Preparar um carregamento de ficheiros de dados organizacionais

A aplicação de informações avançadas pode obter dados organizacionais de uma de duas formas: através de Microsoft Entra ID, que é a predefinição, ou através de um ficheiro de dados organizacional que o utilizador, enquanto administrador, carrega. Neste artigo, vamos abordar a segunda opção, o ficheiro de dados organizacional. Continue a ler para saber o que precisa de fazer enquanto administrador para identificar, recolher e estruturar dados antes de carregar dados organizacionais.

Para saber mais sobre os dados organizacionais em geral, descubra que dados Microsoft Entra ID sincronizam automaticamente com Viva Insights e para obter uma descrição geral da página Dados organizacionais na experiência de administração de informações avançadas, consulte Dados organizacionais no Viva Insights.

Prepare os dados organizacionais

Quando você estiver pronto para começar a trabalhar com um arquivo de dados organizacionais, as seções a seguir orientam você no processo de preparação de dados:

1. Identificar tendências que pretende analisar – decida quais as tendências que precisa de aprender para melhorar a eficiência no trabalho. Após identificar essas tendências, você pode escolher melhor quais dados organizacionais usar.
2. Saiba quais os dados a incluir – são necessários alguns atributos de dados e muitos são opcionais. Entre os opcionais, escolha os atributos que melhor servem para os seus objetivos analíticos.
3. Obter uma exportação de dados organizacionais – peça a um administrador para exportar os dados de RH do sistema de RH da sua organização. Opcionalmente, inclua dados de linha de negócio, se a sua análise o exigir.
4. Estruturar os dados organizacionais – para que os seus dados sejam validados com êxito, primeiro tem de os estruturar corretamente no ficheiro .csv que carregar.
5. Carregar o ficheiro de dados organizacional – depois de o ficheiro .csv estar pronto, carregue-o para a aplicação de informações avançadas onde, após a validação e o processamento, fica disponível para análise.

Passo 1 – Identificar tendências que pretende analisar

Para saber quais os dados organizacionais a extrair, primeiro tem de decidir quais as tendências do local de trabalho que pretende aprender. Por exemplo, em uma análise futura, talvez você queira examinar a colaboração em diferentes segmentos ou grupos de funcionários. Primeiro, tem de definir estes grupos, o que pode fazer de várias formas:

• Por dados organizacionais
• Por níveis de hierarquia organizacional
• Por desempenho, cativação ou outros dados de linha de negócio

Os grupos definidos podem ser utilizados nos seguintes exemplos de análises:

Colaboração entre grupos

Um cenário de análise comum é encontrar padrões de colaboração entre diferentes grupos de funcionários. Por exemplo, poderá querer saber o quanto a sua equipa de marketing de produtos está a falar com a sua equipa de vendas.

Os atributos para segmentar populações podem ser úteis para considerar na definição de padrões de colaboração, tais como:

• Atributos de família ou função de trabalho, como profissão, função, disciplina e código de trabalho
• Organização, linha de negócio ou centro de custos, como RH, Finanças, Vendas e Marketing
• Atributos de localização, como cidade, estado, país e regiões, conforme definido pela sua organização
• Atributos que descrevem o seu trabalho, como colaborador remoto, a tempo inteiro ou fornecedor

A maioria destes atributos está disponível nos sistemas de informação de RH.

Colaboração hierárquica

Também é comum procurar padrões de comportamento de colaboração em referência à hierarquia da sua organização. Também pode quantificar a colaboração entre gestores e contribuidores individuais e entre níveis mais altos e mais baixos na organização.

Os seguintes conceitos são úteis neste tipo de análise:

• IC ou gestor – se um funcionário é um contribuidor individual ou um gestor.
• Hierarquia organizacional – por exemplo, os nomes de todos os gestores acima do colaborador na estrutura de relatórios desse funcionário; cada gestor pode ser armazenado como um atributo separado.
• Camada – por exemplo, a posição do colaborador na hierarquia organizacional em que a camada 0 = o líder principal na empresa.
• Span – por exemplo, o número de relatórios diretos atribuídos a um funcionário.
• Nível – por exemplo, gestor sénior, VP, diretor, CVP.

