A Mercer agora é Marsh.

Pesquisa 2026 de People Analytics 

Faça com que os dados das suas pessoas impulsionem decisões de negócio.

People Analytics já faz parte da prática habitual na maioria das organizações. O desafio agora é transformar dados em decisões confiáveis, conectadas e úteis em toda a organização.


Com base nas respostas de mais de 200 líderes de Recursos Humanos na América Latina, este relatório mostra onde as organizações estão avançando, quais barreiras ainda estão freando o progresso e quais capacidades serão essenciais para a próxima etapa.

A ambição é alta. A execução ainda é desigual.

As organizações querem que a analítica apoie decisões melhores. Mas a maioria ainda está concentrada em relatórios, benchmarking e atividades operacionais de RH. A verdadeira oportunidade está em conectar dados confiáveis às decisões que os líderes tomam todos os dias.

Com base nas respostas de líderes de RH e analytics na região:

67%

investe em benchmarking e otimização de remuneração

65%

valoriza o acesso ou a compra de dados de mercado e referências externas

54%

diz que os insights às vezes ou nunca geram ação operacional

10%

relata capacidades preditivas ou prescritivas

A próxima etapa de People Analytics na América Latina será definida em três frentes

O relatório mostra três prioridades conectadas: fortalecer a base de remuneração e recompensas, transformar sinais de talento em ação e preparar a força de trabalho para a mudança impulsionada pela IA.

A IA avança rápido. Estar preparado ainda depende de bases sólidas.

As organizações estão começando a desenvolver capacidades mais robustas de medição sobre o impacto da IA na força de trabalho, nas habilidades, na progressão de carreira e no retorno sobre investimento. Mas a maioria ainda está em uma fase inicial.

  • 41% planeja medir o impacto da IA sobre as habilidades nos próximos 12 meses.
  • 30% prioriza hoje o redesenho do trabalho impulsionado por IA.

Começar com poucos casos de uso práticos pode construir a capacidade, a confiança e a preparação necessárias para mudanças mais amplas.

Benchmarking importa. O impacto estratégico é a grande oportunidade. 

Remuneração e benchmarking externo continuam sendo o ponto de entrada mais forte para People Analytics na América Latina. No entanto, o valor da análise pode ir muito além da comparação salarial: ela pode ajudar a informar decisões sobre equidade, custos, retenção e desempenho do negócio.

  • 67% investe em benchmarking e otimização de remuneração.
  • 65% considera importante ou crítico o acesso a dados externos.

A base já está construída. O próximo passo é usar esses insights para influenciar decisões mais amplas de talento e força de trabalho.

A lacuna de maturidade persiste

A maioria das organizações opera hoje em um nível básico ou diagnóstico. Muito poucas avançaram para capacidades realmente preditivas ou prescritivas. 
A maturidade depende menos de adicionar ferramentas e mais de fortalecer dados, integração, governança e preparo para IA.

Apenas 10% informa contar com capacidades preditivas ou prescritivas.

This chart is unable to display due to Privacy Settings.
The chart could not be loaded because the Privacy Settings are disabled. Under the "Manage Cookies" option in the footer, accept the “Functional cookies” and refresh the page to allow the chart to display.
Quatro principais desafios 
Este gráfico destaca os principais desafios que ainda afetam o progresso do people analytics, sendo a qualidade dos dados a maior barreira.

Cinco prioridades para avançar em People Analytics

O caminho para uma prática mais madura é prático: primeiro fortalecer o modelo operacional e depois ampliar a ambição.
  1. Fortalecer os fundamentos 

    Melhorar a qualidade, a integração e a automação dos dados antes de adicionar complexidade.
  2. Chegar aos tomadores de decisão

    Colocar os insights nas mãos de líderes operacionais e gestores de linha.
  3. Fechar a lacuna entre análise e ação

    Conectar os outputs analíticos a perguntas de negócio, decisões e ciclos de feedback.
  4. Construir um roadmap realista para IA

    Começar com dois ou três casos de uso de alto valor, nos quais confiança e impacto sejam críticos.
  5. Investir em profundidade

    Desenvolver capacidades preditivas, engenharia de dados e IA/ML nas áreas em que gerem mais valor.
Soluções relacionadas
Insights relacionados