Préparer le chargement d’un fichier de données d’organisation

L’application Insights avancés peut obtenir des données organisationnelles de l’une des deux manières suivantes : via Microsoft Entra ID, qui est le paramètre par défaut, ou via un fichier de données d’organisation que vous chargez en tant qu’administrateur. Dans cet article, nous abordons la deuxième option, le fichier de données d’organisation. Poursuivez votre lecture pour découvrir ce que vous devez faire en tant qu’administrateur pour identifier, collecter et structurer les données avant de charger les données organisationnelles.

Pour en savoir plus sur les données organisationnelles en général, déterminer quelles données Microsoft Entra ID se synchronisent automatiquement avec Viva Insights et pour obtenir une vue d’ensemble de la page Données organisationnelles dans l’expérience d’administration d’insights avancés, reportez-vous à Données organisationnelles dans Viva Insights.

Importante

Une fois que vous avez chargé un fichier .csv avec des données organisationnelles, vous ne pourrez plus revenir à l’utilisation de Microsoft Entra ID. Vous devez charger régulièrement des fichiers .csv pour maintenir les données de votre organisation à jour.

Préparer les données de l’organisation

Lorsque vous êtes prêt à commencer à travailler avec un fichier de données organisationnelles, les sections suivantes vous guident tout au long du processus de préparation des données :

1. Identifier les tendances que vous souhaitez analyser : déterminez les tendances dont vous avez besoin pour améliorer l’efficacité au travail. Après avoir identifié ces tendances, vous pouvez mieux choisir les données organisationnelles à utiliser.
2. Connaître les données à inclure : quelques attributs de données sont requis, dont plusieurs sont facultatifs. Parmi les options facultatives, choisissez celles qui servent le mieux vos objectifs analytiques.
3. Obtenir une exportation de données organisationnelles : faites en sorte qu’un administrateur exporte les données RH à partir du système RH de votre organization. Si vous le souhaitez, incluez des données métier, si votre analyse l’exige.
4. Structurer les données organisationnelles : pour que vos données soient correctement validées, vous devez d’abord les structurer correctement dans le fichier .csv que vous chargez.
5. Charger le fichier de données de l’organisation : une fois que votre fichier .csv est prêt, vous le chargez dans l’application Advanced Insights où, après validation et traitement, il devient disponible pour analyse.

Étape 1 : Identifier les tendances que vous souhaitez analyser

Pour savoir quelles données organisationnelles extraire, vous devez d’abord déterminer les tendances de l’espace de travail que vous souhaitez découvrir. Par exemple, dans une analyse à venir, vous souhaiterez peut-être examiner la collaboration entre différents segments ou groupes d'employés. Vous devez d’abord définir ces groupes, ce que vous pouvez faire de différentes façons :

• Par données organisationnelles
• Par niveaux de hiérarchie d’organisation
• Par performances, engagement ou autres données métier

Les groupes définis peuvent être utilisés dans les exemples d’analyses suivants :

Collaboration entre groupes

Un scénario d’analyse courant consiste à trouver des modèles de collaboration entre différents groupes d’employés. Par exemple, vous souhaiterez peut-être savoir combien votre équipe marketing produit communique avec votre équipe commerciale.

Les attributs de segmentation des populations peuvent être utiles à prendre en compte dans la définition de modèles de collaboration, tels que :

• Famille d’emploi ou attributs de rôle, tels que la profession, la fonction, la discipline et le code de travail
• Organisation, secteur d’activité ou centre de coûts, comme rh, finance, ventes et marketing
• Les attributs d’emplacement, tels que la ville, l’État, le pays et les régions, tels que définis par votre organization
• Attributs qui décrivent leur travail, comme un employé ou un fournisseur à temps plein, à temps partiel ou à temps plein, leur durée d’emploi dans le organization ou la durée de leur rôle actuel

La plupart de ces attributs sont disponibles dans les systèmes d’information RH.

