Tableau de bord Power BI HR Analytics : Guide de Workforce Intelligence

Les ressources humaines constituent le coût le plus important et l'atout le plus précieux d'une organisation. Pourtant, la plupart des services RH prennent des décisions cruciales (embauche, rémunération, restructuration, avantages sociaux) en s'appuyant sur leur intuition, des anecdotes et des feuilles de calcul en retard. Power BI transforme les données RH en intelligence des effectifs en visualisant la dynamique des effectifs, les modèles d'attrition, les progrès en matière de diversité, l'équité salariale, l'efficacité du recrutement et les tendances d'engagement sur une seule plateforme interactive.

Le passage du reporting RH (ce qui s'est passé) à l'analyse des personnes (pourquoi cela s'est produit et que faire à ce sujet) constitue la différence entre une fonction RH qui réagit aux problèmes et une fonction qui les prévient. Lorsque vous constatez que l'attrition des ingénieurs augmente au premier trimestre de chaque année, que l'équipe d'un manager spécifique a un taux de roulement 3 fois supérieur à celui de ses pairs, ou que les employées féminines quittent l'entreprise à un taux plus élevé que les employés masculins après 3 ans d'ancienneté, vous pouvez intervenir avant le prochain départ.

Ce guide couvre l'architecture complète d'un tableau de bord d'analyse RH dans Power BI, y compris le modèle de données, les mesures DAX essentielles, la conception de la visualisation pour chaque domaine d'analyse et les considérations de mise en œuvre pour les données sensibles sur la main-d'œuvre.

---

Modèle de données pour l'analyse RH

Tableaux de base

Les modèles de données d'analyse RH diffèrent des modèles financiers ou commerciaux, car les données sur la main-d'œuvre présentent à la fois des caractéristiques de stock (décomptes à un moment donné) et de flux (changements basés sur des événements).

Dimension Employé (DimEmployee). Table de dimensions centrale contenant les attributs actuels des employés. Les colonnes clés incluent EmployeeID, FullName, Department, Team, JobTitle, JobLevel (Contributeur individuel, Manager, Directeur, VP, C-Suite), Manager (EmployeeID du manager direct), HireDate, TerminationDate (null pour les employés actifs), Localisation, Pays, Sexe, Origine ethnique, AgeGroup, TenureBand (moins de 1 an, 1--3 ans, 3--5 ans, 5--10 ans, 10+ ans), EmploymentType (temps plein, temps partiel, entrepreneur), IsActive (booléen), BaseSalary, TotalCompensation, CompaRatio (salaire divisé par le point médian du marché) et PerformanceRating (le plus récent).

Tableau de faits sur les instantanés des effectifs (FactHeadcountSnapshot). Instantanés mensuels des effectifs par département, emplacement et attributs démographiques. Chaque ligne représente l'effectif à la fin d'un mois. Les colonnes incluent SnapshotDate, Department, Location, Gender, ethnicity, ActiveCount et FTECount. Les instantanés permettent une analyse précise des tendances historiques, car la dimension des employés ne reflète que l'état actuel.

Tableau de faits sur les événements (FactHREvent). Enregistre chaque événement RH important. Les colonnes incluent EventID, EmployeeID, EventDate, EventType (embauche, licenciement, promotion, transfert, changement de salaire, congé), FromValue (par exemple, service précédent, salaire précédent), ToValue (par exemple, nouveau service, nouveau salaire) et Reason (motif de démission, motif de promotion, motif de transfert).

Tableau d'informations sur le recrutement (FactRecruitment). Suit le pipeline d'embauche depuis l'offre d'emploi jusqu'à l'acceptation de l'offre. Les colonnes incluent RequisitionID, PostingDate, Department, JobTitle, Source (site d'offres d'emploi, référence, agence, page carrières), ApplicationDate, CandidateName, StageID (postulé, écran téléphonique, entretien, offre, acceptée, rejetée, retirée), StageDate, HireDate et CostIncurred.

Tableau d'information sur l'enquête (FactSurvey). Réponses à l'enquête sur l'engagement et la satisfaction des employés. Les colonnes incluent SurveyID, EmployeeID, SurveyDate, QuestionCategory (Engagement, Satisfaction, Manager, Growth, Culture), Score (1--5 ou 1--10) et IsAnonymous.

Dimension Date (DimDate). Table de dates standard partagée dans toutes les tables de faits avec prise en charge du calendrier fiscal.

