Digitalisation & Transformation
Notre expertise au service de vos transformations digitales et stratégiques.
Digitalisation & Transformation
Concilier agile et remote : impossible ?
# 1 : Engager les équipes et maintenir l’efficacité opérationnelle des projets
# 1 [Remote agile] - Engager les équipes et maintenir l’efficacité opérationnelle des projets
5 leviers permettent de dépasser cette apparente contradiction, d’engager les équipes et de maintenir l’efficacité opérationnelle des projets :
# 1 Une appropriation accélérée des outils de gestion de projet
# 2 Une transparence accrue vis-à-vis des utilisateurs
# 3 Une sécurisation du rôle de Product Owners (PO)
# 4 Un management responsabilisant
# 5 Une comitologie efficace
Contact
Digitalisation & Transformation
Robotic Process Automation : la solution pour des process RH plus intelligents
Un fait : des bases de données RH trop fractionnées
De nombreuses entreprises ou structures publiques disposent de bases RH insuffisamment consolidées. Cela ralentit leur utilisation et diminue leur fiabilité. En effet, il est plus délicat de corréler les données relatives aux postes, aux référentiels des emplois, aux formations et aux agents, si celles-ci sont contenues dans des bases de données différentes.
Un besoin : pouvoir anticiper davantage les évolutions RH
Pour cela : disposer de données uniformisées L’interaction entre les bases de données RH est un prérequis nécessaire à la progression dans l’exploitation de ces données, par exemple afin de renforcer la démarche GPEC (Gestion Prévisionnelle de l’Emploi et des Compétences).
Cette interaction passe par une phase d’uniformisation du format des informations dans les bases de données.
Si l’on prend le cas de l’étude de la fonction « Achats », celle-ci implique de pouvoir identifier des éléments relatifs aux « Achats » dans les différentes bases de données RH (formations, CVs des agents, fiches de postes, référentiels des emplois etc.). Les champs correspondant à la fonction « Achats » devront par ailleurs présenter des similitudes afin de pouvoir être identifiés comme appartenant à la même fonction métier.
Pour cela : disposer d’un format compatible avec un traitement massif de données
Le stockage des données sous format PDF est difficile à exploiter. Des outils « orientés base de données » tels Excel, permettront d’obtenir nativement un format compatible avec une analyse Big Data par exemple – CSV notamment.
Une solution : le RPA consolide la base de données RH et optimise son exploitation
La RPA (Robotic Process Automation) est une technologie basée sur la répétition programmée de tâches initialement réalisées par l’homme sur ordinateur.
Cette technologie passe par l’interface utilisateur classique d’un ordinateur, exactement comme le ferait un être humain.
À l’issue de la bascule et de l’extraction des informations, la RPA a produit des datasets structurés avec les données reconstruites, formatées et croisées entre les différentes sources.
Au-delà de l’organisation et de la gestion des données RH, la RPA peut être utilisée dans d’autres activités de Ressources Humaines, comme la gestion de la paie.
Pour élargir son périmètre, elle peut également être assistée par des modules d’intelligence artificielle
Par exemple dans la Gestion Prévisionnelle de l’Emploi et des Compétences ou dans l’aide au recrutement. Dans ce dernier cas, l’objectif de ces modules intelligents serait d’assister l’homme dans la pré-sélection des candidatures en fonction des critères identifiés par la RPA dans le référentiel et la fiche de poste.
Contact
Digitalisation & Transformation
L’avenir de l’hôpital est en dehors de ses murs
Pour que le système de santé fonctionne de façon optimale, l’hôpital doit s’ouvrir sur son environnement
Dans le même temps, le système de soins, insuffisamment modernisé en matière de système d’information, connaît de profondes transformations
Un hôpital plus efficient et plus innovant
Ecosystème de santé
Contact
Digitalisation & Transformation
Les données : un levier de modernisation de l'action publique locale à réguler
L’urbanisation planétaire est aujourd’hui une réalité.
Cette profusion des données s’accompagne d’une diversification de leurs sources :
Contact
Digitalisation & Transformation
L’IA au service des RH
L’IA et le machine learning pour expliquer et prédire le futur à partir de l’analyse du passé
L’analyse des caractéristiques des données historiques permet d’anticiper la réalisation d’événements futurs en les comparant avec l’historique. Ainsi le machine learning se distingue aujourd’hui de la traditionnelle Business Intelligence (BI) et de la Business Analysis. La BI répond aux questions « Quoi ?» et/ou au « Comment ?». La BA répond à la question « Pourquoi ?». Les algorithmes d’IA/machine learning permettent quant à eux d’apprendre des relations existantes dans les données passées pour évaluer une probabilité de réalisation de ces mêmes patterns lors d’événement futurs. Retrouvez ci-dessous des tips pour mener à bien un projet de machine learning : ne pas négliger la phase de définition de la problématique.
Un premier travail métier doit être établi pour définir la problématique et préparer les données pertinentes pour l’analyse.
Les algorithmes de machine learning pour anticiper la réalisation d’événements RH
Un SIRH est une base de données qui recense des informations associées à chaque agent. Ces données par agent sont historisées et peuvent être reliées à des évènements RH. Aussi, il est possible de probabiliser les événements RH identifiés en fonction des données historisées par agent. En effet, les informations RH caractérisent le positionnement de l’agent (métier, géographie, organisation…) au sein de la structure publique ou privée. L’objectif est donc ensuite d’utiliser le SIRH, en tant que base de données exploitable par un algorithme de machine learning, pour prédire la réalisation de ces événements RH.
L’analyse de l’évolution temporelle des différents SIRH de la structure, publique ou privée, permet d’objectiver et de mettre en exergue les causes de la réalisation de différents événements RH. L’étude de ces données peut par exemple mettre en évidence la survenance d’événements RH comme l’arrivée d’un agent.
Comme l’illustre le schéma ci-dessous, la comparaison des SIRH entre deux dates permet de mettre en évidence qu’un agent est arrivé dans la structure. Ces analyses pourraient également mettre en évidence d’autres événements RH tels que : le départ, la mobilité géographique ou fonctionnelle d’un agent.
Retour d’expérience de cette démarche pour le recrutement d’un ministère public
Quatre types de données étaient présents dans la base de données dans le SI de recrutement utilisé pour profiler les candidats :
L’étude du lien entre les caractéristiques RH du candidat, et son comportement une fois recruté, a ensuite permis d’établir des profils-types : prometteur ; neutre ; à risque.
Après avoir appris à déterminer les profils prometteurs à partir de l’historique des candidats, l’algorithme prédictif peut ensuite anticiper parmi les futurs candidats ceux qui constitueront les profils les plus prometteurs
Ainsi, la démarche de recrutement a pu bénéficier d’aides à la décision complémentaire grâce à une analyse data utilisant un algorithme de type machine learning. Cette démarche aurait également pu être mise en œuvre pour d’autres événements RH (départs à la retraite, démission, mobilité, etc.).