Collaboration hiérarchique

Il est également courant de rechercher des modèles de comportement de collaboration en référence à la hiérarchie de votre organization, ainsi que de quantifier la collaboration entre les responsables et les contributeurs individuels, ainsi qu’entre les niveaux et couches supérieurs et inférieurs dans le organization.

Les concepts suivants sont utiles dans ce type d’analyse :

• IC ou manager : indique si un employé est un contributeur individuel ou un responsable.
• Hiérarchie organisationnelle : par exemple, les noms de tous les responsables au-dessus de l’employé dans la structure de rapports de cet employé ; chaque gestionnaire peut être stocké en tant qu’attribut distinct.
• Couche : par exemple, la position de l’employé dans la hiérarchie de l’organisation où la couche 0 = le leader supérieur de l’entreprise.
• Étendue : par exemple, le nombre de rapports directs attribués à un employé.
• Niveau : par exemple, cadre supérieur, vice-président, directeur, CVP.

La plupart de ces attributs se trouvent également dans les systèmes d’information RH.

Données de collaboration, d’engagement et de résultats

Enfin, vous pouvez envisager de lier les modèles de comportement de collaboration aux scores d’engagement des employés ou à d’autres données de résultats de performances, telles que l’atteinte du quota de ventes ou les évaluations de performances élevées/faibles. Ces données se trouvent souvent en dehors des systèmes d’information RH traditionnels, soit dans des référentiels de données RH distincts, soit dans des systèmes métier.

Étape 2 : Connaître les données à inclure

Pour obtenir toutes les fonctionnalités de l'application Advanced Insights, vous devez fournir plusieurs attributs obligatoires, comme décrit dans Référence des attributs. De plus, vous pouvez fournir jusqu'à 100 attributs facultatifs pour regrouper et filtrer les données de manière intéressante et personnalisée.

Parmi les exemples de données organisationnelles, citons la famille de travaux, le rôle, le organization, le secteur d’activité, le centre de coûts, l’emplacement, la région, la couche, le niveau, le nombre de rapports directs et le responsable. Ces données sont fournies à l’application Advanced Insights au niveau individuel, ce qui signifie que ces attributs fournissent un contexte à chaque personne dans le jeu de données.

Employés à inclure

Incluez au minimum les données organisationnelles de tous les employés qui ont Viva Insights licences. Il est encore préférable d’inclure chaque personne de votre entreprise dans le cadre de votre chargement de données, même si vous envisagez de collecter des données de collaboration uniquement pour un sous-groupe, c’est-à-dire une population cible spécifique au sein de l’entreprise.

Par exemple, si les personnes du service Marketing communiquent fréquemment avec les personnes du développement de produits, mais que l’application dispose de données RH uniquement sur le organization Marketing, vous ne pourrez pas créer de rapports pour indiquer le temps que le marketing consacre au développement de produits.

Si vous ne pouvez pas inclure toutes les personnes dans votre organization, le minimum à inclure est toutes les personnes pour lesquelles les données de collaboration sont collectées. Ce minimum vous permet d’analyser les modèles de collaboration entre des groupes au sein de cette population, mais pas entre des groupes en dehors de cette population.

Y compris tous les employés titulaires d’une licence

Il incombe à l’administrateur de tenir à jour et complètes les données organisationnelles. Dans cette tâche, « complete » signifie deux choses : les données qui incluent les personnes appropriées et les attributs appropriés pour ces personnes.

La raison de l’inclusion de tous les employés titulaires d’une licence dans le organization est que, si leurs données organisationnelles sont manquantes, les analystes ne peuvent pas filtrer par ces données lorsqu’ils créent une requête sur la page Analyse. Ainsi, les employés dont les données sont manquantes seront exclus des analyses effectuées par les analystes.

Importante

Vérifiez que l’administrateur Microsoft 365 a attribué des licences à tous les employés que vous souhaitez inclure dans les rapports. Même si vous incluez un employé dans votre fichier de données d’organisation, il aura besoin d’une licence pour apparaître dans les rapports. Pour plus d’informations sur les licences et les rapports, consultez Quand les utilisateurs apparaissent dans les résultats de la requête.

