Le Big Data dans les RH – Et pourquoi nous ne nous intéressons pas à vous
Le big data fait beaucoup parler de lui, et de nombreuses personnes semblent s’en inquiéter. Les usages du big data sont multiples, et l’un de ceux qui attire beaucoup d’attention est le marketing. Mais il commence aussi à s’imposer, ou à faire son entrée, dans les Ressources Humaines – oui, votre employeur prend potentiellement des décisions sur la base des données qu’il possède concernant ses employés.
Voici donc mon point de vue sur le big data d’un angle RH : nous ne nous intéressons pas à vous en tant qu’individu, nous analysons des groupes. Nous établissons des probabilités et nous utilisons ces probabilités pour éclairer les décisions de l’entreprise. Mais que signifie tout cela concrètement ? Quelles probabilités, quelles décisions ?
Un exemple d’utilisation de données organisationnelles concerne la rotation du personnel : si nous pouvons prévoir les tendances de départs dans une organisation, cela devient vraiment utile. Je l’ai fait moi-même et je l’ai introduit dans une organisation. Mon client voulait augmenter le pourcentage d’un groupe spécifique d’égalité des chances ; en effet, ils avaient mis en place plusieurs programmes pour y parvenir.
Keep Reading—and Keep Leading Smarter
Create a free account to finish this piece and join a community of forward-thinking leaders unlocking tools, playbooks, and insights for thriving in the age of AI.
Have an account? Log In
L’un des programmes était destiné aux postes débutants, l’idée étant que les membres du groupe EEO rejoindraient le programme et, à la fin, seraient placés dans un emploi au sein de l’organisation. Un problème avec ce programme était cependant que l’employeur devait garder le poste de débutant vacant pendant un certain temps, le temps que le candidat termine sa formation – trois à quatre mois.
Peu de divisions au sein de l’organisation étaient disposées à faire cela, donc le programme n’a pas eu le succès escompté. C’est là que je suis intervenu et j’ai analysé la situation autrement. Le problème n’était pas que la formation prenait trop de temps, ni que les divisions ne souhaitaient pas laisser les postes vacants pendant des mois – il s’agit là, plutôt que de problèmes, de réalités de l’entreprise.
Le vrai problème était que nous ne pouvions pas prévoir le moment où des postes vacants allaient se libérer.
Grâce à l’analyse mensuelle du taux de rotation sur plusieurs années de données et en isolant un certain niveau de rémunération, nous pouvions raisonnablement prévoir quand des postes allaient se libérer. Il s’avère qu’un nombre similaire de personnes quittaient l’organisation chaque mois, d’une année sur l’autre.
Par exemple, en juin 2013, 25 employés sont partis, tandis qu’en juin 2014, 22 employés sont partis – plus la période de collecte de données est longue et plus l’échantillon est large, plus les probabilités sont fiables. Ainsi, avec un certain degré de certitude, nous pouvons estimer qu’au moins 15 personnes quitteront l’entreprise au mois de juin chaque année – la plupart d’entre nous, les analystes de données, sommes naturellement prudents.
Cela signifie donc que nous pouvons recruter et former des employés potentiels via le programme dédié à l’égalité professionnelle à l’avance.
Vous vous dites peut-être : et alors, 15 employés, ce n’est pas grand-chose. Sauf que nous pouvons alors aller plus loin en intégrant le temps de recrutement aux données – et augmenter le nombre de personnes formées au-delà de 15. Le temps de recrutement est un indicateur plutôt courant, il correspond simplement à la durée entre l’annonce du poste et la proposition d’embauche – cela peut varier selon les métiers (informatique, RH, juridique, commercial, etc.). Prenons dans cet exemple un temps de recrutement de 12 semaines.
Nous pouvons donc observer la rotation du personnel sur une période de 12 semaines, ou dans notre cas, comme la formation se termine à la mi-juin, voyons mai, juin et juillet. Nous savons alors qu’il existe une forte probabilité qu’au mois de mai au moins 12 personnes partent, tandis qu’au moins 20 partiront en juillet. D’un coup, nous pouvons augmenter le groupe de formation à 47 personnes, et les managers n’auront jamais à garder un poste vacant plus de 6 semaines – soit la moitié du temps habituel de recrutement.
Si les moyens le permettent, vous pourriez répéter ce programme de formation trois à quatre fois par an et faire ainsi diplômé plus d’une centaine de participants, selon les effectifs de votre organisation. Voilà ce que le big data, dans un exemple assez simple, peut réaliser : nous pouvons repenser des problèmes ou des initiatives, et créer des solutions évolutives simplement en posant les bonnes questions de base.
Remarquez bien qu’il n’est nullement question de « vous » dans mon analyse, il n’y a pas de « Je pense que Jerry va partir à cause de ces points de données ». Avec le big data, vous ou moi ne sommes pas mis en avant, nous ne sommes qu’une partie d’un groupe plus large qui fait émerger des tendances. Et en identifiant ces tendances, nous pouvons éclairer les décisions prises par les organisations.
Avec l’aide d’un logiciel de base de données RH, les organisations peuvent facilement tirer parti du big data pour améliorer le recrutement, l’engagement des employés et le suivi des performances.
J’espère que cet exemple vous aidera à mieux comprendre le rôle du big data dans les RH ; c’est vraiment un domaine passionnant et en plein essor des ressources humaines.
