Home>Les facteurs clés de succès d’une démarche « Data Science RH »
  • Print
  • Decrease text size
  • Reset text size
  • Larger text size
11.28.2019 #news

Les facteurs clés de succès d’une démarche « Data Science RH »

Les facteurs clés de succès d’une démarche « Data Science RH »

 

Précédemment, Sia Partners vous a présenté les étapes clés à respecter pour réussir une démarche « Data Science RH ». Aujourd’hui, nous vous proposons d’approfondir ce sujet en s’intéressant aux facteurs clés de succès. En effet, au-delà d’une méthodologie rigoureuse, il est essentiel d’adopter une approche progressive, en test & learn, et de conduire le changement pour que votre projet porte ses fruits.

 

1. Constituer une équipe multidisciplinaire pilotée par les RH

Nous avons la conviction que réunir au sein d’une même équipe des professionnels RH avec des Data Scientists favorisera l’analyse inédite d’une grande quantité d’informations et l’identification de corrélations permettant de jeter un regard neuf et objectif sur des problématiques RH.

La DSI, en s’appuyant sur les méthodes agiles et le « test and learn », est également à associer, dans son rôle de catalyseur à même de fluidifier les mouvements entre besoins métiers et moyens techniques. Ne manquez pas non plus d’intégrer dès les prémices du projet le département juridique qui garantit le respect du cadre réglementaire relatif aux données.

Pour autant, l’expérience RH est clé pour guider les travaux dans la formulation des problématiques, des différentes hypothèses à vérifier, ainsi que dans l’interprétation du sens à donner aux corrélations dégagées. Dans une équipe transverse où la co-création et le mode collaboratif sont essentiels à la réussite de la démarche, un pilotage par le métier reste donc indispensable et pourra déboucher à terme vers un centre d’excellence Data Science RH, fonction RH à part entière.

 

2. Embarquer toutes les parties prenantes de l’entreprise

Mettre en œuvre une démarche de Data Science RH peut constituer un changement culturel clivant. L’équipe multidisciplinaire doit pouvoir communiquer et porter le projet auprès de toute l’entreprise, et rapidement démontrer sa valeur ajoutée par des « quick wins ».

En premier lieu, elle doit obtenir le soutien du management et de la Direction des Ressources Humaines. Leur sponsorship favorisera l’évangélisation d’une culture de la donnée afin de convaincre de l’utilité de la démarche. La valorisation de ce sujet incitera in fine à l’implication des collaborateurs.  

Elle doit ensuite sensibiliser les équipes RH sur lesquelles elle doit s’appuyer pour déployer sa démarche. Il peut être difficile d’amener les opérationnels à partager des informations RH dans le SIRH, par méconnaissance ou méfiance envers les outils. Il faut leur faire prendre conscience des bénéfices. Par exemple, la réalisation d’un POC peut permettre de démontrer la valeur du projet et faciliter l’embarquement du métier dans la démarche. Autre exemple : dans le cadre de la mobilité interne, les opérationnels RH pourraient en retour avoir accès à un vivier de nouveaux talents et diminuer leurs coûts de recrutement.

Le cadre juridique relatif à la protection des données est également à mettre en avant quand il s’agit d’instaurer un climat de confiance. Récemment enrichi par le RGPD et garanti par la CNIL, il limite la collecte des données et demande une justification à leur exploitation. Au-delà de la loi, la nouvelle charte éthique et numérique RH se propose d’instaurer des bonnes pratiques dans l’utilisation des données dans le domaine des RH. Autant d’illustrations de la tendance actuelle qui encourage plus de transparence  et est une réelle  opportunité de rassurer les parties prenantes tout en les invitant à collaborer.

 

3. Eclairer la décision, sans nécessairement l’automatiser

Se rappeler que la Data Science produit des insights qui aident la décision sans s’y substituer est essentiel. L’utilisateur doit être mature et éduqué dans son rapport aux données. Il est de la responsabilité de la DRH d’inculquer qu’il s’agit d’une ouverture d’esprit et d’un enrichissement par la donnée plutôt que d’industrialisation de la prise de décision.

Par exemple, la mise en place d’algorithmes permettant le tri de CV permettra de présélectionner les candidats correspondant le plus aux critères attendus et donc de minimiser le risque de rencontrer un candidat inadéquat. Cependant, cela écartera potentiellement des profils atypiques avec de réelles capacités d’innovation sur le poste.

Se rappeler que la Data Science RH est une aide à la décision et une réelle opportunité pour la fonction RH, plutôt qu’une menace, permet de garder les pieds sur terre et de viser des objectifs ambitieux mais réalistes.

 

4. Commencer petit et être patient

Il est dangereux de se lancer immédiatement dans des projets trop ambitieux et complexes. Bien souvent, les approches Data Science ne se réalisent pas « en mode projet » mais davantage de manière itérative et pragmatique, si bien que le produit fini n’est obtenu qu’après plusieurs ajustements. Commencez d’abord par traiter modestement un sujet avec un proof of concept viable ne répondant qu’à une seule question – par exemple : quelle est ma population la plus concernée par un turn-over trop important ? – avant d’élargir le spectre progressivement.

Au-delà des coûts évités par une telle approche, elle permet une transformation progressive mais durable de la fonction RH, tout en démontrant, au fil de l’eau, la valeur ajoutée de ce type d’approche.

 

Conclusion :

La Data Science RH constitue une réelle opportunité pour les entreprises. A court et moyen terme, elle ouvre la voie à l’optimisation des processus RH et au gain de temps et d’efficacité. Cependant, c’est à plus long terme que le potentiel de la démarche prend tout son sens. L’enjeu est grand pour les RH, et peut sembler contradictoire, car il s’agit de placer la donnée au cœur d’un métier profondément humain. La posture change également, puisqu’il ne s’agit pas tant de produire des reportings performants que d’adopter une posture d’anticipation des tendances RH en s’appuyant sur des données chiffrées, pour orienter efficacement les politiques RH.

Rassembler les différentes parties prenantes, conduire le changement et se rappeler régulièrement les objectifs réalistes de la démarche doivent permettre le succès, autant que la méthodologie adoptée !

 

Sia Partners accompagne ses clients pour renforcer la fonction RH comme pilier de la performance de l’entreprise. Nos consultants pluri-disciplinaires spécialisés en RH & Conduite du Changement ainsi qu’en Data Science peuvent vous accompagner dans l’élaboration de démarches Data Science RH et dans l’ajustement des politiques RH associées.

N’hésitez pas à découvrir quelques exemples de projets de Data Science RH déjà réalisés par Sia Partners :

> Bot Collective agreements benchmark : cet outil recense et analyse les accords d’entreprise relatifs à différentes thématiques (aménagement du temps de travail, mobilités douces, etc.)

> Bot CV Matching : outil interne utilisé par Sia Partners basée sur l’analyse du CV du candidat pour l’orienter vers la Business Unit pertinente.

 

.