Amélioration de la qualité dans les ressources humaines : diminuer la rotation du personnel

Les initiatives d'amélioration des procédés basées sur des données sont en général associées à des secteurs manufacturiers. Toutefois, la démarche consistant à utiliser l'analyse graphique et statistique des données pour résoudre des problèmes est suffisamment souple pour s’appliquer à d’autres départements et services de l’entreprise. “La démarche Lean Six Sigma se développe dans les secteurs transactionnels et de service”, indique Monsieur Parks, Master Black Belt Lean Six Sigma. “Ainsi, par exemple, j'ai eu l'opportunité d'appliquer les techniques d'amélioration de la qualité aux ressources humaines.” Dans le cadre d'un projet Lean Six Sigma récent, Jeff Parks s'est intéressé au taux d’attrition d'un grand fabricant de pièces de moteurs pour l'aérospatiale. Pour le diminuer, il a fait confiance aux fonctions de Minitab Statistical Software.

Le taux d’attrition est le pourcentage des employés quittant une entreprise, c’est donc l’inverse du taux de rétention. En raison des dépenses associées à l'embauche et à la formation, des taux d'attrition élevés peuvent s'avérer problématiques (et très coûteux) pour les entreprises.

Jeff Parks, Master Black Belt Lean Six Sigma, a utilisé Minitab Statistical Software pour résoudre un problème de ressources humaines chez un grand fabricant de pièces de moteurs pour l'aérospatiale.

En 2009, un grand fabricant de pièces de moteurs pour l'aérospatiale, basé dans l'Ohio, affichait des taux d'attrition de 15-18 %, un taux somme toute acceptable comparativement aux taux d’attrition constatés dans les autres entreprises de la région. A compter de 2009 cependant, la récession de l'économie américaine a coïncidé avec l'augmentation du taux d'attrition qui a dépassé les 30 %. Au vu des taux de chômage nationaux et régionaux élevés, la direction s'attendait à un taux d'attrition nettement inférieur. “Ce taux d'attrition élevé était très problématique”, indique Jeff Parks, qui a dirigé les efforts d'amélioration de la qualité de l'entreprise. “Il semblait révéler un problème plus profond et complexe. Un problème que le service des ressources humaines n'était pas en mesure de résoudre.”

Le service des ressources humaines comptait sur les entretiens de démission pour comprendre les raisons du départ des employés. S'il est possible de tirer de nombreux enseignements de ces entretiens, il est impossible d'en mener un lorsque les employés partent sans préavis. Et dans un environnement de salaire à l’heure, où le travail est très pénible, il n'était pas rare que les employés partent sans préavis, sans expliquer les raisons ayant motivé leur départ. Le fabricant ayant enregistré des données sur les employés ayant quitté leur emploi sans préavis au cours des deux années précédentes, Jeff Parks a entrepris de les analyser afin d’expliquer cette soudaine augmentation des taux d'attrition.

Sur les cent nouvelles personnes recrutées dans les deux dernières années, 32 avaient quitté leur emploi sans préavis. L'entreprise disposait de données sur chacune, notamment le sexe, le poste, la catégorie de salaire, l’équipe, l’expérience professionnelle passée dans la production et le trajet quotidien pour se rendre au travail. Pour vérifier d’éventuelles différences statistiquement significatives entre les proportions d'employés partant pour une raison salariale (paiement à l'heure contre salaire) et partant pour des raisons d'équipe (première contre deuxième équipe), Jeff Parks a réalisé des tests d'hypothèse à l’aide du logiciel de statistiques Minitab. Monsieur Parks avait espéré mettre en évidence des modèles de comportement, mais l'analyse n'a montré aucune différence statistiquement significative entre les proportions sus citées.

Grâce aux graphiques Minitab, Jeff Parks a pu visualiser les données brutes que la société avait regroupées sur les employés ayant quitté leur poste. L'histogramme ci-dessus présente la distribution des distances travail-domicile des employés récemment embauchés sur deux ans.

Mais Jeff Parks ne comptait pas s'arrêter là. Il a examiné de plus près les données brutes et remarqué que de nombreux employés ayant quitté leur travail étaient des femmes ayant une expérience professionnelle préalable dans le domaine de la production, dont les trajets domicile-travail étaient conséquents. Il a donc utilisé Minitab pour déterminer si le sexe, l'expérience préalable dans le secteur de la production et la distance travail-domicile avaient un lien avec le fait que les employés aient quitté ou non l'entreprise. La réponse que Jeff Parks souhaitait évaluer (départ ou non) était binaire et n'avait que deux valeurs possibles. La puissante analyse de régression logistique binaire de Minitab a permis de créer des modèles statistiques pour déterminer les variables ayant pu être plus décisives dans la décision de démissionner.

L'analyse a révélé que la distance travail-domicile était statistiquement significative. Les résultats de son analyse Minitab ont produit une équation de régression que Jeff Parks a pu utiliser pour prévoir la probabilité que les employés quittent leur travail en fonction du nombre de kilomètres les séparant de leur travail. Il a utilisé l'équation pour analyser des distances de 48 km et a découvert que la distance travail-domicile avait peu d'impact sur la probabilité que les employés quittent leur travail en dessous du seuil de 19 km. A 19 km, la probabilité qu'un employé quitte son travail est passée à plus de 18 %. “Et à 20 km, distance correspondant à un trajet de 30 à 45 minutes, la probabilité qu'ils quittent leur travail est passée à plus de 92 %”, remarque Jeff Parks. “Si la distance travail-domicile est supérieure à 20 km, nous pouvons être sûrs qu'un employé quittera son travail.”

La puissante analyse de régression logistique de Minitab a permis à Jeff Parks de mettre le doigt sur les facteurs qui correspondaient aux employés quittant leur travail sans préavis.

Le service des ressources humaines du fabricant a utilisé les résultats de l'analyse de Jeff Parks pour réorganiser le processus d'entretien d'embauche pour les postes en production. Il a commencé à étudier de plus près la distance éventuelle travail-domicile des employés et a pris ce critère en compte avant de décider d'embaucher telle ou telle personne.

Pour Jeff Parks, les données expliquent le paradoxe apparent entre une augmentation du taux d'attrition et une période de chômage élevé. “L'analyse semblait indiquer que pendant la récession, les personnes étaient très ouvertes d'esprit pour ce qui était des emplois auxquels elles postulaient en raison de la mauvaise conjoncture”, souligne Jeff Parks. “Mais une fois que les employés se rendaient compte des difficultés liées au trajet, ils recherchaient rapidement un autre emploi et quittaient souvent le poste qu'ils occupaient.”

Jeff Parks utilise Minitab depuis plus de 15 ans et apprécie le fait que le logiciel puisse être utilisé par des personnes de tous niveaux et de tous horizons. “Minitab m'a permis d'enseigner les statistiques à des centaines de Belts aux capacités statistiques limitées, et de mener à bien des projets d'amélioration de la qualité dans divers domaines”, poursuit-il. “Pour ce qui est de la puissance statistique et de la facilité d'utilisation, il s'agit du meilleur logiciel statistique sur le marché.”