Artigo

26 de outubro de 2026

Desenvolvimento de painel de recrutamento e seleção para melhorar o acompanhamento dos processos seletivos

Ana Carolina Pereira De Araujo; Stefano Francisco Pereira Duarte

DOI: 10.22167/2675-6528-202600521

Artigo derivado de Trabalho de Conclusão de Curso (TCC), com conteúdo baseado no trabalho original do aluno e adaptado ao formato editorial da Revista E&S com apoio da ferramenta ResumeAI, solução de inteligência artificial desenvolvida pelo Instituto Pecege para síntese e organização textual.

Resumo

O estudo abordou os desafios no acompanhamento dos processos seletivos, decorrentes da fragmentação de dados, ausência de padronização e elaboração manual de relatórios, que comprometiam a visibilidade e a tomada de decisão. O objetivo foi estruturar uma solução analítica capaz de organizar, integrar e disponibilizar informações de forma automatizada, clara e acessível. A metodologia adotou o ciclo PDCA, com o Diagrama de Ishikawa para identificação das causas e o plano 5W2H para planejamento das ações. As bases operacionais foram tratadas e padronizadas via Power Query, permitindo a construção de um modelo de dados estruturado no Power BI e o desenvolvimento de visualizações alinhadas às necessidades do processo. Como resultado principal, observou-se a consolidação de dados dispersos, o aumento da confiabilidade das informações, a redução de retrabalhos e a ampliação da transparência e autonomia dos usuários no monitoramento de indicadores. O tempo para gerar relatórios diminuiu de 1h30-2h para 10 minutos diários, e a frequência de atualização passou de semanal para diária, com acesso direto ao painel. Concluiu-se que o painel desenvolvido atendeu ao propósito do estudo, configurando-se como uma solução prática, sustentável e aplicável à gestão de Recrutamento e Seleção, fortalecendo a tomada de decisão baseada em dados.

Palavras-chave: Acompanhamento de processos; Business Intelligence; Gestão de dados; PDCA; Tomada de decisão.

1. Introdução

No contexto corporativo contemporâneo, caracterizado pela intensa transformação digital e pela crescente demanda por decisões fundamentadas em dados, a área de Recrutamento e Seleção (R&S) assume um papel cada vez mais estratégico nas organizações. A competitividade do mercado de trabalho, a pressão por maior eficiência operacional e a necessidade de previsibilidade nos processos seletivos tornam o acompanhamento estruturado das etapas um requisito essencial para o alinhamento entre os Recursos Humanos e as demais áreas requisitantes (Breviário et al., 2025; Peeters; Paauwe; Van De Voorde, 2020; Rasmussen; Ulrich; Ulrich, 2024). Nesse cenário, as ferramentas de Business Intelligence (BI) têm se destacado por sua capacidade intrínseca de organizar, integrar e visualizar dados de maneira clara, dinâmica e estratégica, oferecendo suporte robusto à gestão (Microsoft, 2024; PMI, 2021).

Apesar da evolução tecnológica, muitos departamentos de R&S ainda enfrentam desafios significativos relacionados à fragmentação das informações, à ausência de padronização nas bases de dados e à dificuldade em consolidar métricas essenciais para a tomada de decisão. No caso específico estudado, a falta de uma visão unificada do funil de recrutamento gerava um retrabalho considerável para a equipe de Recrutamento e Seleção. A elaboração manual de relatórios semanais, necessária para atender gestores e clientes internos, consumia tempo, aumentava a probabilidade de erros operacionais e atrasava o envio de informações cruciais para o negócio, como o status das vagas, os prazos e o tempo médio em cada fase do processo.

Adicionalmente, a visualização limitada dos dados dificultava a identificação de gargalos no fluxo de trabalho, tornando o acompanhamento pouco intuitivo e restringindo o potencial estratégico do setor de Recursos Humanos. Análises mais completas dependiam de sucessivos retrabalhos de consolidação de dados. Essa lacuna operacional, evidenciada tanto pela literatura especializada quanto pela prática diária da equipe, demonstra a necessidade urgente de estruturas analíticas mais robustas, capazes de transformar dados brutos em informações acessíveis, confiáveis e atualizadas para embasar as decisões (Milani et al., 2020; Ghatak, 2022).

Nesse contexto, a mensuração de desempenho por meio de indicadores torna-se um elemento-chave para a profissionalização do Recrutamento e Seleção, permitindo que o processo seja conduzido por evidências concretas, e não predominantemente por percepções subjetivas. Indicadores como o tempo médio de fechamento de vagas, o volume de vagas abertas e a aderência aos prazos possibilitam um maior controle do processo, a identificação de ineficiências e o apoio às decisões gerenciais. A literatura aponta que a adoção de práticas analíticas em RH, frequentemente denominadas People Analytics, contribui para o aumento da previsibilidade, da eficiência operacional e do alinhamento estratégico da área com os objetivos organizacionais, reforçando o papel do RH como parceiro estratégico do negócio (Milani et al., 2020; Peeters; Paauwe; Van De Voorde, 2020; Rasmussen; Ulrich; Ulrich, 2024).

