A análise de dados no recrutamento, também designada por recruitment analytics, consiste em utilizar os dados de contratação para decidir onde procurar candidatos, a que ritmo avançar, o que oferecer e quem contratar. Em vez de se basearem no hábito ou na intuição, as equipas de aquisição de talento (TA) medem cada etapa do funil, comparam-na com o mercado de trabalho externo e corrigem a etapa em que os candidatos se perdem.
Esta disciplina está a chegar aos próprios recrutadores. A análise da TalentUp de anúncios de emprego para recrutadores e funções de aquisição de talento em dez países europeus mostra que 12,0% pediam competências em dados, métricas ou analytics em janeiro–setembro de 2026, face a 7,4% no mesmo período de 2024. As referências a métricas de recrutamento específicas, como o tempo de contratação ou as taxas de conversão, quase duplicaram, de 5,2% para 9,0%.
Este guia aborda os quatro níveis da análise de dados no recrutamento, as métricas que vale a pena acompanhar (com fórmulas), o que os dados externos de anúncios de emprego acrescentam, um plano passo a passo para desenvolver esta capacidade e as regras da UE sobre IA e transparência salarial que determinam agora a forma como os dados de contratação podem ser utilizados.
Pontos-chave
- A análise de dados no recrutamento combina dados internos do funil (ATS, HRIS) com dados externos de mercado sobre salários e procura.
- Seis métricas cobrem a maioria das necessidades: tempo de contratação, tempo de preenchimento da vaga, fonte de contratação, conversão por etapa, aceitação de propostas e custo por contratação; a qualidade da contratação liga-as aos resultados.
- Os anúncios de emprego para recrutadores na Europa pedem cada vez mais competências de analytics: 12,0% em 2026 face a 7,4% em 2024 (dados da TalentUp).
- A análise de propostas só é tão boa quanto o seu benchmark salarial: em 2026, apenas cerca de 38% dos anúncios para recrutadores da nossa amostra indicavam a remuneração, e a prática varia muito de país para país.
- A IA utilizada para fazer a triagem ou avaliar candidatos é de risco elevado ao abrigo do Regulamento da IA da UE; planeie a governação antes de automatizar.
O que é a análise de dados no recrutamento?
A análise de dados no recrutamento é a recolha e análise sistemáticas de dados de contratação para melhorar as decisões. Os dados provêm de três fontes:
- O seu sistema de gestão de candidaturas (ATS): pedidos de abertura de vaga, candidaturas, passagens entre etapas, entrevistas, propostas e a fonte de cada candidato.
- O seu HRIS e os dados de desempenho: o que aconteceu após a contratação, como avaliações de desempenho, tempo até à plena produtividade, promoções e rotatividade precoce.
- O mercado externo: volume de anúncios de emprego, salários anunciados, competências procuradas e a forma como os concorrentes apresentam as suas propostas.
A maioria dos guias de análise do recrutamento fica pela primeira fonte. A segunda transforma métricas de atividade em métricas de qualidade, e a terceira diz-lhe se um funil lento se deve ao seu processo ou simplesmente a um mercado com escassez de talento.
A maturidade analítica evolui normalmente em quatro níveis:
| Nível |
Pergunta a que responde |
Resultados típicos |
Dados necessários |
| Descritivo |
O que aconteceu? |
Tempo de contratação, candidaturas por função, contratações por fonte |
Dados do ATS limpos |
| Diagnóstico |
Porque aconteceu? |
Desistências etapa a etapa, propostas recusadas por motivo, comparação com os salários de mercado |
ATS + dados de propostas + benchmarks salariais |
| Preditivo |
O que é provável que aconteça? |
Previsão das necessidades de contratação, tempo provável de preenchimento da vaga, risco de rotatividade precoce |
Vários anos de histórico, resultados do HRIS |
| Prescritivo |
O que devemos fazer? |
Afetação do orçamento por canal, intervalo de proposta recomendado, vagas priorizadas |
Tudo o que precede, mais regras de decisão claras |
A maioria das equipas de RH obtém o maior retorno ao passar bem do nível descritivo para o diagnóstico, muito antes de qualquer modelo preditivo. Para uma visão mais ampla de como as funções de RH se estão a digitalizar, consulte a transformação digital dos RH na Europa.
