Comment le BI et l'analyse prédictive (et big data) peuvent aider les RH à devenir des contributeurs stratégiques au lieu du support administratif.

1. Marc-Eric LaRocque
Associé principal
514-952-0142
marc-eric.larocque@procimaexperts.com
L'intelligence d'affaires au service
des ressources humaines
Infopresse - Communications internes
Communiquer à l'ère des technologies 14 mai 2014

2. Agenda
• L’intelligence d’affaires (BI)
• L’application du BI aux ressources humaines
• Comment déployer de manière rentable
• Qui est en charge?
• Futur analytique RH
– L’analyse prédictive
– Le big data
• Conclusions

3. L’INTELLIGENCE D’AFFAIRES
Une peu de définition et d’historique

4. Définition
L’intelligence d’affaires est l'informatique à l'usage des
décideurs et des dirigeants des entreprises.
Elle désigne les moyens, les outils et les méthodes qui
permettent de collecter, consolider, modéliser et restituer les
données, matérielles ou immatérielles, d'une entreprise.
En vue d'offrir une aide à la décision et de permettre à un
décideur d’avoir une vue d’ensemble de l’activité traitée.

5. Évolution
• Années 1980
– que s’est-il passé?
– rapports
• Années 1990
– pourquoi ça s’est passé? Analyse
– interrogations, Excel, OLAP
• Années 2000
– que se passe-t’il? Suivi
– tableaux de bord, scorecards
• Aujourd’hui
– que va-t’il se passer? Prédiction
– statistiques, forage, optimisation
Entrepôts de données
Intelligence d’affaires
Gestion de la performance
Analyse prédictive

6. APPLICATION DU BI AUX
RESSOURCES HUMAINES
Exemples et mesures de performance

7. Comment le BI peut aider les RH
• Planification de l’embauche
• Satisfaction des employés
• Paye, bénéfices
• Dossier employé
• Formation et développement des compétences
• Suivi du temps travaillé
• Relations de travail
• Santé et sécurité

8. Exemple d’un tableau de bord RH
Source: SYNTELL Capital Humain

9. Analyse de l’effectif
• Taux d'attrition
• Mois en position
• Variation de l'effectif annuel
• Effectifs Écart trimestriel
• Taux d'attrition de Nouvelles
embauches
• Effectifs Taux de croissance
• 10% des régions pour la
croissance de l'effectif
Analyse trajectoire de carrière
• Mandat
• Temps dans la position
actuelle
• Cote d’évaluation de la
performance
• Fonctions de l'emploi avec la
plus haute attrition
• Top 10 des cheminements de
carrière
• 10% plus bas performants
Indicateurs de performance

10. Analyse de la rénumération
• % Coût total main-d’oeuvre sur
le revenu
• % augmentation
• Bonus en % du salaire
• Valeur des options attribuées
• Moy. Changements de
rémunération
• Classement de la
rémunération totale par titre
Administration des bénéfices
• Élection d’avantages
• Contributions REER
• Vacances accumulées par
employé
• Longévité moyenne des
employés
• Coûts de santé moyens par
employé
Indicateurs de performance

11. Analyse comptes dépenses
• Dépenses aériennes
moyennes
• Coût cellulaire moyen par
employé
• Dépenses divertissement
totales
• Dépenses voyage moyennes
• Top 10% avec
remboursements les plus
élevés
• Top 10% ayant les plus hautes
dépenses aériennes
Indicateurs de performance

12. DÉPLOYER DE MANIÈRE
RENTABLE
Maximiser le ROI

13. Modules de type “ERP”
• Oracle ou SAP
• Modules spécialisés: ex. Nakisa
• Viennent avec une portion BI
• Objectif: implanter 60-75% rapidement, “out-of-the-box”
• Fait accepter que le reste va coûter plus cher et que le 60-
75% est probablement suffisant (RH pas une priorité)

14. Éviter de réinventer la roue
• Ce qui est long est de définir les indicateurs
• Impliquer des gens pour aller chercher l’info qui existe
déjà
• Avoir une vision long terme mais livrer en petites
itérations
• Livrer de la valeur, souvent

15. Agile
• Petite équipe, livraisons fréquentes
• Prioriser livraisons en se basant sur la valeur affaires
• Les professionnels des RH – impliquez-vous directement
dans le projet (“product owner”)
• Outillez-vous pour livrer rapidement
– Groupe BI TI ou services conseils expérimentés
– Technologie qui augmente la productivité (BI automation, ex.
Wherescape)

16. QUI EST EN CHARGE?
Le BI est un processus, pas un système. La gouvernance est
importante.

17. La gestion de la solution: gouvernance
• La solution doit être gérée et maintenue
• La solution BI existe uniquement pour le groupe d’affaires
qui l’utilise
• Les TI doivent gérer l’application techniquement (c’est là
que sont plusieurs des “skills”)
• Les données sont différentes et sont géréee séparément
de l’application
• Le partenariat TI et affaires est régit par la
GOUVERNANCE applicative et données