O desenvolvimento de soluções analíticas aplicadas ao contexto organizacional converge com abordagens de melhoria contínua e gestão da qualidade, nas quais o uso estruturado dos dados desempenha um papel central no controle e no aprimoramento dos processos. O ciclo PDCA (Plan, Do, Check, Act), amplamente utilizado em ambientes corporativos, fornece uma base metodológica sólida para identificar problemas, implementar melhorias, monitorar resultados e padronizar práticas mais eficientes (Werkema, 2012). Assim, a construção de um painel de Business Intelligence voltado ao acompanhamento do processo seletivo configura-se não apenas como uma solução tecnológica, mas também como um instrumento de gestão, capaz de apoiar o monitoramento contínuo, reduzir variabilidades operacionais e oferecer maior confiabilidade às informações utilizadas pela equipe de Recrutamento e Seleção e pelos gestores envolvidos.

Diante desse cenário, este trabalho propõe o desenvolvimento de um painel de Business Intelligence voltado ao acompanhamento dos processos seletivos, com o objetivo de reduzir retrabalhos, aumentar a transparência das informações, otimizar o tempo de resposta aos clientes internos e aprimorar a tomada de decisão na área de Recrutamento e Seleção.

2. Material e Métodos

O presente estudo caracterizou-se como uma pesquisa aplicada, de natureza descritiva, com abordagem metodológica qualitativa, focada no desenvolvimento de uma solução prática para um problema organizacional. O objeto empírico foi o processo de Recrutamento e Seleção (R&S) de uma empresa de grande porte do setor elétrico, com atuação nacional e aproximadamente 16 mil colaboradores. A unidade de análise concentrou-se no departamento de R&S, que contava com cerca de nove recrutadores, uma supervisora e uma gerente, responsáveis pela condução e acompanhamento dos processos seletivos.

Para estruturar o desenvolvimento do projeto, adotou-se a metodologia do ciclo PDCA (Plan, Do, Check, Act), amplamente utilizada em processos de melhoria contínua e gestão da qualidade (Werkema, 2012). Essa abordagem permitiu dividir o estudo em etapas interdependentes e sequenciais, garantindo coerência entre o diagnóstico, o planejamento, o desenvolvimento, a avaliação e os ajustes necessários para a construção do painel de Business Intelligence.

Na etapa de Planejamento (Plan), foram definidos o problema central, os objetivos da construção do painel e os critérios de coleta das informações. Realizou-se uma reunião com as pessoas focais do projeto, na qual se aplicou o Diagrama de Ishikawa para identificar e organizar os principais fatores que dificultavam o acompanhamento dos dados dos processos seletivos (Werkema, 2012). Complementarmente, utilizou-se o plano 5W2H para orientar a definição das ações previstas no planejamento.

A coleta de dados baseou-se na planilha operacional utilizada pela equipe de Recrutamento e Seleção, atualizada diariamente pelos recrutadores com informações sobre o andamento dos processos seletivos. Esses dados foram submetidos a procedimentos de organização, padronização e estruturação no Power Query, de modo a garantir condições adequadas para a modelagem analítica, conforme boas práticas de preparação de dados (Kimball; Ross, 2013).

Na etapa de Execução (Do), os dados foram tratados e organizados no Power Query, incluindo limpeza, integração, padronização de datas e revisão de campos textuais. Procedeu-se à integração da base histórica, contemplando dados de processos seletivos registrados desde 2023, e automatizou-se a consolidação contínua entre os dados históricos e os registros atualizados. A equipe foi comunicada sobre as atualizações e recebeu orientações de boas práticas.

Com a estrutura de dados concluída, iniciou-se a construção do painel no Power BI. Estabeleceu-se o modelo de dados, definindo os relacionamentos entre a tabela principal de Recrutamento e Seleção e tabelas auxiliares, como empresas, cidades, níveis profissionais, tipos de recrutamento e classificações de SLA. Desenvolveram-se medidas em DAX para o cálculo da média de SLA das vagas, indicadores de desempenho por etapa e métricas de contagem de processos (Microsoft, 2024; PMI, 2021).

Configuraram-se filtros, segmentações e parâmetros interativos para proporcionar navegação clara e intuitiva. Definiram-se as visualizações por meio da seleção de gráficos, cartões e painéis que melhor representassem as informações relevantes, resultando em uma interface organizada e dinâmica. O acompanhamento do SLA (Service Level Agreement) por etapa do processo seletivo foi implementado para mensurar o tempo médio de permanência das vagas em cada fase do fluxo de R&S.

O cálculo do SLA médio por etapa foi realizado com base na soma do total de dias em que as vagas permaneceram em determinada etapa, dividida pelo número de vagas que passaram por essa fase. Para garantir a confiabilidade do indicador, o tempo de permanência das vagas em cada etapa foi apurado a partir do número de vezes em que cada vaga apareceu em determinada fase, com base nos backups diários realizados na base de Recrutamento e Seleção.

Na etapa de Verificação (Check), avaliou-se a aderência do painel às necessidades informacionais da área, a estabilidade do fluxo de dados e a conformidade da base de origem às regras de padronização. A análise do painel foi guiada por critérios previamente definidos, considerando a clareza das visualizações, a aderência aos indicadores essenciais, a coerência da estrutura de dados e o alinhamento às boas práticas de gestão e visualização de informações (PMI, 2021; Microsoft, 2024).

