Processo Estatístico de Baselines Organizacionais

Versão do documento: 1.4, 03/08/2026

Visão Geral

O Processo Estatístico de Baselines Organizacionais estabelece como a BASIS desenvolve, avalia, aprova e mantém as baselines utilizadas para apoiar a gestão dos contratos e a tomada de decisão organizacional.

Esse processo assegura que as baselines sejam produzidas a partir de dados rastreáveis, modelos estatísticos avaliados de forma objetiva e critérios formais de aprovação, garantindo sua confiabilidade para utilização operacional.

Objetivo

Este documento descreve o processo estatístico utilizado para gerar, avaliar, selecionar e aprovar as baselines organizacionais aplicadas à gestão de contratos e serviços da BASIS.

As baselines são geradas a partir de dados históricos consolidados no Colaboradados, treinadas por jobs do Kaizenstat, avaliadas por critérios estatísticos e submetidas a uma análise formal de decisão antes de serem promovidas para uso operacional.

O uso operacional das baselines está descrito no Guia de Uso das Baselines Organizacionais.

Baselines organizacionais

Baseline Objetivo Riscos associados Uso principal

Contratação

Prever o tempo necessário para selecionar profissionais em solicitações de contratação ou substituição.

Risco 1.3 - Rotatividade e Risco 1.4 - Não atendimento de SLA.

Apoiar a gestão proativa de ordens de serviço de alocação e permitir comparação posterior entre previsão e resultado real.

Ausência

Estabelecer a taxa esperada de ausências não planejadas de cada contrato e da organização, com os respectivos limites naturais de variação.

Risco 1.2 - Absenteísmo.

Apoiar o acompanhamento periódico dos contratos, a definição de metas por contrato e a precificação comercial, orientando ações preventivas ou contingenciais conforme os SLAs aplicáveis.

Tipos de baseline

As duas baselines organizacionais respondem a perguntas diferentes e, por isso, são produzidas de formas diferentes. A distinção segue a separação do CMMI entre Process Performance Baseline (PPB) e Process Performance Model (PPM):

  • A PPB é uma afirmação sobre a variação natural do processo, derivada do histórico. Ela descreve o que o processo faz.

  • O PPM prevê um caso específico ainda não observado.

A PPB não depende do PPM. Quando o histórico responde à pergunta por cálculo direto, a baseline é obtida por estimador fechado e não há modelo a treinar, selecionar ou promover.

Baseline Forma de obtenção Justificativa

Contratação

Modelo estatístico treinado, selecionado por análise de decisão e promovido no Kaizenstat.

A pergunta é sobre um caso individual ainda não ocorrido, o tempo de seleção de uma vaga específica, o que caracteriza um PPM.

Ausência

Estimador fechado calculado sobre o histórico, sem treinamento e sem modelo.

A pergunta é sobre o nível e a variação natural do processo em cada contrato. A comparação formal entre modelos treinados e o estimador fechado, registrada em análise de decisão, não resolveu vantagem para nenhum modelo, e o estimador fechado é auditável por fórmula.

A escolha entre as duas formas é uma decisão registrada, não uma preferência. Adotar modelo onde o estimador fechado responde igual acrescenta pipeline de treinamento, dependência de ferramenta e superfície de falha sem ganho demonstrado. Adotar estimador fechado onde há previsão individual a fazer deixa a necessidade sem atendimento.

Ferramentas e fontes de dados

O processo utiliza as seguintes ferramentas de apoio:

  • Colaboradados: consolida os dados históricos utilizados no treinamento, principalmente a partir do SGO e do Secullum. É também onde a baseline de ausência é calculada, por modelos do dbt que produzem o fato mensal por alocação e a baseline vigente.

  • Kaizenstat: registra treinamentos, modelos candidatos, baselines aprovadas, metas organizacionais e por contrato, logs de predição, dados removidos e evidências de decisão.

  • Dagster: executa os jobs de treinamento, de predição e de acompanhamento das baselines.

