Concept : moteur de récit
People Analytics utilise un moteur d’analyse automatisé appelé Storyteller qui :
- Recherche des millions de combinaisons de données.
- Établit des connexions entre les combinaisons de données.
- Fournit les résultats les plus significatifs sous forme d’enseignements prioritaires.
Un enseignement prioritaire est une recherche dans les données qui répond à une question stratégique.
Chaque enseignement prioritaire décrit une instance de sous- performance ou de sur performance significative pour un indicateur, ainsi qu’une combinaison de dimensions, de tendances et de facteurs qui contribuent à la recherche.
Storyteller utilise des méthodes statistiques et hebdomadaires pour déterminer le classement des enseignements prioritaires et quels enseignements prioritaires devraient faire ressortir après avoir effectué l'une des comparaisons suivantes :
- Comparaison avec la performance historique - Storyteller fait ressortir ces enseignements prioritaires lorsque le moteur détecte un écart significatif entre la performance actuelle d’un indicateur et la performance historique. La période de référence antérieure est généralement de 12 mois si vous avez au moins 13 mois d’historique des données dans People Analytics, ou de 3 mois si vous avez moins de 13 mois d’historique des données. Toutefois, la période de référence antérieure peut varier en fonction de l’indicateur.
- Comparaison interne - Storyteller compare la performance actuelle d’un groupe de priorités donné à la performance du groupe de comparaison et fait ressortir les écarts significatifs comme enseignements prioritaires. Selon le niveau auquel l’enseignement prioritaire se trouve, le groupe de comparaisons change. Storyteller peut effectuer la comparaison au niveau de la société ou de la région, ou à un niveau différent de la hiérarchie. En comparant le rendement aux groupes les plus proches dans la même organisation ou la même région, Storyteller peut repérer des enseignements prioritaires qui fournissent des données exploitables et significatives par rapport à la dimension dans laquelle l’enseignement prioritaire a lieu. Exemples :
- Pour obtenir un enseignement prioritaire sur la sous-organisation de la participation dans la gestion financière au niveau 3, le moteur Storyteller compare la performance de cette dimension à la performance de l’organisation parente de niveau 2 (au lieu de la comparer à la performance du niveau 1).
- Pour un enseignement prioritaire au Canada, Storyteller compare le rendement au Canada au rendement au niveau de la région, comme l’Amérique du Nord ou les Amériques.
Pour en savoir plus sur les enseignements prioritaires dans People Analytics, voir Concept : enseignements prioritaires.
Filtrage automatique
Pour aider à garantir la meilleure qualité des enseignements, Storyteller filtre automatiquement les enseignements prioritaires lorsque :
- La taille de la population est de 5 personnes ou moins.
- Il n'y a pas d'effectif actif pour un ou plusieurs mois qui sont inclus dans l'analyse de People Analytics. Ce filtrage s’applique uniquement aux enseignements prioritaires suivants :
- Diversité et inclusion
- Composition de l'organisation
- Risque de départ et attrition
- Talents et rendement
Exemple : un enseignement prioritaire sur une tendance en matière de diversité pour les femmes pour laquelle il n’y a pas d’effectif actif pour un ou plusieurs des 12 mois analysés.Exemple : un enseignement prioritaire sur un écart de diversité pour les femmes pour lequel il n’y a pas d’effectif actif pour le mois analysé.
Enseignements prioritaires suggérés
Pour mettre en vedette les données que vous pourriez avoir manquées et vous permettre d’explorer des enseignements prioritaires dans d’autres onglets, sur une base mensuelle, People Analytics sélectionne des enseignements à afficher dans la page Aperçu. Votre sélection d’enseignements dépend du classement des enseignements prioritaires dans le moteur Storyteller, des interactions avec les utilisateurs People Analytics, comme des clics sur les questions stratégiques suggérées, et de la fréquence d'affichage de ces questions dans l'onglet Aperçu.
Les facteurs principaux n’ont pas d’incidence sur les suggestions d’enseignements prioritaires.
Vous pouvez faire disparaître tous les enseignements prioritaires que vous trouvez non pertinents pour aider notre algorithme à découvrir des données plus exploitables au fil du temps. Nous générons seulement sept enseignements prioritaires pour un mois d’exercice. Par conséquent, si vous écartez tous les enseignements prioritaires suggérés pour le mois, nous n’afficherons aucun nouvel enseignement prioritaire avant la prochaine actualisation récurrente des données. Vous ne pouvez pas annuler le congédiement d’un enseignement, mais un enseignement précédemment écarté peut re faire ressortir après quatre mois, si People Analytics la considère de nouveau comme pertinente.