Por fim, na etapa de Ação (Act), realizaram-se ajustes pontuais para restabelecer a estabilidade do fluxo de dados e garantir a continuidade da atualização do painel. Reforçaram-se orientações à equipe de Recrutamento e Seleção sobre a importância de não alterar nomes de arquivos, abas ou colunas da base operacional. Executaram-se ajustes de recuperação estrutural no Power Query e revisaram-se medidas e relacionamentos no Power BI, incluindo a reescrita da medida de SLA com regras de validação e tratamento de valores nulos (Werkema, 2012).

3. Resultados e Discussão

A etapa inicial de planejamento do projeto envolveu uma reunião com as partes interessadas, na qual se empregou o Diagrama de Ishikawa, também conhecido como Diagrama de Causa e Efeito. O objetivo foi identificar e organizar os principais fatores que dificultavam a visualização e o acompanhamento adequado dos dados dos processos seletivos. Essa ferramenta permitiu uma análise estruturada do problema, agrupando as causas em categorias clássicas como métodos, mão de obra, medição, materiais, máquinas e meio ambiente, conforme a metodologia de Ishikawa (1985).

A aplicação do Diagrama de Ishikawa revelou que a problemática não se restringia a um único ponto operacional, mas decorria de falhas estruturais e de gestão que impactavam diretamente a eficiência do processo de Recrutamento e Seleção. Entre os principais fatores identificados estavam a falta de treinamento e orientação da equipe, a resistência à mudança, a ausência de padronização das bases de dados, erros recorrentes na consolidação das informações e a inexistência de automações que garantissem a atualização consistente dos dados. Esses achados estão em consonância com Werkema (2012), que enfatiza a importância da identificação estruturada de causas-raiz em projetos de melhoria contínua.

Com base no diagnóstico multifatorial realizado, foi elaborado um plano de ação detalhado utilizando a metodologia 5W2H, que transformou as causas identificadas em um conjunto de ações práticas e organizadas. Esse plano orientou a definição das atividades subsequentes do projeto, garantindo uma abordagem objetiva e direcionada à resolução dos problemas. A estruturação das ações por meio do 5W2H é fundamental para transformar diagnósticos em iniciativas concretas, especialmente em contextos de melhoria contínua (Werkema, 2012).

A elaboração de um cronograma detalhado, alinhado ao plano 5W2H e ao ciclo PDCA, organizou as atividades do projeto de setembro de 2025 a março de 2026. A fase de planejamento concentrou-se na análise da base de dados, estruturação inicial das informações e criação de um protótipo. A etapa de execução, que se estendeu de outubro de 2025 a janeiro de 2026, incluiu ajustes no painel de Business Intelligence, aplicação de automações e acompanhamento do Service Level Agreement (SLA).

As fases de verificação e resultados ocorreram entre janeiro e março de 2026, permitindo a análise dos pontos de melhoria e o levantamento dos efeitos da implementação da solução. Essa organização temporal assegurou que o projeto evoluísse de forma estruturada e progressiva, com validação de entregas intermediárias, o que é crucial para o controle e sucesso de iniciativas complexas, conforme apontado pelo Project Management Institute (PMI, 2021). A aplicação disciplinada do ciclo PDCA, aliada a um planejamento bem definido, aumenta a efetividade das ações de melhoria contínua e reduz retrabalhos (Werkema, 2012).

A etapa de tratamento de dados no Power Query foi fundamental para assegurar a integridade e a consistência das informações. A ferramenta foi configurada para copiar automaticamente a base operacional utilizada pelos recrutadores e aplicar transformações sistemáticas, como ajustes de formatação, padronização de datas, revisão de campos textuais e consolidação de registros duplicados. Essas práticas são essenciais para a confiabilidade de soluções de Business Intelligence, conforme as recomendações de Kimball e Ross (2013).

Em complemento, a base histórica de processos seletivos, registrada desde 2023, foi igualmente tratada e padronizada no Power Query. Essa integração permitiu a consolidação contínua entre os dados históricos e os registros atualizados, ampliando o volume de informações e a profundidade analítica do acompanhamento. A integração de dados históricos e operacionais é um aspecto crucial para análises consistentes e para o apoio à tomada de decisão gerencial (PMI, 2021; Milani et al., 2020).

Com a estrutura de dados consolidada, iniciou-se a construção do painel no Power BI. Primeiramente, foi estabelecido o modelo de dados, definindo os relacionamentos entre a tabela principal de Recrutamento e Seleção e tabelas auxiliares, como empresas, cidades, níveis profissionais, tipos de recrutamento e classificações de SLA. Esse modelo garantiu a integridade referencial e a consistência das análises, sendo um passo crucial na construção de um sistema de BI robusto.

Após a modelagem, foram desenvolvidas medidas em DAX para calcular a média de SLA das vagas, indicadores de desempenho por etapa do processo seletivo e métricas de contagem de processos, possibilitando o acompanhamento estruturado do funil de recrutamento. Em seguida, configuraram-se filtros, segmentações e parâmetros interativos, proporcionando uma navegação clara e intuitiva aos usuários, resultando em uma interface organizada e dinâmica, alinhada às necessidades do setor.