  • MLflow: registra experimentos, parâmetros, métricas, artefatos e modelos treinados.

  • SGO: registra as ocorrências operacionais, as ocorrências de análise e decisão e, quando necessário, as ocorrências de análise das causas.

As ferramentas estão descritas em Ferramentas de Apoio à Gerência de Configuração.

Fluxo geral do processo estatístico

Baseline obtida por modelo treinado

Aplica-se à baseline de contratação. O processo estatístico segue o fluxo abaixo:

  1. Extrair dados históricos do Colaboradados.

  2. Validar a completude e a consistência dos dados.

  3. Remover registros que não podem ser utilizados no treinamento.

  4. Registrar os registros removidos no Kaizenstat para consulta e análise.

  5. Executar o treinamento de vários modelos candidatos, com diferentes parâmetros.

  6. Registrar os experimentos, métricas, parâmetros e artefatos no MLflow.

  7. Persistir os treinamentos e resultados no Kaizenstat.

  8. Comparar formalmente os modelos candidatos por meio de análise e decisão.

  9. Registrar a análise em ocorrência de análise e decisão no SGO, com o candidato recomendado, os critérios e a justificativa.

  10. Submeter a ocorrência à revisão do Líder do EPG.

  11. Promover o candidato recomendado como baseline ativa, o que só é permitido depois que a ocorrência estiver revisada.

  12. Anexar o resultado da promoção à mesma ocorrência.

Baseline obtida por estimador fechado

Aplica-se à baseline de ausência. O fluxo é mais curto porque não há modelo a treinar nem a selecionar:

  1. Consolidar o fato mensal por alocação no Colaboradados, a partir dos dados diários de jornada.

  2. Calcular a baseline vigente de cada alocação e a da organização sobre a janela de meses fechados.

  3. Ler a baseline calculada na job mensal do Dagster.

  4. Congelar cada baseline no Kaizenstat na primeira vez em que ela é registrada, com sua data de início de validade.

  5. Comparar o último mês fechado com os limites congelados da própria alocação e tratar os desvios conforme a utilização operacional.

A decisão de adotar essa forma de obtenção, e não um modelo treinado, é registrada em ocorrência de análise e decisão da mesma maneira que a seleção de um modelo, com a evidência da comparação realizada.

Qualidade dos dados

Antes de gerar qualquer baseline, os dados históricos são validados para reduzir o risco de produzi-la a partir de informações incompletas, inconsistentes ou estatisticamente incompatíveis com o uso pretendido. A forma dessa validação depende de como a baseline é obtida.

Na baseline de contratação, são removidos registros sem valor treinável para o tempo de seleção, registros com duração negativa e registros acima do limite estatístico definido a partir da partição de treinamento. O limite é calculado sobre os dados de treino, evitando que informações futuras influenciem a limpeza dos dados históricos utilizados para validação.

Na baseline de ausência, a qualidade dos dados é assegurada pela definição da própria medição, e não por remoção de registros:

  • Somente ausências não planejadas compõem o numerador, ou seja, atestados e faltas injustificadas. Férias, licenças previdenciárias, licenças parentais e demais afastamentos legais não são absenteísmo operacional: não são evitáveis por ação preventiva e a resposta a eles é substituição, que é outra decisão.

  • Somente dias com jornada efetivamente prevista compõem o denominador. Dias de folga, feriados, pontos facultativos e recessos são excluídos, inclusive quando o sistema de ponto registra memória de horário neles. Dias em que houve trabalho efetivo permanecem no denominador, mesmo sendo feriado ou folga.

  • Dias úteis dentro de período de férias registrado no SGO também são excluídos do denominador. Férias já não compõem o numerador, por não serem ausência não planejada; mantê-las no denominador contaria como oportunidade de ausência um dia em que não havia jornada a cumprir, diluindo a taxa proporcionalmente ao volume de férias do mês. Se houver trabalho efetivo no dia, ele permanece no denominador, pelo mesmo critério aplicado a feriados e folgas.

