Como interpretar e trabalhar com gráficos de vagas fechadas
Esse tipo de gráfico aparece em bastantes dashboards de RH e sistemas de recrutamento. O formato padrão mostra, ao longo do tempo, quantas posições foram preenchidas em determinado período. A coisa parece simples no início, mas tem uns detalhes que costumam atrapalhar quem tá começando a lidar com isso. Eu já vi muita gente errando na leitura desses gráficos porque confundem número de fechamentos com taxa de cobertura. São coisas diferentes. O gráfico mostra vagas que tiveram status alterado para "fechada" ou "preenchida", mas não necessariamente reflete se a vaga foi aberta e imediatamente preenchida, ou se ficou em aberto por meses antes de alguém dar entrada no sistema como resolvida.
no grafico a seguir tem-se o numero de vagas fechadas
Na prática, quando você vai analisar esses dados, precisa tomar um cuidado importante: verificar a origem dos registros. Em alguns sistemas que eu já trabalhei, uma vaga pode ser marcada como fechada sem que o candidato efetivamente tenha entrado. Às vezes é só um clique acidental, às vezes é um campo obrigatório que todo mundo passa pra frente pra não ter trabalho. Minha recomendação é cruzar esse dado com outra fonte — seja um relatório do departamento financeiro sobre contratações efetivadas, seja um exporte direto do sistema de folha de pagamento. Tem um detalhe técnico que quase ninguém comenta e faz diferença real nos números finais. Vagas que recebem candidatos e depois são arquivadas sem fechamento formal ficam contadas como "abertas" no gráfico. Isso infla artificialmente a fila de posições não preenchidas. No meu caso, numa empresa onde fiz essa análise, os números de vagas abertas pareciam estáveis mês a mês, mas quando fui atrás dos registros individualmente, descobri que cerca de 30% das vagas listadas como abertas na verdade já estavam em estágio final de recrutamento — o problema era só a atualização do sistema.
Se você quer baixar uma ferramenta pra trabalhar com esse tipo de visualização, o mais comum é usar planilhas mesmo. Excel, Google Sheets, ou até Python com matplotlib e pandas pra quem precisa automatizar. Não tem solução pronta que resolva tudo, então o ideal é estruturar seus dados de forma limpa desde o início.
Como construir uma planilha básica
Comece com colunas bem definidas. Data de abertura da vaga, data de fechamento, área solicitante, cargo, e se o preenchimento foi com contratação direta ou transferência interna. Sem essas informações mínimas, o gráfico perde completamente o valor analítico. Um erro comum é colocar apenas a quantidade bruta. Você precisa ter pelo menos dois eixos: tempo no eixo horizontal e número de vagas no vertical. Se possível, separe por tipo de fechamento — promoção interna versus contratação externa. Isso muda completamente a leitura dos dados e evita conclusões equivocadas.
👉 Clique no botão abaixo para saber mais sobre o assunto!
Na hora de gerar o gráfico em si, evite cores muito vibrantes. Gráficos de barras funcionam bem, mas evite pizza — esse tipo de visualização distorce a percepção de proporção, principalmente quando há muitas categorias. O pior que já vi foi um gráfico de pizza com doze departamentos, cada um com uma fatia diminuta. É praticamente impossível tirar informação útil disso.
Problemas frequentes e soluções
O primeiro problema que aparece com frequência é o atraso na atualização dos status. Vagas são fechadas no dia cinco do mês seguinte ao preenchimento, então os números nunca batem com a realidade operacional. A solução é simples: adicione um campo de data de efetivação real no seu sistema, não confie apenas na data de fechamento de vaga. Outro problema comum é a duplicação de registros. Funcionários de RH diferentes usam nomes diferentes pro mesmo cargo, e o sistema não reconhece que são a mesma posição. Já tive que deduplicar mais de duzentas linhas manualmente porque o cadastro usava "Analista Financeiro" e "Analista de Finanças" como cargos distintos. O ideal é padronizar a nomenclatura antes de tudo.
Se você estiver lidando com muitos dados, considere usar uma ferramenta de BI como o Power BI ou o Google Looker Studio. A curva de aprendizado é maior do que uma planilha, mas compensa rapidamente quando você precisa atualizar relatórios mensais. O custo também não é tão alto — o Power BI tem uma versão gratuita que roda localmente, e o Looker Studio é totalmente online e gratuito.
O que não fazer
Não apresente esses números como verdades absolutas. Eles refletem o estado do sistema naquele momento, não a realidade completa. Quando alguém questionar os dados, esteja preparado pra explicar as limitações da fonte. Isso demonstra credibilidade e evita decisões baseadas em informações incompletas. Também não ignore os vazios. Se um período mostra zero vagas fechadas, pode significar que simplesmente não houve fechamentos naquele mês, ou que ninguém atualizou o sistema. A diferença é importante pra análise.
Por fim, revise os dados periodicamente. Métricas de RH mudam com o tempo, e o que parecia correto em janeiro pode estar desatualizado em julho. Mantenha o hábito de revisar pelo menos trimestralmente. Isso economiza tempo e evita surpresas desagradáveis em apresentações executivas.
