Article co-rédigé par Valentin Coudert et Hugues Zimmermann
Recruter de nouveaux talents, s’assurer que les candidats sont bien suivis, analyser le taux de conversion par channel… Ces tâches sont communes à tout manager d’équipe de recrutement qui doit, à un instant T, répondre aux questions : “Combien de CDI avons-nous recruté cette semaine ? Quelle Business Unit est en retard sur ses objectifs ?” Mais aussi de suivre l’évolution de ces indicateurs sur la durée.
Or sans outil analytics, le défi s’annonce de taille. Et c’est d’autant plus vrai quand l’activité est répartie sur plusieurs pays et à travers différentes entités. Comment éviter d’avoir à demander à chaque responsable de BU de communiquer ses chiffres tous les mois ? Comment détecter les situations problématiques avant qu’elles ne se déclarent ?
La solution : une remontée de données efficace couplée à un outil de data visualization simple et gratuit !
Dans ce premier article, nous nous intéressons à la vue d’ensemble de la solution et aux bénéfices qu’elle apporte aux métiers du recrutement. Un second article reviendra sur les briques technologiques utilisées et les connexions à mettre en place.
Récupérer la donnée à la source
Chez Devoteam, nous utilisons la solution SaaS SmartRecruiters : recruteurs et responsables passent par cet outil pour rechercher leurs futurs collaborateurs, suivre les entretiens, et générer les contrats. L’information brute, qui permettra plus tard de calculer les indicateurs de pilotage, se trouve donc stockée dans la base de données de SmartRecruiters. Pour la récupérer de manière programmatique, l’éditeur met à disposition de ses clients des API : une technique commune à la plupart des produits SaaS de nos jours. Des exports CSV peuvent aussi être envisageables.
A ce stade, l’important est de travailler sur le modèle de données: c’est-à-dire traduire le besoin métier exprimé en langage recruteur en son équivalent technique, pour que les développeurs sachent quoi faire. Les deux profils doivent échanger et se mettre d’accord car le document produit servira de référence aux discussions futures.
L’entrepôt de données
Certaines solutions de data visualisation pourraient (c’est hypothétique) se connecter directement à votre ATS (Applicant Tracking System), mais les performances ont peu de chance d’être convenables: les appels API, notamment pour récupérer un historique suffisant pour faire des statistiques, sont trop longs, et c’est l’utilisateur du rapport final qui en fait les frais.
C’est pourquoi nous stockons la donnée dans un entrepôt de données (data warehouse en anglais) pensé pour recevoir une forte volumétrie et structuré pour fournir les indicateurs souhaités par les recruteurs.
En tant que spécialistes Google Cloud, nous utilisons couramment Google BigQuery : très performant, peu coûteux, scalable à souhait et qui dispose de connecteurs natifs vers la plupart des outils de dataviz.
Après un an d’existence de nos rapports, ce sont environ 500 000 lignes de données qui sont enregistrées dans BigQuery, sans aucun impact sur la vitesse des requêtes ou l’affichage des graphiques.
La data visualisation ou comment donner vie aux chiffres
“Une image vaut mille mots”, l’adage n’est pas récent mais il s’applique parfaitement à la visualisation de données. Sous forme tabulaire, le suivi de l’évolution d’une métrique au cours du temps est presque impossible : il y a trop d’informations pour notre cerveau et pas suffisamment de focus sur ce qui est important. Sous forme d’histogramme, c’est soudain beaucoup plus lisible !
Data Studio est un outil inclus dans la suite Google Workspace et gratuit. Il permet en quelques clics de se connecter à notre source de données BigQuery et de créer les graphiques qui nous intéressent. Avec une touche de graphisme et un bon sens de l’organisation, on arrive rapidement à un tableau de bord qui donne envie d’être consulté. Et cela tombe bien, car les données sont rafraîchies toutes les heures : idéal pour suivre les indicateurs en quasi temps réel !
Enfin, Data Studio ajoute quelques fonctionnalités bien pratiques comme la facilité d’appliquer des filtres (et notamment des filtres prédéfinis), la possibilité d’exporter les données en CSV ou Google Sheets pour les retravailler plus tard et même l’envoi planifié d’un rapport PDF.
Exemple de filtres possibles sur les dates. A droite, des filtres prédéfinis par Data Studio.
La restriction par BU: la cerise sur l’organigramme
Chez Devoteam, nous avons une équipe qui pilote le recrutement au niveau du Groupe mais bien entendu, il existe son équivalent au sein de chaque BU. Comment faire d’une pierre deux (ou dix) coups avec notre rapport ? En permettant aux responsables de BU de s’y connecter mais en restreignant leurs permissions:
- ils ne peuvent pas modifier les graphiques ou les métriques (lecture seule)
- ils ne voient que les données de leur entité
C’est un gain de temps important dans la communication des chiffres (fini les mails) et dans le partage d’informations. Cela permet aussi à chacun de se sentir plus concerné, plus investi. Enfin, un rapport commun permet d’avoir un langage commun pour tous les recruteurs du Groupe et donc des partages d’expériences facilités.
|
Ce qu’il faut retenir:
|
N’hésitez pas à nous contacter si vous souhaitez avoir plus d’informations.