Durante a etapa de execução, implementou-se o acompanhamento do SLA (Service Level Agreement) por etapa do processo seletivo, com o objetivo de mensurar o tempo médio de permanência das vagas em cada fase do fluxo de Recrutamento e Seleção. Para viabilizar esse indicador, adotou-se o registro histórico das movimentações das vagas por meio de backups diários da base operacional, assegurando a rastreabilidade das alterações de status ao longo do tempo.

A consolidação desses dados no Power Query permitiu apurar, de forma precisa, o tempo médio de permanência das vagas em cada etapa, oferecendo uma visão detalhada do comportamento do funil e facilitando a identificação de gargalos operacionais. A implementação desse controle ampliou significativamente a robustez do painel analítico, ao reduzir distorções e permitir análises temporais consistentes dos indicadores de desempenho, o que é fundamental para a tomada de decisão estratégica (Kimball e Ross, 2013; Rasmussen et al., 2024).

Na etapa de Verificação do ciclo PDCA, foram identificadas fragilidades operacionais relacionadas à governança dos dados. Observaram-se interrupções no Power Query e no Power BI decorrentes da alteração do nome do arquivo de origem, o que comprometeu referências e impediu temporariamente a atualização automática. Tais achados reforçam a sensibilidade das soluções de Business Intelligence a alterações não controladas na estrutura dos dados de origem, conforme destacado por Kimball e Ross (2013).

Adicionalmente, identificou-se a ausência do registro do quantitativo de candidatos entrevistados, o que inviabilizou o cálculo da taxa de conversão entre entrevistados e contratados. No monitoramento do SLA por etapa, verificou-se que parte da equipe não realizava a atualização diária do status das vagas, gerando distorções na apuração do tempo por etapa, incluindo casos de SLA negativo devido a datas inválidas. Esses resultados reforçam a dependência entre a qualidade da entrada de dados e a confiabilidade dos indicadores (Milani et al., 2020; Rasmussen et al., 2024).

Com base nas inconsistências identificadas, foram realizados ajustes pontuais para restabelecer a estabilidade do fluxo de dados e garantir a continuidade da atualização do painel. Reforçaram-se as orientações à equipe de Recrutamento e Seleção sobre a importância de não alterar nomes de arquivos, abas ou colunas da base operacional, prevenindo falhas operacionais como a quebra de conexões e a perda temporária de informações no modelo analítico. Essas ações preventivas são cruciais para a manutenção de um ambiente analítico estável.

No âmbito técnico, foram executados ajustes de recuperação estrutural no Power Query, restabelecendo colunas removidas e revalidando etapas de transformação comprometidas. No Power BI, a medida de SLA foi reescrita para incorporar regras de validação, tratamento de valores nulos e salvaguardas contra resultados ilógicos, como SLAs negativos. Essas ações permitiram recuperar a funcionalidade completa da solução e reforçaram práticas de manutenção preventiva, preparando o ambiente analítico para aprimoramentos contínuos, em consonância com os princípios de melhoria contínua (Werkema, 2012).

Discussão Geral dos Resultados

A implementação do painel de Business Intelligence permitiu a consolidação de dados que anteriormente estavam dispersos, resultando em uma base estruturada, integrada e atualizada automaticamente. A aplicação das ferramentas de diagnóstico e planejamento, como o Diagrama de Ishikawa e o plano 5W2H, possibilitou atuar de forma direcionada sobre os fatores que limitavam a eficiência do processo seletivo. A padronização da base de dados, aliada ao uso do Power Query e à construção do modelo analítico no Power BI, contribuiu para a disponibilização de informações mais confiáveis, claras e acessíveis à equipe de Recrutamento e Seleção.

Qualitativamente, os resultados evidenciaram melhorias na identificação de gargalos, na visibilidade do funil de recrutamento, na precisão da apuração do SLA por etapa e na possibilidade de análises comparativas por área, tipo de vaga ou fase do processo. A solução desenvolvida estabelece uma base sólida para futuras evoluções, como a expansão de indicadores estratégicos e o aprimoramento de automações, contribuindo para o aumento da maturidade analítica da área de Recrutamento e Seleção.

Os resultados quantitativos reforçam o impacto da solução implementada, evidenciando uma redução expressiva no tempo necessário para geração do relatório gerencial. Anteriormente, a elaboração do relatório semanal demandava entre 1h30 e 2h, envolvendo a consolidação manual da planilha operacional e o envio das informações por e-mail. Com a implementação do painel em Power BI, o tempo total de atualização passou a ser de aproximadamente 10 minutos por dia, já considerando a verificação básica da integridade dos dados. Essa redução representa um ganho operacional significativo, liberando tempo da equipe para atividades analíticas e estratégicas (Milani et al., 2020).

