Créer de la valeur avec le «big data», c’est possible, y compris dans les RH ! L’analyse prédictive et l’intelligence d’affaires peuvent en effet améliorer les stratégies de recrutement et de rétention des employés et sont même devenues un atout important pour se démarquer de la concurrence et embaucher les meilleurs talents.
Cliquez ici pour consulter le dossier «Mesurer et optimiser vos RH»
Le « talent analytics » sera-t-il la prochaine révolution du monde des RH ? C’est en tous les cas ce que croit Jean-Paul Isson, vice-président analyse prédictive et intelligence d’affaires du site d’emplois Monster Worldwide.
«Nous sommes au quotidien inondés de données de toutes sortes. Le big data va permettre aux RH de retrouver une place de partenaire stratégique au sein des entreprises, en injectant de l’analytique dans les prises de décision», estime-t-il.
Ces données, de provenance à la fois interne et externe, serviront en premier lieu à développer une meilleure compréhension du marché. «Nous sommes dans un tournant où les entreprises ont tout intérêt à utiliser l’analytique pour supporter la prise de décision. Ceux qui vont l’éviter reviendront en arrière», estime Jean-Paul Isson.
Et ce n’est pas Michel Cossette, professeur adjoint et psychologue du travail à HEC Montréal, qui dira le contraire : « Nous nous situons aujourd’hui à un moment où la gestion RH a la possibilité d’embarquer dans ce courant pour exercer un véritable rôle de partenaire d’affaires.»
Que ce soit pour la mise en place du big data ou d’une autre stratégie, les bases demeurent les mêmes. « Il faut tout d’abord se demander quelles problématiques on veut règler en premier ? « Car on a beau avoir les meilleurs outils, si on ne les met pas en lien avec notre problématique d’affaires, on échouera», met en garde Jean-Paul Isson.
Mieux planifier ses ressources
Dans un monde où de nombreux employés se préparent à partir à la retraite, l’analytique devrait permettre aux employeurs qui l’utilisent d’être avant-gardistes afin d’optimiser le cycle de vie de leurs employés.
«Si l’on veut comprendre pourquoi on a un taux de roulement élevé, il faut commencer par regarder d’où viennent nos ressources, si elles ont bénéficié d’une formation ou d’une augmentation de salaire, si elles ont un bon feedback de leur manager, si l’indice d’engagement était bon», avance Jean-Paul Isson.
C’est seulement ensuite que les RH pourront aller chercher des variables externes, qui peuvent être des normes de l’industrie ou des variables macroéconomiques comme le PIB, le coût de l’embauche, le taux d’emploi ou encore la croissance au sein de l’industrie. « C’est cet ensemble de variables qui, mises ensemble, permet d’améliorer la planification du capital humain », estime-t-il.
Grâce au big data, la gestion du risque se trouve aussi repensée au sein des entreprises. «L’analytique permet d’être proactif en utilisant la modélisation prédictive pour comprendre quelles sont les personnes qui présentent un risque de partir et certaines entreprises commencent à l’utiliser en ce sens », rappelle Jean-Paul Isson.
Améliorer le processus d’embauche
Aux États-Unis, l’entreprise Rent a Car a par exemple contacté Monster pour choisir l’emplacement de ses nouveaux bureaux, non plus seulement en fonction du marché, mais aussi en fonction de la disponibilité des talents.
«Nous avons pu ainsi leur recommander six villes où s’implanter, grâce à l’intégration de données internes, comprenant les candidats de nos bases de données qui représentent près de 146 millions de C.V., et de données externes pour comprendre quel était le taux de chômage au sein de différentes villes et industries, le coût de l’embauche ou encore le taux de croissance de chaque région », cite en exemple Jean-Paul Isson.
Le géant de l’analytique, Google, fait lui aussi fréquemment appel aux modèles prédictifs, y compris au sein de son processus RH. Après avoir lancé des études pour savoir s’il y avait une corrélation entre la performance de ses salariés et leur provenance ou les questions posées à l’embauche, Google s’est rendu compte qu’employer quelqu’un sortant de MIT ou de Facebook n’était pas forcément un gage de succès.
« Cela a aussi permis d’éliminer les étapes et les coûts inutiles à l’intérieur du processus de recrutement, en déterminant par exemple qu’il ne fallait pas plus de quatre entrevues pour recruter quelqu’un», ajoute Jean-Paul Isson.
Autre exemple ? Le leader de l’informatique, HP, a réalisé un modèle de probabilité qui calcule le risque de départ pour chaque employé, permettant ainsi aux managers de mieux gérer les problématiques rencontrées.
« Même chose chez Xerox où un modèle prédictif a permis de comprendre que la fréquence des voyages d’affaires pouvait représenter un facteur de départ important. Grâce à ces résultats, il ont réussi à réduire leur turn-over de 45 à 30%.» Ces modèles impliquent de considérer plusieurs données ensemble, telles que la fréquence des voyages, le niveau d’engagement des salariés, ou encore l’appréciation des managers.
Fini l’organisation en silos
Pour mettre en place un modèle d’analyse prédictive, l’un des premiers défis est de pouvoir compter sur une main d’oeuvre qualifiée. Une remise à niveau du système d’information de l’entreprise s’avère aussi nécessaire pour en finir avec les systèmes en silos qui ne se parlent pas.
Sans compter qu’il faut également apprendre à bien gérer la confidentialité des données. « Pour savoir comment traiter ces données sans tomber dans la discrimination, il y des questions à se poser en amont : quelles sont les informations pertinentes et a-t-on le droit de les utiliser ? Des questions ethniques se posent-elles ? Comment manipule-t-on les informations personnelles ? », avance Michel Cossette, professeur adjoint et psychologue du travail à HEC Montréal.
Cliquez ici pour consulter le dossier «Mesurer et optimiser vos RH»