---

Tendances des effectifs

Mesures d'effectifs actifs

Active Headcount =
CALCULATE(
    COUNTROWS(DimEmployee),
    DimEmployee[IsActive] = TRUE()
)

Headcount End of Period =
CALCULATE(
    MAX(FactHeadcountSnapshot[ActiveCount]),
    FILTER(
        FactHeadcountSnapshot,
        FactHeadcountSnapshot[SnapshotDate] = MAX(DimDate[Date])
    )
)

FTE Count =
CALCULATE(
    SUM(FactHeadcountSnapshot[FTECount]),
    FILTER(
        FactHeadcountSnapshot,
        FactHeadcountSnapshot[SnapshotDate] = MAX(DimDate[Date])
    )
)

New Hires (Period) =
CALCULATE(
    COUNTROWS(FactHREvent),
    FactHREvent[EventType] = "Hire"
)

Terminations (Period) =
CALCULATE(
    COUNTROWS(FactHREvent),
    FactHREvent[EventType] = "Termination"
)

Net Headcount Change = [New Hires (Period)] - [Terminations (Period)]

Visualisation des effectifs

Graphique en zones montrant l'effectif mensuel sur 24 mois, avec les embauches empilées au-dessus et les licenciements empilés en dessous de la ligne zéro. Cette vue en cascade révèle la trajectoire de croissance et la contribution relative de l'embauche par rapport à la rétention.

Répartition des départements à l'aide d'un graphique à barres empilées montrant l'effectif par département au fil du temps. Cela révèle quels départements sont en croissance, en diminution ou stables.

Effectif par emplacement sur une carte visuelle montrant la répartition géographique de la main-d'œuvre. La taille des bulles représente l’effectif. La couleur peut représenter le taux de croissance (vert pour les emplacements en croissance, rouge pour les emplacements en diminution).

---

Analyse d'attrition

Calcul du taux d'attrition

La formule du taux d’attrition est d’une simplicité trompeuse, mais un calcul incorrect est l’une des erreurs d’analyse RH les plus courantes.

Average Headcount =
(
    CALCULATE(MAX(FactHeadcountSnapshot[ActiveCount]),
        FILTER(FactHeadcountSnapshot,
            FactHeadcountSnapshot[SnapshotDate] = MIN(DimDate[Date])
        )
    ) +
    CALCULATE(MAX(FactHeadcountSnapshot[ActiveCount]),
        FILTER(FactHeadcountSnapshot,
            FactHeadcountSnapshot[SnapshotDate] = MAX(DimDate[Date])
        )
    )
) / 2

Attrition Rate =
DIVIDE([Terminations (Period)], [Average Headcount], 0)

Annualized Attrition Rate =
VAR MonthsInPeriod =
    DATEDIFF(MIN(DimDate[Date]), MAX(DimDate[Date]), MONTH) + 1
RETURN
    (1 - POWER(1 - [Attrition Rate], 12 / MonthsInPeriod))

Voluntary Attrition Rate =
DIVIDE(
    CALCULATE(
        COUNTROWS(FactHREvent),
        FactHREvent[EventType] = "Termination",
        FactHREvent[Reason] IN {"Resignation", "Retirement", "Personal Reasons"}
    ),
    [Average Headcount],
    0
)

Involuntary Attrition Rate =
DIVIDE(
    CALCULATE(
        COUNTROWS(FactHREvent),
        FactHREvent[EventType] = "Termination",
        FactHREvent[Reason] IN {"Performance", "Restructuring", "Misconduct"}
    ),
    [Average Headcount],
    0
)

Visualisations approfondies de l'attrition

Attrition par département à l'aide d'un graphique à barres trié par taux (du plus élevé au plus bas). Mettez en surbrillance les départements dont les tarifs sont supérieurs à la moyenne de l'organisation. Cela identifie immédiatement les points chauds.

Attrition par tranche d'occupation à l'aide d'un histogramme. Les modèles courants incluent un roulement de personnel élevé au cours de la première année (échec de l'intégration), un pic après 2 à 3 ans (frustration en matière de croissance de carrière) ou un roulement de personnel croissant après 5 ans et plus (épuisement professionnel ou stagnation).

L'attrition par manager est la vue la plus sensible mais souvent la plus exploitable. Un tableau montrant la taille de l'équipe de chaque manager, les licenciements et le taux d'attrition révèle que certains managers retiennent systématiquement les talents tandis que d'autres les perdent systématiquement. Appliquez cette analyse de manière réfléchie, en l’utilisant pour le coaching et le soutien plutôt que pour une action punitive.

