Les services RH produisent chaque jour une quantité importante de données : effectifs, recrutements, absentéisme, turnover, rémunération ou encore formation. Avant de rechercher les causes d'un phénomène ou de construire un modèle prédictif, il est indispensable de comprendre ce que révèlent ces données.
Les statistiques descriptives RH permettent justement de résumer, organiser et interpréter les informations issues des ressources humaines. Elles constituent le socle de l'analyse descriptive RH et facilitent la création de tableaux de bord RH, le suivi des indicateurs RH et la prise de décision.
Dans cet article, découvrez ce que sont les statistiques descriptives RH, les principaux indicateurs utilisés, leurs applications concrètes et les bonnes pratiques pour exploiter efficacement les données RH.
Les statistiques descriptives RH regroupent l'ensemble des méthodes permettant de résumer, organiser et présenter les données relatives aux ressources humaines sans chercher à expliquer leurs causes ou à prédire leur évolution.
Elles répondent notamment aux questions fondamentales suivantes :
L'intégration de ces méthodes offre une base factuelle saine pour l'ensemble des chantiers de la fonction RH :
Offrent une lecture claire de la structure de l'organisation (taille de l'entreprise, répartition par service ou métier, évolutions macro).
Les indicateurs (KPI) deviennent plus lisibles et s'appuient sur des calculs standardisés, comparables et fiables.
Permettent d'identifier des dynamiques durables, comme une hausse progressive des départs ou une baisse d'accès à la formation.
Mettent en lumière les valeurs inhabituelles ou extrêmes, utiles pour détecter des dysfonctionnements ou des écarts de rémunération.
Ces indicateurs représentent une valeur "typique" de la distribution pour comprendre la situation générale d'une population.
Moyenne : Représente la valeur centrale théorique (somme des valeurs divisée par l'effectif). Exemple : salaire moyen, âge moyen, ancienneté moyenne.
Médiane : Point central qui sépare la population en deux groupes égaux (50% au-dessus, 50% en dessous). Elle est indispensable pour la rémunération car elle n'est pas faussée par quelques très hauts salaires extrêmes.
Mode : La valeur la plus fréquente dans la distribution (ex: le niveau de classification ou le métier le plus représenté).
Dispersion : Mesure la variabilité des données (Minimum, Maximum, Étendue, Variance et Écart-type). Un écart-type élevé indique que les situations individuelles sont très hétérogènes.
Répartitions et Fréquences : Étude des proportions par groupes (ex: 40% des salariés travaillent dans la production, 28% des recrutements concernent des cadres).
Percentiles : Permettent de situer un collaborateur par rapport au reste du groupe (ex: le 90e percentile des salaires indique le seuil au-dessus duquel se situent les 10% de rémunérations les plus élevées).
| Indicateur | Formule simplifiée | Usage RH typique |
|---|---|---|
| Moyenne | Σ valeurs / n | Âge moyen, salaire moyen |
| Médiane | Valeur centrale (50%) | Salaire médian (plus fiable) |
| Écart-type | √variance | Dispersion des salaires |
| Percentile (P90) | Valeur sous 90% | Top 10% des rémunérations |
| Coefficient de variation | (σ / μ) × 100 | Comparer dispersion entre services |
350 salariés répartis au sein de 5 services distincts.
42 collaborateurs ont quitté l'organisation sur l'année.
Taux de turnover global = (42 / 350) × 100 = 12%.
Commercial : 43% (18)
Production : 29% (12)
Admin : 14% (6)
IT : 10% (4)
Marketing : 5% (2)
L'analyse descriptive montre que bien que le turnover global soit modéré (12%), le service commercial présente un taux propre de 21%, largement supérieur à la moyenne de l'entreprise.
Action immédiate : La direction RH cible ses efforts en lançant une enquête sur le climat social spécifique au pôle commercial et déploie un plan d'action adapté (ajustement de la part variable, révision des objectifs, formation des managers).
Suivi du nombre total de salariés, répartition par métier, site géographique et évolution mensuelle des effectifs inscrits.
Calcul du taux global, de la durée moyenne des arrêts, répartition par motifs légaux et observation des variations saisonnières.
Comptabilisation des heures réalisées, suivi du budget consommé, calcul du taux de participation et de l'accès par CSP.
Calcul des moyennes et médianes de salaires, cartographie des rémunérations et mise en évidence des écarts femmes-hommes.
La data visualisation RH donne du sens aux chiffres bruts. Chaque format de restitution graphique répond à un besoin précis de communication.
Garantir la fiabilité : La qualité des données sources conditionne l'exactitude des calculs. Sans gouvernance stricte, les analyses induisent des erreurs stratégiques.
Sélectionner les KPI utiles : Multiplier les métriques complexifie la lecture. Mieux vaut isoler 15 indicateurs clés alignés avec vos enjeux opérationnels.
Automatiser les flux : Des données obsolètes perdent leur valeur d'usage. Utilisez des outils connectés comme Power BI RH pour actualiser vos rapports en continu.