CHAPITRE 1
Quelles sont les notions de base à connaître pour interpréter les résultats d'une analyse statistique ?
- Hypothèse, seuil de signification, région de rejet, statistique de test, valeur p -

Chapitre 2
Avant de lancer un nouveau produit, nous avons mené une campagne marketing au cours de laquelle nous avons demandé à la moitié des clients qui visitaient le magasin s'ils souhaitaient acheter le produit, et nous avons fourni aux clients restants des échantillons du nouveau produit, puis nous leur avons demandé s'ils souhaitaient l'acheter.
Les intentions d'achat moyennes des clients ayant reçu des échantillons diffèrent de celles des clients n'en ayant pas reçu. Peut-on vérifier si cette différence est statistiquement significative ?
- Test t pour échantillons indépendants, test t pour échantillons appariés, analyse de variance (ANOVA) -

CHAPITRE 3
Pour démontrer l'efficacité de la formation, l'expertise professionnelle a été mesurée pour les groupes formés et non formés.
Les résultats du test t de Student pour échantillons indépendants n'ont révélé aucune différence significative entre les deux groupes quant à l'expertise moyenne. Cela signifie-t-il que la formation a été inefficace ?
- Plan d'expérience, analyse de covariance (ANCOVA) -

Chapitre 4
Je souhaiterais comprendre la relation entre la performance des employés et les différents facteurs censés l'influencer.
Est-il possible de déterminer statistiquement si chaque facteur a un impact positif ou négatif sur la performance ? 63
- Analyse de régression -

CHAPITRE 5
J'aimerais savoir quels facteurs influencent la satisfaction au travail.
Puis-je effectuer une analyse de régression en considérant toutes les variables disponibles comme variables indépendantes ? 85
- Fondements théoriques -

Chapitre 6
Cinq variables indépendantes ont été intégrées au modèle de régression pour prédire les performances sur la base d'un cadre théorique.
Les résultats de l'analyse ont montré que la variable indépendante, le temps de trajet domicile-travail, avait un effet positif sur la performance.
Il est difficile d'accepter l'interprétation selon laquelle des temps de trajet domicile-travail plus longs conduisent à de meilleures performances.
Qu'est-ce qui a pu mal tourner ? 95
- Multicolinéarité -

Chapitre 7
Comment savoir lequel des facteurs influençant la performance a le plus grand impact ? 103
- Coefficient de régression standardisé -

CHAPITRE 8
Nous avons classé le style de leadership du chef d'équipe en quatre types.
Pouvez-vous déterminer comment le style de leadership d'un chef d'équipe influence la performance de ses subordonnés ? 119
- Codage des variables catégorielles -

CHAPITRE 9
Pouvez-vous confirmer si l'effet de la satisfaction à l'égard du système de protection sociale sur la satisfaction au travail varie selon le niveau hiérarchique ? 143
- Comparaison des coefficients entre les groupes -

Chapitre 10
Pouvez-vous confirmer si l'effet de la satisfaction à l'égard du système de protection sociale sur la satisfaction au travail varie en fonction du niveau d'adaptabilité organisationnelle ? 157
- Effet de modération -

CHAPITRE 11
Nous proposons une formation de certification pour nos talents clés.
Est-il possible de prédire avec probabilité si chaque talent clé obtiendra une certification ? 173
- Régression logistique binomiale -

CHAPITRE 12
En fonction du budget du client et des informations sur les produits qu'il a réellement achetés, je souhaite prédire quel produit il achètera : A, B ou C.
197
- Régression logistique multinomiale -

CHAPITRE 13
Récemment, plusieurs de nos talents clés ont perdu leur poste au profit de la concurrence.
Est-il possible de prédire si des talents clés individuels vont partir, et si oui, à quel moment ils sont le plus susceptibles de le faire ? 213
- Analyse de survie en temps discret -

