Les Ressources Humaines à l`heure du Big Data

Les Ressources Humaines à l’heure du Big Data :
progrès, perspectives et limites
CORNERSTONE WHITEPAPER
INTRODUCTION
L’avènement du Big Data et du Cloud Computing laisse entrevoir un monde de plus en plus
documenté à l’heure où les liens entre individus hyperconnectés et interactifs se multiplient. Si les
données échangées s’accumulent, elles restent toutefois difficilement exploitables par les logiciels
de Business Intelligence (BI) actuellement disponibles sur le marché.
Utilisé à bon escient, le Big Data, un marché mondial de près de 7 milliards d’Euros en 2013 selon
IDC, pourrait pourtant conférer un avantage compétitif décisif aux entreprises. En particulier dans
l’exercice quotidien d’une fonction RH, telle la gestion des talents.
011001
110001
2
DES MONTAGNES DE DONNÉES MAL EXPLOITÉES…
Exa byte, Peta byte, ou encore Zetta byte… Voici les
nouveaux noms inventés pour qualifier l’explosion
des volumes de données. Si l’on imprimait toutes
les données à notre disposition, près de la moitié de
l’Asie disparaitrait sous trois milliards de tonnes de
papier ! D’autre part, selon IBM, 90% des données
que nous possédons aujourd’hui ont été générées
ces deux dernières années. En 2020, la quantité de
données exploitables aura été multipliée par vingt !
Parks Research, 52% des entreprises européennes
sont incapables de dire comment elles tireront partie
du Big Data de manière optimale. En revanche, 75%
prévoient que ce sujet gagnera en importance ces trois
prochaines années. Le Big Data est un investissement
de long terme, car son impact économique reste
encore à préciser : Gartner a ainsi estimé qu’en 2015,
85% des 500 plus grandes entreprises mondiales
seront toujours incapables de tirer de leurs données
un avantage économique mesurable…
Toutefois, l’utilisation exacte de cette somme de
données reste floue. Selon une étude de Coleman
1000100100111110011100100111100011010000001010100100100100111100010100100110011000010101
010011110010011110001010010100100110010100100110011000111110011100100111100011010000001010
1100010100100110011000010101010111110101011110010011110010011110001010010100100110010100100
10010011111001110010011110001101000000101010010010010011110001010010011001100001010101011
0010011110001010010100100110010100100110011000111000101001010010011001010010011001100011
000110100000010101001001001001111000101001001100110000101010101111101010111100100111100100
3
Pourquoi ces difficultés ? D’abord, la variété des
données disponibles : le Big Data rassemble sous
un même terme les données des systèmes ERP
(progiciels de gestion intégrée) et celles liées au
management et à l’administration. A cette matière
interne, il faut ajouter les données des réseaux
sociaux (Web 2.0, emails, téléphones mobiles, etc.)
et des données générales (météorologie, recherche
produit, environnements en développement, satellites,
logistique, consommation, transferts, simulations,
etc.). En somme, il s’agit du produit du travail de
millions d’entreprises, individus et institutions.
Ajoutons à cela qu’une grande partie de ces
informations, sous forme graphique ou audio, est
inutilisable par les outils d’analyse de Big Data à
ce jour. Elles sont aussi redondantes, car présentes
sur plusieurs plateformes ou appareils. Parmi ces
données, une partie concerne les RH, mais leur
volume est toutefois trop large pour être analysé
en intégralité par les outils traditionnels. L’équipe
de recherche « BARC », spécialisée en Business
Intelligence, donne une excellente définition du
Big Data, accessible au grand public : ce sont des
« méthodes et technologies qui rassemblent des
données polystructurées en segments précis, et
permettent leur stockage et leur analyse ».
4
Les données exploitables rassemblées dans ces
bases de données sont dites « structurées ».