A maioria destes atributos também se encontra em sistemas de informação de RH.

Dados de colaboração, interação e resultados

Por fim, poderá querer considerar ligar padrões de comportamento de colaboração a classificações de cativação de funcionários ou outros dados de resultados de desempenho. Estes dados podem incluir classificações de desempenho ou obtenção de quota de vendas. Estes dados encontram-se frequentemente fora dos sistemas de informação de RH tradicionais, quer em repositórios de dados de RH separados, quer em sistemas de linha de negócio.

Passo 2 – Saber que dados incluir

Para obter a funcionalidade completa do aplicativo de insights avançados, você precisa fornecer vários atributos necessários, conforme descrito na referência de atributo. Além disso, você pode fornecer até 100 atributos opcionais para agrupar e filtrar dados de maneiras interessantes e personalizadas.

Exemplos de dados organizacionais incluem família de trabalhos, função de trabalho, organização e linha de negócio. Estes dados são fornecidos à aplicação de informações avançadas ao nível individual, o que significa que estes atributos fornecem contexto a cada pessoa no conjunto de dados.

Funcionários a incluir

No mínimo, inclua os dados organizacionais de todos os funcionários com licenças Viva Insights. É ainda melhor incluir todas as pessoas na sua empresa como parte do carregamento de dados, mesmo que planeie recolher dados de colaboração apenas para um subgrupo, ou seja, uma população alvo específica dentro da empresa.

Por exemplo, se as pessoas em Marketing comunicarem frequentemente com as pessoas no Desenvolvimento de Produtos, mas a aplicação tiver dados de RH apenas sobre a organização de Marketing, não poderá criar relatórios para mostrar quanto tempo o Marketing está a gastar com o Desenvolvimento de Produtos.

Se não conseguir incluir todas as pessoas na sua organização, o mínimo a incluir é todas as pessoas para as quais os dados de colaboração estão a ser recolhidos. Este mínimo permite-lhe analisar padrões de colaboração entre grupos dentro desta população, mas não entre grupos fora desta população.

Incluindo todos os funcionários licenciados

É da responsabilidade do administrador manter os dados organizacionais atualizados e completos. Nesta tarefa, "concluído" significa duas coisas: dados que incluem as pessoas certas e incluem os atributos certos para essas pessoas.

O motivo para incluir todos os funcionários licenciados na organização é que, se os dados organizacionais estiverem em falta, os analistas não podem filtrar por esses dados quando criam uma consulta na página Análise . Assim, os colaboradores cujos dados estão em falta são excluídos das análises que os analistas realizam.

Além de incluir todos os colaboradores licenciados no carregamento de dados organizacionais, recomendamos que inclua também funcionários não licenciados, como explicámos anteriormente.

Passo 3 – Obter uma exportação de dados organizacionais

Antes de formatar e carregar dados organizacionais, você precisa obtê-los de uma ou mais fontes. Sua fonte primária é a equipe que gerencia os sistemas de informações de RH da sua organização. Esta equipa tem de lhe fornecer uma exportação de dados de atributos de RH para funcionários individuais.

Além disso, os seus analistas podem precisar de dados sobre os resultados de negócio. Se for o caso, tem de contactar os proprietários da linha de negócio que têm acesso aos arquivos de dados que contêm estas informações. Por exemplo, estes dados podem incluir:

• Dados de revisão de desempenho para grupos de trabalho específicos.
• Pontuações de cativação de funcionários capturadas por RH fora dos sistemas de informação de RH.
• Vendas ou outros dados de obtenção de quotas que fornecem mais vistas sobre o desempenho.
• Dados de inquérito dos funcionários.

Depois de obter estes dados, terá de os estruturar para um processamento bem-sucedido depois de os carregar para a aplicação.

Passo 4 – Estruturar os dados organizacionais

Depois de obter os dados exportados, estrutura-os no formato correto.

Adicionar atributos obrigatórios, reservados opcionais e personalizados

Existem três tipos de atributos que pode adicionar no seu ficheiro de dados organizacional: obrigatório, reservado opcional e personalizado.