  • Somente meses fechados entram no cálculo. A base diária contém meses futuros, com jornada já escalada e nenhuma ausência registrada, e incluí-los reduziria a taxa artificialmente.

Versão da definição de medição

Alterações na definição do numerador ou do denominador mudam o nível de todas as baselines de ausência ao mesmo tempo. Esse deslocamento é mudança de definição da medição e deve ser registrado como tal, nunca tratado como causa especial na carta de controle.

Para que o registro sustente essa distinção em auditoria, cada meta de ausência guarda no Kaizenstat a versão da definição de medição contra a qual foi fixada. A versão é o identificador do evento de redefinição, no formato AAAA-MM, e não muda enquanto a definição não mudar.

Versão Definição vigente

pre-2026-08

Denominador inclui dias úteis durante férias registradas no SGO.

2026-08

Férias fora do denominador, conforme a regra acima. Recesso, folga e ponto facultativo permanecem excluídos.

Quando a definição muda, três coisas acontecem na sequência, e nenhuma delas é opcional:

  1. A mudança é registrada em ocorrência de análise e decisão no SGO, com a medição do deslocamento que ela provoca no nível da métrica.

  2. As baselines são recalculadas e recongeladas sob a nova definição, com referência à ocorrência que autorizou a mudança.

  3. As metas vigentes são repromovidas sob a nova versão. Enquanto isso não ocorre, a revisão periódica exibe a meta como fixada em definição anterior e não trata a diferença de nível como desempenho.

Comparar meta fixada em uma versão com baseline apurada em outra produz conclusão errada nas duas direções, e o erro tem a ordem de grandeza do próprio deslocamento da definição. A repromoção das metas é parte da mudança de definição, não uma tarefa posterior.

Os registros removidos no treinamento são apresentados no Kaizenstat para permitir análise posterior. Quando a inconsistência indicar necessidade de tratamento, pode ser aberta ocorrência de análise das causas no SGO para registrar a causa identificada e a ação adotada.

Treinamento da baseline de contratação

A baseline de contratação prevê a quantidade de dias úteis entre a aprovação da vaga e a seleção do candidato. A seleção é utilizada como marco final porque representa o momento em que o candidato é aprovado pelo entrevistador; etapas posteriores, como documentação, aprovação do cliente ou formalização administrativa, possuem variação maior e não compõem o alvo estatístico desta baseline.

O treinamento utiliza janela temporal cronológica sobre dados históricos de contratação. A separação entre treino e teste preserva a ordem temporal dos registros, de modo que o modelo é avaliado em dados posteriores aos utilizados no treinamento. Essa abordagem evita uma avaliação otimista causada por misturar registros antigos e novos de forma aleatória.

As variáveis utilizadas são:

  • Alocação, ou seja, o cliente da vaga;

  • Função normalizada;

  • Mediana móvel de 6 meses do tempo de seleção da função;

  • Mediana móvel de 3 meses do tempo de seleção da organização.

O conjunto foi reduzido por medição, e não por intuição. Variáveis anteriormente utilizadas, como modalidade de trabalho, quantidade de vagas simultâneas, agrupamento de linguagem e faixa salarial, foram avaliadas por acréscimo sucessivo em avaliação de origem móvel e nenhuma delas melhorou o erro; várias o pioraram. As duas medianas móveis são calculadas no Colaboradados com janelas que terminam antes da data de aprovação, de modo que nenhuma informação posterior à predição entra no treinamento.

Os modelos candidatos treinados atualmente são:

  • LinearRegression;

  • Ridge;

  • RandomForest;

  • XGBoost;

  • RollingMedian, que prevê a mediana móvel da função e disputa em igualdade de condições com os demais.

