#rmsradio

#rmsradio
HR Analytics, Mode d’emploi !
Par : Jean-Baptiste Aloy
1

C’est le futur des Ressources Humaines et du Recrutement selon plein de spécialistes.
Sortant d’une conférence où le sujet était abordé sans être bien compris ni par les organisateurs, ni par les intervenants (vivement #rmsconf !), j’ai décidé de proposer cette courte introduction.

 

Historique

Les HR analytics trouvent leurs racines dans les travaux de quantification des pratiques de gestion du personnel menés dès les années 1970 par Jac Fitz-Enz.
Il est notamment l’auteur du livre How to Measure Human Resources Management publié en 1984.

Son credo : “If the language of business is dollars, then the alphabet is numbers”.
En résumé, les RH doivent apprendre à « parler chiffres » pour devenir vraiment crédibles.

Dr Jac, le « papa des HR analytics »

 

Traduction en français de HR analytics : ensemble des procédés d’analyse de données RH.
Cela manque évidemment un peu de précision.

De quelles données parle-t-on ?
Il est possible de commencer par quelques éléments de base :

  • Nombre de salariés
  • Type de contrat (CDI, CDD)
  • Sexe et âge des salariés
  • Niveau de rémunération
  • Niveau d’encadrement
  • Ancienneté

Précisons à ce stade que la plupart des grandes entreprises ont des difficultés à réunir – et donc à analyser – ces données issues des contrats de travail. La multiplicité des systèmes de gestion RH (suite à une fusion par exemple) et les difficultés d’actualisation (mutations de collaborateurs d’une filiale à une autre) expliquent que de nombreuses équipes RH sont incapables de dire avec certitude combien de personnes travaillent dans leur organisation à l’instant T. J’ai personnellement été « comptabilisé » dans deux équipes pendant plusieurs mois suite à une mobilité internationale (mais avec un seul salaire !).

 

Level one analytics

Le niveau 1 en termes d’analytics consiste à croiser ces données de base de façon descriptive.

Sur un sujet d’actualité comme l’égalité professionnelle, les résultats sont en général éclairants :

  • Proportion de femmes avec des contrats à durée déterminée
  • Proportion de femmes à des postes d’encadrement
  • Écarts de rémunération h/f à poste équivalent

Il est difficile d’avoir un débat constructif et de mettre en oeuvre des actions en faveur de la parité sans disposer d’un état des lieux précis.

La publication de ces statistiques est d’ailleurs devenue une obligation légale pour les entreprises dans certains pays. L’idée de transparence accrue fait aussi son chemin en France. What gets measured gets changed.

Ajoutons maintenant des données sur le parcours et la situation individuelle des salariés :

  • Date de la dernière évolution professionnelle
  • Changement de la situation familiale
  • Évaluation de la performance
  • Formations suivies
  • Salaire et primes
  • Déménagement

Toutes ces données sont collectées par les RH mais la probabilité qu’elles soient centralisées et exploitées de manière optimale reste assez faible. Il s’agit pourtant du point de départ des segmentations permettant de personnaliser l’expérience-collaborateur et d’offrir des services adaptés. Comme les entreprises le font depuis longtemps avec leurs clients.

Par ailleurs, les discussions sur la formation professionnelle prendraient une tournure différente si des analyses statistiques mettaient en évidence les relations entre formation et promotion ou versement d’un bonus – qui sont en théorie synonymes d’une bonne performance individuelle.

 

Level two analytics

Avec les liens de causalité, on commence à toucher au niveau 2 des analytics, qui deviennent alors prédictives.

 

Un exemple classique concerne le turnover. En clair, pourquoi les collaborateurs décident-ils de partir ?

Les analytics descriptives se concentrent sur l’ancienneté moyenne par type de poste. Il s’agit d’une étape essentielle pour identifier les professions en tension et planifier le recrutement. Le même type d’analyse mérite d’être utilisé par classe d’âge afin de vérifier si les fameux millennials sont effectivement moins fidèles que leurs ainés.

Une analyse plus poussée combine et hiérarchise les différentes variables à disposition des RH. Les résultats sont différents d’une organisation à une autre, en fonction des métiers, et susceptibles de changer dans le temps. C’est ce qui fait la puissance des HR analytics: on dispose d’informations précises qui permettent une meilleure prise de décision. On réussit à sortir du seul ressenti et à dépasser les généralités sur les attentes des salariés.

Dans certains cas, les facteurs de démission peuvent plus relever de l’éloignement géographique du lieu de travail que du manque d’évolution de carrière. Ce n’est pas pour rien que les géants de la Silicon Valley ont mis en place des navettes de bus ou de bateau pour faciliter l’accès à leurs campus depuis San Francisco. On y reviendra dans un prochain article.

La même approche analytique peut être appliquée aux candidats qui déclinent les propositions d’embauche d’une entreprise. Surprise, ce n’est peut-être pas seulement une question de rémunération…

 

Recrutement, Marque Employeur : suivez toute l’actualité #rmstouch !


The following two tabs change content below.
DG Adjoint du pôle ‘études RH’ d’Ipsos, intervenant principalement sur des dispositifs de mesure d’engagement des salariés, de pilotage du changement, d’évaluation et d’amélioration de l’image employeur.

Derniers articles parJean-Baptiste Aloy (voir tous)

Un commentaire

Laisser un commentaire

Votre adresse de messagerie ne sera pas publiée. Les champs obligatoires sont indiqués avec *