Não precisa de dezenas de KPI. Estas sete cobrem todo o funil e são simples de calcular a partir de uma exportação do ATS:
| Métrica |
Fórmula |
O que lhe diz |
| Tempo de contratação |
Data de aceitação da proposta − data de entrada do candidato no processo |
A rapidez do seu processo a partir do momento em que encontra alguém |
| Tempo de preenchimento da vaga |
Data de aceitação da proposta − data de abertura da vaga |
Quanto tempo o negócio espera pela função; inclui o tempo de sourcing |
| Fonte de contratação |
Contratações de um canal ÷ total de contratações |
Que canais geram efetivamente contratações, e não apenas candidaturas |
| Taxa de conversão por etapa |
Candidatos que passam uma etapa ÷ candidatos que nela entram |
Onde se perdem os candidatos (triagem, entrevista, proposta) |
| Taxa de aceitação de propostas |
Propostas aceites ÷ propostas apresentadas |
Se as suas propostas (remuneração, condições, rapidez) são competitivas |
| Custo por contratação |
(Custos de recrutamento internos + externos) ÷ número de contratações |
Eficiência da despesa em canais e agências |
| Qualidade da contratação |
Pontuação acordada com base no desempenho, no tempo até à plena produtividade e na retenção no primeiro ano |
Se o processo seleciona pessoas que têm sucesso |
Três regras práticas tornam estes números úteis:
- Segmente antes de comparar. O tempo de preenchimento de uma vaga de engenheiro sénior e o de um operador de armazém significam coisas diferentes. Desagregue cada métrica por família de funções, nível e país.
- Acompanhe tendências, não valores isolados. Uma taxa de aceitação de propostas que desce durante dois trimestres é um sinal; um único mês mau normalmente não é.
- Combine rapidez com qualidade. Um tempo de contratação mais curto só é positivo se a qualidade da contratação e a retenção no primeiro ano se mantiverem.
O que os dados de anúncios de emprego da TalentUp mostram sobre o recrutamento em 2026
A TalentUp recolhe anúncios de emprego de centenas de portais de emprego e páginas de carreiras. Analisar as funções de recrutador e de aquisição de talento em dez países europeus permite perceber como a própria profissão está a mudar e o que os candidatos veem quando comparam propostas.
12,0%
dos anúncios para recrutadores pediam competências em dados, métricas ou analytics em 2026 (7,4% em 2024)
9,0%
referiam métricas de recrutamento específicas, como o tempo de contratação ou as taxas de conversão (5,2% em 2024)
~38%
dos anúncios para recrutadores indicavam um salário em 2026
Fonte: base de dados de anúncios de emprego da TalentUp, anúncios para recrutadores e TA em 10 países europeus, janeiro–setembro de 2024 e 2026.
| Competência ou requisito referido nos anúncios para recrutadores |
Jan–set 2024 |
Jan–set 2026 |
| Qualquer requisito de dados, métricas ou analytics |
7,4% |
12,0% |
| Métricas de recrutamento (tempo de contratação, custo por contratação, taxas de conversão, KPI de recrutamento) |
5,2% |
9,0% |
| Recrutamento «data-driven», análise de dados de recrutamento, people analytics |
4,8% |
7,4% |
| Reporting ou dashboards |
12,2% |
12,5% |
| Ferramentas de IA para recrutamento (sourcing ou triagem com IA, ChatGPT, IA generativa) |
0,8% |
2,2% |
| Excel |
7,9% |
5,7% |
| Ferramentas de BI (Power BI, Tableau, Looker, SQL) |
0,3% |
0,7% |
Destacam-se dois padrões. Em primeiro lugar, os empregadores esperam cada vez mais que os recrutadores assumam os números do seu funil: os anúncios pedem aos candidatos que «acompanhem KPI como o tempo de contratação e as taxas de conversão» ou que «utilizem dados do funil e métricas de contratação para identificar bloqueios». Em segundo lugar, a análise pedida é específica do recrutamento e não técnica: as referências a ferramentas de BI e SQL continuam abaixo de 1%, enquanto as referências genéricas ao Excel diminuíram. A competência que os empregadores procuram é saber ler os dados de contratação e agir com base neles, não construir pipelines de dados.