CHAPITRE 14
jamovi 251

Conclusion 271
Bibliographie 273
Index 276

Entrée

Les équipes de la Ligue majeure de baseball investissent en fonction des données et de l'analyse des performances des joueurs, et Google établit les bases de toute prise de décision humaine, autour d'un département dédié à l'analyse des personnes.
Les médias parlent des technologies sous-jacentes à la 4e révolution industrielle, telles que l'intelligence artificielle (IA), le big data et l'Internet des objets (IoT), et des nouveaux changements qu'elles vont engendrer.
D’une part, des changements commencent à apparaître dans la société, signalant l’émergence d’une génération qui prône l’individualisme rationnel, succédant à une génération imprégnée de valeurs collectivistes traditionnelles.
Les inquiétudes grandissent quant à la manière de coopérer et de s'adapter à la nouvelle génération, qui présente des caractéristiques uniques par rapport aux générations précédentes.
Cette nouvelle vague de changement soulève également des questions sur la manière dont nous prenons des décisions concernant les personnes.
Elle exige une base pour la prise de décision «intuitive» traditionnelle.
Les récents changements survenus dans les affaires, la technologie et la société, énumérés ci-dessus, illustrent parfaitement pourquoi l'analyse des données relatives aux personnes est nécessaire et, de plus, pourquoi ce livre a été écrit.

Pourquoi l'analyse des données RH ?

Moneyball (2011) est un film basé sur une histoire vraie de 2002.
Dans le film Moneyball, Billy Beane (Brad Pitt) utilise les statistiques individuelles des joueurs pour identifier ceux qui ont une forte probabilité d'atteindre le premier but.
En tenant compte du salaire de chaque individu, nous recrutons les joueurs les plus rentables et nous nous séparons des joueurs aux salaires plus faibles.
Nombreux furent ceux qui ridiculisèrent cette manière inédite de gérer un club.
Mais le résultat ? Une série de 20 victoires consécutives pour Oakland, l'équipe la plus faible de la ligue.
L'équipe était composée d'individus ayant une forte probabilité d'atteindre l'objectif souhaité, à savoir « atteindre la première base », ce qui a permis à l'équipe de remporter la « victoire de l'équipe ».

Récemment, dans le domaine du management, des efforts sont déployés pour identifier les facteurs qui influencent les résultats et les contrôler à partir de données relatives aux personnes.
On peut citer comme exemples représentatifs des entreprises telles que Google et Microsoft.
Des cabinets de conseil internationaux comme McKinsey proposent également des services de conseil basés sur l'analyse de données.

Par exemple, dans le domaine des RH, la probabilité que les talents individuels changent d'emploi est également prédite.
Au-delà des simples prédictions, notre objectif est de mettre en lumière les facteurs qu'il convient de maîtriser pour prévenir la perte de talents essentiels au sein d'une entreprise.
Si nous parvenons à identifier les facteurs qui influencent le taux de roulement du personnel, nous pourrons concevoir des moyens de contrôler ces facteurs et ainsi favoriser la fidélisation des talents clés.
La présence de talents clés au sein d'une entreprise, qui permettent le développement de technologies essentielles, est un facteur déterminant de sa réussite ou de son échec, au même titre que les infrastructures matérielles telles que les sites de production ou les centres de recherche.

Prenons un autre exemple.
Dans le domaine du marketing, des facteurs tels que la préférence des clients pour les produits d'une entreprise, le temps passé en magasin et la convivialité des employés sont mesurés afin de prédire si un client achètera ou non un produit.
Les produits et services de qualité sont importants, mais sans étude des clients qui les consomment et les utilisent, ils deviendront tout simplement invendables.
Des domaines comme la R&D et la production qui rendent possibles les produits et services d'une entreprise restent importants, mais la recherche et la prise de décision concernant les « personnes » — les « employés » qui rendent possibles la R&D et la production, et les « clients » qui achèteront nos produits et services — sont également devenues importantes.

Comment avons-nous pris nos décisions concernant ces personnes jusqu'à présent ? Difficile à dire avec certitude, mais de nombreux services RH et marketing d'entreprises, chargés de prendre des décisions relatives au personnel, se sont peut-être appuyés sur « l'expérience » et « l'intuition » développées grâce à cette expérience, plutôt que sur l'analyse de données.
Certains pourraient se demander :
L'expérience, l'intuition et l'instinct que nous avons accumulés jusqu'à présent ont permis le succès des PME et des grandes entreprises. Sera-t-il difficile de poursuivre sur cette voie à l'avenir ?
Comme mentionné précédemment, une nouvelle ère s'annonce.
Nous vivons à une époque où de nouvelles technologies font leur apparition et où nous travaillons avec une nouvelle génération.
Tout comme la vague de retour du fleuve Yangtsé repousse la vague de départ, le changement est devenu la norme, et sa vitesse est sans précédent.
Les succès obtenus il y a 20 ou 30 ans, ainsi que l'intuition et l'instinct développés grâce à ces expériences, ne garantissent pas le même succès qu'auparavant dans cette nouvelle ère où il est impossible de prévoir quoi que ce soit à l'avance.
Nos méthodes de prise de décision doivent également évoluer en conséquence, notamment en ce qui concerne les personnes dans cette nouvelle ère.
Voilà pourquoi vous avez besoin de l'analyse des données RH.

