Etablir des prédictions de performance élevée

Vous pouvez utiliser les prédictions de performance générées par le système pour valider les évaluations de vos employés. Essayons, par exemple, de réduire le nombre de fins de contrat volontaires en étudiant les performances et les fins de contrat volontaires prévisionnelles.

Paramètres affectant les prédictions de performance

Les prédictions de performance sont basées sur des données provenant de tous les employés. Le traitement Collecter et explorer les données en vue d'une analyse prédictive collecte les données pertinentes et génère les prédictions. Vous pouvez gérer les modèles prédictifs à l'aide de la tâche Gérer les modèles prédictifs dans la zone de travail Configuration et maintenance.

Saviez-vous que vous pouvez collecter les données pour l'entreprise ou pour une affectation donnée d'un responsable ? La phase d'exploration des données du traitement porte toujours sur les données disponibles les plus récentes.

Pour obtenir des résultats exacts lorsque le volume des transactions concernées (embauches, fins de contrat et promotions) est élevé dans votre entreprise, nous vous recommandons de planifier l'exécution du traitement une fois par semaine. Aucune planification par défaut n'est associée à ce traitement. Pensez à programmer le traitement à un moment de plus faible activité afin d'éviter toute répercussion sur les performances.

Etablissement des prédictions de performance

.

1. Pour toutes les relations de travail d'employé, le traitement collecte les valeurs d'un large éventail d'attributs, notamment :

   • Ancienneté dans le grade

   • Emploi actuel

   • Dernière augmentation de salaire

   • Notation de la performance

   • Nombre de congés maladie depuis un an

   Vous êtes intéressé par les attributs qui présentent une corrélation avec des performances élevées. Dans certains cas, de simples valeurs (nom du responsable, par exemple) sont requises, dans d'autres (augmentation du pourcentage de congés maladie, par exemple), le traitement se charge de les calculer. La plupart de ces attributs sont stockés au niveau de l'affectation. Par conséquent, plusieurs valeurs sont collectées pour les relations de travail à affectations multiples.

   N'oubliez pas que les relations de travail d'intervenant externe et de non-salarié sont exclues.

   Les valeurs d'attribut collectées sont transmises à Oracle Data Mining, qui identifie les modèles et les relations entre les données, puis génère un modèle permettant de prédire la performance des employés.

2. Oracle Data Mining génère les prédictions de performance pour les employés actuels en fonction du modèle prédictif. Par exemple, si la performance est élevée dans un emploi et à un grade donnés, les employés actuellement en poste à ce grade seront probablement plus performants que les salariés dans d'autres emplois et d'autres grades.

   Chaque prédiction est associée à une affectation d'employé. Si un employé effectue plusieurs missions relevant d'un seul responsable, ce dernier a accès aux diverses prédictions le concernant.

Les prédictions de performance sont disponibles pour les équipes et les affectations individuelles.

• Outre la performance prévue moyenne de l'équipe, les prédictions collectives affichent le pourcentage des affectations d'employé où le facteur considéré constitue le principal facteur de contribution.

• Les prédictions individuelles dénotent la performance prédite pour l'affectation de l'employé. Les valeurs des facteurs pertinents (performance précédente, par exemple) et la contribution relative de chacun à la prédiction apparaissent également.