18. Les propriétaires des données
• Ceux qui créent les données en gérant un processus
opérationnel précis
• Il a certains droits décisionnels

19. Les intendants de données
• Font le pont entre les producteurs (propriétaires) de
l’information et les consommateurs
• En ressources humaines, souvent les même personnes
• Ils gèrent tous les aspects des données

20. Modèle de gouvernance

21. ANALYSE PRÉDICTIVE ET BIG
DATA
Là où peu vont mais où les gains potentiels sont énormes

22. Un modèle de maturité
Analyse
Prédictive
Intelligence
d’Affaires

23. La différence
• Le BI regarde le passé, mesure la performance
– réactif, opérationnel, benchmarking, tableaux de bord, multi-dim.
– données internes
– axes d’analyse connus
• L’analyse prédictive et l’arrivée du big data sont plutôt axés
sur la découverte et l’exploration
– statistiques, segmentation, modélisation, scénarios
– trouver les facteurs qui influencent les résultats
– visualisation des données
– données externes
– axes d’analyse à découvrir, “patterns”

24. Questions analytiques (non BI)
• Pourquoi un vendeur performe tellement mieux que ses
pairs?
• Quel est l’impact des programmes de formation sur les
résultats de l’organisation?
• Combien de temps prend-t-il à un employé pour être
productif?
• Pourquoi certains leaders ont du succès et d’autres
échouent?

25. Black Hills Corporation
• 2000 employés après une acquisition
• Enjeux: risque au niveau de la base de talent
– effectifs âgés
– besoins d’aptitudes spécifiques
– long à rendre un employé productif
• Calcul: en 5 ans, perdrait 8,063 années d’expérience
• Solution: analyse main-d’oeuvre
– combien d’employés retraite par an
– type de travailleurs pour les remplacer
– d’où ces travailleurs seraient susceptibles de venir
• Résultat: retraite stratégique où 89 plans d’action ont été
identifiés pour adresser le risque

26. Ameriprise Financial
• Services RH “pas bons”
– accueil des employés
– formation
– revues de performance
• Solution: intégrer données financières et main-d’oeuvre
– aligner investissements talents avec résultats d’affaires
– mieux comprendre proactivement les données pour prédir
• Taux d’attrition
• Réduction du taux de mauvaises embauches
• Gestion des sous-performants chroniques
• Résultat
– Employés baucoup plus positifs sur les RH
– RH devenus un “contributeur stratégique” au lieu d’un “preneur de
commande”

27. Payer pour la performance
• Étude d’attrition basée sur les augmentations de salaire
(Deloitte)
• Traditionnellement, augmentations basées sur une
distribution “normale”
• Résultats
– la distribution ne devrait pas être normale
– employés dans 2ième et 3ième quintile (bonne performance)
resteraient même si l’augmentation était de 91% de la moyenne
dans leur classe
– ceux du premier quintile s’attendent à 115-120% d’augmentation
par rapport à la moyenne dans leur classepour rester
– donc le budget devait être déplacé

28. Autres exemples
• Starbucks peut prévoir la valeur d’un changement de 0.1%
d’augmentation de l’engagement des employés dans un
magasin
• Best Buy aussi, le chiffre est $100,000
• AT&T et Google ont démontré, quantitativement, que
l’habileté de prendre de l’initiative est un meilleur gage de
performance future que l’historique académique d’un
candidat
• Dow Chemical a développé un modèle de prédiction de
l’effectif, pouvant effectuer du “what-if” en modifiant les taux
de promotions, l’information politique ou légale externe, etc.

29. Conseils: Pas Big Data mais Better Data
• Pertinence
– top-down, limité au problème d’affaires
– pas du forage ouvert sans but précis
• Validité
– qualité des données est importante
– éducation et coaching
• Impérieux
– raconter des meilleures histoires, basée sur des données
– comprendre notre audience, lier les histoires avec fil conducteur
• Transformatif
– des bonnes données changent nos comportements
– les gestionnaires devraient changer leur façon de penser une fois
les bonnes données de main-d’oeuvre présentées

30. CONCLUSION
Pour terminer

31. Intelligence d’Affaires
• Analyse de l’effectif, démographie
• Analyse de la trajectoire de carrière
• Analyse de la rémunération, équité
• Administration des bénéfices
• Analyse des comptes de dépenses
• Analyse de la formation et du développement
• Analyse de la performance

32. Analyse prédictive
• Modèles d’attrition
• Mesure des annonces d’emplois
• Rétention ciblée
• Profilage des employés à risque
• Prévision du talent

33. Lecture
• http://www.hrintelligenceblog.com/en/?p=1036
• Les tableaux de bord en ressources humaines par
Jean-Yves Le Louarn
• Human Capital Analytics: How to Harness the Potential
of Your Organization’s Greatest Asset par Gene Pease,
Boyce Byerly et Jac Fitz-enz
• Transformative HR par John Boudreau et Ravin
Jesuthasan