Pourquoi avez-vous besoin de ce livre ?

L'importance de l'analyse des données RH a été récemment soulignée, et les entreprises leaders, tant au niveau national qu'international, s'efforcent de l'introduire de manière avancée.
Dans cette optique, des ouvrages sont publiés qui présentent divers exemples d'entreprises appliquant l'analyse des données RH pour résoudre des problèmes ou tenter de nouvelles initiatives.
Le problème est que, malgré la persistance de ces « introductions aux nouvelles approches », il est difficile de trouver des ouvrages qui abordent réellement la question de la mesure du recrutement, de la collecte des données et de leur analyse.
À l'inverse, les ouvrages axés sur les statistiques qui abordent le « comment » ne sont pas faciles à comprendre pour les gestionnaires d'entreprise ayant des connaissances quantitatives limitées.
Un autre problème est qu'il n'est pas convivial pour l'exécution concrète de programmes statistiques et l'interprétation des résultats de l'analyse.
C’est dans ce contexte que j’ai écrit ce livre, avec un sens des responsabilités en tant que chercheur spécialisé dans la mesure et les statistiques des sciences comportementales, désireux d’aider ceux qui en ont besoin en leur fournissant de meilleures méthodes qu’auparavant.
Chaque chapitre de « People Analytics » est conçu pour aider les gestionnaires d'entreprise qui souhaitent mettre en œuvre l'analyse des personnes selon la structure et l'approche suivantes.

Chapitre / Situation

Chaque chapitre est organisé en fonction des questions et des sujets que les gestionnaires d'entreprise se posent réellement lorsqu'ils appliquent l'analyse des données RH.
Les questions elles-mêmes étaient organisées comme les titres de chaque chapitre, et la première partie de chaque chapitre, intitulée « Situation », décrivait et présentait précisément la situation de la personne qui posait la question.
Si vous n'avez pas de connaissances de base en statistiques, il est recommandé de lire le livre dans l'ordre. Cependant, si vous possédez déjà quelques notions et que le problème à résoudre correspond au thème de chaque chapitre, vous pouvez également lire des extraits de ces chapitres.

Solution / Statistiques

La deuxième partie, « Solution », présente et explique brièvement la méthodologie statistique qui doit être appliquée pour résoudre le problème présenté dans la situation de chaque chapitre.
Le troisième volet, « Statistiques », complète l'explication théorique de la méthodologie statistique présentée dans la solution.
La méthodologie statistique étant un résultat global des mathématiques et de la logique, les barrières à l'entrée sont élevées.
Si vous avez déjà essayé d'apprendre les statistiques et abandonné à mi-chemin, c'est probablement parce que vous aviez du mal à comprendre les formules complexes et les différents termes.
Dans cet ouvrage, les formules sont utilisées avec parcimonie et seulement lorsque cela est nécessaire pour ces lecteurs.
Si vous possédez des connaissances mathématiques de base, je ne pense pas que vous aurez beaucoup de difficulté à comprendre les formules.
De même, en ce qui concerne la terminologie statistique, seuls les termes absolument nécessaires ont été utilisés.
De plus, nous avons essayé d'améliorer la compréhension en donnant continuellement des exemples et en expliquant de manière répétée.