Esses modelos foram escolhidos para comparar abordagens com diferentes níveis de complexidade e capacidade de generalização para o problema de previsão do tempo de seleção. A LinearRegression funciona como referência simples e interpretável, assumindo relação aproximadamente linear entre as variáveis da vaga e o prazo previsto. A Ridge mantém a interpretação de um modelo linear, mas aplica regularização para reduzir instabilidade quando há variáveis correlacionadas ou pouco volume de dados em determinados perfis. O RandomForest combina várias árvores de decisão, capturando relações não lineares e interações entre características da vaga, com menor sensibilidade a variações pontuais do que uma árvore única. O XGBoost também utiliza árvores, mas em estratégia de boosting, ajustando modelos sucessivos para reduzir erros residuais e capturar padrões mais complexos. A presença desses candidatos permite comparar modelos simples, robustos e mais expressivos antes da seleção formal da baseline.

Cada modelo é treinado com os parâmetros definidos para sua família estatística. Para cada família, é escolhido o melhor experimento conforme a busca de parâmetros e a avaliação cronológica.

As principais métricas utilizadas são:

  • MAE: erro absoluto médio, usado como medida principal da diferença esperada entre previsão e resultado real.

  • naive_mae: erro de um preditor constante, ajustado apenas na partição de treino. É o comparador mínimo.

  • anchor_mae: erro da mediana móvel por função, calculada ponto a ponto no tempo. É um comparador mais exigente que o anterior, porque acompanha mudanças de regime em vez de ficar preso a uma constante.

  • mae_cv_std: desvio padrão do MAE nas validações, usado como indicador de estabilidade.

  • underestimation_risk: proporção de casos em que o modelo subestima o tempo real, usada como indicador de segurança operacional.

  • residual_p10 e residual_p90: décimo e nonagésimo percentis dos resíduos na partição de teste, sem corte de cauda. São eles que definem a margem comunicada com a predição, conforme o Guia de Uso.

Critério eliminatório

Um modelo que não supera o comparador ingênuo não pode ser promovido, independentemente da pontuação obtida nos demais critérios de seleção.

A regra existe porque um preditor quase constante é trivialmente estável, seguro e explicável, e pode vencer em pontos um modelo mais acurado sem oferecer nada à operação. Uma baseline nessa condição comunica precisão que o processo não tem.

O critério é aplicado em dois pontos, que devem concordar entre si:

  • Na promoção, o Kaizenstat recusa a promoção de treinamento sem naive_mae registrado ou com erro maior que ele.

  • Na análise de decisão, os candidatos desqualificados continuam avaliados e exibidos, porque o registro precisa mostrar que foram considerados, mas são ordenados por último e não podem vencer. Quando nenhum candidato supera o comparador, não há alternativa recomendada e a baseline vigente permanece ativa.

A justificativa da análise de decisão apresenta, para cada alternativa, o erro obtido, o comparador e a diferença entre os dois, de modo que a desqualificação possa ser recomputada a partir do próprio registro em auditoria posterior.

Quando a janela de dados definida pela política não produzir candidato aprovado, o resultado correto é registrar a ausência de vencedor. Repetir o treinamento variando a janela até que algum candidato passe, ou flexibilizar o critério para permitir a promoção, descaracteriza a seleção.

Geração da baseline de ausência

A baseline de ausência estabelece a taxa esperada de ausências não planejadas de cada contrato e da organização, com os limites naturais de variação correspondentes. Ela é calculada diretamente do histórico, sem treinamento de modelo.

Métrica

A métrica é a taxa de ausências não planejadas sobre dias de jornada prevista, apurada por alocação e por mês:

  • Numerador: dias de atestado e de falta injustificada.

  • Denominador: dias em que havia jornada a cumprir.

A taxa substituiu a métrica anterior, que era a contagem de ausências por colaborador em cada mês. A troca é registrada e as razões estão descritas em docs/baseline-ausencia-achados.jira no repositório do Kaizenstat. Em resumo, a métrica anterior apresentava três impedimentos:

  1. Grão incompatível com a decisão. Nenhuma decisão gerencial é tomada no grão colaborador-mês, onde o valor esperado é zero na grande maioria dos registros. As decisões reais, sobreaviso preventivo e precificação, são tomadas por contrato.