Obrigatório

Forneça os seguintes atributos como cabeçalhos de coluna, exatamente como escritos abaixo, no .csv carregamento.

• EffectiveDate
  • Certifique-se de que a coluna EffectiveDate tem valores em todas as linhas. Se não fornecer uma coluna EffectiveDate no seu carregamento, a data em que carregou os dados torna-se o EffectiveDate predefinido.
• PersonId
• ManagerId
• Organização (sensível a maiúsculas e minúsculas)

Reservado opcional

Os seguintes atributos são cabeçalhos de coluna reservados para atributos que são atualmente utilizados para calcular, filtrar e agrupar dados. Podem ser necessários atributos diferentes da lista abaixo consoante o modelo específico do Power BI.

• LevelDesignation
• FunctionType
• HireDate
• Hora a Hora
• Layer
• SupervisorIndicator
• WeeklyBadgeOnsiteDays
• Location

Atributos personalizados

Os atributos personalizados são outros atributos que pretende definir para utilizar na filtragem e agrupamento de dados. Quando você carrega esses atributos, os analistas podem usá-los ao criar consultas. Para saber como carregar atributos personalizados, veja Carregar dados organizacionais (primeiro carregamento).

Exemplo .csv ficheiro de exportação

Eis um fragmento de exemplo de um ficheiro de exportação de .csv válido:

PersonId,EffectiveDate,HireDate,ManagerId,LevelDesignation,Organization,Layer,Area Emp1@contoso.com,12/1/2020,1/3/2014,Mgr1@contoso.com,Junior IC,Sales,8,Southeast Emp2@contoso.com,11/1/2020,1/3/2014,Mgr1@contoso.com,Junior IC,Sales,8,Southeast Emp3@contoso.com,12/1/2020,1/3/2014,Mgr2@contoso.com,Manager,Sales,7,Northeast Emp4@contoso.com,10/1/2020,8/15/2015,Mgr3@contoso.com,Support,Sales,9,Midwest Emp5@contoso.com,11/1/2020,8/15/2015,Mgr3@contoso.com,Support,Sales,9,Midwest Emp6@contoso.com,12/1/2020,8/15/2015,Mgr3@contoso.com,Support,Sales,9,Midwest

Para obter mais informações sobre atributos, veja a secção Referência de atributos .

Passo 5 – Carregar o ficheiro de dados organizacionais

Depois de criar um ficheiro de .csv de origem, pode carregá-lo para a aplicação de informações avançadas através da página > Dados organizacionais Hub de dados ou separador Ligações de dados .

Se esta for a primeira vez que carrega dados organizacionais, veja Carregar dados organizacionais (primeiro carregamento). Se esta não for a primeira vez, veja Carregar dados organizacionais (carregamentos subsequentes).

Depois de os dados serem carregados com êxito, a aplicação efetua mais validação e processamento para concluir o aprovisionamento.

Com que frequência carregar um ficheiro de .csv de dados organizacionais

Recomenda-se que carregue os dados dos colaboradores pelo menos uma vez por mês para manter os dados atualizados e as análises relevantes. Logo após o carregamento de dados de um funcionário ter sido efetuado com êxito, os dados atualizados ficam disponíveis para que os utilizadores vejam como informações na aplicação.

Fornecer dados ao longo de um período de tempo

Por predefinição, Viva Insights inclui dados de reunião e e-mail para funcionários medidos durante um ano. Os dados organizacionais são fornecidos para Viva Insights com uma data efetiva associada a cada linha no ficheiro de carregamento.

Se fizer uma exportação para um ponto anterior no tempo dos dados organizacionais do seu sistema de informações de RH a partir da data atual, obterá uma imagem da população dos seus funcionários para esse único ponto no tempo. Para a maior fidelidade dos dados durante o aprovisionamento, deve fornecer exportações de dados organizacionais para cada um dos últimos 13 meses. Estes dados podem ser fornecidos num único ficheiro ou numa sequência de ficheiros.

