Alors que la course à la data est à son paroxysme, les tableaux Excel ont laissé place à des outils innovants qui s’appuient sur la Business Intelligence (BI). Ces outils technologiques permettent à la fonction RH de faciliter le traitement et l’analyse des données, de façon à établir des tendances et à prendre de meilleures décisions. Cette transformation est portée par l'approche “People Analytics”, également connue sous le nom d'analytique RH.
![Mettre en place la méthode People Analytics dans son organisation](https://sp-ao.shortpixel.ai/client/to_webp,q_lossless,ret_img,w_1140,h_694/https://www.lucca.fr/magazine/wp-content/uploads/2023/12/Analytics-amico-1140x694.png)
Accueil » Talents » Compétences & carrières » People Analytics : comment mettre en place cette approche dans son organisation ?
Alors que la course à la data est à son paroxysme, les tableaux Excel ont laissé place à des outils innovants qui s’appuient sur la Business Intelligence (BI). Ces outils technologiques permettent à la fonction RH de faciliter le traitement et l’analyse des données, de façon à établir des tendances et à prendre de meilleures décisions. Cette transformation est portée par l’approche “People Analytics”, également connue sous le nom d’analytique RH.
L’approche People analytics pour rationaliser la prise de décision
6 étapes à suivre pour mettre en place une démarche “People Analytics”
1. Définir les indicateurs clés de performance (KPIs) adaptés à ses enjeux RH
Première étape, la définition des KPIs à utiliser. Ces indicateurs peuvent concerner l’entreprise et son organisation, le service RH, les données propres aux collaborateurs et inclure les données relatives au business. La principale difficulté de l’exercice réside dans la sélection des indicateurs car l’écueil le plus courant est de vouloir agréger le plus de données possible pour obtenir le plus d’indicateurs… dont vous ne sauriez que faire (hormis décorer vos powerpoints). Misez donc sur la frugalité en choisissant d’abord les plus pertinents selon vos enjeux du moment. Vous pourrez toujours enrichir votre liste plus tard.
Exemple : si vous souhaitez mettre l’accent sur le recrutement, des indicateurs tels que le nombre de candidats par offre d’emploi ou le temps nécessaire pour recruter un nouveau salarié peuvent être privilégiés. Une fois vos KPIs en main (entre 5 et 10 en moyenne, de préférence), il sera temps de passer à la récolte des données.
2. Extraire les données collaborateur selon les KPIs déterminés
En vous basant sur vos KPIs identifiés, vous allez pouvoir collecter les données nécessaires à l’analyse et au suivi. Pour les extraire, il existe des logiciels adaptés tels que les plateformes SIRH qui centralisent les données collaborateur et stockent l’ensemble des données collectées, de façon sécurisée.
Certains outils vous permettent de collecter des données quantitatives, avec des chiffres extraits et recueillis dans des tableaux de bord adaptés. Tandis que d’autres sont spécialisés dans la récolte de données qualitatives. Il peut s’agir de logiciels de gestion d’enquêtes, de sondages et de questionnaires en ligne. Exemple : vous pouvez diffuser une enquête permettant de mesurer le climat social, au sein de votre structure. Selon les réponses obtenues, vous pourrez ajuster vos actions RH, de façon à offrir une meilleure qualité de travail, source d’engagement.
D’autres questionnaires peuvent également être diffusés à différents moments de la vie du collaborateur. Qu’il s’agisse de recueillir les impressions suite à un déménagement ou de prendre le pouls de vos collaborateurs quant à l’adaptation à votre nouvelle charte de télétravail, ces occasions vous permettront de collecter des données stratégiques précieuses. Dès que l’extraction sera réalisée, vous pourrez commencer la phase d’analyse. d’acquisition en cours (qui s’étend en général du 1er juin N au 31 mai N+1).
