Turnover, Satisfaction et rémunération
Données Kaggle
Contexte & Problématique
Ce projet s’appuie sur un jeu de données RH (voir tableur) regroupant des informations relatives aux collaborateurs, à leurs parcours dans l’entreprise, à leurs motifs de départ, ainsi qu’à des indicateurs de satisfaction et de rémunération.
L’objectif est de fournir une vision globale et structurée des dynamiques afin d’identifier les profils les plus exposés au départ et les leviers d’action possibles.
La problématique est la suivante :
Comment analyser les données pour mieux comprendre les causes du turnover et aider à la prise de décision en matière de rétention ?
Objectifs
L’analyse vise à répondre à plusieurs enjeux métiers :
Mesurer et analyser le turnover
Identifier les principaux motifs de départ
Comprendre les profils les plus concernés (junior, intermédiaire, senior)
Étudier le lien entre ancienneté, rémunération et satisfaction
Fournir des éléments concrets pour orienter les décisions
Méthodologie
Les données ont été nettoyées et préparées afin de garantir leur cohérence et leur exploitabilité.
Une modélisation en étoile (voir) a ensuite été mise en place pour structurer les données RH et faciliter la lecture des indicateurs par des profils métiers.
Cette modélisation permet de centraliser les faits liés aux collaborateurs et aux départs, tout en les reliant à différentes dimensions d’analyse telles que le temps, le département, le niveau de poste ou le motif de départ. Elle offre ainsi une structure claire pour analyser le turnover, l’ancienneté, la satisfaction et la rémunération.
Les indicateurs clés ont été calculés à partir de cette structure afin d’analyser les dynamiques RH et d’identifier des tendances exploitables pour la prise de décision.
L’ensemble des analyses a été restitué sous forme de reporting et de dashboards pour une lecture simple et orientée RH.
Analyse RH - Turnover, Satisfaction et rémunération
Données Kaggle
Contexte & problématique
Ce projet s’appuie sur un jeu de données RH (voir tableur) regroupant des informations relatives aux collaborateurs, à leurs parcours dans l’entreprise, à leurs motifs de départ, ainsi qu’à des indicateurs de satisfaction et de rémunération.
L’objectif est de fournir une vision globale et structurée des dynamiques afin d’identifier les profils les plus exposés au départ et les leviers d’action possibles.
La problématique est la suivante :
Comment analyser les données pour mieux comprendre les causes du turnover et aider à la prise de décision en matière de rétention ?
Objectifs d’analyse
L’analyse vise à répondre à plusieurs enjeux métiers :
Suivre le volume global des transactions
Mesurer le taux de fraude
Identifier les types de dépenses les plus fraudées
Mettre en évidence les zones géographiques à risque
Fournir une vision claire et exploitable pour le pilotage décisionnel
Méthodologie
Les données ont été nettoyées (voir) et préparées afin de garantir leur cohérence et leur exploitabilité.
Une modélisation en étoile (voir) a ensuite été mise en place pour structurer les données RH et faciliter la lecture des indicateurs par des profils métiers.
Cette modélisation permet de centraliser les faits liés aux collaborateurs et aux départs, tout en les reliant à différentes dimensions d’analyse telles que le temps, le département, le niveau de poste ou le motif de départ. Elle offre ainsi une structure claire pour analyser le turnover, l’ancienneté, la satisfaction et la rémunération.
Les indicateurs clés ont été calculés à partir de cette structure afin d’analyser les dynamiques RH et d’identifier des tendances exploitables pour la prise de décision.
L’ensemble des analyses a été restitué sous forme de reporting et de dashboards pour une lecture simple et orientée RH.