« Nous avons choisi une BI unifiée,
regroupant le commerce, la production et les RH »
Pierre Gruffaz,
DSI de Fournier Habitat (Marques Perene, Mobalpa, So’Cooc)
Pierre Gruffaz, pour quelles raisons votre groupe a-t-il eu besoin d’unifier ses informations internes en choisissant une nouvelle BI ?
On emploie souvent le terme de BI unifiée que je voudrais préciser. Nous avons regroupé dans notre BI trois types d’informations provenant du commerce, de la production et des RH. Nous disposons désormais d’indicateurs pour l’ensemble des directions du groupe ainsi que la plupart des salariés, et les chiffres issus de nos indicateurs internes sont partagés. Pour la partie commerciale avec laquelle nous avons commencé le développement de notre BI il y a trois ans, il s’agit par exemple des chiffres d’affaires et des résultats. Ensuite nous avons développé une BI pour la production, comprenant des chiffres sur les capacités de production ou le taux de retour vers le SAV, enfin les RH avec des données sur l’évolution des effectifs, du temps de travail ou de la sécurité.
La diversité de nos marques explique le choix d’une BI unifiée. On s’occupe à la DSI de tous les acteurs commerciaux de nos différentes marques, Mobalpa, So’Cooc, Perene, on leur fournit un ensemble d’indicateurs via DigDash. Ces marques sont à la fois en franchise et en succursales, par exemple Mobalpa est plutôt en franchise, à l’inverse So’Cooc est plutôt en succursales. So’Cooc étant issu de la reprise d’Hygena. Chacune des enseignes a donc une situation particulière qui explique le choix d’une BI apte à remonter et donner des informations précises, par exemple pour des inventaires dans les magasins et à les regrouper.
De quoi se compose plus particulièrement votre BI RH ?
Elle se présente sous forme d’indicateurs multiples concernant : le suivi des effectifs, de la masse salariale, du temps de travail, de l’absentéisme, de l’accidentologie. A chaque fois, on peut entrer dans les détails, par exemple voir les effectifs répartis par entité, par marque, par magasin, ou par type de contrat de travail.
Et chaque indicateur amène des analyses plus poussées. La masse salariale par exemple est répartie par type de contrat, par type de salarié (âge, ancienneté, place dans la hiérarchie) et son évolution est suivie dans le temps pour chaque catégorie.
Nous disposons également de différentes modulations sur les douze mois glissants. Par exemple sur le temps de travail, pour suivre les heures supplémentaires ou les heures modulées. Quant à l’absentéisme, il peut se regarder par sexe, par type d’enseigne, par catégorie de salarié.
Comment cette BI RH devient-elle un outil décisionnel ?
Prenons le sujet plus délicat de l’accidentologie. Les indicateurs montrent le nombre d’accident du travail donnant lieu à un arrêt du salarié. Ils donnent l’évolution du nombre et de la typologie de ces accidents sur douze mois. Voilà pour les chiffres bruts. A partir de ces données on peut arriver à des moyennes ou bien identifier les périodes sans accidents du travail ou au contraire celles où ils sont fréquents et dans quelle entité ils se produisent le plus souvent.
Même question pour la partie commerce ?
Les chiffres issus de notre activité commerciale au sens large concernent d’abord le chiffre d’affaires et les marges. Ils donnent une vision de chaque produit, ce qui s’est vendu et ce qui s’est moins vendu. On sait quel type de plan de travail séduit les clients, ceux en pierre ou ceux en stratifié. Le chiffre est disponible par couleur. Même réponse pour les fours selon leur emplacement, leur marque, leur catégorie. Mais au-delà de simples statistiques des ventes, déjà importantes, on sait ce qui s’est mal ou peu vendu. Les informations sont là. Avant, on les avait sans savoir les présenter ou les rapprocher les unes des autres, désormais on a un tableau clair.
Pourquoi et comment avez-vous effectué le choix de votre solution de BI ?
Ils étaient dans la short-list et finalement nous avons opté pour eux. La première raison tient à la facilité de mise en œuvre de leur solution. L’éditeur est français ce qui a également facilité le choix, non pas parce que nous serions chauvins, mais parce que l’on peut accéder facilement à leur service de développement. C’est un bon moyen de comparer et de tester et nous avons pu constater que leur écoute est très forte. Le prix s’avérait également compétitif.
Qu’avez-vous fait tester précisément ?
Nous leur avons demandé un POC pour valider leur capacité à traiter toutes nos données. Le doute était là, nous avons une forte volumétrie, et même s’ils disposent de clients importants comme Volkswagen, nous voulions être sûrs de notre choix sur ce point précis.
Quel a été le calendrier pour le déroulement du projet ?
Nous avons choisi DigDash il y a trois ans. Chaque vendeur et chaque magasin est équipé, ce qui représente plus de 4 000 licences. Le gros du projet est donc réalisé, une trentaine d’états donc de pages internet avec des indicateurs, sont disponibles.
Le regard de TIBCO Software : Olivier Lebret revient sur les enjeux de la conduite d’un projet BI et analyse le retour d’expérience de Pierre Gruffaz
Olivier Lebret,
Data Scientist, Predictive Analytics, Big Data, IoT Advisor at Tibco
Quelle est votre approche méthodologique quand vous accompagnez un projet BI en environnement RH ?
Il y a plusieurs phases dans le déroulement d’un projet d’analytique RH. La première est certainement la plus capitale : il s’agit de comprendre et de formaliser les besoins du client. Optimiser les coûts de recrutement, réduire le turn-over ou améliorer la performance sont des exemples typiques de projets que nous rencontrons dans le contexte des RH.