Outro aspecto relevante é a frequência de atualização das informações, que evoluiu de um modelo semanal para um acompanhamento diário. Essa mudança ampliou significativamente a visibilidade do funil de recrutamento e possibilitou um monitoramento contínuo do andamento das vagas. O acesso frequente a indicadores atualizados fortalece a previsibilidade dos processos de Recursos Humanos e contribui para decisões mais alinhadas às necessidades organizacionais (Peeters; Paauwe; Van De Voorde, 2020).

Destaca-se também o aumento da autonomia dos Business Partners no acesso às informações, que deixou de depender do envio manual de relatórios por e-mail e passou a ocorrer por meio de acesso direto ao painel. Essa mudança contribuiu para maior transparência do processo e democratização da informação, ampliando o papel estratégico do RH ao permitir que diferentes stakeholders acompanhem indicadores em tempo real (Rasmussen et al., 2024). A confiabilidade das informações também avançou significativamente, passando de vulnerável a erros manuais para alta, devido à padronização da base de dados e automatização do fluxo.

Dessa forma, os resultados obtidos confirmam que a implementação do painel de Business Intelligence promoveu ganhos consistentes de eficiência operacional, redução de retrabalhos e maior transparência no acompanhamento dos processos seletivos. A ampliação da agilidade informacional e do fluxo de comunicação entre a equipe de Recrutamento e Seleção e os Business Partners evidencia o avanço da maturidade analítica da área, contribuindo para uma tomada de decisão mais eficiente e orientada por dados, atendendo plenamente ao objetivo do estudo.

4. Conclusão

O presente estudo buscou estruturar uma solução analítica para organizar, integrar e disponibilizar informações de forma automatizada, clara e acessível, visando aprimorar o acompanhamento dos processos seletivos e a tomada de decisão na área de Recrutamento e Seleção. Verificou-se que a implementação do painel de Business Intelligence, construído com o uso do Power Query para tratamento e padronização dos dados e do Power BI para modelagem e visualização, permitiu a consolidação de dados que antes estavam dispersos. Observou-se um aumento significativo na confiabilidade das informações, uma redução expressiva de retrabalhos e a ampliação da transparência e autonomia dos usuários no monitoramento de indicadores. Quantitativamente, o tempo para gerar relatórios gerenciais diminuiu de uma hora e trinta minutos a duas horas para aproximadamente dez minutos diários, e a frequência de atualização passou de semanal para diária, com acesso direto ao painel pelos Business Partners. A solução desenvolvida configura-se como uma contribuição prática e sustentável para a gestão de Recrutamento e Seleção, fortalecendo a tomada de decisão baseada em dados e impulsionando a maturidade analítica da área.

Apesar dos avanços, identificaram-se limitações operacionais relacionadas à governança dos dados, como a sensibilidade do sistema a alterações nos nomes de arquivos de origem e a inconsistência na atualização diária do status das vagas por parte da equipe, o que gerou distorções na apuração do tempo por etapa. Adicionalmente, a ausência do registro do quantitativo de candidatos entrevistados inviabilizou o cálculo da taxa de conversão. Para estudos futuros, sugere-se a expansão de indicadores estratégicos, o aprimoramento das automações e a incorporação de dados adicionais para análises mais abrangentes, como a taxa de conversão entre etapas. O painel desenvolvido estabelece uma base robusta para o monitoramento contínuo e a melhoria dos processos, consolidando o papel estratégico da área de Recursos Humanos por meio de uma gestão mais eficiente e orientada por dados.

Referências Bibliográficas

Breviário, Á. G. do; Rocha, L. A. C.; Rebello, F. A. S.; Vidal, R. L. da S.; Oliveira Filho, A. de S. 2025. Recrutamento e seleção no século XXI: superando barreiras digitais, critérios tradicionais e potenciais não convencionais. Revista Eletrônica Multidisciplinar de Investigação Científica 4(21): e1181825.

Ghatak, R. 2022. People analytics: data to decisions. Springer, Singapore

Ishikawa, 1985 [Referência completa não encontrada no documento original]

Kimball, R.; Ross, M. 2013. The data warehouse toolkit: the definitive guide to dimensional modeling. 3. ed. Hoboken: Wiley.

Microsoft. 2024. Human resources sample: take a tour – Power BI. Microsoft Learn. Disponível em: <https://learn.microsoft.com/en-us/power-bi/create-reports/sample-human-resources>. Acesso em: 16 jan. 2026

Milani, A. M. P.; Soares, J. A.; Andrade, G. L.; et al. 2020. Visualização de dados. SAGAH, Porto Alegre, RS, Brasil

Peeters, T.; Paauwe, J.; Van De Voorde, K. 2020. People analytics effectiveness: developing a framework. Journal of Organizational Effectiveness: People and Performance 7(2): 203–219.

Project Management Institute [PMI]. 2021. Um guia para o conhecimento em gerenciamento de projetos (Guia PMBOK®). 7. ed. PMI, Pennsylvania, USA

Rasmussen, T. H.; Ulrich, M.; Ulrich, D. 2024. Moving people analytics from insight to impact. Human Resource Development Review 23(1): 11-29.