Carte thermique d'attrition combinant le département et le mois sur des axes avec le taux d'attrition comme intensité de couleur. Cela révèle des tendances saisonnières (les démissions atteignent souvent un pic en janvier après le versement des primes et en septembre lorsque les enfants retournent à l'école).

Analyse des motifs à l'aide d'un graphique en anneau ou en arborescence montrant la répartition des motifs de licenciement. Pour les départs volontaires, les raisons peuvent inclure de meilleures opportunités, une rémunération, un équilibre travail-vie personnelle, une relation avec le manager, une évolution de carrière, une relocalisation et une retraite.

Analyse de survie

Les courbes de survie montrent la probabilité qu'un employé reste dans l'organisation à chaque étape de son mandat. Construisez cela en calculant les taux de rétention à 6 mois, 1 an, 2 ans, 3 ans et 5 ans.

Retention Rate at 1 Year =
DIVIDE(
    CALCULATE(
        COUNTROWS(DimEmployee),
        DATEDIFF(DimEmployee[HireDate], TODAY(), MONTH) >= 12,
        OR(DimEmployee[IsActive] = TRUE(),
           DATEDIFF(DimEmployee[HireDate], DimEmployee[TerminationDate], MONTH) >= 12)
    ),
    CALCULATE(
        COUNTROWS(DimEmployee),
        DATEDIFF(DimEmployee[HireDate], TODAY(), MONTH) >= 12
    ),
    0
)

Segmentez les courbes de survie par département, niveau de poste ou source d'embauche pour identifier les populations les plus et les moins stables.

---

Indicateurs de diversité et d'inclusion

Tableau de bord de représentation

Les indicateurs de diversité nécessitent une conception minutieuse pour être à la fois informatifs et respectueux. Affichez des données globales, jamais des détails démographiques au niveau individuel.

Représentation des sexes à l'aide d'un graphique à barres empilées montrant la répartition par sexe par département et par niveau de poste. L'aspect essentiel n'est pas l'équilibre général entre les sexes, mais plutôt l'évolution de la représentation aux niveaux supérieurs (analyse de l'« échelon brisé » ou du « plafond de verre »).

Représentation ethnique utilisant des barres empilées similaires. Comparez les données démographiques de votre organisation aux références pertinentes du marché du travail pour vos emplacements et vos secteurs.

Gender Ratio (Female) =
DIVIDE(
    CALCULATE(COUNTROWS(DimEmployee), DimEmployee[Gender] = "Female", DimEmployee[IsActive] = TRUE()),
    CALCULATE(COUNTROWS(DimEmployee), DimEmployee[IsActive] = TRUE()),
    0
)

Diversity Index =
-- Simpson's Diversity Index: probability that two randomly selected employees are from different groups
1 - SUMX(
    VALUES(DimEmployee[Ethnicity]),
    VAR GroupCount = CALCULATE(COUNTROWS(DimEmployee), DimEmployee[IsActive] = TRUE())
    VAR TotalCount = CALCULATE(COUNTROWS(DimEmployee), DimEmployee[IsActive] = TRUE(), ALL(DimEmployee[Ethnicity]))
    RETURN POWER(DIVIDE(GroupCount, TotalCount, 0), 2)
)

Analyse intersectionnelle

L’analyse globale du genre ou de l’origine ethnique peut à elle seule masquer les disparités. L'analyse intersectionnelle examine des combinaisons - par exemple, le taux d'attrition des femmes en ingénierie par rapport aux hommes en ingénierie, ou le taux de promotion des minorités sous-représentées au niveau de la direction par rapport aux non-minorités.

Créez un visuel matriciel avec des attributs démographiques sur les lignes et des mesures (taux d'attrition, taux de promotion, ancienneté moyenne, rémunération moyenne) sur les colonnes. La mise en forme conditionnelle met en évidence des différences statistiquement significatives.

Pipeline de diversité

Suivez la diversité à chaque étape du cycle de vie des employés. Quel pourcentage de candidats, de personnes interrogées, d'offres, d'embauches, de promotions et de licenciements appartiennent à chaque groupe démographique ? Un entonnoir montrant ces pourcentages révèle où la diversité se perd. Si votre bassin de candidats est composé à 45 % de femmes mais que votre taux d'embauche est de 30 % de femmes, le processus de sélection ou d'entretien peut comporter des biais qui méritent d'être étudiés.