Os anúncios para recrutadores passaram também a representar uma parte menor do total de anúncios nestes países: 0,55% em janeiro–setembro de 2026, face a 0,73% no mesmo período de 2024. Com menos recrutadores por vaga, aumenta a pressão para definir prioridades com base em dados. Para o efeito na contratação de jovens em início de carreira, veja porque é que os empregos de entrada na Europa são cada vez mais difíceis de encontrar.
Dados externos de mercado: a camada que falta na maioria dos dashboards de TA
As métricas internas dizem-lhe que algo está mal; os dados externos dizem-lhe muitas vezes porquê. Um tempo de preenchimento da vaga longo pode significar um processo lento ou simplesmente que todos os concorrentes estão a contratar o mesmo perfil. Uma taxa de aceitação de propostas baixa pode significar decisões lentas ou que o seu intervalo salarial está abaixo do que os candidatos veem noutros empregadores.
A informação salarial é o exemplo mais direto. Na amostra de 2026 da TalentUp de anúncios para recrutadores e TA, a percentagem que indicava a remuneração variava muito de país para país:
| País |
Anúncios para recrutadores com salário indicado (jan–set 2026, aprox.) |
| Países Baixos |
~67% |
| Reino Unido |
~65% |
| França |
~34% |
| Espanha |
~20% |
| Alemanha |
~19% |
| Itália |
~18% |
| Portugal |
~16% |
Onde a maioria dos concorrentes publica intervalos, os candidatos comparam propostas antes de se candidatarem, e um intervalo pouco competitivo traduz-se em menos candidaturas e mais propostas recusadas, e não numa reclamação explícita. Onde poucos publicam, o seu próprio intervalo pode tornar-se um fator de diferenciação. A nossa análise dos anúncios de emprego com salário transparente apresenta o panorama geral do mercado.
Isto está a mudar por via legal. Ao abrigo da Diretiva da UE relativa à transparência salarial (2023/970), cujo prazo de transposição terminou a 7 de junho de 2026, os empregadores têm de comunicar aos candidatos a remuneração inicial ou o intervalo salarial antes da entrevista e não podem perguntar pelo histórico salarial, à medida que as leis nacionais se aplicam. A análise de propostas precisa, por isso, de intervalos defensáveis e baseados no mercado antes da abertura da vaga. Leia porque é que o benchmarking salarial é essencial para cumprir a transparência salarial da UE ou comece pelo benchmark salarial gratuito de transparência salarial.
Como desenvolver uma capacidade de análise de dados no recrutamento, passo a passo
- Defina primeiro as decisões. Identifique as 3–5 decisões que pretende apoiar com dados, por exemplo o orçamento por canal, os intervalos das propostas ou a prioridade das vagas. Cada métrica deve corresponder a uma delas.
- Limpe os dados do ATS. Torne obrigatórios e consistentes as etapas, os motivos de rejeição e as fontes. A maioria dos projetos de analytics falha devido a campos em falta ou de texto livre, não às ferramentas.
- Acorde as definições. Registe por escrito como se calculam o tempo de contratação, o tempo de preenchimento da vaga e o custo por contratação, para que os números signifiquem o mesmo em todos os países e relatórios.
- Construa uma base descritiva. Reporte mensalmente as métricas principais por família de funções, nível e país durante pelo menos dois trimestres antes de definir objetivos.
- Acrescente contexto de mercado. Compare as propostas com dados salariais atuais para a mesma função, nível e localização, e acompanhe a procura dos seus perfis-chave. A metodologia da TalentUp explica como são normalizados os salários dos anúncios de emprego.
- Ligue a contratação aos resultados. Cruze os registos do ATS com os dados do HRIS sobre desempenho e retenção no primeiro ano para medir a qualidade da contratação.
- Só depois considere a previsão. Prever o tempo de preenchimento da vaga ou a rotatividade precoce exige vários anos de dados consistentes e uma governação clara (ver a secção seguinte).