  2. Ausência de comparabilidade. Uma contagem absoluta não distingue quatro ausências em uma equipe de cinco pessoas de quatro em uma equipe de cento e trinta e nove. Sem denominador não é possível definir meta por contrato nem comparar contratos entre si.

  3. Ausência de capacidade preditiva. Todos os modelos candidatos apresentaram erro maior que o de um preditor constante, entre cinquenta e quatro e setenta e dois por cento acima, o que caracteriza a mesma situação que o critério eliminatório da seção anterior impede.

Forma de cálculo

A taxa observada de uma alocação é encolhida na direção da taxa da organização, em proporção à própria falta de evidência da alocação. Equipes grandes, com exposição alta, praticamente não são deslocadas; equipes pequenas, cuja taxa observada é dominada pelo acaso, aproximam-se da taxa da organização.

O grau de encolhimento não é escolhido: é calculado a partir da relação entre a variação observada entre alocações e o ruído amostral dentro de cada uma. Se as alocações fossem estatisticamente indistinguíveis, todas convergiriam para a taxa da organização; sendo distintas, cada uma mantém a própria taxa na medida em que seu histórico a sustente.

A janela de cálculo é de quinze meses fechados, e não do histórico completo. A série apresenta um degrau de nível identificado em abril de 2025, com variação praticamente idêntica antes e depois, e calcular limites sobre os dois regimes juntos produziria uma faixa larga que não descreve nenhum deles.

Limites de controle

Os limites são calculados a partir da taxa e do desvio previsto para o mês seguinte, na faixa de três desvios. O desvio previsto combina duas fontes:

  • O erro amostral decorrente da exposição mensal da alocação;

  • A dispersão mensal efetivamente observada naquela alocação.

A segunda parcela é necessária porque ausências não ocorrem de forma independente entre pessoas: elas se agrupam por surto sazonal, recesso ou situação específica de uma equipe. A variação real medida é aproximadamente o dobro da que seria esperada sob independência, e limites que ignorassem esse fato sinalizariam desvio em quase metade dos meses, tornando a carta inútil.

O limite inferior é truncado em zero, pois taxa negativa não existe. Na prática, para a maioria das alocações individuais o limite inferior fica em zero e a carta é unilateral: apenas o estouro superior é sinalizável. Isso é propriedade do processo, não limitação do cálculo. A linha da organização, com exposição muito maior, possui limite inferior útil.

Vigência dos limites

O cálculo do Colaboradados produz uma proposta de limites a cada execução, porque a janela de quinze meses avança junto com o calendário. Quem tem vigência é a linha de baseline registrada no Kaizenstat: uma vez congelada, ela permanece em vigor e é ela que julga os meses seguintes.

A distinção não é formalidade. Se os limites acompanhassem a janela, o centro da carta se moveria junto com a série e uma deterioração gradual seria absorvida mês a mês pelo próprio centro, sem nunca produzir sinal. Uma carta de controle só detecta mudança porque compara o processo com uma referência que não se move.

O recongelamento é ato deliberado e ocorre apenas por decisão registrada, com referência à ocorrência que a documenta. São hipóteses legítimas de recongelamento:

  • Mudança de regime confirmada, ou seja, um deslocamento de nível investigado, com causa identificada e incorporada ao processo;

  • Mudança de definição da medição, conforme a seção correspondente;

  • Revisão periódica que conclua, com evidência, que a referência vigente deixou de descrever o processo.

Recongelar depois de um sinal, sem investigação, é apagar o sinal. O procedimento de recongelamento exige a referência da decisão e a job recusa executá-lo sem ela.

Regras de sinalização

A carta mensal aplica duas regras. Ambas produzem o mesmo tratamento: abertura de ocorrência de análise das causas e comentário na ocorrência do contrato.

Regra Condição O que indica

Ponto fora dos limites

O mês fechado cai acima do limite superior ou abaixo do limite inferior da própria alocação.

Evento pontual incompatível com a variação natural do processo.

