Caracterização de projetos na gestão de recursos humanos de uma empresa farmacêutica utilizando a mineração de dados.

Abstract

Este trabalho apresenta um estudo de análise de dados aplicado à gestão de projetos, utilizando o processo Cross Industry Standard Process for Data Mining (CRISP-DM) e técnicas de mineração de dados. A revisão da literatura aborda conceitos fundamentais de Gestão de Projetos, Gerenciamento de Recursos Humanos e o método CRISP-DM. Também são discutidas técnicas de mineração de dados, como clusterização, medidas de correlação e a análise de componentes principais. A metodologia CRISP-DM foi aplicada sequencialmente para coletar, compreender e preparar os dados do departamento de Project Management Office (PMO) de uma empresa farmacêutica. A análise de dados foi realizada utilizando a linguagem de programação Python e as bibliotecas NumPy, Pandas e Scikit-learn. Os resultados obtidos revelaram uma relação direta entre a complexidade dos projetos, sua duração e o tempo médio dedicado pelas pessoas envolvidas. Foram utilizadas técnicas estatísticas para identificar correlações entre os atributos dos projetos, como o tempo de planejamento e a duração do projeto. A análise de componentes principais permitiu reduzir a dimensionalidade dos dados e identificar os atributos mais relevantes para a caracterização dos projetos. Por fim, utilizou-se de bibliotecas específicas de visualização de dados do Python para facilitar a compreensão dos resultados e destacar as percepções obtidas. O estudo demonstrou a aplicabilidade da mineração de dados na categorização de projetos, fornecendo informações valiosas para a tomada de decisões estratégicas. Ao final dos resultados, foi possível separar os projetos selecionados em quatro clusters. O Cluster 0 é composto por projetos de complexidade Fácil e está relacionado a construções e reformas civis, além de áreas correlatas como redes de infraestrutura, elétrica, sistemas de alarme de incêndio e HVAC. Esses projetos são implementados em ambientes controlados e utilizam recursos de controle e gerenciamento, como FMS e BMS. O Cluster 1 está diretamente ligado à implementação e/ou alterações de sistemas ou equipamentos de automação que exigem o envolvimento da área de IT e QA é necessária para aprovar o funcionamento desses sistemas. O Cluster 2 abrange projetos de complexidade Difícil que envolvem adaptações ou construções civis, implementações de sistemas, máquinas e equipamentos. A área de QA está envolvida em todos os projetos desse cluster, pois estão relacionados à produção e é necessário comprovar sua conformidade. O Cluster 3 é composto por projetos de complexidade Médio a Fácil e envolve principalmente os recursos das áreas em que estão sendo implementados. Observamos uma relação direta entre a complexidade dos projetos e o envolvimento de múltiplas áreas. Projetos mais complexos demandam mais tempo e recursos humanos para sua execução. Além disso, projetos relacionados ao atributo Capacity estão associados a reformas estruturais e à aquisição de equipamentos que requerem peças de reposição. Este estudo contribui para a literatura ao aplicar técnicas de mineração de dados à gestão de projetos, ampliando o conhecimento sobre a utilização dessas ferramentas no contexto organizacional. Recomenda-se a realização de estudos futuros com dados mais recentes e a inclusão de outras variáveis, visando aprimorar as análises e previsões.