Selon InformationWeek, elles représentent 58% de
l’ensemble des données. A ce jour, elles peuvent être
facilement exploitées grâce à des logiciels de Business
Intelligence. En revanche, le reste, c’est-à-dire les
données « non-structurées », sont difficilement
accessibles car présentes sur des appareils personnels
ou des réseaux sociaux. L’objectif des analystes est de
combiner l’ensemble afin d’identifier des tendances
récurrentes et d’en tirer des analyses pertinentes.
Le développement du Big Data ne peut se faire sans
d’importantes innovations technologiques. En plus
de disques durs à plus forte capacité de stockage,
les analystes ont besoin de nouveaux outils, logiciels,
bases de données, programmes et langages. Sans
ces progrès, aucun analyste, fut-il le plus compétent,
ne pourra réellement exploiter toutes les données
collectées. Selon Gartner, 45% des investissements
des entreprises en technologies de l’information
seront liés au Big Data dans les prochaines années.
5
LE BIG DATA AU SERVICE DE LA GESTION DES TALENTS… ET BIEN PLUS ENCORE
Josh Bersin et le cabinet Deloitte résument la
rencontre du Big Data et des RH sous le terme «
Analyse des talents » (Talent Analytics). A ce jour,
le recrutement et la gestion des talents sont les
domaines des RH les plus concernés par le Big Data.
L’analyse des talents facilite l’acquisition de talents et
la formation, mais aussi la mesure de la performance
et le planning de gestion RH.
Les données qui alimentent ces conclusions sont en
partie rassemblées en interne, complétées par un
grand nombre de données externes. Elles concernent
la démographie, le fonctionnement de l’entreprise, des
informations sur la qualification, les compétences, la
rémunération, la mobilité. Elles peuvent également
consister en un ensemble d’informations personnelles
collectées via les réseaux sociaux et l’entourage
professionnel des collaborateurs. Ainsi, si les DRH
ont habituellement une analyse interne des ressources
humaines, ils pourront désormais se comparer à
leurs concurrents, ou à des entreprises qu’ils jugent
performantes.
Le Big Data peut aussi fournir de précieuses
informations aux DRH bien qu’elles ne soient pas
directement liées à la gestion du personnel. Par
exemple, des informations météorologiques peuvent
tout à fait orienter les décisions de planning. La
collecte de données extérieures pourrait également
permettre des méthodes de recrutement plus
efficaces grâce à une meilleure connaissance
des autres entreprises. Dans cette logique, il est
possible d’imaginer un nombre infini de modèles
qui prédiraient des comportements ou évènements
futurs, comme ceux qui comptent quitter l’entreprise
au bout de quelques années. Dans un contexte où les
DRH sont parfois contraints de tâtonner autour de
nouvelles méthodes de formation et de recrutement,
de tels modèles seraient d’une grande utilité.
A long terme, l’utilisation intelligente du Big Data peut
offrir plus de valeur ajoutée dans d’autres domaines
RH : recrutement, formation, évaluation de la mobilité
professionnelle et de la performance. L’exemple le plus
parlant est sans doute celui du recrutement, qui reste
encore aujourd’hui déterminé par des critères rigides,
tels le diplôme ou l’École fréquentée. Pour créer plus
de valeur à tous les niveaux, les analyses peuvent
identifier les critères de réussite du personnel tout
au long de la chaîne de production et ainsi permettre
d’affiner le recrutement.
6
Projet BIG DATA
Données performance
Turnover, projets réalisés,
évaluations, récompenses
Données compétences et aptitudes
Diplômes, formations, VAE,
examens psychologiques,
réalisations personelles
Données rémunération
Historique, bonus,
récompenses, préférences
et utilisation du salaire
Données motivation
Résultats de questionnaires
sur la motivation
Données sur le lieu de travail
Expérience, promotions,
évolutions de salaire
Données sociales
Blogs, documents personnels
publiés, avis des collègues,
‘profils sociaux’
Données développement
professionnel
Cours, objectifs personnels,
coûts de la formation
Autres
Master data, données du
recrutement, données BDE
Où investir en priorité ? La réponse est encore
incertaine car, dans tous les départements, y
compris les RH, les données sont collectées sans
que l’on sache encore précisément comment en
tirer un bénéfice. Les analystes se bornent parfois à
les structurer, sans tenir compte des données plus
difficiles à documenter telles que celles issues des
réseaux sociaux.