Application/Même application dans différentes situations

Dans la section « Application », nous avons expliqué comment manipuler des programmes statistiques réels pour résoudre les situations présentées dans l'énoncé.
Il est structuré de manière à ce que chaque étape puisse être suivie pas à pas grâce à une capture d'écran.
De plus, nous avons élargi la portée des résultats d'analyse en fournissant des instructions détaillées sur la manière de les interpréter.
Pour les chapitres comportant des exercices, nous vous recommandons de télécharger les fichiers d'exercices correspondants et de les analyser comme dans le livre, puis de les appliquer à vos propres documents.
Comme pour toute autre discipline universitaire, les méthodes d'analyse de données ne peuvent être pleinement maîtrisées que par leur application.
Dans la section « Même application dans différentes situations », des sujets supplémentaires pouvant être résolus en appliquant les mêmes méthodes de mesure et statistiques sont présentés.
J'espère que vous continuerez à réfléchir aux situations où vous pourrez appliquer ce que vous avez appris, et ainsi approfondir votre compréhension et votre capacité d'application.
* URL de téléchargement des données : disponible sur la page DONNÉES du site http://www.seheehong.com

Le premier chapitre de ce livre présente les connaissances et les concepts de base nécessaires à la compréhension des mesures et des statistiques.
De plus, le dernier chapitre contient une introduction aux programmes utilisés dans le cadre de la pratique, ainsi que des instructions pour les télécharger, les installer et les configurer.
Pour comprendre les méthodes d'analyse de données, il est essentiel de comprendre non seulement les concepts et les théories, mais aussi les programmes qui les rendent possibles ; il est donc recommandé de lire attentivement le dernier chapitre.
Chaque chapitre se compose généralement des sections suivantes : Situation, Solution, Statistiques, Application, et, comme indiqué précédemment, la même application dans différentes situations. Veuillez noter toutefois que les chapitres ne nécessitant pas d’exercices pratiques ou traitant des notions de base ou des explications relatives aux programmes statistiques présentent une structure légèrement différente.

Public cible

Ce livre s'adresse principalement aux responsables RH en charge des données relatives au personnel. Nous espérons que les professionnels des RH et du marketing y trouveront des idées et des informations précieuses pour améliorer leur travail.
De plus, je crois que les étudiants de troisième cycle, les responsables universitaires et les chercheurs dans le domaine des sciences comportementales pourront également approfondir leurs connaissances en matière d'analyse de données et d'utilisation des programmes grâce à cet ouvrage.


Équipe de rédaction du Laboratoire de mesure et de statistique de l'éducation de l'Université de Corée

Les auteurs de cet ouvrage sont spécialisés dans la mesure et les statistiques en éducation, mais ils s'intéressent tous profondément à l'application des méthodes de mesure et statistiques aux données relatives au personnel en entreprise.
La professeure Hong Se-hee, auteure principale, a étudié la psychologie industrielle et organisationnelle pour sa maîtrise et la psychologie quantitative des sciences comportementales (psychologie quantitative) pour son doctorat.
Par conséquent, bien que je sois très intéressé par la recherche sur le développement purement quantitatif, je suis également très intéressé par l'application de méthodes quantitatives avancées aux données d'entreprise.
S’appuyant sur cet intérêt, le Laboratoire de mesure et de statistiques de l’éducation de l’Université de Corée fournit des services de conseil et réalise des projets d’analyse de données pour diverses entreprises.
Voici quelques exemples de consultations ou de projets récents que nous avons menés :
Développement d'un outil de mesure des compétences et d'un guide d'interprétation : Nous avons défini les compétences requises par les entreprises et développé un outil de test pour les mesurer.
Un guide d'interprétation a également été élaboré pour être remis à chaque personne.
?Élaboration d'un indice d'adéquation entre les compétences et les emplois : Un indice a été élaboré pour montrer dans quelle mesure un emploi est adapté en fonction du profil de compétences d'un individu (par exemple, créativité élevée, faible affinité).
Nous avons développé un algorithme qui recommande les cinq emplois les mieux adaptés à un candidat en fonction d'un test de compétences, et nous avons développé un programme informatique qui effectue des recommandations en conséquence.

Développement d'un modèle quantitatif pour prédire le changement d'emploi : La plupart des modèles de prédiction du changement d'emploi ne prédisent que la possibilité (probabilité) d'un changement d'emploi, mais nous avons développé un modèle quantitatif qui prédit le moment du changement d'emploi (le point auquel la probabilité de changement d'emploi dépasse un certain niveau).
Outre les changements d'emploi, la survenue et le calendrier d'événements spécifiques (par exemple, les promotions) peuvent également être prédits de la même manière.

