L’apport de la data science pour piloter votre turn over

Le « roulement du personnel » (ou turn over) est un indicateur permettant de décrire le rythme de renouvellement des effectifs. Il est généralement estimé et établi à partir du nombre de salariés partis et du nombre de salariés arrivés dans une entreprise.

Cet indicateur est une donnée stratégique dans le pilotage des Ressources Humaines, et ce, quel que soit la taille de l’entreprise.

Il convient de souligner que si les arrivées au sein d’une entreprise sont maîtrisées, les départs peuvent être, quant à eux, plus difficiles et complexes à anticiper. En effet, ils peuvent revêtir plusieurs formes : démissions, fins de contrats, ruptures amiables.

 

 

Pour appréhender le nombre de départs non souhaités, ie. les démissions, le climat social est souvent l’unique facteur pris en compte.

« You take away our top 20 employees and we [Microsoft] become a mediocre company.« 

(Bill Gates)

En plus d’une perte de potentiels talents, les départs non souhaités par l’entreprise peuvent également représenter un coût important. Dans le cas où le départ d’un employé doit être remplacé, un processus de recrutement et de formation, plus ou moins long en fonction du profil recherché, doit être mis en place.

La compréhension et l’analyse des démissions dans une entreprise sont donc primordiales pour définir une politique RH efficace et appropriée aux besoins de l’entreprise. Celle-ci peut ensuite mettre en place des actions correctives (mise en place d’un processus de recrutement efficient, amélioration du management, politique de rémunération objective, formation, etc.).

Les modèles supervisés de Data Science peuvent être utilisées comme des méthodes de prédiction des départs non souhaités. En complément des éléments endogènes à l’entreprise (l’ancienneté des employés dans l’entreprise, le salaire, etc.) et des données exogènes (contexte économique et social de l’activité), les données propres à chacun des salariés (le temps de trajet, le nombre d’enfants, la situation familiale, etc.) peuvent également être considérées, dans la limite des conditions du nouveau Règlement Général sur la Protection des Données (RGPD). Les modèles et les données doivent, en effet, respecter les règles éthiques et morales.

L’analyse des principales variables explicatives obtenues par les algorithmes est essentielle dans la mise en place de plans d’action. Par exemple, si le nombre d’enfants est identifié comme étant une variable expliquant en partie les départs d’une entreprise, il convient que celle-ci mette en place des aménagements favorisant les conditions de travail des mères ou pères de famille (mise en place de télé travail, accès prioritaire à des places en crèche…).

Bien que les modèles Data Science captent bien les signaux faibles de manière générale, l’utilisation de ceux-ci nécessite cependant des données importantes pour comprendre les caractéristiques communes des démissionnaires et est donc particulièrement pertinente pour des entreprises de grande taille.

 

GALEA & Associés accompagne les entreprises dans le pilotage de leur politique sociale et les aides dans la mise en place et suivi des indicateurs nécessaires à leur stratégie RH.

Florence Chiu

Actuaire IA du Cabinet Galea & Associés