O gestor de uma grande sociedade empresária, para definir metas e indicadores de desempenho, cria uma base de dados com os resultados da última avaliação realizada com os funcionários. Essa avaliação formou uma base que pretende ser utilizada para tomada de decisões como promoções, aumentos salariais, transferências e até demissões. Cada funcionário foi avaliado segundo os critérios de pontualidade, assiduidade, motivação, satisfação no trabalho e cumprimento das tarefas designadas, recebendo uma nota de 0 a 10 pontos para cada critério. Para simplificar a análise, agruparam-se os funcionários por similaridade de acordo com os critérios mencionados. A técnica de análise multivariada mais adequada para criar os grupos e analisar o desempenho dos funcionários é:
- A)Análise de componentes principais;
Errada: análise de componentes principais reduz o número de variáveis e resume a informação, mas não cria grupos de funcionários.
- B)Análise fatorial;
Errada: análise fatorial busca identificar fatores latentes por trás das variáveis, e não segmentar indivíduos em clusters.
- C)Análise discriminante;
Errada: análise discriminante exige grupos previamente definidos para classificar observações, o que não é o caso aqui.
- D)Análise de cluster;
Certa: análise de cluster é usada para agrupar casos semelhantes com base em múltiplas variáveis, exatamente como no enunciado.
- E)Análise de correspondência.
Errada: análise de correspondência é voltada a relações entre categorias em tabelas de contingência, não à formação de grupos por similaridade.
Gabarito: D
Quando a ideia é separar pessoas em grupos com base na semelhança entre várias características, você está falando de uma técnica de classificação não supervisionada. Aqui, os funcionários foram avaliados por vários critérios ao mesmo tempo e depois agrupados por similaridade. Esse é exatamente o cenário em que a análise de cluster faz sentido: ela organiza os casos em grupos internamente parecidos e externamente diferentes. Perceba o detalhe da questão: o objetivo não era resumir variáveis, nem prever uma classe já conhecida, nem estudar associação entre categorias. O foco era criar grupos de funcionários para apoiar decisões de gestão, como promoção, aumento salarial e até desligamento. Isso é análise de agrupamento, também chamada de cluster analysis. As outras técnicas têm outra missão. A análise de componentes principais e a análise fatorial servem para reduzir dimensionalidade ou identificar fatores subjacentes. A análise discriminante entra quando você já tem grupos conhecidos e quer classificar novos casos. A análise de correspondência trabalha com tabelas de contingência, geralmente variáveis categóricas. Portanto, o gabarito D está correto porque o enunciado pede agrupamento por similaridade entre funcionários. Em concursos, a FGV gosta muito de trocar os verbos do enunciado: "agrupar", "separar por semelhança", "formar perfis" quase sempre apontam para cluster. É a técnica que mais combina com a lógica de organizar uma base sem depender de grupos pré-definidos.