3. Analyser les données collaborateurs grâce aux outils digitaux
La pratique de l’analyse de données implique une multitude de tests et d’expérimentations, ainsi que l’exploration de diverses intersections d’informations. En comparant les données aux tendances passées, vous pouvez anticiper avec plus de précision les événements ou les comportements futurs. De plus, des outils avancés offrent désormais la possibilité d’effectuer des analyses préventives voire prédictives, permettant ainsi de formuler des hypothèses sur l’avenir avec plus de certitude.
Par exemple, certaines analyses peuvent livrer des informations sur la réussite (ou non) de la prise de poste d’un collaborateur, lors d’une période d’essai. D’autres peuvent révéler le potentiel de “matching” d’une offre avec un candidat. Un exemple de croisement possible est de faire le lien entre les compétences de vos salariés avec les perspectives d’évolution souhaitées.
Certains SIRH proposent des modules de reporting avancés. Si vous n’avez pas cette chance, il existe de nombreux outils de BI (Business Intelligence) sur le marché. Ces derniers permettent de centraliser vos données stratégiques, puis de les analyser et de les recouper afin de vous permettre de prendre de meilleures décisions. Ils vous aideront à réaliser des tableaux de bord personnalisés et dynamiques pour faciliter la lecture de vos analyses.
4. Interpréter les données pour prendre des décisions stratégiques éclairées
Après cette phase d’analyse, certaines de vos hypothèses seront confirmées et d’autres réfutées. Il s’agira de faire le tri pour tirer les bonnes conclusions. Exemple : si vous constatez que le taux de rotation du personnel est anormalement élevé dans le département finance, vous pouvez utiliser ces informations pour déterminer la cause sous-jacente et mettre en place des mesures palliatives. En échangeant avec les collaborateurs du pôle, vous pourrez découvrir que ce turnover est principalement dû à une ambiance de travail détériorée ou à des difficultés de communication entre le manager et son équipe. Soulever le problème va permettre de prendre les mesures adaptées à la situation, en privilégiant le bien-être des salariés.
L’interprétation des données peut aussi vous permettre de mieux fidéliser vos talents par l’identification de leviers de motivation. Elle peut servir à mieux anticiper les risques d’une baisse d’engagement en vous faisant, par exemple, prendre conscience d’une mauvaise dynamique d’équipe ou d’une surcharge de travail. Il sera alors de votre ressort d’alerter le manager et de prendre les précautions nécessaires pour résoudre cette problématique.
5. Réviser et ajuster le processus d’analyse des données
Vos processus d’analyse doivent être révisés régulièrement pour vous assurer de leur pertinence. Dans une logique d’amélioration continue, cette remise en question va permettre de veiller à la qualité des données récoltées.
Vous pouvez également mettre en place un système de gouvernance des données avec un responsable chargé d’interroger les différents métiers de l’entreprise pour identifier leurs besoins en matière de data. Puis, le responsable dédié pourra les hiérarchiser pour éviter des prises de décision basées sur des informations erronées. Cette démarche permettra aux collaborateurs de mieux se familiariser avec l’utilisation des données, au sein de l’entreprise.
6. S’assurer de la confidentialité des données (conformité RGPD)
Dans votre stratégie de People Analytics, un nombre impressionnant de données de nature personnelle et professionnelle seront traitées. Des vérifications doivent être menées régulièrement pour vous assurer de la conformité légale, tout au long de l’utilisation de ces données, de la collecte jusqu’au traitement. Une défaillance dans ce domaine pourrait entraîner la défiance des salariés. En faisant preuve de transparence par l’affichage d’une déontologie claire, de façon à sensibiliser vos collaborateurs, vous pourrez à la fois rassurer vos salariés et renforcer votre marque employeur.
Grâce à une analyse pointue et continue des données RH, l’approche People Analytics permet à la fonction RH de tirer son épingle du jeu, en apportant une nouvelle dimension stratégique précieuse pour les décideurs. Elle assure un gain de performance conséquent pour l’entreprise et ses collaborateurs, en rationalisant les prises de décisions. Difficile de savoir jusqu’où ira la prédiction des données, en combinaison avec le machine learning…