Corrida de oito pontos

Oito meses consecutivos do mesmo lado da linha central, todos dentro dos limites.

Deslocamento sustentado de nível. É o caso que a primeira regra não vê.

A segunda regra existe por evidência própria: o degrau de nível de abril de 2025, hoje reconhecido na janela de cálculo, não produziu nenhum ponto fora dos limites e permaneceu sem tratamento até ser encontrado em análise posterior. Oito pontos consecutivos do mesmo lado têm probabilidade em torno de oito em mil sob processo estável, o que a torna comparável ao ponto fora de três desvios sem aumentar materialmente o alarme falso.

A contagem da corrida é feita sobre os resultados de acompanhamento já registrados, sempre dentro da mesma baseline congelada: um recongelamento inicia nova contagem, porque a linha central contra a qual se conta passou a ser outra. Um sinal já tratado não é reaberto a cada mês em que a condição persista.

Critério de confiabilidade

Somente alocações com pelo menos cinco pessoas em média e pelo menos seis meses fechados de histórico sustentam baseline própria para fins de meta e de precificação.

Abaixo desse corte, os números permanecem sendo calculados, mas uma única ausência desloca a taxa mensal em dezenas de pontos e o limite superior chega a valores aritmeticamente corretos e gerencialmente absurdos. Essas alocações são avaliadas contra a meta organizacional até que o histórico as sustente, e a precificação deve utilizar a taxa da organização em vez da taxa individual.

Registro e versionamento

A job mensal do Dagster lê a baseline calculada e a registra no Kaizenstat, uma por alocação mais a da organização. O registro ocorre uma única vez por escopo: se já existe baseline vigente, a job a mantém e apenas anota a diferença entre ela e a proposta corrente, sem criar versão nova.

Uma nova versão só é criada no recongelamento. Nesse caso a versão anterior é encerrada com sua data de validade e a nova é criada com a referência da decisão que a autorizou, nunca sobrescrevendo a anterior.

O versionamento não é detalhe de implementação: um resultado de acompanhamento registrado há seis meses precisa continuar apontando para os limites que estavam efetivamente em vigor quando aquele julgamento foi feito.

Cada resultado de acompanhamento é gravado com o mês de referência a que se refere e com a baseline contra a qual foi julgado. É esse registro que sustenta a contagem da corrida de oito pontos e que impede que a reexecução da job duplique acompanhamentos ou reabra ocorrências já tratadas.

Registro dos experimentos no MLflow

Esta seção aplica-se às baselines obtidas por modelo treinado. Baselines obtidas por estimador fechado não geram experimento: a rastreabilidade delas é o próprio modelo do dbt que as calcula, versionado no repositório do Colaboradados, somado ao registro versionado de cada baseline no Kaizenstat.

Cada treinamento registra no MLflow os parâmetros, métricas e artefatos necessários para rastrear o experimento executado.

Devem ser registrados, quando aplicável:

  • Período dos dados utilizados;

  • Quantidade de registros antes e depois da limpeza;

  • Estatísticas do conjunto de dados;

  • Parâmetros selecionados pela busca de hiperparâmetros;

  • Métricas de treino, validação e teste;

  • Colunas utilizadas pelo modelo;

  • Artefato do modelo treinado.

O identificador do experimento no MLflow é mantido no Kaizenstat junto ao registro do treinamento, permitindo consultar o detalhe técnico do modelo candidato quando houver auditoria, revisão ou nova análise de decisão.

Seleção formal do modelo

Após o treinamento, os modelos candidatos são comparados no Kaizenstat. A seleção não considera apenas a melhor métrica isolada; os modelos são ranqueados por critérios ponderados para equilibrar desempenho estatístico, estabilidade, segurança operacional e facilidade de sustentação.

A comparação é registrada como uma ocorrência de análise e decisão no SGO. Essa ocorrência contém as alternativas avaliadas, os critérios, os pesos, as notas e a justificativa de seleção. O Líder do EPG revisa a decisão antes da promoção da baseline.

