La révolution RH est en marche, elle se nomme « Intelligence ».

L’impact des données décisionnelles dans le monde des affaires est réel. Certains en doutent encore.

Les exemples d’entreprises qui utilisent les données prédictives dans leur modèle d’affaires sont maintenant nombreux : Google, Netflix, Amazon, Target, Macy’s, American Express. Les projets de type Big Data ou de données de masse fleurissent. Selon Terradata, 26% des entreprises françaises interrogées font du Big Data. 23% projettent d’en faire dans les deux années à venir. Mais 65% d’entre-elles déclarent rencontrer des difficultés pour trouver les Data Scientists qui mèneront ces projets.

Avec l’arrivée imminente dans notre vie quotidienne des objets connectés, on assiste à une nouvelle révolution informationnelle : l’intelligence interactive des interfaces, personnalisée, contextualisée et en temps réel. Les RH, bien que peu alertes sur les sujets technologiques ne seront pas épargnées.

Devant l’immense chantier et l’inconnu, les leaders RH se questionnent.

  1. À quoi cela peut servir ?
  2. Et surtout, comment initier un projet de données prédictives RH ?

Pour des réponses à la question 1, voir mon article précédent « Que fera le BigData RH pour vous ? »

Pour débuter un projet de données prédictives RH, voici les grandes étapes :

Étape #1 : Déterminez vos objectifs d’affaires

  • Définissez vos besoins et vos priorités alignés sur vos enjeux d’affaires : Les buts doivent être précis, clairs et ciblés pour répondre à des enjeux précis d’affaires. Sinon, le projet se perdra dans les brumes d’infinies possibilités. Alors que recherchez-vous ? Cherchez-vous à identifier les causes d’un faible engagement ? A comprendre les bonnes performance de certaines unités ou d’employés ? A connaître les causes du taux de roulement des employés ? A repérer les bonnes pratiques de gestion et les améliorations après correctifs ? Ou encore à cibler des profils adéquats pour évoluer vers de nouvelles activités ?
  • Collaborez en interne et tissez des partenariats externes : Les compétences en collecte, en traitement et en analyse des données sont rares et traditionnellement détenues par quelques personnes en TI, Marketing et Finances. Les RH doivent établir des échanges de bonnes pratiques et s’allier avec les joueurs clés pour construire un plan de données. Les partenariats techniques et scientifiques sont possibles avec les fournisseurs technologiques, les société de services, les centres de recherches et des étudiants. Chacun cherche un terrain d’expérimentation et de pratique pour améliorer ses compétences sur le sujet. Chacun veut une belle histoire à raconter à ses clients !
  • Rassurez les parties prenantes du projet (Direction, Employés, Partenaires) : Plusieurs enjeux nécessitent d’agir avec prudence. Il  est recommandé de formuler un contrat clair entre les différentes acteurs du projet :

1- Clarifiez les enjeux éthiques (respect de l’anonymat des données, nature des décisions prises, propriété et sécurité des données). Misez sur la transparence en interne. Ne jouer pas à la NSA !

2- Anticipez les enjeux stratégiques et politiques (qualité et rapidité des décisions, découvertes de zones grises et mise à plat des responsabilités, bataille des droits d’usage des données, coûts de services d’extraction et d’intégration). Voir la vérité peut surprendre !

3- Ne négligez pas les enjeux méthodologiques et technologiques (budget, initialisation longue de ce type de projet, compétences scientifiques requises, sécurisation des données, découverte de la faible intégration des systèmes et de la faiblesse des fournisseurs non-interopérables). Patience et persévérance donneront des résultats !

Étape #2 : Inventoriez et collectez vos données.