Eis o aspeto que isso teria na prática. Para cada colaborador medido, teria 13 linhas separadas. Cada uma dessas linhas conteria uma data efetiva para cada mês para a qual os dados foram solicitados. Se não for possível uma data efetiva para cada mês, pode fornecer um único ponto no tempo. Nesse caso, defina a data efetiva para o primeiro dia do mês atual, há um ano. Por exemplo, se o aprovisionamento tiver ocorrido em outubro de 2020, a data efetiva para todas as linhas deve ser definida como 10/1/2019.

A atividade de colaboração de colaboradores é mapeada para os dados organizacionais mais recentes snapshot (com base no EffectiveDate) que precede a data da atividade de colaboração.

Configuração avançada – Configurar o endereço de e-mail para encontrar o EntraID correspondente para processamento

Viva Insights utiliza endereços de e-mail para encontrar o EntraID correspondente para processamento. Com esta configuração avançada, pode escolher a data que Viva Insights deve utilizar para obter o EntraID para cada endereço de e-mail.

Opção 1: EffectiveDate

Aplica-se se: a origem de dados controla as alterações do endereço de e-mail por EffectiveDate

EffectiveDate é a data em que um determinado valor de atributo se aplica a um funcionário. O atributo aplica-se até ser especificado outro registo para o mesmo atributo com um EffectiveDate diferente. Se não for carregado nenhum EffectiveDate, a data de carregamento é utilizada como predefinição.

Cenário

1. A sua origem de dados monitoriza as alterações de endereços de e-mail por EffectiveDate.
2. O endereço de e-mail mudou de BoSmith@contoso.com para BoJames@contoso.com para EntraID "A". Esta alteração é registada no sistema HCM com EffectiveDate.

Exemplo:

1. 14/04/2024: O endereço de e-mail mudou de BoSmith@contoso.com para BoJames@contoso.com para EntraID "A". Esta alteração é registada no sistema de origem do HCM com uma nova linha para BoJames@contoso.com com EffectiveDate 14/04/2024.

2. Este é snapshot exportado do sistema de origem HCM a 15/04/2024:

   Personid	EffectiveDate	Organização
   BoSmith@contoso.com	04/01/2024	ABC
   BoJames@contoso.com	04/14/2024	ABC

3. 16/04/2024: O ficheiro exportado na data de snapshot é carregado no Viva Insights

   • Selecione EffectiveDate em Configuração avançada

   • Isto garante que as alterações ao endereço de e-mail são controladas pelo EffectiveDate correspondente fornecido no ficheiro carregado.

     • De 01/04/2024 a 14/04/2024, BoSmith@contoso.com é utilizado para obter EntraID "A"
     • A partir de 14/04/2024, BoJames@contoso.com é utilizado para obter EntraID "A"

     Saiba mais sobre como utilizar o EffectiveDate para fornecer dados durante um período de tempo.

Opção 2: Selecionar data

Aplica-se se: a origem de dados não controla as alterações de endereços de e-mail. O endereço de e-mail na data selecionada é utilizado para todas as datas anteriores.

1. Selecione a data de hoje se tiver exportado dados da mesma recentemente.
2. Caso contrário, selecione uma data mais antiga.

Cenário 1

1. A sua origem de dados não controla as alterações de endereços de e-mail e exportou dados da mesma recentemente.
2. O endereço de e-mail foi alterado para EntraID "A" e pretende que o novo endereço de e-mail corresponda a "A" para todos os dados históricos.

Exemplo:

1. 14/04/2024: O endereço de e-mail mudou de BoSmith@contoso.com para BoJames@contoso.com para EntraID "A".

2. O snapshot exportado do sistema de origem HCM a 15/04/2024:

   Personid	EffectiveDate	Organização
   BoJames@contoso.com	04/01/2024	ABC

3. 16/04/2024: O ficheiro exportado na data de snapshot é carregado no Viva Insights.

4. Selecione 16/04/2024 na lista pendente

   • Isto garante que o endereço de e-mail em 16/04/2024 (por exemplo, BoJames@contoso.com) é utilizado para obter EntraID "A" para todas as datas anteriores.