Avant d’aborder la question de leur analyse, il convient
de mettre au point un algorithme prenant en compte
toutes les dimensions des données mentionnées plus
haut. L’approche logicielle, heuristique, et les capacités
d’intelligence artificielle prendront une importance
croissante avec le Big Data.
7
L’ANALYSE DES TALENTS EN PRATIQUE
Identifier les talents
Pourquoi les performances de différentes branches sont-elles variables pour une même activité ? L’équipe
d’analyse RH a identifié que le problème venait souvent des différences d’organisations managériales,
et a proposé un modèle définissant le niveau de contrôle managérial idéal, proposant ainsi des priorités
stratégiques comme le besoin de consolidation, de recrutement, ou de réorganisation des talents.
Réduire le turnover
Pourquoi le turnover des centres d’appels Xerox était-il si important ? L’analyse des talents a permis de
découvrir que la personnalité importe plus que l’expérience. Ainsi, les collaborateurs les plus créatifs ont
tendance à rester plus longtemps que ceux qui souhaitent acquérir de nouvelles compétences.
Organiser le recrutement
Comment développer un modèle de recrutement fiable ? Grâce à l’analyse des talents, une équipe en charge
du planning RH a pu établir des modèles prédictifs liant des données du marché du travail, les salaires, et les
aptitudes des collaborateurs extérieurs. Grâce à l’étendue de son travail, l’équipe peut maintenant documenter
les mouvements internes.
8
Organiser le planning RH
Comment est déterminée la demande ? Une chaine de boulangeries allemande a pu, après observation,
déterminer les variations de la demande auprès de ses différentes branches selon des données
météorologiques et évènementielles. De ce fait, ils ont pu organiser l’emploi du temps de leur main d’œuvre
plus efficacement.
Mesurer la motivation et réduire les risques financiers
Pourquoi une banque connaissait-elle une grande variation du nombre de vols et détournement d’argent selon
ses branches ? L’analyse des talents a permis de relier un management peu concerné et un personnel peu
motivé au nombre de vols. Grâce à cette analyse, le contrôle managérial a pu être renforcé, la communication
relancée, et le nombre de vols sérieusement réduit, si bien que l’entreprise a pu économiser plusieurs millions
d’Euros.
01110000101001
01110000101001
9
« TALENT ANALYSTS », « DATA SCIENTISTS »,
« PROGRAMMEURS BIG DATA »… OÙ LES TROUVER ?
Au-delà des limites techniques, les entreprises font
face à une pénurie d’experts IT capables de gérer les
informations de manière innovante. Leur rareté les
rend précieux, donc chers. En attendant que le marché
du travail s’adapte, les entreprises doivent former des
collaborateurs en interne.
Par où commencer ? L’Allemagne est un exemple
intéressant. Certains collaborateurs sont ainsi chargés
de la création de modèles axés sur la performance
des salariés, incluant des fonctionnalités de Talent
Analytics. Même si ces collaborateurs n’ont pas
d’expérience dans la gestion de données non
structurées, ils confèrent à leur entreprise un avantage
significatif par rapport à celles ne possédant aucun
poste aux fonctions proches ou similaires.
Une seconde étape consiste à orienter des
collaborateurs possédant une compétence en
statistiques, ou en sociologie des organisations,
vers le département des ressources humaines. Une
équipe pluridisciplinaire est tout à fait à même de
relever les challenges du Big Data, sous réserve d’une
coopération étroite et régulière avec le département IT
et la direction.
Les entreprises doivent entreprendre ces démarches
au plus tôt. Selon Josh Bersin, 3 à 5 ans sont
nécessaires pour tirer une valeur ajoutée de l’analyse
des talents. Le développement de l’expertise des
analystes des données et des DRH est bien sûr
nécessaire pour faire du Big Data un atout stratégique
dans les mains du département RH. Il s’agit donc d’un
investissement sur le long terme.
