualquer

tipo de alocação manual que a gente venha a pensar ótimo acho que os dados que você trouxe a gente busca sempre ser trabalhar com dados né ser data driven eu escuto também muito min esposa também trabalha com dados ela fala não adianta a gente tentar fazer um peixe subir em árvore e se a gente usa então um modelo que não é eficiente né do ponto de vista matemático que você trouxe Fernando acho que o modelo roda cada mais de 40 milhões né de execuções para buscar esse esse modelo Ótimo então realmente os dados que a

gente tem já provam que o uso do Pipo Analytics é realmente eficiente na na locação dessas pessoas mas aí deixa eu complementar uma pergunta todo mundo fala em i ia ia ia então a gente tá falando nesse caso de ia a gente tá falando de um de um machine learning alguma coisa dentro desse S que que tá sendo aplicado é com muito orgulho que eu vou dizer que não tá E é bom falar não por porque a gente tem uma ideia de que o que tá no Hype tá na tendência é o melhor a ser

usado mas as técnicas de fato utilizadas no s no chapéu seletor são técnicas eu diria de séculos muitas vezes porque é uma técnica de otimização Se a gente pudesse pendurar na academia em uma disciplina seria uma disciplina chamada pesquisa operacional que trabalhe justamente verificando relações matemáticas frente problemas do mundo real mais ou menos né é tanto que o que a gente tá falando aqui é de um problema simples de grafos você quer levar energia do lugar que que gera energia pras casas Qual que é o melhor caminho só que em caminho de de casamento perfeito

de um para um Essa é a ideia por trás isso pode ser resolvido de diversas formas pode ser resolvido com pddl com Simplex com cplex com gur com algorítimo Húngaro que é o que foi implementado todos vão chegar no mesmo resultado então o ponto principal não necessariamente é a complexidade por trás eu diria que o ponto principal é a criatividade por trás é você enxergar que naquele problema de negócio aquela solução resolve e aqui eu já coloco uma frase do V que dizia o seguinte o último grau de sofisticação é a simplicidade muito bom Car

muito bom acho que tem muito a gente queria ficar fando sobre isso aqui poro tempo n eu fazer uma útima perun se a gente quiser usar Fernando esse modelo essa solução outras áreas da empresa ou mesmo se uma outra empresa quiser usar um modelo desse otimizado customizado Qual que é a orientação que você D Rafa eu vou te dar uma resposta um pouquinho mais longa a respeito disso a experiência que a gente teve no Banco do Brasil envol coner Esso fo pra gente de buscar essas informações a respeito de candidatos que nem ainda tinham entrado

e também de tentar mapear e identificar exatamente onde a gente queria criar cada vaga foi um um processo complexo que envolveu uma negociação entre as áreas para que a gente pudesse saber que projetos estratégicos precisavam ser priorizados eh onde que essas pessoas I ser alocadas primeiro para depois outros projetos serem potencializados E aí nesse sentido a gente teve todo uma trajetória que precede a execução do chapéu seletor que é uma fase onde a gente tem ah a convocação e a qualificação das pessoas e nessa fase é que se pergunta para elas a respeito dessas características

Então esse relacionamento com os candidatos É foi fundamental da mesma forma atribuir as características das vagas e negociar com os diversos gestores também foi muito importante mas aí respondendo mais diretamente a sua per Pergunta a customização dessa solução para outra empresa não é complexa da mesma forma que eu disse antes que não é para olhar para isso para um Bicho de Sete Cabeças e entender que é possível sim haver simplificação é um solver um Excel consegue fazer esse cálculo em menor quantidade né vamos dizer assim mas ele consegue e o que uma empresa precisa fazer

para poder customizar essa solução primeiro conhecer o seu rol de conhecimentos Quais são as habilidades que ela espera ter nas pessoas quais são as habilidades que ela sente que precisam ser potencializadas naquela empresa e que pode haver alguma carência ou que é necessário impulsionar ainda mais então a primeira customização é essa Quais são os conhecimentos que essa outra empresa precisa mapear e quais são os outros critérios que são relevantes para essa outra empresa de posse dessa informação a segunda coisa que precisa ser pensado é na qual solução Qual método de otimização que vai ser utilizado

não precisa ser necessariamente o método Húngaro que é utilizado no chapéu seletor pode ser alguma outra solução de otimização mais simples que vai depender muito do do Objetivo daquela empresa mas mas a o meu entendimento é que é possível sim levar isso rapidamente para uma outra empresa se ela tiver os conhecimentos se ela tiver também uma cultura que uma cultura de dados um convencimento dentro de que a empresa de que aquilo tem valor de que aquilo é melhor do que uma locação aleatória ou manual e a customização da forma de fazer isso da implementação do