Convertir les scores de deux tests différents mesurant la même chose afin de pouvoir les comparer : si vous avez utilisé le test A, qui mesure une chose spécifique (par exemple, la satisfaction au travail), mais que pour une raison quelconque vous devez utiliser le test B, vous rencontrerez le problème de l’impossibilité de comparer les scores du nouveau test avec ceux de l’ancien test.
Cependant, les deux scores aux tests ont été égalisés afin de permettre une comparaison grâce à la théorie de la mesure.
Élaboration d'une méthode de mesure encourageant les réponses honnêtes : Le principal problème d'interprétation des tests utilisés par les entreprises est que les répondants ne répondent pas honnêtement, mais plutôt dans une direction souhaitable.
Ainsi, lorsque vous les évaluez, tous les scores sont élevés (par exemple, tous les scores de leadership sont élevés).
Nous avons mis au point et évalué un test qui contrôlait la désirabilité sociale et la simulation.
?Obtenir des scores comparables en contrôlant (en tenant compte) les différences entre les intervieweurs : Étant donné que les intervieweurs varient dans leur rigueur, les scores d’évaluation de différents intervieweurs ne sont pas comparables.
Les scores des entretiens ont été obtenus en contrôlant la rigueur de l'intervieweur.

Mesure des ondes cérébrales et détermination de l'état : J'ai participé au développement d'un algorithme qui détermine l'état d'un apprenant grâce à des données biologiques mesurant ses ondes cérébrales.
Un guide d'interprétation des résultats a été élaboré.

Il va sans dire que ces différentes expériences de conseil et de mise en œuvre de projets ont été d'une grande aide pour la rédaction de ce livre.


Demandes de renseignements relatives au conseil

Pour toute question relative à des services de conseil, veuillez contacter l'auteur correspondant, le professeur Hong Se-hee du Laboratoire de mesure et de statistiques de l'éducation, Département d'éducation, Université de Corée, par courriel.
* seheehong@korea.ac.kr

Plans de publication pour « L'analyse des personnes : édition de la mesure »

Ce livre s'intitule « People Analytics : Data Analysis Edition », et « People Analytics : Measurement Edition » paraîtra prochainement.
Dans la section consacrée à la mesure, nous aborderons des techniques telles que les méthodes de développement des tests, la fiabilité, la validité, la notation standardisée, la validation des tests et l'analyse de la pertinence des items.
La mesure doit précéder l'analyse des données, mais dans la plupart des domaines universitaires, ce sont des données objectives et réelles qui sont mesurées (par exemple, le volume des ventes, la durée d'emploi), de sorte que des techniques de mesure distinctes ne sont pas nécessaires.
Cependant, des variables telles que la satisfaction au travail, la compétence et l'attitude sont des concepts abstraits, et les méthodes de mesure peuvent varier, comme l'observation et l'auto-évaluation.
Un autre problème est celui de la mise en place d'un système de notation objectif.
Il n'est pas simple de produire des scores comparables, surtout lorsqu'il y a différents intervieweurs ou plusieurs scores de tests.
Parce que l'éducation et la psychologie ont toujours traité de ces variables, le domaine de la mesure, notamment la mesure en éducation et la psychométrie, s'est développé sur une longue période par rapport à d'autres domaines d'études.
Nous souhaitons ici présenter des techniques développées dans le domaine de la mesure et des statistiques en éducation.

Enfin, je tiens à remercier tous ceux qui m'ont aidé à publier ce livre.
Tous les co-auteurs ont travaillé dur.
Il convient notamment de souligner le travail acharné de Yang Jun-young, doctorant à l'Université d'État de l'Ohio.
S'appuyant sur son expérience chez LG Inhwa et LG Chemical avant d'entamer ses études supérieures, Yang Jun-young a conçu des scénarios réalistes pour chaque chapitre et n'a ménagé aucun effort pour rassembler tous les manuscrits des co-auteurs, les intégrer et les réviser jusqu'au tout dernier moment avant son départ pour ses études à l'étranger.
Exprimez votre gratitude.

Étudier, c'est comme peindre.
Surtout dans un domaine aussi difficile, seuls ceux qui ne baissent pas les bras et étudient sans cesse peuvent réussir.
Si vous lisez ces documents et les appliquez à votre propre pratique, vous acquerrez une compétence rare et précieuse, inaccessible aux autres. J'espère que vous vous efforcerez constamment de l'acquérir.

Mars 2021
En attendant la fin du Covid et le retour des beaux jours.
Au laboratoire du Centre de formation initiale Uncho de l'Université de Corée
Hong Se-hee