CART : arbres de classification et de régression pour le recrutement de commerciaux

Joshua Zable | 08 June, 2022

Les Sujets: CART, Minitab Statistical Software

Le recrutement de nouveaux collaborateurs n'est pas une science exacte et les performances passées ne préjugent en rien des résultats futurs. Des facteurs tels que l'adéquation culturelle et les circonstances personnelles jouent un rôle important dans la qualité de chaque recrutement. Toutefois, le fait qu'il ne s'agisse pas d'une science exacte ne veut pas dire pour autant que l'approche n'a rien de scientifique. En réalité, les responsables des ressources humaines ont la possibilité d'augmenter considérablement leurs chances de recruter des candidats de qualité en procédant à de simples analyses de données. Avec la fonctionnalité CART® de Minitab, les recruteurs n'ont pas besoin de comprendre les statistiques pour générer un « arbre de recrutement ».

EXEMPLE MINITAB : RECRUTEMENT D'UN REPRÉSENTANT COMMERCIAL

Quelle que soit l'organisation, il est crucial d'embaucher le commercial idéal. Or, la plupart des entreprises ne rentabilisent pas leurs investissements avant les 6 à 18 premiers mois suivant son recrutement. Par ailleurs, les frais engagés pour recruter un représentant commercial peu performant rendent le processus de recrutement encore plus coûteux.

Mettons-nous l'espace d'un instant dans la peau de collaborateurs RH au sein d'une société spécialisée dans les équipements médicaux. Ces responsables cherchent à remplacer un commercial en charge de l'un des équipements les plus vendus de l'entreprise. Il est donc impératif d'aller vite et de recruter le bon profil de candidat.

Étape 1 : Répartir les membres de votre équipe commerciale en fonction de leurs performances

Cette approche est d'autant plus facile à mettre en œuvre pour un poste de représentant commercial que celui-ci repose sur des critères quantitatifs, tels que des quotas. La façon la plus simple de procéder est de diviser votre équipe commerciale en deux groupes distincts : d'un côté, le groupe 1 avec tous les collaborateurs qui ont atteint leur quota annuel et de l'autre, le groupe 2 comprenant tous ceux qui ne l'ont pas atteint. Vous pouvez également les répartir en fonction de leur contribution à la croissance du chiffre d'affaires, de leur rentabilité ou de tout autre indicateur de performance clé propre à votre équipe commerciale.

Prenez ensuite en compte d'autres caractéristiques mesurables, comme le nombre d'années d'expérience, leurs antécédents dans le domaine, la moyenne générale lors de leurs dernières années d'études ou encore la personnalité. Dans l'exemple ci-dessous, vous pouvez constater que les représentants RH ont sélectionné les caractéristiques suivantes : années d'expérience au moment du recrutement, expérience dans le domaine des soins de santé (selon un système binaire, avec 1 pour « Oui, a déjà vendu des produits dans le domaine médical » et 0 pour « Non, n'a jamais vendu de produits dans le domaine médical »), moyenne lors des études et personnalité (5 pour les personnes les plus extraverties et 1 pour les personnes les plus introverties).

 

Étape 2 : Procéder à la régression ou à la génération de l'arbre de recrutement

Lorsque nous lançons l'analyse dans Minitab Statistical Software au moyen de l'arbre de classification CART®, nous obtenons des informations très intéressantes. La commande CART® de Minitab permet de sélectionner l'arbre optimal (scénario de l'arbre de décision) de façon à trouver le type de candidat idéal à recruter.

 

Diagramme d'arbre optimal

 

Étape 3 : Analyser vos résultats

Il est intéressant de constater qu'il suffit d'observer les résultats pour obtenir quelques informations. Tout d'abord, l'arbre de décision nous apprend que le candidat idéal est une personne dont la personnalité est inférieure à 4,5/5 et dont les moyennes universitaires sont supérieures à 3,15/4.

Pour un poste de commercial, où la personnalité joue un rôle décisif en termes de réussite, nous découvrons que ce n'est pas la personne la plus extravertie qui sera la plus compétente. Notre modèle indique au contraire qu'un candidat avec une personnalité évaluée à 5 risque d'avoir un caractère trop fort pour ce poste et qu'il ne correspond peut-être pas au profil idéal. 

Autre information intéressante : la distinction entre les deux groupes a été effectuée sur la base d'une moyenne de 3,15/4. Lors de la description du poste, il serait donc peut-être intéressant d'affiner votre recherche plutôt que de définir une moyenne minimale de 3,0/4.

Lorsque vous regardez l'importance relative des variables, la personnalité et les moyennes universitaires correspondent aux deux facteurs les plus importants à prendre en compte pour ce poste.

Ce qui est frappant, c'est de découvrir que l'expérience dans le domaine des soins de santé est finalement le facteur qui influe le moins sur la qualité du profil. Lors du recrutement de candidats à un poste de commercial, il n'est donc pas nécessaire de vous limiter aux seules personnes possédant une expérience dans le domaine des soins de santé.

Étape 4 : Évaluer le modèle

Il est toujours intéressant d'évaluer dans quelle mesure votre modèle est capable de prévoir correctement la réponse. Bien qu'il s'agisse d'une étape plus approfondie, elle permet de renforcer la confiance dans votre modèle. Ne laissez pas la « matrice de confusion » semer la confusion… Ce n'est qu'un tableau qui permet de découvrir dans quelle mesure votre modèle a correctement prédit la réponse !

 

Dans le cas de notre modèle, nous avons correctement prédit qu'une personne atteindrait son quota à partir du moment où elle l'a déjà atteint 93,1 % du temps d'après nos données de test. De même, nous avons correctement prédit qu'une personne n'atteindrait pas son quota à partir du moment où elle ne l'a pas atteint 95,4 % du temps. Il s'agit d'un excellent modèle que vous pouvez utiliser pour définir les caractéristiques du profil de recrutement que vous recherchez !


CONCLUSIONS

Vous pouvez, vous aussi, élaborer facilement un profil de recrutement à partir des données dont vous disposez. Vous n'aurez besoin que de quelques minutes pour créer et comprendre le modèle ! Vous pouvez maintenant vous concentrer sur l'analyse des candidatures en prenant en compte les facteurs les plus pertinents et non en vous fiant à votre propre ressenti.

Découvrez les algorithmes de classification et de régression CART®

Je sollicite l'équipe Minitab pour en savoir plus