---

Analyse de la rémunération

Aperçu de l'équité salariale

Average Salary =
CALCULATE(
    AVERAGE(DimEmployee[BaseSalary]),
    DimEmployee[IsActive] = TRUE()
)

Average Total Comp =
CALCULATE(
    AVERAGE(DimEmployee[TotalCompensation]),
    DimEmployee[IsActive] = TRUE()
)

Compa-Ratio Average =
CALCULATE(
    AVERAGE(DimEmployee[CompaRatio]),
    DimEmployee[IsActive] = TRUE()
)

Salary Range Penetration =
-- How far through the salary range the employee has progressed
DIVIDE(
    AVERAGE(DimEmployee[BaseSalary]) - MIN(DimPayBand[RangeMinimum]),
    MAX(DimPayBand[RangeMaximum]) - MIN(DimPayBand[RangeMinimum]),
    0
)

Analyse de l'écart salarial

L'analyse de l'écart salarial compare la rémunération entre les groupes démographiques. L'écart salarial brut (non ajusté) compare les salaires moyens. L’écart salarial ajusté prend en compte des facteurs légitimes (niveau d’emploi, ancienneté, performance, emplacement) et révèle l’écart résiduel attribuable à un biais potentiel.

Power BI peut visualiser le résultat d’une analyse d’équité salariale basée sur la régression. Le modèle de régression lui-même est généralement construit en Python, R ou un outil d'analyse de rémunération dédié. Importez les résultats du modèle (salaire prévu, salaire réel, résiduel) dans Power BI.

Visualisation : Un nuage de points avec le salaire prévu sur l'axe X et le salaire réel sur l'axe Y, coloré par groupe démographique. Les points au-dessus de la ligne diagonale sont payés au-dessus de ce que prédit le modèle ; les points ci-dessous sont payés moins. Les regroupements d’un groupe démographique particulier en dessous de la ligne indiquent une iniquité salariale potentielle.

Répartition des rémunérations

Box plot ou violon plot montrant la répartition des salaires par département et niveau de poste. Ceux-ci révèlent si la rémunération est étroitement groupée (pratiques salariales cohérentes) ou largement répandue (incohérence potentielle). Les valeurs aberrantes peuvent indiquer un risque de rétention (sous-payé) ou des situations de surpayement.

---

Analyse de l'entonnoir de recrutement

Métriques de l'entonnoir

Applications =
CALCULATE(
    COUNTROWS(FactRecruitment),
    FactRecruitment[StageID] = "Applied"
)

Screen Rate =
DIVIDE(
    CALCULATE(COUNTROWS(FactRecruitment), FactRecruitment[StageID] = "Phone Screen"),
    [Applications],
    0
)

Interview Rate =
DIVIDE(
    CALCULATE(COUNTROWS(FactRecruitment), FactRecruitment[StageID] = "Interview"),
    CALCULATE(COUNTROWS(FactRecruitment), FactRecruitment[StageID] = "Phone Screen"),
    0
)

Offer Rate =
DIVIDE(
    CALCULATE(COUNTROWS(FactRecruitment), FactRecruitment[StageID] = "Offer"),
    CALCULATE(COUNTROWS(FactRecruitment), FactRecruitment[StageID] = "Interview"),
    0
)

Offer Acceptance Rate =
DIVIDE(
    CALCULATE(COUNTROWS(FactRecruitment), FactRecruitment[StageID] = "Accepted"),
    CALCULATE(COUNTROWS(FactRecruitment), FactRecruitment[StageID] = "Offer"),
    0
)

Time to Fill =
AVERAGEX(
    FILTER(FactRecruitment, FactRecruitment[StageID] = "Accepted"),
    DATEDIFF(FactRecruitment[PostingDate], FactRecruitment[HireDate], DAY)
)

Cost per Hire =
DIVIDE(
    SUM(FactRecruitment[CostIncurred]),
    CALCULATE(COUNTROWS(FactRecruitment), FactRecruitment[StageID] = "Accepted"),
    0
)

Efficacité des sources

Un visuel matriciel montrant chaque source de recrutement (LinkedIn, Indeed, référence, agence, page carrières, université) avec des colonnes pour les candidatures, les embauches, le coût par embauche, le délai de recrutement et le taux de rétention sur 1 an révèle quelles sources fournissent les meilleurs talents le plus efficacement.

