Dans nos deux premiers articles DRH, (re)trouvez la maitrise de vos données ! et Du SIRH à la DATA RH, nous avons discuté des enjeux d'adopter une approche DATA RH globale, puis nous avons tenté d'expliquer comment et pourquoi de plus en plus de directions des ressources humaines ont du mal à gérer la masse de données générées dans l'ensemble de leur écosystème RH, perdant ainsi peu à peu la maitrise de leurs données.
Afin d'éclairer un peu plus concrètement notre démarche DATA, nous allons dans ce troisième article parcourir le cycle de vie de la donnée RH.
Le cycle de vie de la donnée RH désigne les différentes étapes par lesquelles une donnée transite, depuis le moment de sa création ou collecte, jusqu'à son archivage ou sa suppression définitive.
Ce concept est essentiel pour comprendre comment les données sont gérées, traitées et protégées tout au long de leur existence au sein de l'organisation.
Identifier chaque phase du cycle de vie et son importance au sein de son organisation permet aux DRH d'aborder plus facilement les problématiques de qualité et de conformité et ainsi obtenir le meilleur de leurs données au bon moment pour en faire de réels actifs valorisables.
Ce cycle de vie n'est pas spécifique aux RH et l'ordonnancement des sous phases peut varier mais il y a un consensus sur l'importance de n'en oublier aucune.
Le paradoxe de la date de naissance d'un collaborateur.
La donnée [Date de naissance] des collaborateurs est essentielle à collecter pour l'administration du personnel, mais en elle-même, brute, elle n'est utilisée que dans un nombre assez limité d'opérations RH courantes.
La plupart du temps, on va recalculer un âge à date et une tranche d'âge à date qui servira de support aux analyses, comparaisons, rapports…
La donnée [Date de naissance] brute a ainsi peu de valeur informative.
En outre, c'est une donnée personnelle et les risques et les contraintes réglementaires associés à son traitement sont importants.
C'est pourtant une donnée qui transite régulièrement dans les systèmes, de systèmes en systèmes, on la stocke dans les fichiers, on la sauvegarde sur les disques durs…
Au regard de son utilité et des exigences règlementaires, on la diffuse toujours trop.
Dans une approche data, nous partons du principe que personne ne doit avoir accès à la date de naissance du collaborateur sans en avoir besoin, aucun individu mais aucun SIRH non plus à moins d'en avoir une utilité particulière.
On récupère la date de naissance du collaborateur (une seule fois), on la stocke en sécurité et on limite son accès (règle du moindre privilège)
Enfin, on met à disposition des données plus utilisées et moins sensibles comme l'âge à date, le moyenne d'âge, la tranche d'âge.
![Le cycle de vie de la donnée RH](/-/media/rhinfoblog/articles/bodyimages/evolution-de-la-valeur.png?la=fr-fr&hash=BBA2308BFC1CF50CD2A3DBCDB3823D13&rev=34ec73a287f34b3983a1fe3cedf6cccb)
S'il y a un besoin de la date de naissance précise, il faut accorder évidemment l'accès, mais on ne la délivrera qu'avec le matricule.
En soi, la date de naissance ne représente pas un risque particulier pour le collaborateur en cas de divulgation accidentelle ou de fuite. Néanmoins, elle est souvent couplée à d'autres données personnelles (nom, prénom, adresse, N° de Sécurité Sociale, R.I.B, rémunération …) et chaque donnée en plus accroit le risque d'usurpation d'identité par exemple.
Toutes les données ne se valent pas et leur valeur évolue le long de son cycle
![Le cycle de vie de la donnée RH](/-/media/rhinfoblog/articles/bodyimages/toutes-les-donnees-ne-se-valent-pas.png?la=fr-fr&hash=2440F786E093B4911208A8AA1C354369&rev=bd23529492334704991dd663431e986f)
On peut analyser le cycle de vie à travers 3 axes :
La valeur ajoutée : Cette donnée sert-elle en l'état aux tâches RH? Apporte-t-elle de l'information ?
Sur notre exemple de la date de naissance du collaborateur, en l'état notre donnée a très peu de valeur. En effet, rares sont les besoins métier qui utilisent cette donnée telle quelle.
Le risque que fait peser cette donnée en la détenant.
Ce risque peut être réglementaire (RGPD) ou sécuritaire (piratage, usurpation d'identité…)
Le cout engendré par le traitement de la donnée
Il est très compliqué d'isoler le coût d'une donnée seule mais on peut estimer la collecte, le stockage, l'ingénierie, le temps-machine, les API … et surtout le temps passé en traitements et retraitements manuels.
![Le cycle de vie de la donnée RH](/-/media/rhinfoblog/articles/bodyimages/evolution-va-couts-risques.png?la=fr-fr&hash=D9FD8D4E97523A684CD6C653B561256B&rev=59f73752de2f4bce9cf4c1120d0a47b0)
La collecte de la donnée RH
Pour créer une nouvelle donnée dans un système, soit elle est saisie manuellement par un humain (collaborateur, candidat, gestionnaire RH, Manager…), soit elle est collectée dans un format déjà numérisé d'un autre système d'information (import de fichier, reprise de donnée, API …), soit elle est calculée elle-même à partir d'autres données.