  • Recensez votre capital informationnel : Les bases de données RH, BdD marketing et commerciales, BdD opérationnelles et financières sont nombreuses et encore loin d’être intégrées. Commencez par en faire l’inventaire (CRM, ERP, Web Google Analytics, ATS, TMS, LMS, Paie, Finances, Sondages clients et organisationnels, Santé et Sécurité, Assurances, rapports écrits, commentaires, appels téléphoniques au centre de service, etc.).
  • Établissez un plan de données : L’inventaire fait émerger des besoins et des incapacités à collecter vos données internes et externes. Il convient donc d’avoir un plan de données pour cartographier vos sources, vos types de données et les indicateurs qui pourront être produits. Les informations non capturées pourraient-elles être des données précieuses ? Les données encapsulées dans un système hermétique vaudraient-elles une extraction ? Quelles données vous manquent ?
  • Négociez avec vos fournisseurs : Vos fournisseurs de services sont des sources primaires de données. Questionnez-les et impliquez-les dans votre projet. Vous identifierez rapidement les freins et les difficultés commerciales, techniques et conceptuels de vos interlocuteurs. Déterminez le format et la fréquence des données qu’ils doivent vous livrer. Au besoin, renégocier votre contrat de service !
  • Collectez vos données dans Excel pour débuter : Comme le soulignait Jean-Paul Isson (VP du site d’emploi Monster) lors d’une de ses conférences, il est possible de débuter avec un simple fichier Excel. Rares sont ceux en RH qui pourraient prétendre aujourd’hui faire du vrai Big Data (grand volume, grande variété et grande vitesse de flux de données). Il existe des formats .xml qui permettent une mise à jour relationnelle des informations de votre système vers la page Excel. Les données, les calculs, les indicateurs, les tableaux et graphiques sont actualisées automatiquement ! Profitez-en.

Étape #3 : Nettoyez vos données.

  • Mettez vos données « Propres », elles donnent confiance : Rapidement, les enjeux de standardisation de données apparaissent dans un projet de lecture de données, de business intelligence et de données prédictives quand on travaille avec des données structurées (champs avec ou sans modalités, alphanumériques, textuels ou numériques). Les menus de champs dans les différents systèmes doivent être mieux définis en amont pour que l’utilisateur sélectionne une option plutôt que décrire ce qui lui passe par la tête. Pour éviter les nettoyages répétitifs, mieux vaut nettoyer directement dans la base de données plutôt que dans le fichier d’extraction.
  • Validez vos formules et la pertinence de vos indicateurs : Quand la base de données est bien alimentée, il devient critique de savoir quoi calculer et formuler des indicateurs justes et pertinents pour votre organisation. Tout présenter est parfois pire que ne présenter que ce qui est vraiment utile. Faites vérifier vos formules, vos calculs et leur utilité !
  • Ajustez vos processus et systèmes d’exploitation : Il vous manque de l’information sur vos employés ? Certaines étapes du recrutement et de la formation ne sont pas documentées ? Est-il difficile d’enregistrer les commentaires d’évaluation de performance et les décisions de promotion ou mutation ? Pour assurer une richesse et une qualité des données, vos systèmes doivent capturer plus et mieux les informations. Des API (Application Programming Interface) permettront de verser vos données dans une base de données centralisatrice. Consultez vos fournisseurs, mettez-les au défi !

Étape #4 : Traitez et visualiser vos données.

  • Commencez par analyser les données pour faire des diagnostics : Avant de se lancer dans des modèles prédictifs, des simulations et des projections, il faut comprendre les données disponibles et poser les bonnes conclusions. Le sens critique et une lecture impartiale sont requis. Un analyste senior pourra animer des rencontres d’analyses et formuler les conclusions. Parmi les conclusions à tirer : comment pouvons-nous tirer plus de renseignements de nos données et comment pouvons-nous avoir plus de données ? Un plan d’action sur la qualité, la quantité et les besoins en renseignements pour répondre aux objectifs d’affaires.
  • Laissez parler les images : Pour donner une couche d’information facile à lire, rien ne vaut la visualisation des données. Il existe beaucoup d’outils de visualisation disponibles. Il seront sûrement partagés entre les différents départements.

