Les progrès récents des technologies mises à disposition des décideurs RH permettent à une organisation de cartographier les compétences, identifier les affinités, de comprendre les interactions entre les collaborateurs, de visualiser la corrélation entre ses parties prenantes, quantifier leur degré d'implication etc. En quelque sorte, elles permettent à une organisation de faire son diagnostic sanguin pour comprendre l’état de ses organes, comprendre comment ses globules rouges circulent et ainsi de visualiser comment les mutations de l'environnement affectent ces éléments. Les organes étant des équipes de collaborateurs et les cellules sanguines, les données qu'elles génèrent et échangent.

Avec ces technologies, s'ouvre l'ère de l'analyse contextualisée des données de masse, qui pave la voie de la prise de décision fondée sur des "preuves" étoffées rendues tangibles; la voie de la prise de décision “augmentée”, mie humaine mie artificielle, la complémentarité des deux rendant les résultats plus complets, objectifs, rapides et pertinents.

Cela est possible grâce notamment au natural language processing (NLP), l'analyse du langage naturel, qui donne aux machines la capacité de lire et comprendre du texte, d'interpréter la façon dont les gens s'expriment et produisent du contenu pour y déceler des capacités, des compétences présumées acquises, ou de les déduire de leur CV ou autres sources, en analysant leurs expériences passées.

Certains vont déjà plus loin en incorporant l'analyse des soft skills dans l'équation pour générer des recommandations équilibrées, plus précises et plus adaptées.

‍

Les perspectives de création de valeur sont énormes, la précision et l'enrichissement des informations apportées dans la prise de décision par ce genre de technologies sont immenses.

‍

Mais faut il encore maîtriser leur source d'alimentation et la matière première: les données. Entretenir les tuyaux dans lesquels elles circulent, assurer leur précision, leur fréquence de mise à jour, connaître leur origine et leur direction, garantir leur accessibilité et leur sécurité.

‍

La mauvaise qualité de ces données est une véritable épine dans le pied, quel que soit le métier concerné : la finance, le marketing, les sales, et bien sûr, les RH également. La pauvre qualité des données peut provenir d’une mauvaise saisie, d’une mauvaise information ou bien encore (mais moins souvent qu’on pourrait le penser) d’une erreur technique, et déclenche un cercle vicieux dans leur analyse, dans la qualité des outils qui en dépendent en aval, dans les prises de décision qui en découlent. La mauvaise qualité des données coûte cher en temps, énergie, argent. Au fil du temps, les décideurs, déçus par les données et le temps qu’elles leur font perdre, perdent confiance dans leurs supports de décision, leurs outils voire leurs processus.

‍

La vie d’une donnée est loin d’être un long fleuve tranquille.

Son cheminement, de sa genèse à son analyse, crée un grand nombre de points faillibles et de mises en péril de sa véracité.

‍

Des problèmes d’une fréquence exponentielle puisque les volumes de données, leur exploitation et leur importance sont exponentielles.

Et que la digitalisation de l’environnement et des process pousse au déploiement de toujours plus d’outils juxtaposés, dont l’interopérabilité devient un cauchemar pour la DSI. 

Les flux de données deviennent chaotiques.

‍

C’est pourquoi il devient primordial de pouvoir diagnostiquer la santé de ces données dans ses processus, dans ses outils: pouvoir mesurer leur complétude, leur mise à jour, pouvoir identifier où se situent les lacunes et comment y remédier.

‍

La qualité des données fait la qualité de vos décisions, donc de votre performance.

‍

Quelques chiffres pour donner matière à réfléchir sur le sujet:

50% du temps passé sur la gestion des données (collecte, correction) MIT sloan, Mckinsey

€12M/an Cout mauvaise qualité des données pour une entreprise en moyenne (gartner)

21% managers qui pensent que leur orga utilisent bien les données talent management ,Accenture (source)

70% des employés interrogés par IBM disent que le manque de contrôle sur les données affectent la réalisation de leurs objectifs (source)