Tous les efforts sur la qualité des données devraient être mis à cette étape afin de ne laisser entrer que des données fiables et utiles dans le domaine DATA RH.
Si les données ne sont pas totalement fiables, il convient de mesurer et suivre le taux d'erreur.
Dans le cas contraire, on diffuse des sources d'erreurs et d'ambiguïté à tous les SIRH et charge à chaque équipe de les corriger.
L'autre particularité, c'est que cette étape est entièrement automatisable.
Si la saisie est manuelle, il faut impérativement aider l'utilisateur à ne pas se tromper en le guidant et en contrôlant la cohérence.
![Le cycle de vie de la donnée RH](/-/media/rhinfoblog/articles/bodyimages/les-dates-peaux-de-banane.png?la=fr-fr&hash=EBD5770BDB2942DA390E552B7AB5D10C&rev=50825cdc143f49419eb2bdd5c9b8efe3)
Depuis toujours les dates posent problème aux systèmes informatiques et aux logiciels.
Même si aujourd'hui la "Time intelligence" est présente dans la plupart des solutions et aide à manipuler les dates plus facilement, ce format reste une source courante de bug et d'ambiguïtés.
Il convient de définir un format unique de date qui sera appliqué dans toute l'organisation, dans chaque interface et utilisé par tous les collaborateurs.
L'Intégration des Données dans le SIRH:
C'est une étape stratégique dans le cycle de la donnée.
Normaliser les données pour faciliter leur utilisation cross-fonctionnelle.
Il s'agit de ramener la donnée brute (fiabilisée) dans un référentiel commun et compréhensible par tous pour créer des comparaisons, des analyses et en tirer de l'information.
Autrement dit, il s'agit de ramener la donnée sur un axe d'analyse propre à l'organisation. Sur l'exemple de la date de naissance, nous allons ramener cette donnée dans le référentiel des tranches d'âges.
Cette étape de normalisation crée une donnée à forte valeur ajoutée.
Établir des règles de gouvernance claires.
Bien gouverner la donnée RH est essentiel car cela permet aux organisations de maximiser l'efficacité de leurs fonctions RH, de garantir la conformité avec les réglementations en vigueur et de protéger la confidentialité des informations des employés
C'est indispensable pour gérer efficacement le capital humain d'une organisation tout en restant conforme à la réglementation et en protégeant les actifs les plus précieux de l'entreprise : ses collaborateurs.
Nous consacrerons des articles complets sur les référentiels RH et leur importance ainsi que sur la gouvernance.
La Valorisation des Données RH:
Cette étape est sans doute la plus connue et la plus outillée du cycle. (Data analyse, Data visualisation, IA, ETL, …)
On va retrouver ici les étapes d'extraction de valeur de la donnée :
Comprendre les besoins réels d'information des décisionnaires pour éviter le surplus d'information inutile.
Analyser les données pour produire des insights qui soutiennent la stratégie et les opérations de l'entreprise.
Restituer et partager les données de manière appropriée en filtrant l'accès selon les besoins et les niveaux de privilège.
Attention : trop souvent les carences dans les étapes précédentes impactent durement cette étape qui ne devrait plus être consacrée à la qualité ou la protection de la donnée mais uniquement à son étude.
Contrairement à l'étape 1, pas d'automatisation systématique ici. Cette étape coute cher car il faut des compétences d'analyse poussées et il est dommage de consacrer du temps à corriger les données.
Pourtant, en pratique, on corrige les données dans le dernier fichier juste avant la diffusion.
Cela est doublement pénalisant :
- C'est le pire moment pour corriger les données et comprendre les causes profondes.
- Cela alimente une fausse idée de l'état réel de la donnée dans l'ensemble du SI
Et après ?
Pour chaque donnée il faudra déterminer ce qu'on archive et pourquoi, ce qu'on détruit et quand.
Encore une fois, cela se détermine donnée par donnée dès le départ.
Enfin, le ciment de toutes ces démarches reste la Culture Data de l'organisation qui guidera chaque action au sein d'une démarche cohérente et alignée aux enjeux stratégiques.
_____________________________________________________
Pour aller plus loin ;
- The HR analytics cycle: a seven-step process for building evidence-based and ethical HR analytics capabilities | Emerald Insight - Salvatore V. Falletta and Wendy L. Combs
- Cycle de vie des données : les 7 étapes clés | Talend Talend
- Établissez la cartographie et le cycle de vie de vos données - Initiez-vous à la gouvernance des données - OpenClassrooms OpenClassrooms
- Les durées de conservation des données | CNIL
- Cycle de vie et types de données - UNIL Open Science
- Data lifecycle – UK Data Service