La qualité de l'embauche est la mesure de recrutement ultime. Mesurez-le en suivant l'évaluation des performances, le taux de promotion et le taux de rétention des embauches de chaque source. Une source qui propose des embauches rapides et bon marché qui partent dans l'année est moins précieuse qu'une source coûteuse qui produit des employés très performants de longue date.

Disposition du tableau de bord de recrutement

La page de recrutement doit comporter une visualisation de l'entonnoir montrant les taux de conversion entre les étapes, les cartes KPI pour les demandes ouvertes, le temps moyen de remplissage, le coût par embauche et le taux d'acceptation des offres, un tableau d'efficacité des sources et une ligne de tendance montrant le volume d'embauche au fil du temps avec une prévision basée sur les demandes ouvertes et les taux de remplissage historiques.

---

Engagement et satisfaction

Analyses d'enquête

Average Engagement Score =
CALCULATE(
    AVERAGE(FactSurvey[Score]),
    FactSurvey[QuestionCategory] = "Engagement"
)

eNPS =
-- Employee Net Promoter Score
VAR Promoters =
    CALCULATE(COUNTROWS(FactSurvey), FactSurvey[Score] >= 9, FactSurvey[QuestionCategory] = "Engagement")
VAR Detractors =
    CALCULATE(COUNTROWS(FactSurvey), FactSurvey[Score] <= 6, FactSurvey[QuestionCategory] = "Engagement")
VAR Total =
    CALCULATE(COUNTROWS(FactSurvey), FactSurvey[QuestionCategory] = "Engagement")
RETURN
    DIVIDE(Promoters - Detractors, Total, 0) * 100

Corrélation engagement-attrition

L’analyse la plus puissante en matière d’analyse des ressources humaines est la relation entre les scores d’engagement et l’attrition ultérieure. Créez une visualisation montrant les départements ou les équipes avec le score d'engagement sur un axe et le taux d'attrition du trimestre suivant sur l'autre. Une forte corrélation négative confirme que les enquêtes d'engagement prédisent le turnover, faisant de l'engagement un indicateur avancé sur lequel les RH peuvent agir avant que l'attrition ne se produise.

Analyse des tendances de l'enquête

Suivez les scores d’engagement sur plusieurs administrations d’enquêtes (trimestriellement ou annuellement). Un graphique linéaire montrant les tendances au niveau des catégories (engagement, relation avec le manager, opportunité de croissance, satisfaction en matière de rémunération, culture) révèle quels aspects de l'expérience employé s'améliorent ou se détériorent.

---

Confidentialité et sécurité des données

Gestion des données sensibles

Les données RH sont parmi les plus sensibles de toute organisation. Mettez en œuvre des mesures de sécurité robustes.

La sécurité au niveau des lignes restreint l'accès aux données par unité organisationnelle. Les partenaires commerciaux RH voient uniquement les services qui leur sont attribués. Les dirigeants voient leur hiérarchie hiérarchique. L’équipe CHRO et RH analytique voit tout. Implémentez RLS en utilisant le même modèle décrit dans le guide du tableau de bord financier, avec un tableau de mappage de sécurité reliant les identités des utilisateurs aux unités organisationnelles.

Seuils d'agrégation. N'affichez jamais de données démographiques pour des groupes de moins de 5 employés. Une répartition de la diversité indiquant « 1 employé dans la catégorie asiatique au sein du service financier » identifie effectivement un individu. Créez des mesures DAX qui suppriment les petits groupes.

Suppressed Count =
VAR RawCount = COUNTROWS(DimEmployee)
RETURN IF(RawCount < 5, BLANK(), RawCount)

Classification des données. Étiquetez le tableau de bord comme confidentiel dans le service Power BI. Restreindre les autorisations d’exportation et de téléchargement. Auditez régulièrement les journaux d’accès.

---

Questions fréquemment posées

Quels systèmes SIRH s'intègrent bien à Power BI ?

Workday, SAP SuccessFactors, BambooHR, ADP, UKG (Ultimate Kronos Group) et Oracle HCM Cloud disposent tous d'options d'intégration Power BI via des API, des exportations de données ou des connecteurs dédiés. Pour les petites organisations utilisant des enregistrements RH basés sur des feuilles de calcul, Power BI se connecte directement aux fichiers Excel ou Google Sheets. L'approche la plus robuste consiste à extraire les données SIRH dans un entrepôt de données (Azure SQL, Snowflake) selon un planning quotidien, puis à connecter Power BI à l'entrepôt.

