Skip to main content

Récemment, j'ai fait des recherches et examiné un outil d'IBM appelé SPSS Modeler ; beaucoup de lecteurs connaissent peut-être déjà SPSS Statistics, et Modeler fait partie de cette famille. Ce que j'ai vu jusqu'à présent est très prometteur. Essentiellement, SPSS Modeler permet d'explorer vos données et d'identifier des facteurs de risque ou des prédicteurs d'un événement. Prenons par exemple des données sur le turnover : en les saisissant dans Modeler, l'outil va repérer des points communs dans les données. En utilisant ces informations, vous pouvez alors appliquer ce modèle à des données actuelles et obtenir une liste des employés actuellement en poste qui pourraient être à risque ou sur le point de quitter votre entreprise.

Actuellement, j’attends que l’équipe informatique installe le logiciel, donc je n’ai pas encore eu l’occasion de l’essayer moi-même. La vidéo suivante (qui n’est pas de moi) offre néanmoins une très bonne introduction à ce logiciel, et je vous recommande de prendre le temps de la regarder.

J’espère pouvoir partager mon retour d’expérience sur ce logiciel dès qu’il sera installé sur mon poste de travail. Comme beaucoup d’autres professionnels RH axés sur la donnée, j’ai envie d’offrir à mon employeur bien plus que des rapports descriptifs ; je veux pouvoir fournir des analyses sur ce qui pourrait arriver à l’avenir.

Brendan Lys

Opérant à l'intersection des ressources humaines et de la science des données, je mets à profit une vaste expérience spécialisée dans les ressources humaines avec les méthodologies et approches propres à la science des données. Cette démarche, axée sur la découverte d'informations exploitables à partir de données, a été appliquée à des domaines tels que : rémunération et avantages, planification des effectifs, recrutement, santé et sécurité, diversité et formation. Mais à quoi ressemble concrètement l'application de la science des données aux défis et opportunités des RH ? Dans un cadre RH, les données utilisées proviennent généralement directement de notre SIRH ; l'un des avantages des méthodologies de la science des données est la possibilité d'intégrer des données supplémentaires, internes ou externes à l'organisation — des données inaccessibles dans une approche purement analytique RH. Par exemple, considérez les descriptions de poste, qui recèlent une mine d'informations généralement ignorées car non prêtes pour l'analyse. Un projet annexe auquel je travaille actuellement (avril 2019) consiste à utiliser l'exploration de texte sur les descriptions de poste afin d'identifier à quelle famille de métiers appartient une fonction. Les résultats de mon travail ont été bénéfiques à des organisations de secteurs variés, notamment : administrations (Australie et Nouvelle-Zélande), entreprises cotées à l'ASX et à la NZX, services publics, associations à but non lucratif et enseignement supérieur.