Analytics RH avec Python
Analytics RH est un cours de niveau intermédiaire de 5 leçons (environ 1 h 23), avec 15 exercices et 15 questions de quiz. Prérequis : Indicateurs métier et KPI. Les exercices s'exécutent dans le navigateur, sans installation.
- Analytics métier
- Intermédiaire
- 5 leçons
- 1 h 23
- 15 exercices
- Exercices exécutés dans le navigateur
Le cours en bref
Ce cours applique l'analyse de données aux ressources humaines, en commençant par ce qui conditionne tout le reste : la confidentialité, la pseudonymisation et les seuils de diffusion. Vous calculez ensuite effectifs et turnover, absentéisme, indicateurs de recrutement et écarts salariaux femmes-hommes avec pandas, sur des données fictives, en apprenant à présenter des résultats justes et respectueux des personnes.
Ce que tu sauras faire
- Préparer un extrait RH minimisé et pseudonymisé et publier des agrégats avec un seuil de diffusion
- Calculer effectifs, entrées, sorties, taux de départ et turnover en précisant les définitions
- Mesurer l'absentéisme en distinguant fréquence et durée, sans exposer de données de santé
- Analyser les délais de recrutement et comparer les sources de candidatures
- Calculer un écart salarial brut et à catégorie comparable et expliquer l'effet de structure
Programme des 5 leçons
- Appliquer les principes de protection des données personnelles à une analyse RH
- Distinguer pseudonymisation et anonymisation et pseudonymiser un fichier avec une clé secrète
- Publier des agrégats sans permettre de réidentifier une personne (seuil de diffusion)
Confidentialité des données RHPseudonymisationSeuil de diffusion des agrégats
- 02
Effectifs et turnover
- Calculer un effectif à une date et un effectif moyen à partir des dates d'entrée et de sortie
- Calculer un taux de départ et un taux de turnover en précisant la définition
- Analyser le turnover par service et repérer les départs précoces
Effectif à date et effectif moyenTaux de turnoverAncienneté et départs précoces
- 03
Absentéisme : taux, fréquence et durée
- Calculer un taux d'absentéisme en rapportant les absences au temps de travail théorique
- Distinguer fréquence et durée des absences
- Présenter des indicateurs d'absence agrégés en respectant la confidentialité des motifs
Taux d'absentéismeFréquence et durée des absencesMotifs d'absence et données sensibles
- 04
Recrutement : délais, tunnel de candidatures et sources
- Calculer le délai de recrutement et le résumer par la médiane
- Construire le tunnel de candidatures par source
- Comparer les sources par taux de transformation et coût par recrutement
Délai de recrutementTunnel de candidaturesCoût par recrutement
- 05
Égalité salariale : écart brut, écart à poste comparable et limites
- Calculer un écart salarial brut femmes-hommes en moyenne et en médiane
- Calculer un écart à catégorie comparable et le distinguer de l'écart brut
- Présenter une analyse d'égalité salariale avec ses limites et ses règles de confidentialité
Écart salarial femmes-hommesEffet de structureCadre de l'égalité professionnelle
Projet final
Bilan RH annuel d'une entreprise fictive
À partir d'un fichier du personnel, d'absences, de candidatures et de salaires générés en Python pour une entreprise fictive d'environ 150 salariés, produisez un bilan RH annuel diffusable : préparation des données (minimisation, pseudonymisation), effectifs et turnover par service, absentéisme décomposé en fréquence et durée, indicateurs de recrutement et analyse de l'égalité salariale. Tous les tableaux respectent un seuil de diffusion.
Livrables
- Un script ou notebook Python reproductible (graine fixe) avec une étape de pseudonymisation dont la clé n'est pas dans le code
- Les fiches des indicateurs (formule, périmètre, période) pour le turnover, l'absentéisme et les délais de recrutement
- Les tableaux d'effectifs, de turnover et d'absentéisme par service, avec effectifs affichés et petits groupes masqués
- Le tunnel de candidatures par source avec coût par recrutement
- L'analyse de l'égalité salariale : écarts bruts, écart à catégorie comparable, catégories exclues
- Une note de synthèse d'une page, sans aucune donnée individuelle
Critères d'évaluation
- Aucune donnée individuelle ni groupe sous le seuil n'est déductible des livrables
- Les définitions des indicateurs sont écrites et appliquées de façon cohérente
- Les ratios sont calculés sur les totaux et accompagnés des effectifs
- L'écart salarial distingue écart brut, écart à catégorie comparable et effet de structure
- Les conclusions sont prudentes sur les petits effectifs et orientées vers des actions collectives
Questions fréquentes
Ce cours traite-t-il de la protection des données ?
Oui, c'est le point de départ : minimisation, pseudonymisation avec clé secrète, différence avec l'anonymisation, seuils de diffusion et précautions sur les motifs d'absence. Ces règles reviennent dans chaque leçon.
Le cours permet-il de calculer l'index officiel de l'égalité professionnelle ?
Non. Il présente le contexte et vous apprend à mener une analyse interne des écarts salariaux. L'index officiel suit une méthode réglementaire propre, à appliquer à partir des textes et outils officiels.
Faut-il être spécialiste RH pour suivre ce cours ?
Non. Les définitions (effectif, turnover, absentéisme) sont expliquées. Il faut connaître les bases de pandas et les notions du cours Indicateurs métier et KPI (DA2).
Les données utilisées sont-elles réelles ?
Non, toutes les personnes et données sont fictives et construites dans le code.
Ce cours, raconté pour ton métier
Dis ce que tu veux savoir faire : « Analytics RH » prend sa place dans ton parcours, avec des exemples de ton secteur. Les notions restent celles du cours.