Étape #5 : Valoriser vos données, changez les mentalités.

  • Commencez petit. Faites des pilotes. Tout est dit.
  • Communiquez ! Quel est l’avancement du projet et quels sont les renseignements obtenus utiles pour les parties prenantes intéressées (variations d’indicateurs, variables explicatives, corrélations, tendances, projections, etc.)
  • Cultivez l’équilibre entre décision intuitive et décision scientifique. Les organisations possédant une culture de type « Numbers Driven » peuvent évoluer rapidement vers des tableaux de bords et des indicateurs de gestion. Les cultures plus orientées vers l’action ou le client et de nature plus intuitive et réactives dans leurs décisions de gestion pourront avoir des difficultés à baser leurs analyses et jugements sur de vulgaires statistiques et courbe de tendances. Comme le souligne l’article d’Andrew McAfee dans Harvard Business Review, le plus dur est de convaincre que le jugement passé était peut-être basé sur une rareté de données et de mauvaises informations.
  • Faites redescendre les données et les conclusions jusqu’à la base : En présentant les données sous forme d’indicateurs, de tableaux de bords et de variables à surveiller, les managers RH et les employés peuvent les utiliser en réunion pour se mesurer, questionner leurs intuitions et perceptions et enfin amorcer des résolutions de problèmes plus ciblées et plus fondamentales.

Étape #6 : Passez en mode flux de données et intelligence.

  • S’intégrer, pour devenir agile : Voilà le niveau de maturité absolue ! Votre architecture de données actuelle va rapidement vous frustrer. Rares sont les systèmes intégrables et aucun système opérationnel ne joue actuellement le rôle d’intégrateur polyvalent. Il faut donc ajouter une couche technologie pour collecter, traiter et visualiser vos données en indicateurs et en flux.
  • Franchissez les niveaux de maturité : Pour passer de l’Analytics (analyse de données), à l’Intelligence d’Affaires (BI ou informations décisionnelles), puis migrer vers la Modélisation Prédictive et enfin vers l’algorithme,  il faut s’expérimenter. L’ère de l’intelligence artificielle, c’est juste après, le paradis quoi !
    • Robustesse : Votre plan de données, votre intégration en flux et votre savoir-faire d’analyse de données et de prise de décision doivent être robustes.
    • Évaluation des coûts et bénéfices : Avant d’utiliser les technologies Big Data tel que Hadoop, SQL, MongoDB, HBase, CouchDb, mesurez bien vos objectifs, vos coûts et vos ressources pour savoir comment s’engager dans ce nouveau niveau de complexité.
    • Élargissez vos cueillettes de données : Ajoutez à vos données non structurées des métadonnées, des données textuelles ou sémantiques, les données de la reconnaissance vocale, des données de la reconnaissance gestuelle et faciale et de la géolocalisation avec les objets connectés et les systèmes mobiles. La digitalisation RH vous aide à tout intégrer pour faire parler les systèmes, les comportements et les variables.

Quelques sources à consulter

 

Pour aller plus loin

 

PAS DE COMMENTAIRES

  1. […] Le Big Data RH peut démarrer avec de petits projets de mesure. Ce plan Data RH présente à la direction des indicateurs décisionnels aux différentes étapes du processus de recrutement et d’évaluation de la performance. Il est nécessaire de se mesurer. Ce type de projet sera de plus en plus fréquents car ils donnent des balises sur les qualités, les traits, les critères qui peuvent être corrélés avec la performance, la culture et d’autres indicateurs internes. […]

  2. […] 'La révolution RH est en marche, elle se nomme "Intelligence". L’impact des données décisionnelles dans le monde des affaires est réel…Les exemples d’entreprises qui utilisent les données prédictives dans leur modèle d’affaires sont maintenant nombreux : …Avec l’arrivée imminente dans notre vie quotidienne des objets connectés, on assiste à une nouvelle révolution informationnelle : …'  […]

Laisser un commentaire