Analyses prédictives et data RH
La question posée :
Comment prédire l’âge de départ en retraite de ses collaborateurs grâce aux HR Analytics ?
Le contexte de notre client
- La division RH du centre de services partagés d’un grand groupe international de l’énergie
- Une division partenaire des autres entités du groupe, en recherche de solutions innovantes à proposer à ses clients internes notamment par la valorisation de la data RH à sa disposition
- La volonté de prévoir avec précision les départs en retraite pour mieux piloter la masse salariale, anticiper les transferts de connaissance et les plans de succession
La réponse d’Akoya Consulting
- L’élaboration de cinq hypothèses de départ en retraite qui seront confirmées ou infirmées par la data
- La mise en œuvre d’une méthodologie faisant apparaître une variable de calcul établie comme la différence entre la date de départ effective et la date de départ théorique
- La construction de deux modèles statistiques (un linéaire et un en forêt aléatoire) pour prévoir les départs en retraite
Toute l’histoire
Notre client, la division RH du centre de services partagés d’un grand groupe de l’énergie, est à la recherche d’une nouvelle proposition de services à forte valeur ajoutée qui mettrait à profit le grand volume de data RH à sa disposition et participerait à identifier les HR Analytics comme un puissant levier de productivité et d’efficacité.
Il est identifié que la prédiction de l’âge de départ en retraite des collaborateurs permettrait de gérer plus efficacement la masse salariale, les transferts de connaissance et les plans de succession. Akoya Consulting a été missionné dans le cadre d’un PoC* visant à développer un modèle prédictif des départs en retraite sur un périmètre cumulant plusieurs milliers de départs en retraite sur les 10 dernières années.
Le cabinet a fait l’inventaire de la data RH disponible et agrégé les causes potentielles de départ en retraite—qu’elles soient démographiques, sociales, géographiques…— et élaboré cinq hypothèses de départ que l’analyse devait confirmer ou infirmer au cours du processus.
Akoya Consulting a ensuite mis en place une méthodologie permettant la comparaison des âges de départ en retraite entre individus (grâce à une date de départ effective exprimée sous forme de delta avec une date théorique de départ en retraite) et la réalisation de deux modèles prédictifs, linéaire et en forêt aléatoire, à destination des équipes clientes.
Les modèles livrés au client réduisent à quelques mois l’incertitude face à la date de départ en retraite réelle d’un collaborateur, versus plus de 12 mois auparavant. Akoya Consulting a également établi une liste de recommandations pour améliorer la précision des modèles développés en phase de PoC.