Absentéisme et Big Data

Absentéisme et Big Data

Les impacts organisationnels et financiers de l’absentéisme sont considérables pour l’économie. Les études, nombreuses sur le sujet, indiquent que le phénomène touche tous les secteurs d’activités et toutes les populations de catégories actives.

Mesurer l’absentéisme dans un écosystème donné permet d’en identifier les causes et d’envisager des pistes pour le réduire. Les travaux de recherche et d’audit en la matière visent à établir une modélisation de l’interaction de différents déterminants de l’absentéisme. Le schéma d’analyse classique se base sur une approche de travail double :

1. Mesures objectives portant sur des concepts manifestes tels que la taille de l’entreprise, l’âge, le sexe, etc.
2. Mesures subjectives concernant des concepts complexes liés à la perception, au vécu ou encore à l’appréciation des individus. La mesure de ces concepts fait l’objet de démarches d’entretiens ou de questionnaires déclaratifs

A l’heure du Big Data RH, de nombreuses startups RH proposent des outils de recrutement pour déterminer l’adhésion culturelle, le potentiel de candidats et leurs parcours de carrière au sein de l’entreprise. D’autres proposent de prendre le pouls des collaborateurs à travers des questionnaires, pouvant mesurer l’engagement des collaborateurs et désamorcer des facteurs d’absentéisme. Pour autant, peu d’entreprises proposent une étude de l’absentéisme et de ses causes via l’angle d’attaque du Big Data, avec les données générées par l’entreprise elle-même.

L’apport de Wavestone

Nous proposons de combiner les expertises Datascience et RH de Wavestone afin de répondre de manière innovante à un des enjeux clés de nos clients.

Notre objectif est d’expliquer, prédire et anticiper de manière objective l’absentéisme grâce aux données disponibles au sein des entreprises (données RH, données de production, etc.).

Notre démarche vise à utiliser les technologies de Machine Learning pour croiser de multiples sources de données, identifier des signaux faibles d’absentéisme inconnus auparavant et quantifier les causes déjà connues. Le Machine Learning combiné aux nouveaux outils de traitements numériques permet de travailler à la maille de l’«atome». A partir des données disponibles au sein des entreprises, nous pouvons construire un jeu de données sur plusieurs années qui caractérise chaque évènement ayant abouti à une absence. Enfin, au moyen d’algorithmes, nous souhaitons identifier d’éventuelles corrélations pour déterminer des tendances objectives sur les causes de l’absentéisme.

En sortie Wavestone propose :

Une interprétation des corrélations

Apporter une expertise RH pour analyser et tirer le meilleur bénéfice des corrélations identifiées dans un rapport scientifique des données. Wavestone ne fait aucun compromis sur la conformité, le caractère anonyme et la protection des données recueillies.

L’identification des leviers prioritaires

Identifier et prioriser les leviers d’actions au regard de leur importance, coût et faisabilité, en collaboration avec les acteurs projet.

La co-construction de plans d’actions

Co-construire des plans d’actions long terme comprenant à la fois des actions de contrôle de l’absentéisme (ex : bonnes pratiques managériales de gestion de l’absentéisme) et des actions structurelles (ex : évolution du contrat de travail, télétravail, etc)

Les méthodes classiques d’étude de l’absentéisme ne peuvent étudier chaque contexte ayant conduit à une absence sur n années. Grâce à l’exploitation de la masse d’information présente dans les bases de données de l’entreprise, (SIRH, données de production, etc) et en les croisant avec des données structurées externes, les DRH peuvent apporter des éclairages solides pour résoudre un enjeu majeur pour l’entreprise.

Ecrit par :

 Anne Ly, Consultante People & Change

 Pierre-Arthur Costa, Consultant People & Change