Werkema, C. 2012. Métodos PDCA e DMAIC e suas ferramentas analíticas. GEN/Atlas, Rio de Janeiro, RJ, Brasil

Artigo oriundo de Trabalho de Conclusão de Curso da Especialização em Gestão de Projetos do MBA USP/Esalq

Para saber mais sobre o curso, clique aqui e acesse a plataforma MBX Academy

Você também pode gostar

17 de novembro de 2026

Deteção e Diagnóstico de Doenças em Milho e Arroz em Moçambique com Deep Learning

A agricultura moçambicana depende do milho e arroz, culturas fundamentais para a segurança alimentar, mas sua produtividade é fortemente afetada por doenças fitossanitárias, cuja identificação precoce e precisa permanece um desafio em contextos de recursos limitados. O estudo objetivou desenvolver e comparar modelos baseados em Deep Learning para a detecção e o diagnóstico automático de doenças em folhas de milho e arroz em Moçambique. Utilizaram-se três abordagens: uma Rede Neural Convolucional (CNN) clássica desenvolvida do zero, e dois modelos de transfer learning, ResNet50 e MobileNetV2. O conjunto de dados foi composto por imagens de bases públicas e coletadas em campo, que passaram por etapas de limpeza, balanceamento e aumento artificial. Os modelos foram treinados e avaliados com métricas de desempenho padrão, incluindo acurácia, precisão, recall, F1-score, Log Loss e Kappa de Cohen. A CNN clássica apresentou o melhor desempenho global, com 94% de precisão, recall e F1-score, e 93% de acurácia e Kappa de Cohen. A MobileNetV2 alcançou 91% de F1-score e 90% de acurácia, destacando-se pelo menor Log Loss (0,30) e tempo de treinamento (6h32min59s). A ResNet50 atingiu 80% de F1-score e 79% de acurácia. Concluiu-se que técnicas de Deep Learning possuem elevado potencial para apoiar o diagnóstico fitopatológico em contextos agrícolas reais, contribuindo para decisões mais rápidas e precisas no manejo de doenças em milho e arroz.

Palavras-chave: Aprendizagem profunda; Arroz; Doenças em plantas; Milho; Visão computacional.

17 de novembro de 2026

Estruturação do processo de encerramento de projetos de uma indústria da construção civil

Um estudo abordou o grupo de processo de encerramento de projetos em uma indústria de manufatura da construção civil, utilizando o guia PMBOK como referência principal. O processo existente na indústria apresentava superficialidade e fragilidades, especialmente no registro de lições aprendidas. Diante desse cenário, o objetivo foi desenvolver um procedimento para o encerramento de projetos da organização, visando agregar valor por meio da padronização do processo, registro do conhecimento adquirido, formalização da conclusão e entrega dos projetos, e aprimoramento da comunicação, engajamento, integração e transparência com os stakeholders. A pesquisa classificou-se como descritiva, empregou dados qualitativos e adotou a pesquisa-ação como delineamento. O escopo do estudo estruturou-se conforme os cinco grupos de processos do guia PMBOK e foi representado por uma Estrutura Analítica de Projeto (EAP). Os principais resultados obtidos incluíram o procedimento desenvolvido e diversos templates de documentos, que constituíram os entregáveis do novo processo de encerramento de projetos. Verificou-se que o trabalho alcançou o objetivo esperado, pois o procedimento desenvolvido viabilizou a padronização do encerramento de projetos, o aprimoramento da integração e engajamento com os stakeholders, e a promoção de segurança e transparência no processo.

Palavras-chave: Gestão do conhecimento; Lições aprendidas; PMBOK; Templates; Termo de aceite de projeto.

17 de novembro de 2026

Machine Learning e priorização de funcionalidades em produtos digitais: um estudo de caso em uma fintech

Uma análise investigou o potencial da utilização de técnicas de machine learning aplicadas à análise do comportamento dos usuários na priorização de funcionalidades em produtos digitais. O objetivo foi compreender os processos de priorização utilizados na prática, o papel dos dados comportamentais na tomada de decisão e as percepções sobre a aplicação de técnicas de machine learning nesse contexto. Adotou-se uma abordagem qualitativa e exploratória, estruturada como um estudo de caso em produtos desenvolvidos sob o modelo Software as a Service (SaaS). A coleta de dados realizou-se por meio de entrevistas semiestruturadas com profissionais das áreas de produto e de dados. A análise dos dados seguiu a técnica de análise de conteúdo. Os resultados indicaram que, embora os dados comportamentais já fossem utilizados como apoio à decisão, os processos de priorização ainda apresentavam baixa formalização e enfrentavam limitações técnicas e organizacionais. Observou-se, também, o reconhecimento do potencial do machine learning como suporte estratégico à priorização de funcionalidades, embora sua aplicação prática fosse incipiente. Como principal contribuição, o estudo propôs um modelo conceitual que integra dados comportamentais, processos de priorização e o uso de machine learning como suporte à decisão.

Palavras-chave: Análise de dados; Comportamento do usuário; Dados comportamentais; Software as a Service (SaaS); Tomada de decisão.

