7 étapes pour réussir ses projets Big Data RH


Le jeudi 13 juin 2013 | Analytics RH
7 étapes pour réussir ses projets Big Data RH - D.R.
Le Big Data, l’analyse et l’exploitation de volumes de données colossaux, est l’une des tendances RH fortes de 2013. Par contre, comment mettre en place un projet Big Data dans son service RH aujourd’hui ? Jean-Paul Isson, conférencier international et président de Monster Canada, nous donne les 7 clés pour réussir

Jean-Paul Isson, statisticien de formation, est un passionné de l’analyse des données. Depuis plus de 6 ans, il donne des conférences à travers la planète sur le Big Data et les outils de Business Analytics. Il est également Vice President Business Intelligence chez Monster Worldwide et dirige la filiale canadienne de Monster. Basé à Montréal, il était de passage à Paris pour donner une conférence à l’Université Paris-Dauphine et pour la promotion de son livre, Win with Advanced Business Analytics, sorti en octobre dernier.

« 80 % des projets Analytics n’arrivent pas à maturité dans les entreprises, affirme Jean-Paul Isson. Trop souvent, ils sont abandonnés en cours de route ». Pour éviter cet écueil, le vice-président de Monster a décidé d'écrire un guide pratique sur le Business Analytics à destination des décideurs en entreprises. « J’ai cherché, avant tout, à avoir une démarche concrète et pratique », précise-t-il. Pour cela, il a rencontré près de 125 entreprises ayant mené avec succès des projets Analytics.

Parmi les nombreux conseils donnés dans son ouvrage, voici les 7 étapes clés pour réussir une démarche Big Data RH.

1. Définir le « business challenge »
Il faut bien préciser l’objectif de la démarche. Que veut-on ? Augmenter le panier moyen par client ? Diminuer le turnover ? Optimiser son budget de sourcing ?

2. Soigner le lancement

L’implémentation d’un projet Analytics ne doit pas, uniquement, concerner les départements informatique et RH. Tous les collaborateurs qui seront touchés, de près ou de loin, doivent être associés dès le départ.

3. Vérifier les fondations
Les données, sur lesquelles vous vous baserez, doivent être extrêmement solides. La compilation des data doit être ensuite infaillible. La confiance dans les data est primordiale.

4. Apporter de vraies réponses
La transformation de la donnée doit déboucher sur des idées précises permettant de répondre au « business challenge » du départ. Le croisement de données sans analyse n’apporte rien. Les résultats doivent expliquer le passé, justifier le présent et prédire l’avenir.

5. Communiquer fortement
Reconnaissons-le, les statisticiens ne sont pas de grands communicants. Souvent, une incompréhension s’installe entre eux et les décideurs. Un bon analyste doit se mettre à la place des dirigeants et leur fournir des recommandations directement applicables.

6. Mesurer les résultats
Les résultats des recommandations doivent être mesurés et largement communiqués. Pas de place ici à la curiosité intellectuelle, seul le ROI compte.

7. Innover en permanence
Les marchés sont en mouvement perpétuel. La compétition est rude. La clé pour réussir est l’innovation. Les modèles de Business Analytics doivent soutenir l’innovation et évoluer en permanence pour anticiper les nouveaux besoins.

Cette démarche trouve tout son sens dans les services RH. Les SIRH, les sites emploi et les réseaux sociaux permettent aux DRH d’avoir accès à une foule d’informations sur leurs employés et leurs candidats. A eux de transformer ces data en indicateurs prédictifs à forte valeur ajoutée.

« Les modèles peuvent permettre de prévoir le turnover par service et d’agir en amont. Les recruteurs peuvent aussi benchmarker, en temps réel, la performance de leurs offres d’emploi sur les jobboards par rapport aux annonces similaires. Très vite en cas de sous-performance, ils peuvent réagir », conclut Jean-Paul Isson.

Laurent Pilliet

Transférer cet article à un ami