Promoção em duas fases

A ordem entre o registro e a decisão é verificada pela ferramenta, e não confiada à disciplina de quem opera:

  1. Solicitação da análise. Com o ranqueamento pronto e o candidato recomendado definido, a ocorrência de análise e decisão é criada no SGO a partir do próprio ranqueamento. Nesse momento nada foi promovido: a baseline vigente continua em vigor.

  2. Revisão. O Líder do EPG revisa a ocorrência e a coloca em situação revisada.

  3. Promoção. Só então o Kaizenstat libera a promoção. Treinamento sem ocorrência associada, ou com ocorrência ainda não revisada, tem a promoção recusada.

  4. Resultado. Promovida a baseline, o resultado é anexado como comentário na mesma ocorrência, fechando o vínculo entre a decisão e o seu efeito.

A regra existe porque uma decisão registrada depois do ato não é uma decisão: é uma justificativa. O que distingue as duas, em auditoria, é exatamente a ordem dos registros.

As situações do fluxo do SGO que contam como revisada são parametrizadas na configuração do Kaizenstat, de modo que uma mudança no fluxo da ferramenta não exija alteração de código. Indisponibilidade do SGO bloqueia a promoção em vez de liberá-la.

Critérios e pesos

Critério Peso Descrição

Acurácia

4

Avalia o erro do modelo. Para as baselines atuais, o MAE é utilizado como referência principal. Quanto menor o erro, melhor o resultado.

Estabilidade

3

Avalia a variação do erro nas validações. Quanto menor o desvio padrão entre validações, mais estável é o modelo.

Segurança

2

Avalia o risco de subestimação. Modelos que subestimam com menor frequência reduzem o risco de o gerente receber uma previsão excessivamente otimista.

Explicabilidade

1

Avalia a facilidade de interpretar, justificar e sustentar o modelo selecionado perante revisão, auditoria ou análise operacional.

O resultado é calculado a partir das notas atribuídas a cada alternativa em cada critério, multiplicadas pelos respectivos pesos. Em caso de empate, a decisão prioriza os critérios de maior peso, começando por acurácia e estabilidade. Alternativas desqualificadas pelo critério eliminatório permanecem pontuadas e registradas, mas não podem vencer.

Decisão sobre a forma de obtenção da baseline

Quando a alternativa em avaliação não é qual modelo adotar, e sim se a baseline deve vir de modelo treinado ou de estimador fechado, a decisão segue o mesmo rito de análise formal e é registrada em ocorrência no SGO.

A comparação deve ser feita fora da amostra e sobre as mesmas observações para todas as alternativas, incluindo obrigatoriamente ao menos um comparador simples. O registro deve declarar a incerteza da diferença medida, e uma diferença cujo intervalo de confiança contenha zero deve ser registrada como não resolvida na amostra disponível, e não como equivalência nem como vantagem.

Vantagem não demonstrada a favor de alternativa mais complexa é fundamento suficiente para adotar a mais simples, já que a diferença de custo de sustentação e de auditabilidade entre as duas é conhecida.

Aprovação e promoção da baseline

Após a revisão da ocorrência de análise e decisão, e somente após ela, o modelo selecionado é aprovado no Kaizenstat. A aprovação arquiva a baseline ativa anterior para a mesma métrica e cria uma nova baseline ativa associada ao treinamento aprovado.

Para cada baseline promovida, o Kaizenstat registra:

  • Nome e descrição da baseline;

  • Métrica associada;

  • Valor médio de referência;

  • Desvio padrão;

  • Limite inferior de controle;

  • Limite superior de controle;

  • Data de início da validade;

  • Treinamento que originou a baseline.

Os limites de controle são calculados a partir do valor médio e do desvio padrão do modelo aprovado, utilizando a faixa de três desvios padrão para acompanhamento estatístico.

