La fiabilité des données, condition de toute analyse C&B

Le 24 février, qomben et Aberdeen Services ont ouvert une série de trois webinaires consacrés à la rémunération.

Le premier volet s’est intéressé à un point rarement traité en amont des projets C&B : la fiabilité des données existantes, avant même toute question de structuration ou de référentiel.

Avec le temps, certaines décisions salariales deviennent difficiles à exploiter.

Non pas parce que les données manquent, mais parce que les situations qu’elles décrivent reposent sur des hypothèses différentes : recrutements réalisés dans des marchés en tension, arbitrages locaux, ajustements non documentés.

Avant de structurer, d’analyser ou de piloter, une autre étape est souvent nécessaire : objectiver l’état réel de ses données.

1. Là où ça coince vraiment : avant l’analyse

Sur le terrain, les difficultés apparaissent rarement au moment de produire des indicateurs.

Certaines données restent exploitables localement, pour une équipe RH ou une BU.

Mais dès qu’elles sont mobilisées dans une décision transversale, par exemple lors d’une revue salariale groupe ou d’une consolidation inter-entités, leur logique devient plus difficile à comprendre.

Des écarts apparaissent alors entre plusieurs versions d’un même reporting, et la confiance dans les indicateurs produits peut progressivement s’éroder.

Le problème n’est pas nécessairement l’absence de données, mais l’absence de cadre partagé permettant de les comparer dans le temps.

2. Quand les données héritent de décisions passées

Les données de rémunération ne sont pas produites dans un vide technique.

Elles résultent d’une succession de décisions prises dans des contextes différents : recrutements réalisés dans des marchés en tension, arbitrages locaux, ajustements non documentés.

Ces décisions ont parfois été prises par des équipes différentes, dans des environnements qui ne sont plus ceux d’aujourd’hui. Leur logique n’a pas nécessairement été documentée, ou n’est plus accessible.

Les données qui en résultent peuvent alors sembler structurées - au regard d’un grading ou d’une famille de métier - sans pour autant refléter une logique de comparaison homogène.

Autrement dit, les écarts observés ne traduisent pas toujours une différence de positionnement, mais l’héritage de décisions dont le cadre n’est plus explicite.

Dans ce contexte, la difficulté ne réside pas uniquement dans la qualité technique de la donnée, mais dans la capacité à relier celle-ci à une logique décisionnelle compréhensible dans le temps.

3. Qualité des données : le vrai point de départ

La qualité des données est ce qui permet d’asseoir l’analyse.

Lorsque cette qualité n’est pas assurée, l’analyse devient fragile. Les comparaisons deviennent discutables, et les décisions reposent sur un cadre instable.

Un point revient très fréquemment : les titres de poste.

Des intitulés divergents, obsolètes ou utilisés différemment selon les filiales rendent toute harmonisation difficile. On arrive alors très vite sur des sujets de grading et de référentiel.

Autre difficulté : l’historisation.

En pratique :

•    restituer 1 an de données est généralement possible ;
•    2 ans reste accessible ;
•    au-delà, produire un historique réellement justifiable devient nettement plus complexe.

Dans les deux cas, le travail à mener n’est pas technique au sens informatique.

Il s’agit de construire un référentiel partagé avec les acteurs RH et managériaux.

4. Le sujet n’est pas uniquement technique. Il est structurel.

La présence d’un SIRH ne garantit pas que les données soient exploitables.

Dans de nombreux cas, certaines filiales n’ont pas été intégrées, certaines composantes de rémunération sont mal représentées, ou le grading n’est pas appliqué de manière homogène. Le système a collecté la donnée, mais les prérequis nécessaires à leur interprétation n’ont pas été posés.

On se retrouve alors à devoir revenir en arrière pour documenter des décisions passées, reconstruire des logiques de comparaison, ou corriger des regroupements non pertinents.

L’outil met de l’ordre.

Mais il ne permet pas, à lui seul, d’expliquer une différence de salaire inexplicable.

5. De l’écart technique à la décision fragile

Lorsque ces décisions ne peuvent plus être retracées dans le temps, l’enjeu n’est plus seulement de mesurer un écart, mais de déterminer s’il doit être interprété ou corrigé.

L’entreprise peut alors identifier une différence de rémunération sans être en mesure d’en expliquer l’origine, ni de savoir si celle-ci relève d’un positionnement volontaire ou d’un héritage contextuel.

La difficulté ne réside plus uniquement dans le calcul d’un écart, mais dans la capacité à comprendre ce que cet écart signifie au regard des situations comparées.

Sans cadre structuré, il devient difficile de déterminer si deux personnes doivent être comparées, si elles relèvent d’une même catégorie, ou si un critère supplémentaire  (localisation, ancienneté dans le poste, périmètre de responsabilité)  doit être introduit pour restituer une lecture cohérente.

Dans ce contexte, l’outil peut contribuer à structurer l’information disponible, mais ne permet pas, à lui seul, de reconstituer la logique décisionnelle qui a conduit à certaines situations.

L’organisation se retrouve alors confrontée à des écarts qu’elle peut observer, sans toujours pouvoir les qualifier, ni arbitrer sereinement sur les actions à engager.

6. L’international comme stress test

Les projets internationaux agissent souvent comme révélateur.

Ils ajoutent une couche de contraintes qui n’apparaissent pas nécessairement à l’échelle locale : conventions spécifiques, obligations réglementaires nationales, ou encore une autonomie RH importante au niveau des entités.

Par exemple, dans certains pays, comme l’Australie ou le Brésil, des règles locales peuvent encadrer les augmentations salariales, avec des niveaux définis par décret. Ces éléments doivent être intégrés en amont, avant toute consolidation ou campagne C&B.

Une nouvelle fois, ce type de situation ne relève pas d’un problème d’outil, mais d’organisation.

7. Structurer avant d'accélérer

Les entreprises qui progressent ne cherchent pas à produire plus d’analyses.
Elles sécurisent d’abord leurs fondations.

•    structurer les référentiels ;
•    clarifier les données peu justifiables ;
•    stabiliser les pratiques de mise à jour et de gestion de versions.

8. Une première étape : le diagnostic stratégique offert par qomben

Parmi les démarches évoquées pendant le webinaire, la réalisation d’un test avec vos données anonymisées  constitue une première étape concrète.

À partir d’un échantillon de jeu de données , cette évaluation permet, en quelques jours seulement, de :

•    charger les données existantes ;
•    tester la cohérence réelle du référentiel ;
•    identifier les écarts ajustés ;
•    distinguer les faux problèmes des déséquilibres réels.
  

Il ne s’agit pas d’un audit théorique, mais d’un révélateur de votre situation.

La démarche vise ainsi à vérifier la cohérence des données existantes et à distinguer, dès l’amont, les écarts liés à une catégorisation inadaptée de ceux qui traduisent une différence de positionnement réelle.

Réaliser un diagnostic personnalisé avec qomben

Le nombre de place est limité et soumis à des critères d’éligibilité.

9. Ce que la fiabilité permet désormais

Ce travail de mise en fiabilité ne constitue pas une fin en soi.

Il conditionne la manière dont les décisions salariales pourront, demain, être analysées, mises en perspective et communiquées à différents niveaux de l’organisation.

Autant d’enjeux que nous explorerons dans les prochains articles consacrés à l’analyse et à la communication des données C&B.