Concept : Mesures d'impact
Les mesures d’impact vous permettent d’examiner le retour sur investissement de l’engagement, en comparant les scores des conducteurs à des mesures externes. Vous pouvez importer vos métriques et les comparer aux scores des conducteurs à partir de n'importe quelle question.
Ces exemples sont quelques cas d’utilisation d’
Impact
:
- Taux d'attrition %
- Absentéisme
- % d'achèvement du projet
- Croissance des ventes %
- % de rétention de la clientèle
- Autres scores des pilotes
- % de satisfaction client
- % de réalisation des ventes
- Scores de la boutique mystère
Comment ça marche
La régression linéaire permet aux mesures
d’impact
d’estimer les relations entre les prédicteurs et les résultats en ajustant la meilleure relation linéaire (ligne droite). La régression produit ces mesures :
Mesure | Description |
|---|---|
La valeur d'impact | La valeur d’impact est le coefficient de régression qui rend compte de la direction et de l’effet entre votre prédicteur et votre variable de résultat. Il affiche le changement attendu dans votre métrique avec un changement d'un point dans votre score de conducteur Peakon.
Le type de métrique par rapport auquel vous effectuez la régression détermine si votre valeur d'impact est un résultat positif ou négatif. Exemple : Un score négatif lors de l’examen de la relation entre l’attrition et l’engagement est un résultat positif, car les employés plus engagés sont moins susceptibles de partir. |
Le pouvoir explicatif | Le pouvoir explicatif (valeur R au carré dans les statistiques) évalue dans quelle mesure le modèle de régression correspond aux données du monde réel que vous avez importées. Il explique dans quelle mesure la variance de la première variable explique la variance de la deuxième variable.
Les recherches universitaires suggèrent qu'une valeur ≤ 12 % indique un faible ajustement du modèle, des valeurs de 13 % à 25 % indiquent un ajustement moyen et des valeurs ≥ 26 % indiquent un ajustement élevé du modèle. Plus le pouvoir explicatif est élevé, mieux le modèle explique les changements dans votre variable de résultat. Ces limites peuvent sembler faibles, mais l’engagement des employés est souvent l’un des nombreux facteurs contribuant au succès d’une mesure. |
Analyse
Après avoir importé vos métriques, le graphique affiche un nuage de points avec une ligne de tendance, le score d’impact et le pouvoir explicatif.
Vous pouvez consulter le rapport
d’impact
dans la section Analyse
de votre tableau de bord. Les informations sur le graphique sont contextuelles et adaptent la relation en fonction du contexte du segment que vous visualisez. Il est possible d'exporter votre analyse d'impact
vers Microsoft Excel.Lorsque vous utilisez les filtres disponibles, le graphique revient à la vue standard après avoir quitté la page.
Niveau d'accès
Vous pouvez activer l'autorisation
Impact
dans la section Statistiques d'accès
dans Contrôle d'accès
.Recommandations
Menez une analyse avec une question de recherche pour orienter le récit de votre enquête. Exemples :
- Existe-t-il un lien entre l’augmentation du bien-être des employés et la réduction du nombre moyen de jours d’absence par employé ?
- Les équipes avec des scores de charge de travail plus élevés obtiennent-elles également de meilleurs résultats en termes de productivité ?
- Les emplacements avec des scores d’engagement plus élevés ont-ils également des incidents de premiers secours plus faibles ?
- Les équipes plus engagées offrent-elles un meilleur service client ?
- Les départements ayant des scores de croissance plus faibles sont-ils plus susceptibles d’avoir un taux de rotation du personnel plus élevé ?
Fournir des données granulaires à partir d’un nombre plus élevé (> 30) d’unités plus petites.
Assurez-vous que les données des employés que contient chaque segment sont indépendantes et ne se chevauchent pas.
Répétez souvent l’analyse pour améliorer la validité des résultats. Le fait de constater les mêmes tendances et les mêmes effets sur différentes périodes de temps indique que les résultats sont solides et non fortuits.