Na baseline de ausência não há promoção manual: a job mensal congela automaticamente a primeira baseline calculada de cada escopo, conforme descrito na seção correspondente. A decisão de gestão nesse caso não recai sobre a baseline, que é derivada, e sim sobre a meta, tratada a seguir, e sobre o recongelamento, que é decisão registrada.

Baselines e metas organizacionais

Baseline e meta são registros distintos e não devem ser confundidos.

Registro O que é Origem

Baseline

O que o processo faz hoje, com seus limites naturais de variação.

Derivada dos dados, sem julgamento. Não é objeto de negociação.

Meta

O que a organização quer que o processo passe a fazer.

Decisão de gestão, com justificativa registrada e rastreável.

Para a baseline de ausência há uma meta por contrato e uma meta organizacional. Um contrato sem meta própria é avaliado contra a meta organizacional, que é o único critério aplicável enquanto não houver decisão específica para aquele contrato. Contratos que não atendem ao critério de confiabilidade permanecem avaliados contra a meta organizacional.

A meta deve ser derivada da capacidade medida do processo. Uma meta situada abaixo do limite inferior natural do processo não é ambiciosa: é inalcançável sem alterar o processo, e o registro precisa demonstrar como o número foi obtido.

Toda meta registra a versão da definição de medição contra a qual foi fixada, conforme a seção correspondente. Meta fixada em versão anterior à vigente permanece exibida na revisão periódica, mas sinalizada como tal, até ser repromovida.

Quando uma alocação passa a ter baseline e não existe meta em vigor para aquele escopo, a job mensal abre automaticamente um rascunho de objetivo, já preenchido com o escopo, a vigência e a capacidade medida, deixando para preenchimento manual apenas a meta e a justificativa, que são a decisão de gestão. A existência de rascunhos pendentes é comunicada por notificação, de modo que a definição da meta seja uma tarefa atribuída e não um esquecimento silencioso.

Estar acima da meta não é causa especial e não abre análise das causas. Significa que o processo se comporta como sempre se comportou e que a organização deseja um resultado diferente, o que é tratado por melhoria de processo. Causa especial é o ponto fora dos limites naturais do próprio contrato, e somente esse caso enseja análise das causas.

Rastreabilidade

A rastreabilidade do processo é mantida por meio dos seguintes vínculos:

  • Dados históricos consolidados no Colaboradados, incluindo os modelos do dbt que calculam a baseline de ausência;

  • Experimentos e modelos registrados no MLflow;

  • Treinamentos, baselines versionadas, metas e revisões periódicas registrados no Kaizenstat;

  • Ocorrência de análise e decisão registrada no SGO, criada antes da promoção e complementada com o resultado depois dela;

  • Riscos associados na Base de Riscos;

  • Comentários e logs de predição gerados durante o uso operacional.

Continue sua jornada

Após compreender como as baselines organizacionais são produzidas e aprovadas, conheça como elas são utilizadas no acompanhamento dos contratos e na tomada de decisão.

Continue em:

Histórico de Revisão

Tabela 1. Histórico de Revisões
Data Versão Autor Revisor Observação

07/11/2025

1.0

Cédric Lamalle

Leonardo Lopes

Versão inicial do documento para serviços

05/06/2026

1.1

Cédric Lamalle

Leonardo Lopes

Revisar processo de alta maturidade.

26/06/2026

1.2

Leonardo Lopes

Cedric Lamalle

Revisão da estrutura e padronização dos documentos.

02/08/2026

1.3

Cédric Lamalle

Leonardo Lopes

Nova métrica da baseline de ausência (taxa de ausências não planejadas por contrato e organizacional), obtida por estimador fechado; critério eliminatório e novo conjunto de variáveis e métricas da baseline de contratação; separação entre baselines e metas.

03/08/2026

1.4

Cédric Lamalle

Leonardo Lopes

Promoção em duas fases, com a análise de decisão registrada e revisada antes da promoção; limites da carta de ausência congelados por período, com recongelamento por decisão registrada; regra de corrida de oito pontos; férias fora do denominador e versionamento da definição de medição; margem da predição por quantis empíricos dos resíduos.