Comment gérer les employés transférés d'un service à l'autre ?

Utilisez la table de faits sur les événements pour suivre les transferts en tant qu'événements discrets. Le tableau instantané des effectifs capture l’affectation correcte du service à chaque instant. Lors du calcul de l'attrition par service, décidez s'il faut attribuer l'attrition au service d'où l'employé a quitté ou au service dans lequel il se trouvait au moment de son licenciement. La norme de l'industrie est le département au moment de la cessation d'emploi.

Qu'est-ce qu'un taux d'attrition sain des employés ?

Les moyennes de l’industrie varient considérablement. Les entreprises technologiques connaissent généralement un départ volontaire annuel de 15 à 20 %. Les soins de santé et la vente au détail voient 20 à 30 %. Le gouvernement et l'éducation voient 5 à 10 %. Une référence utile consiste à comparer votre tarif à votre secteur et à votre zone géographique spécifiques. Plus important que le taux absolu est la direction de la tendance et la question de savoir si l'attrition est concentrée sur les employés les plus performants ou uniformément répartie.

Power BI peut-il prédire l'attrition des employés ?

Power BI peut visualiser les scores de risque d'attrition générés par des modèles prédictifs, mais la prédiction elle-même est mieux construite en Python (scikit-learn), R ou Azure Machine Learning. Les caractéristiques prédictives typiques incluent l'ancienneté, l'évolution récente de la note de performance, la rémunération par rapport au marché, l'ancienneté du manager, la distance parcourue et les résultats des enquêtes d'engagement. Le modèle génère un score de risque pour chaque employé, que Power BI affiche sous forme de carte thermique des risques ou de liste triée sur laquelle les RH peuvent agir.

À quelle fréquence les tableaux de bord RH doivent-ils être actualisés ?

Une actualisation hebdomadaire est suffisante pour la plupart des indicateurs RH. Les données sur les effectifs, l’attrition et la diversité ne changent pas de minute en minute. Les tableaux de bord de recrutement bénéficient d'une actualisation quotidienne pendant les périodes de recrutement actives. Les tableaux de bord d'engagement sont actualisés après chaque administration d'enquête. L’exception concerne la planification des effectifs lors d’événements de restructuration ou de fusions et acquisitions, où une visibilité quotidienne, voire en temps réel, des effectifs peut être nécessaire.

Comment puis-je garantir le respect des réglementations sur la confidentialité des données (RGPD, CCPA) ?

Implémentez la minimisation des données --- n'incluez que les champs de données nécessaires à l'analyse. Appliquez RLS rigoureusement afin que seul le personnel autorisé accède aux données sensibles. Regroupez de petits groupes pour empêcher l’identification individuelle. Documentez vos finalités de traitement de données et votre base juridique. Activez la journalisation d’audit dans le service Power BI pour savoir qui accède au tableau de bord et quand. Pour les organisations soumises au RGPD, assurez-vous que le consentement des employés couvre l'utilisation des analyses ou que le traitement relève d'un intérêt légitime avec des garanties appropriées.

---

Développement d'analyses RH professionnelles

L'analyse des effectifs transforme les RH d'un centre de coûts en une fonction stratégique. Mais la création d'un tableau de bord auquel les responsables RH peuvent s'appuyer pour prendre des décisions sensibles en matière de personnel nécessite une expertise à la fois en Power BI et en mesures du capital humain.

Les services Power BI d'ECOSIRE incluent le développement de tableaux de bord pour l'analyse des ressources humaines et des personnes, la modélisation des données pour l'intégration complexe des SIRH et les services de mise en œuvre pour les organisations qui développent leur première capacité d'analyse des personnes.

---

L'analyse des personnes ne consiste pas à remplacer le jugement humain par des algorithmes. Il s’agit de donner aux responsables RH la base factuelle nécessaire pour prendre de meilleures décisions plus rapidement. Lorsque le risque d’attrition est visible avant l’arrivée de la lettre de démission, lorsque les écarts d’équité salariale sont quantifiés avant qu’ils ne se transforment en poursuites judiciaires et lorsque les tendances en matière d’engagement sont suivies avant qu’elles ne se transforment en crises culturelles, la fonction RH passe de réactive à stratégique. Ce changement commence avec le bon tableau de bord.