Ensuite vient la question de la localisation des données : sont-elles disponibles dans un seul et même système, ou doit-on les extraire de sources différentes, et ces sources sont-elles disponibles chez le client, dans le cloud, en environnement hybride ? Dispose-t-on d’un historique de données ? Enfin, ces données sont-elles fiables ? À ce stade, des outils de Master Data Management s’avèrent utiles pour rapprocher des données issues de systèmes différents et s’assurer de leur véracité. Après avoir compris les objectifs et localisé les données, nous définissons des objectifs de ROI. Il est important de s’entendre sur des critères clairs de réussite et de définir des « quick wins », comme par exemple réduire le turn-over de 2% sur les salariés clé dans un délai d’un an.
Quelles sensibilités donneriez-vous aux différents enjeux dans la conduite d’un projet BI en environnement RH ? (Spécifications, design, tests et POC utilisateurs, qualité des data…) Y-at-il des spécificités liées à cet environnement métier ?
La qualité des données est particulièrement importante en environnement RH. On parle souvent de l’effet GIGO « Garbage In, Garbage Out » pour illustrer le lien entre la fiabilité de l’analyse et la qualité des données. Dans un contexte de réglementation RGPD, la qualité des données est au moins aussi importante que la confidentialité et la sécurité des données.
Un projet analytique RH nécessite une approche globale, avec un point d’attention particulier sur le management des données. TIBCO Software se démarque par sa capacité à apporter un écosystème global centré sur l’exploitation de la data. Brique par brique, nous accompagnons les services RH dans la mise en place d’une véritable plateforme analytique dédiée à la prise de décision. Cette méthodologie implique différents outils tels que TIBCO EBX pour la partie Master Data Management, TIBCO Data virtualisation pour l’accès à tout type de données, quelle que soit la source sous-jacente, TIBCO Spotfire pour la data discovery ou TIBCO Data Science pour la création des modèles prédictifs et le scoring.
Quels paramètres internes, externes, technologiques… vous semblent trop souvent sous-estimés dans la plupart des projets BI RH ? De votre expérience, quels éléments peuvent provoquer l’échec d’un projet BI RH ?
Un écueil à ne pas négliger concerne l’intégration de données externes au sein des analyses, par exemple le salaire médian du secteur dans lequel l’entreprise évolue ou des indicateurs objectifs de rémunération des salariés. (Un salaire médian supérieur au salaire pratiqué dans l’entreprise peut être un indicateur pertinent pour expliquer le turn-over).
Mais la plus grosse erreur serait de s’arrêter à des analyses basiques faisant état de la situation à instant T. La vision descriptive apportée par la BI est intéressante, mais il est encore plus pertinent d’intégrer une vision à long terme dans sa réflexion, par exemple anticiper certaines évolutions du marché afin d’adapter sa stratégie de rétention des talents à 2 ou 3 ans, ou encore expliquer des phénomènes tels que le turn-over en analysant la pyramide des âges. Sans aller jusqu’à provoquer l’échec du projet, ce type d’écueil limite l’intérêt de la solution analytique et par extension réduit le ROI. D’où l’intérêt de s’appuyer sur des solutions analytiques en self-service, afin de donner des clés aux utilisateurs métiers pour réaliser des analyses plus poussées.
Enfin, j’insiste sur l’importance de travailler avec un seul éditeur capable de gérer l’écosystème de bout en bout, non seulement avec une plateforme de BI, mais également avec des solutions telles que la data virtualisation, afin de créer des référentiels de données virtualisés et sécurisés sans toucher à la structure des bases de données, ce qui permet de créer un référentiel de données sur lequel on peut greffer facilement les logiciels analytiques.
Comment mesurez-vous la réussite d’un projet analytique en environnement RH ?
Les critères de réussite doivent être définis en amont, dès la phase d’élaboration du projet. On peut déterminer le ROI d’une démarche analytique dans les RH au travers de différents sujets tels que le climat social et l’absentéisme, la gestion prévisionnelle de l’emploi et des compétences (GPEC), , l‘anticipation du taux de départ dans l’entreprise (turnover), la gestion des notes de frais et leur impact sur le chiffre d’affaires… Il y autant de critères de réussite que d’indicateurs à surveiller.
Quels sont selon vous les principaux enjeux dans le projet présenté par Pierre Gruffaz, DSI de Fournier Habitat ?
Pierre Gruffaz évoque à juste titre l’importance de l’intégration. C’est l’un des principaux facteurs de réussite d’un projet analytique en environnement RH. L’intégrateur doit être en mesure de gérer l’intégralité du cycle de vie de la donnée grâce à une palette d’outils capables de communiquer entre-eux.
Par ailleurs, il mentionne la présence d’une forte volumétrie de données au sein du groupe Fournier. C’est une composante essentielle du projet, à laquelle on doit répondre par des outils alliant robustesse et capacité d’adaptation à un contexte business.
Le DSI aborde également l’importance de l’appropriation des outils par les métiers, un enjeu de démocratisation auquel TIBCO Spotfire répond par des fonctionnalités avancées en libre service. Plus intéressant encore, en expliquant comment Fournier Habitat anticipe les périodes les plus exposées aux accidents de travail, Pierre Gruffaz fait part de son intérêt pour l’analyse prédictive, qui constitue à mon sens la finalité de l’analytique.
Pour aller plus loin
Découvrez 6 exemples d’utilisation des données RH et Big Data de façon stratégique en 2019
TÉLÉCHARGER l’INFOGRAPHIE
