Les Ressources Humaines à l heure du Big Data : progrès, perspectives et limites CORNERSTONE WHITEPAPER

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! Toutefois, l utilisation exacte de cette somme de données reste floue. Selon une étude de Coleman 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 000100100111110011100100111100011010000001010100100100100111100010100100110011000010101 10011110010011110001010010100100110010100100110011000111110011100100111100011010000001010 100010100100110011000010101010111110101011110010011110010011110001010010100100110010100100 0010011111001110010011110001101000000101010010010010011110001010010011001100001010101011 010011110001010010100100110010100100110011000111000101001010010011001010010011001100011 00110100000010101001001001001111000101001001100110000101010101111101010111100100111100100 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 ino_fr@csod.com @ cornerstoneondemand.fr twitter.com/csodemea youtube.com/user/csodsocial viadeo.com/fr/company/cornerstone-ondemand 10 2013 Cornerstone OnDemand, Inc. Tous droits réservés.