sistema daquilo que vai ser utilizado para para rodar e de novo não precisa ser uma solução complexa pode ser uma coisa mais simples pode ser uma coisa menor que depois vai se ganhando em escala a nossa experiência foi assim a gente começou com uma solução que já tinha esse Grande Desafio de fazer uma locação de uma primeira turma ali de 200 pessoas na primeira turma mas aí a gente percebeu que era necessário fazer melhorias nesse processo que era necessário levar em consideração outros critérios então da mesma forma que nós em outras turmas fomos capazes de

customizar a solução outras empresas também seriam teriam essa habilidade de conseguir fazer essas customizações e levar o produto para ficar mais com a cara do que ela deseja atender né seria nesse sentido perfeito perfeito e você falou num ponto que oio já tinha comentado sobre simplicidade e eu acompanho lá e o que eu vejo que essas evoluções buscam sempre ser mais mais eficientes e mais simples também para atingir resultados cada vez melhores é o que a gente vem obtendo ali em cada uma das interações que a gente tem foram cinco ou mais né e vem

acontecendo esse aperfeiçoamento então ao longo do tempo Stenio já agradecendo cara queria saber suas considerações finais por favor primeiramente agradecer do evento e a vocês pela parceria se eu pudesse dar um recado eu acho que seria muito sobre o quanto o ser humano é insubstituível Apesar desses processos analíticos eles trazerem dados insites úteis para esse né PR gestão de pessoas eu diria que o ser humano vai muito além disso cada um de nós é um ser complexo de ideias sonhos his pois que não podem ser sintetizados por nenhum modelo por mais sofisticado que esse modelo

seja por isso eu diria que o pipo anal ele não deve ser visto como substituto PR intuição humana um substituto PR sabedoria humana mas como uma ferramenta algo que apoia o processo da tomada de decisões devemos perceber sempre que por trás de números e algoritmos sempre estaremos falando de pessoas com suas histórias seus sonhos suas dores então se eu pudesse sintetizar o pipo Analytics com uma frase seria talvez é a interseção que há entre fazer com que a empresa seja o melhor lugar para se trabalhar e proporcionar ao funcionário a capacidade dele dar o seu

melhor obrigado obrigado Fernando primeiro eu queria agradecer todo mundo que tá aqui quem tá em casa assistindo a gente também acreditem em dados acreditem em informações objetivas ela os dados e as informações objetivas não irão substituir o feeling e o sentimento que é necessário naquela troca que existe ali na hora de selecionar alguém mas quanto mais objetivo for esse processo mais transparente ele vai ser e mais fácil vai ser evoluir essa essa solução essa essa forma de selecionar pessoas porque você vai estar declarando o que que é relevante Quais são os critérios que devem ser

considerados afastando subjetividades afastando ah questões que não deveriam ser consideradas e que às vezes estão no subjetivo das pessoas na hora de fazer esse tipo de análise então objetividade de dado é muito relevante e acreditem que isso vai trazer resultado foi o que a gente percebeu na organização a gente apostou nisso e percebemos que existe uma satisfação seja do dos gerentes que estão recebendo essas pessoas e também dos funcionários que estão chegando que estão vendo olha eu tenho uma carreira aqui que eu posso seguir nela ela é promissora eu me sinto confortável nessa vaga eh

e se você tiver falando de muita gente melhor ainda mais fácil ainda de se resolver essa situação então acreditem nos dados boa boa então a gente viu aqui uma solução né que junta a magia é carinhosamente habilidade de chapéu seletor né quem gosta de Harry Potter eh só que é associada à tecnologia de ponta e que permite toda eficiência gostei que vocês citaram que a gente sempre fala é um é um modelo de apoio à tomada de decisão né a gente busca através de dados eh trazer informações para que as pessoas tomem decisões mais adequadas

no nosso caso como o Stenio já falou essas decisões têm sido aprimoradas e acertadas a cada interação que a gente tem então a gente encerra por aqui hoje com esse com esse Case tá o obrigado a participação de todo mundo todo mundo que tá assistindo ao vivo para aqueles que estão esperando a convocação deixem atualizados lá seus guit seus LinkedIn né que isso vai ajudar bastante a gente nos processos de identificação a spoiler e para todo mundo que quiser alguma informação adicional a gente fica à disposição tá bom obrigado gente excelente semana para todos [Aplausos]