Josh Bersin a également mis au point un modèle qui permet de situer les entreprises selon leur maturité en
termes d’analyse des talents. Quatre niveaux de compétence sont identifiés :
Niveau 1 : Réactivité – Reporting opérationnel
A ce stade, les entreprises documentent la productivité, le suivi des consignes. Elles intègrent les données, les
exploitent et créent un dictionnaire de données.
Niveau 2 : Proactivité - Reporting étendu
Les opérations sont documentées à des fins de benchmark, prise de décision et analyse multidimensionnelle.
Niveau 3 : Analyse stratégique
Les données sont segmentées, utilisées pour des analyses statistiques. Ce développement s’accompagne de
modèles de comportement des collaborateurs, et une analyse des conséquences de leur mise en œuvre.
Niveau 4 : Analyse prédictive
L’entreprise peut développer des modèles de prédiction, des plannings, une analyse, les intégrer au planning
stratégique et réduire les risques.
11
Toutefois, les étapes de ce modèle sont difficilement
accessibles à ce jour. Une étude d’EMC sur le Big
Data parue en 2011 conclut que le premier obstacle
à la mise en œuvre du Big Data est l’absence de
compétences adaptées, le second étant l’absence
d’un budget dédié. Les spécialistes interrogés
mentionnent également l’inadéquation des structures
organisationnelles et l’absence d’outils technologiques
et logiciels adaptés.
L’absence de compétences est directement liée
à une pénurie de personnel formé. En plus de la
connaissance d’un grand nombre de langages de
programmation, les experts en Big Data doivent être
compétents en mathématiques, IT, gestion de bases
de données, gestion des opérations, management,
psychologie, technologies et fonctionnement des
médias.
Le Data Scientist devra idéalement travailler en
collaboration avec un Développeur Big Data, chargé
de l’intégration et la segmentation des données en
vue de leur analyse. Tout comme le Data Scientist, le
Développeur Big Data est activement recherché par les
entreprises. Toutefois, conscients de leur attractivité,
ces profils préfèrent s’établir en indépendant plutôt
qu’intégrer une grande structure. Si les entreprises
choisissent d’externaliser ces activités, elles doivent
s’assurer du respect strict des règles de protection des
données RH.
Dans ce contexte, des Universités, telles la Chicago
Northwestern University ou l’Université Saint-Gall
en Suisse ont lancé des programmes de formation à
l’analyse prédictive.
Les DRH ont tout à gagner en entamant la transition vers un recrutement et une GRH plus
intelligentes, moins instinctives. Le Big Data, grâce à une puissance analytique et prédictive
au service des ressources humaines en marche, les y aidera. Un management scientifique
révolutionnaire est en train de se profiler.
Selon le cabinet McKinsey, les Etats-Unis compteront 180 000 analystes Big Data dans les
prochaines années. Gageons que l’Europe ne sera pas en reste.
12
A Propos de Cornerstone OnDemand
Cornerstone OnDemand est l’un des leaders en France et à l’international dans la gestion intégrée des talents en mode 100% Software-as-a-Service. Cornerstone
OnDemand aide les organisations de toutes tailles en offrant une solution permettant de gérer l’ensemble du parcours du collaborateur depuis le recrutement
jusqu’aux évaluations de compétences en passant par la formation. Sa solution est composée de quatre offres intégrées : Cornerstone Recruiting Cloud,
Cornerstone Performance Cloud, Cornerstone Learning Cloud et Cornerstone Extended Enterprise Cloud.
La solution Cornerstone OnDemand est utilisée par 1 400 entreprises clientes. Disponible en 41 langues, elle compte 13 millions d’utilisateurs dans 190 pays.
0033 (0) 1 71 18 16 59
@
twitter.com/csodemea
[email protected]
cornerstoneondemand.fr
youtube.com/user/CSODSocial
viadeo.com/fr/company/cornerstone-ondemand
10
© 2013 Cornerstone OnDemand, Inc. Tous droits réservés.