Mise en place d’une stratégie RH Data-driven : les grandes étapes

Comment mettre en place une stratégie RH data-driven ? Voici les grandes étapes !

Qui dit transformation digitale dit révolution de la donnée et nouvelles perspectives offertes aux entreprises ! Justement, une société qui applique une stratégie data-driven appuie ses prises de décision sur l’analyse de données précises. Alors que la data générée au sein des entreprises ne cesse d’augmenter, comment trier et valoriser ces milliers d’informations ? Comment instaurer une approche centrée sur la data ?

Mobiliser les dirigeants et les bons talents !

Tout lancement d’une stratégie data-driven nécessite l’implication de l’ensemble des équipes. Pourquoi ? D’une part, ce type d’approche aura un impact direct sur l’évolution de l’entreprise. D’autre part, la culture de la donnée doit être mise en place à tous les niveaux ! Comment procéder ? Dès le début de la réflexion, les dirigeants de la société doivent se montrer prêts à collaborer pour préserver la cohérence de la stratégie globale de l’entreprise.

La mise en place d’une stratégie basée sur la data nécessite également des connaissances et compétences précises pour valoriser les données numériques qui seront collectées. La formation de certains collaborateurs ou le recrutement de nouveaux talents s’avère indispensable. Il s’agit notamment de postes comme le Data Scientist (qui récupère et interprète la data), le Chief Data Officer (qui s’assure de la fiabilité et de la cohérence des informations, et qui pilote les données pour élabore une stratégie), etc.

Réaliser un audit de l’existant : quelles sont les données disponibles ?

Quelles sont les données internes dont vous disposez ? La data est générée dans tous les services d’une entreprise :

• Données commerciales: nombre de ventes réalisées, chiffre d’affaires, etc.
• Données inhérentes aux ressources humaines: rémunération des salariés, formations demandées et suivies, arrêts maladie, absence justifiées et injustifiées, taux de turnover, etc.
• Données comptables et financières: factures clients, factures fournisseurs, loyers, charges, bilans et comptes de résultat, etc.
• Données juridiques : réalisation des comptes annuels, respect des procédures, respect des pouvoirs des associés, etc.
• Données opérationnelles: stocks, délai d’envoi d’un colis, etc.
• Données machines : données générées par les capteurs des machines, données générées par les tâches automatisées, etc.

Quant aux données externes, elles peuvent être corrélées à la data interne. Des exemples :

• Données sur les clients: zone géographique, profession, tranche d’âge, pouvoir d’achat, etc.
• Données sur les internautes : nombre de visites sur le site internet de l’entreprise, abonnés sur les réseaux sociaux, évolution des interactions, profil des internautes, avis publiés sur internet, etc.
• Données liées au secteur d’activité: évolution des réglementations, dépôt de nouvelles marques, sociétés les plus performantes, comportement des Français sur une problématique précise (voir statistiques INSEE), etc.
• Données sur les concurrents: prix pratiqués, produits et/ou services supplémentaires proposés, etc.

Attention cependant à ne pas collecter des données qui ne seraient pas pertinentes et qui n’apporteraient rien à la réflexion !

Stocker, trier et nettoyer les données

En plus de recruter les bons talents, une entreprise doit mettre à disposition des collaborateurs les moyens nécessaires en matière de collecte et de stockage de la data. Âge des données, applications générant le plus grand nombre de documents, rapidité d’accès aux données… Chaque entreprise a des besoins différents en matière de stockage. Cette étape est d’ailleurs l’occasion de supprimer les doublons ou encore les données erronées ou obsolètes : l’opportunité de travailler à partir d’une base de données fiable et harmonisée !

La data peut être triée de plusieurs façons (outre le fait qu’elle soit interne ou externe) : données éphémères, données pérennes, données anonymes, données sensibles, etc. Chaque catégorie pourra être croisée avec une autre pour dégager des informations pertinentes.

Exploiter les données… pour trouver des axes d’amélioration !

La data a été collectée, nettoyée et centralisée ? Viennent l’analyse puis la valorisation des données. Les problématiques varient en fonction des entreprises.

• Comment affiner ou réorienter la stratégie de la société ?
• Comment améliorer l’expérience client ?
• Comment accélérer les prises de décision ?
• Comment diminuer des coûts ?
• …

A savoir : l’analyse des données pourra vous révéler des informations auxquelles vous n’aviez pas pensé et que vous n’aviez pas anticipé !

Une culture data-driven nécessite du temps pour se mettre en place. Une phase de « test and learn » est donc indispensable ! L’objectif ? Apporter des corrections pour s’améliorer sans cesse et créer de la valeur : gagner du temps dans les processus, renforcer les liens avec les clients, offrir une meilleure expérience collaborateur, appuyer les décisions sur des éléments concrets… Pour ce faire, des graphiques, des diagrammes à colonne, des tableaux croisés dynamiques et autres cartes de répartition aident à visualiser rapidement et efficacement les données.