17 de novembro de 2026

Inteligência artificial nas rotinas operacionais contábeis e na eficiência financeira

A incorporação de Inteligência Artificial (IA) e de ferramentas de automação reconfigurou as rotinas de escritórios contábeis brasileiros, impactando produtividade, mitigação de erros e eficiência financeira. Analisou-se esses impactos em um escritório contábil de pequeno porte, especializado no atendimento a prestadores de serviços da área médica em São Caetano do Sul, São Paulo. A pesquisa adotou abordagem qualitativa, com delineamento de estudo de caso único e unidades de análise incorporadas. Os dados foram coletados por questionário estruturado, aplicado via Google Forms entre janeiro e fevereiro de 2026, a cinco profissionais da estrutura operacional do escritório em levantamento censitário. O tratamento seguiu análise de conteúdo com categorias a priori e emergentes. Todos os respondentes declararam uso de ferramentas automatizadas ou com recursos de IA. A percepção de redução do tempo de execução, de diminuição de erros operacionais, de retrabalho e de melhor aproveitamento do tempo da equipe convergiu em 80% das respostas afirmativas e 20% parciais. As atividades mais beneficiadas foram conciliação bancária, importação de documentos fiscais e apuração tributária, com ganhos visíveis sobre erros de digitação, lançamentos duplicados e classificação incorreta. A intervenção humana permaneceu indispensável em planejamento tributário, análise de cenários e conferência de obrigações acessórias. A avaliação geral da contribuição da IA foi predominantemente favorável, com moderação vinculada à complexidade normativa fiscal.

Palavras-chave: Análise de conteúdo; Automação de processos; Contabilidade 4.0; Pequeno porte; Transformação digital.

17 de novembro de 2026

Fatores que influenciam a gestão de prazos em projetos de “retrofit” de estações de esgoto

Projetos de “retrofit” em Estações de Tratamento de Esgoto (ETE) caracterizam-se por elevada complexidade, restrições operacionais e múltiplas interfaces técnicas. O estudo analisou a percepção dos profissionais envolvidos sobre a gestão e o cumprimento dos prazos em projetos de “retrofit” de estações de tratamento de esgoto, considerando fatores técnicos, operacionais e organizacionais. A pesquisa caracterizou-se como um estudo aplicado, com abordagem quali-quantitativa, delineado como levantamento de campo do tipo “survey”. A análise dos dados realizou-se por estatística descritiva e categorização qualitativa, utilizando as ferramentas SWOT, matriz de risco (Probabilidade x Impacto) e plano de ação 5W2H. Os resultados indicaram alta percepção de clareza (77,8%) e realismo dos prazos (100% de concordância), evidenciando um planejamento inicial consistente. Contudo, 77,7% dos respondentes apontaram que retrabalhos e alterações de escopo impactaram diretamente o cumprimento dos prazos. A integração entre engenharia, fabricação e Planejamento e Controle da Produção (PCP) apresentou avaliação intermediária (77,7% de concordância parcial/total), indicando fragilidade na coordenação interfuncional. A matriz de risco destacou como críticos: mudanças de escopo, limitações operacionais da ETE e complexidade técnica, todos com nível alto. Como melhoria central, propôs-se a padronização do controle de mudanças de escopo, análise e aprovação, visando reduzir retrabalhos e aumentar a previsibilidade do cronograma.

Palavras-chave: Desempenho; Integração; Planejamento; Retrabalho; Risco.

17 de novembro de 2026

Captação B2C em medicina diagnóstica: parcerias estratégicas com consultórios médicos especializados

O setor de medicina diagnóstica no Brasil opera com elevada dependência das operadoras de planos de saúde, o que limita a autonomia financeira dos prestadores. Este estudo propôs e analisou um modelo de captação direta de pacientes (B2C) para uma instituição de medicina diagnóstica de alta complexidade, estruturado a partir de parcerias com consultórios de Oncologia e Cardiologia e operacionalizado por um serviço de atendimento personalizado denominado concierge. A investigação adotou abordagem mista em três fases: levantamento de campo com questionário estruturado aplicado a 87 pacientes, mapeamento do fluxo operacional por “Service Blueprint” e análise da taxa de conversão a partir de 312 indicações médicas registradas no projeto-piloto. Os resultados indicaram que a confiança na indicação médica obteve 92,0% de concordância, configurando-se como principal fator de adesão. A conveniência de realizar o exame no mesmo dia alcançou 78,2%, e a disposição para pagamento direto atingiu 55,2%, com polarização associada à predominância de usuários de plano de saúde. O “Service Blueprint” identificou três pontos críticos nas transições entre etapas da jornada. A taxa de conversão global foi de 51,0%, com desempenho superior na Oncologia (58,2%) em relação à Cardiologia (45,0%), e a maior perda concentrou-se na etapa de aceite e agendamento (28,3%). Concluiu-se que o modelo demonstrou possível viabilidade operacional e indícios de aceitação pelos pacientes, condicionado à transparência de preços e à redução do intervalo entre consulta e abordagem pelo concierge.

Palavras-chave: Desembolso direto; Jornada do paciente; Saúde suplementar; Serviço concierge; Taxa de conversão.