- Forme os recrutadores para utilizarem os números. A análise só muda as decisões se os recrutadores e os hiring managers a souberem ler. É precisamente isso que os anúncios de emprego acima pedem cada vez mais; veja também porque é que a fluência em IA nos RH está a transformar o futuro do trabalho.
Análise preditiva, IA e enviesamento: o que exigem as regras da UE
Os modelos preditivos e a triagem com IA prometem shortlists mais rápidas, mas modelos treinados com decisões de contratação passadas podem reproduzir enviesamentos do passado. Na UE aplicam-se agora várias camadas de regulação:
| Regra |
O que significa para a análise de dados no recrutamento |
| Regulamento da IA da UE (Regulamento 2024/1689), anexo III |
Os sistemas de IA utilizados para colocar anúncios de emprego direcionados, analisar e filtrar candidaturas ou avaliar candidatos são de risco elevado. Com as alterações do Omnibus da IA, adotadas pelo Parlamento Europeu a 16 de junho de 2026, estas obrigações de risco elevado deverão aplicar-se a partir de 2 de dezembro de 2027. |
| RGPD (Regulamento 2016/679), artigo 22.º |
Os candidatos têm o direito de não ficar sujeitos a uma decisão tomada exclusivamente com base no tratamento automatizado que os afete significativamente, com exceções limitadas. Mantenha uma pessoa na decisão. |
| Diretiva relativa à transparência salarial (2023/970) |
À medida que as leis nacionais se aplicam: intervalo salarial antes da entrevista, proibição de perguntas sobre o histórico salarial, designações de funções neutras em termos de género e, para empregadores com 100 ou mais trabalhadores, comunicação de informações sobre a disparidade salarial entre homens e mulheres (250 ou mais, anualmente a partir de 7 de junho de 2027; 150–249, de três em três anos a partir de 7 de junho de 2027; 100–149, de três em três anos a partir de 7 de junho de 2031). Uma disparidade não justificada de 5% ou mais que não seja corrigida no prazo de seis meses dá lugar a uma avaliação salarial conjunta, e nos casos de discriminação salarial o ónus da prova passa para o empregador. |
Uma boa governação não espera pelos prazos:
- Audite os resultados por grupo. Compare as taxas de passagem em cada etapa por género e outros grupos juridicamente relevantes; investigue diferenças significativas.
- Documente as variáveis. Saiba que dados de entrada um modelo ou ferramenta utiliza e exclua variáveis proxy como o histórico salarial.
- Mantenha as pessoas responsáveis. Utilize as pontuações para priorizar, não para rejeitar automaticamente.
- Informe os candidatos. Explique quando e como são utilizadas ferramentas automatizadas no seu processo.
Para uma visão mais ampla da IA em todos os RH, leia IA nos RH: o futuro dos recursos humanos com inteligência artificial.
Erros comuns na análise de dados no recrutamento
| Erro |
Porque sai caro |
O que fazer em alternativa |
| Acompanhar todas as métricas que o ATS disponibiliza |
Dashboards que ninguém lê; sem ligação às decisões |
Escolha métricas associadas a 3–5 decisões |
| Otimizar apenas o tempo de contratação |
Contratações mais rápidas que saem no primeiro ano |
Combine rapidez com qualidade da contratação e rotatividade precoce |
| Comparar médias entre funções e países |
Um efeito de composição esconde problemas reais |
Segmente por família de funções, nível e localização |
| Comparar propostas com estudos salariais antigos |
Os intervalos ficam abaixo do mercado e as propostas são recusadas |
Utilize dados de mercado atuais para o mesmo conteúdo funcional |
| Automatizar rejeições com um modelo não auditado |
Reproduz enviesamentos; risco legal ao abrigo do RGPD e do Regulamento da IA |
Revisão humana, auditorias de resultados por grupo, documentação |
| Medir as fontes pelo número de candidaturas |
Premeia canais que geram volume, não contratações |
Meça contratações e qualidade da contratação por fonte |
A análise de dados também precisa de uma estrutura salarial por trás. Se as propostas continuam a falhar por causa da remuneração, reveja as suas bandas com o nosso guia sobre como criar uma boa banda salarial e o equilíbrio entre salários de mercado e equidade interna. Para o contexto salarial por país, consulte o European Salary Benchmark Report.
Fontes