Turnover : les indicateurs à prendre en compte pour l’analyser et le réduire

La question du turnover est aujourd’hui une question centrale au sein des entreprises. La masse salariale étant connue pour représenter une part non négligeable des dépenses fixes de toutes les entreprises, être capable de l’optimiser apparaît donc comme primordiale. En effet, selon le Cabinet Momen, « le coût du turnover varie en fonction du salaire, mais également en fonction du rôle du salarié.

• Remplacer un collaborateur nouvellement diplômé coûtera en moyenne 35 % de son salaire annuel.
• Pour un collaborateur plus expérimenté, cela coûtera environ 150 % de son salaire.
• Mais pour remplacer un collaborateur ultra-qualifié, cela peut coûter jusqu’à 300 % voire 400 % de son salaire brut annuel. »

Ainsi, une analyse profonde du turnover apparaît primordiale pour optimiser ses coûts de masse salariale. Dans cette série de trois articles, nous entreprendrons une analyse détaillée qui se composera de trois parties distinctes :

• Partie 1 : Une présentation du turnover et les données à prendre en compte pour l’analyser
• Partie 2 : Comment préparer son analyse du turnover en sélectionnant les données qui l’impactent ?
• Partie 3 : Turnover : Comment optimiser ses coûts de masse salariale avec la visualisation PowerBI ?

Qu’est-ce que le turnover ? De quoi parle-t-on ?

Le taux de rotation du personnel, souvent désigné sous le terme « turnover » (en anglais), mesure la fréquence à laquelle les employés quittent une entreprise ET nécessitent un remplacement. Ce concept est très important, car il implique intrinsèquement la nécessité de procéder à un recrutement.

Dans le coût de remplacement d’un employé, on peut donc prendre en compte : les frais de départs de l’employé (prime de départ), le coût RH (poster une offre, faire des entretiens, sélectionner un candidat), le coût d’onboarding, le coût de formation, mais aussi le coût moins tangible que peut être la productivité de l’équipe du collaborateur qui vient de partir.

Ainsi, une diminution du taux de rotation se traduit par moins de recrutements et, par conséquent, une réduction des dépenses pour l’entreprise. Mais le turnover n’a pas que des aspects négatifs, et peut même être très positif, comme le montre le schéma ci-dessous :

Les données à prendre en compte pour l’analyse du turnover

Maintenant, il est important de comprendre comment il est réparti dans l’entreprise. Lors de notre étude, nous allons donc chercher à répondre à 3 questions primordiales :

1. Identification des profils à risque : Quels sont les employés qui tendent à quitter l’entreprise ? Quels facteurs impactent leur départ ?
2. Analyse des périodes critiques : Quand et à quelle fréquence les employés partent ?
3. Compréhension des motivations : Pourquoi les employés partent ?

Commençons par extraire le dataset qui nous permettra de mener notre analyse du turnover. Dans notre étude, on dispose d’un historique de 5 ans de données (de janvier 2018 à juin 2022). Notre dataset est composé des données suivantes :

• Informations démographiques des employés : genre, âge, séniorité ;
• Détails professionnels : famille professionnelle, sous famille professionnelle, type de contrat, catégorie professionnelle, statuts ;
• Localisation professionnelle : division, pays, continent ;
• Sur ses performances : note, travaille en tant que manager ;
• Profil du manager : genre, âge, séniorité, pays, note, manager dans le même pays que son employé (oui ou non) ;
• Historique interne de l’employé : nombre de promotions, nombre de mobilités internes intra entité, nombre de mobilités internes inter entité, nombre de changements de manager, si l’employé a effectué un congé longue durée dans les 3 dernières années.

Dans le domaine des ressources humaines, l’exploitation des données est cruciale pour une gestion optimale du personnel. Il est donc essentiel de prendre le temps de sélectionner ces données avec soin, car la fiabilité des informations recueillies conditionnera la pertinence de votre analyse RH. Les données finales doivent permettre de dresser un portrait fidèle de la situation de chaque employé, à savoir :

• [1] Pour les employés toujours présents dans l’entreprise, leur situation en fin de mois.
• [2] Pour ceux ayant quitté l’entreprise en cours de mois, leur statut à la date de départ.

En plus des caractéristiques de l’employé mentionnées précédemment, on a les variables suivantes :

• “Calendar_date” : indique la date à laquelle l’employé est toujours présent dans l’entreprise (cas [1]), ou sa date de départ (cas [2]) “State” : on crée une variable additionnelle
• “State” ayant pour valeur “Headcount” dans le cas [1], et “Departures” pour le cas [2]
• « turnover_type » : en se servant des raisons de départs, on crée une variable « turnover_type » qui indiquera de quel type de turnover il s’agit : « volontaire », « involontaire », « autre ». En l’occurrence, ce qui nous intéresse particulièrement dans cette étude c’est le turnover volontaire, souvent révélateur du climat interne de l’entreprise.

Avoir l’état de la main d’œuvre de l’entreprise à la fin de chaque mois nous permettra d’avoir une évolution du turnover par mois dans la suite de l’étude.

Ces informations permettent aux responsables RH de mieux comprendre les mouvements de personnel et d’agir de façon éclairée, que ce soit pour anticiper les besoins en recrutement, gérer les carrières ou concevoir des stratégies de rétention des talents.

Conclusion sur les données à prendre en compte pour analyser le turnover

Pour conclure cette première partie, nous avons préparé notre terrain d’analyse en constituant un jeu de données complet et structuré, reflétant fidèlement la situation de chaque employé au sein de l’entreprise. Cette base solide est cruciale, car elle nous permettra de tracer une image précise de l’évolution du turnover au fil du temps.

SQORUS se positionne comme le partenaire de choix pour vous accompagner dans cette démarche, en vous apportant expertise, innovation et accompagnement personnalisé. Contactez-nous dès maintenant pour discuter de vos besoins spécifiques.

Tournons-nous à présent vers la deuxième partie de notre étude, où nous mettrons en œuvre des techniques d’analyse exploratoire pour décortiquer le turnover et en comprendre les variables impactantes.

Nous chercherons à identifier les schémas récurrents et les anomalies, afin de distinguer les départs volontaires des autres formes de turnover. Cette compréhension nous ouvrira la voie vers l’optimisation des coûts de la masse salariale, en nous permettant d’élaborer des stratégies ciblées pour retenir les talents et réduire les coûts liés à un turnover élevé.