17 de novembro de 2026

O papel do gestor escolar na promoção de uma cultura inclusiva: liderança e políticas educacionais

A pesquisa analisou a atuação do gestor escolar na promoção de uma cultura inclusiva, considerando a necessidade de transformar diretrizes legais e fundamentos pedagógicos em práticas institucionais efetivas. Partiu-se do pressuposto de que a inclusão escolar exige planejamento, organização e liderança estratégica no cotidiano da escola. Adotou-se uma abordagem qualitativa de natureza aplicada, desenvolvida em três etapas complementares: análise documental das legislações brasileiras sobre educação inclusiva, revisão bibliográfica sobre liderança e gestão escolar, e sistematização dos dados por meio de ferramentas gerenciais como a matriz SWOT e o ciclo PDCA. Os resultados indicaram que a atuação da gestão escolar exerceu influência direta na consolidação de ambientes inclusivos, especialmente na organização de processos, formação continuada da equipe e fortalecimento de uma cultura institucional colaborativa e respeitosa à diversidade. Identificaram-se também desafios estruturais, pedagógicos e relacionais que demandaram intervenções planejadas. Ao final, elaborou-se um Guia Prático para Gestores Escolares, com diretrizes, protocolos e orientações operacionais para a tomada de decisão e organização dos processos inclusivos. Concluiu-se que a construção de uma cultura inclusiva dependeu da capacidade gestora de articular políticas públicas, práticas pedagógicas e processos institucionais, consolidando a inclusão como compromisso permanente no contexto escolar.

Palavras-chave: Acessibilidade educacional; Equidade educacional; Gestão participativa; Planejamento estratégico; Processos institucionais.

17 de novembro de 2026

Um artefato de IA baseado em Design Thinking para apoiar a elicitação de requisitos de software a partir das necessidades dos usuários

O desenvolvimento de software orientado às necessidades dos usuários frequentemente enfrenta desafios na elicitação de requisitos, decorrentes de ambiguidades na linguagem natural e falhas de comunicação. Diante disso, propôs-se e validou-se um artefato inteligente que integra Design Thinking e Inteligência Artificial, com foco nas etapas de Empatia e Definição, para apoiar a coleta, interpretação e estruturação das necessidades dos usuários. A pesquisa, de natureza aplicada, qualitativa e exploratória, conduziu uma Prova de Conceito em ambiente controlado, empregando cenários hipotéticos. O artefato operou por meio de entrevistas guiadas em linguagem natural, organizando informações em elementos como dor, contexto e impacto, e gerando sínteses de problemas rastreáveis. Os resultados indicaram que o sistema organizou relatos não estruturados, reduziu ambiguidades e preservou o sentido das informações originais na maioria dos casos. Observou-se também a capacidade de reorganização lógica em cenários complexos, embora com limitações na separação de múltiplos problemas e dependência das instruções. Concluiu-se que o artefato possui potencial como apoio à elicitação de requisitos, melhorando a clareza e a estruturação das informações, mas requer supervisão e controle contextual.

Palavras-chave: Design Thinking; Elicitação de Requisitos; Engenharia de Requisitos; Inteligência Artificial; Processamento de Linguagem Natural.

17 de novembro de 2026

A Extinção da Sistemática Monofásica na Indústria Farmacêutica à Luz da Reforma Tributária

A Reforma Tributária do consumo, estabelecida pela Emenda Constitucional nº 132/2023, introduziu alterações estruturais no sistema tributário brasileiro, com a substituição do Programa de Integração Social (PIS) e da Contribuição para o Financiamento da Seguridade Social (COFINS) pela Contribuição sobre Bens e Serviços (CBS), em um modelo de Imposto sobre Valor Agregado (IVA dual). O objetivo foi analisar os impactos da extinção da sistemática monofásica na indústria farmacêutica, à luz do novo desenho normativo e de seus efeitos econômicos e jurídicos. Realizou-se pesquisa qualitativa, de natureza exploratória, por meio de estudo de caso e análise documental da legislação e da doutrina especializada. Examinou-se se o fim da monofasia implicaria aumento relevante da carga tributária para o setor. Os resultados indicaram que, embora a superação formal da sistemática monofásica tenha ocorrido, a desoneração material dos medicamentos foi preservada, sobretudo em razão da aplicação de alíquotas reduzidas de 60% e, em determinados casos, de alíquota zero do Imposto Sobre Bens e Serviços (IBS) e da CBS. A mudança de modelo pode provocar variações pontuais na arrecadação, sem caracterizar aumento estrutural da carga tributária, tendendo à neutralidade ao longo do tempo. Concluiu-se, preliminarmente, que a Reforma Tributária reorganizou a técnica de tributação na indústria farmacêutica, substituindo um regime concentrado por mecanismos mais transparentes de desoneração. Essa abordagem mostrou-se compatível com os princípios da neutralidade, da não cumulatividade plena e da extrafiscalidade, mantendo a proteção tributária aos medicamentos essenciais e alinhando a política fiscal ao direito fundamental à saúde.

Palavras-chave: CBS; COFINS; IBS; IVA Dual; PIS.

Inscreva-se em nossa newsletter!

Receba conteúdos e fique sempre atualizado sobre as novidades em gestão, liderança e carreira com a Revista E&S.

Ao preencher o formulário você está ciente de que podemos enviar comunicações e conteúdos da Revista E&S. Confira nossa Política de Privacidade