Cenário 2

1. A sua origem de dados não regista alterações de endereços de e-mail e não exportou dados recentemente.
2. O endereço de e-mail foi alterado para EntraID "A" e pretende que o endereço de e-mail antigo corresponda a "A" para todos os dados históricos.

Exemplo:

1. O snapshot exportado do sistema de origem HCM a 20/04/2024:

   Personid	EffectiveDate	Organização
   BoSmith@contoso.com	04/01/2024	ABC

2. 25/04/2024: O endereço de e-mail mudou de BoSmith@contoso.com para BoJames@contoso.com para EntraID "A".

3. 10/05/2024: o ficheiro exportado na data de snapshot é carregado no Viva Insights.

   • Selecione 20/04/2024 na lista pendente e não 25/04/2024 ou 10/05/2024.
   • Isto garante que o endereço de e-mail em 20/04/2024 (por exemplo, BoSmith@constoso.com) é utilizado para obter o EntraID "A" para todas as datas anteriores.

Ativar a ingestão parcial de dados

Para ativar a ingestão parcial de dados, selecione Carregar linhas válidas e exclua linhas com dados inválidos. Esta definição só carregará linhas que incluam valores válidos e mostrará avisos para as linhas que não foram ingeridas devido a erros. Essa configuração é desmarcada por padrão.

Referência de atributo

Esta secção contém informações sobre os atributos que utiliza nos ficheiros de dados organizacionais carregados para a aplicação advanced insights.

^{1. Tem de incluir os campos necessários. Cada campo necessário precisa de valores não em branco para cada linha.}

^{2. Se não incluir uma coluna EffectiveDate com o carregamento, a data de carregamento torna-se o EffectiveDate predefinido.}

^{3. Não tem de incluir nenhum destes campos reservados. No entanto, se os utilizar, mantenha estes nomes de coluna.}

^{4. Não é necessário incluir atributos personalizados. No entanto, se os adicionar, não poderão ter o mesmo nome que qualquer um dos atributos obrigatórios ou reservados.}

Notas de atributo e recomendações

Alguns atributos existem apenas para um subconjunto da população

Ao escolher atributos a incluir, alguns valores de atributo podem ser preenchidos para uma organização, mas não para outras. Por exemplo, se o carregamento incluir dados de quota de vendas que só se aplicam à sua organização de vendas, não pode utilizar estes dados para filtrar e agrupar funcionários fora das vendas.

Demasiados valores exclusivos

Por vezes, um atributo tem demasiados valores exclusivos a utilizar para agrupar e filtrar. Por exemplo, se uma função ou código de tarefa estiver definido de forma demasiado estreita, poderá não lhe dar uma vista útil do grupo geral. Se um atributo tiver centenas de valores exclusivos que resultam num pequeno grupo populacional por valor, o atributo poderá não ser útil.

Poucos valores exclusivos

Por outro lado, por vezes, um atributo é definido de forma demasiado abrangente para filtragem útil. Por exemplo, se a sua organização residir inteiramente no Estados Unidos e os registos de RH por colaborador contiverem um código de país que seja sempre igual a EUA, esse atributo não seria útil.

Atributos redundantes

Alguns atributos podem representar os mesmos dados e fornecer dados redundantes desnecessários para análise. Por exemplo, os dados de RH podem conter um ID do centro de custos e um nome de centro de custos para um funcionário. Uma vez que ambas representam as mesmas informações num formato ligeiramente diferente, incluam apenas aquela com o nome mais "amigável do utilizador".

Dados de linha de negócios

Ao contrário dos dados de RH, para dados de linha de negócio, poderá não ter de incluir todas as pessoas na sua empresa como parte do carregamento de dados. Conhecer os cenários que pretende analisar irá ajudá-lo a decidir. Por exemplo, suponha que pretende comparar padrões de colaboração entre funcionários na organização Vendas que têm um elevado envolvimento em comparação com aqueles que têm um envolvimento baixo. Embora pretenda dados de RH para todos os funcionários, para que possa caracterizar padrões de colaboração mais amplos, só precisa de dados de pontuação de cativação para os colaboradores na organização Vendas, uma vez que está a utilizar os valores de classificação para agrupar e filtrar saídas de relatórios específicas.