Notification des données manquantes

Si l’application détecte que des données sont manquantes pour un ou plusieurs employés titulaires d’une licence, elle alerte les administrateurs via une notification contextuelle dans le coin supérieur droit de l’onglet Connexions de données .

Charger des données organisationnelles manquantes

Pour charger ces données manquantes, l’administrateur peut effectuer les étapes suivantes :

1. Dans la notification contextuelle, sélectionnez Télécharger pour télécharger un fichier .csv qui contient les noms des employés titulaires d’une licence dont les données organisationnelles sont manquantes.
2. Ouvrez le fichier .csv.
3. Ajoutez les données manquantes pour ces employés. Cela signifie l’ajout d’attributs (colonnes) qui décrivent les employés de manière cohérente avec les chargements précédents.
4. Chargez le fichier. Pour plus d’informations, reportez-vous à Charger des données organisationnelles (chargement ultérieur).

En plus d’inclure tous les employés titulaires d’une licence dans le chargement des données organisationnelles, nous vous recommandons d’inclure également les employés sans licence, comme nous l’avons expliqué précédemment.

Étape 3 : Obtenir une exportation de données organisationnelles

Avant de formater et de télécharger des données organisationnelles, vous devez les obtenir d'une ou plusieurs sources. Votre principale source est l'équipe qui gère les systèmes d'information RH de votre organisation. Cette équipe doit vous fournir une exportation de données des attributs RH pour les employés individuels.

En outre, vos analystes peuvent avoir besoin de données sur les résultats de l’entreprise. Si c’est le cas, vous devez contacter les propriétaires métier qui ont accès aux magasins de données qui contiennent ces informations. Par exemple, ces données peuvent inclure :

• Données d’évaluation des performances pour des groupes de travail spécifiques.
• Scores d’engagement des employés capturés par les RH en dehors des systèmes d’information RH.
• Ventes ou autres données de quota qui fournissent des vues supplémentaires sur les performances.
• Données d’enquête auprès des employés.

Après avoir obtenu ces données, vous devez les structurer pour qu’elles réussissent à être traitées après leur chargement dans l’application.

Étape 4 : Structurer les données organisationnelles

Une fois que vous avez obtenu vos données exportées, structurez-les dans le format approprié.

Ajouter des attributs obligatoires, réservés facultatifs et personnalisés

Il existe trois types d’attributs que vous pouvez ajouter dans votre fichier de données d’organisation : obligatoire, réservé facultatif et personnalisé.

Obligatoire

Fournissez les attributs suivants en tant qu’en-têtes de colonne, exactement comme écrit ci-dessous, dans le .csv chargement.

• EffectiveDate
  • Vérifiez que la colonne EffectiveDate contient des valeurs dans toutes les lignes. Si vous ne fournissez pas de colonne EffectiveDate dans votre chargement, la date à laquelle vous avez chargé les données devient la date EffectiveDate par défaut.
• PersonId
• ManagerId
• Organisation (respect de la casse)

Réservé facultatif

Les attributs suivants sont des en-têtes de colonne réservés pour les attributs actuellement utilisés pour calculer, filtrer et regrouper des données. Différents attributs de la liste ci-dessous peuvent être nécessaires en fonction du modèle Power BI particulier.

• LevelDesignation
• FunctionType
• HireDate
• Taux horaire
• Layer
• SupervisorIndicator
• OnsiteDays
• Emplacement

Remarque

Les attributs peuvent être dans n’importe quel ordre dans le fichier. Toutefois, les noms de ces attributs obligatoires et réservés ne peuvent pas être utilisés comme noms de nouveaux attributs personnalisés.

Attributs personnalisés

Les attributs personnalisés sont tous les attributs supplémentaires que vous souhaitez définir pour filtrer et regrouper des données. Lorsque vous chargez ces attributs, les analystes peuvent les utiliser lors de la création de requêtes. Pour savoir comment charger des attributs personnalisés, consultez Charger des données organisationnelles (premier chargement).

Remarque

• Le nombre maximal d’attributs autorisés dans le système est de 105, ce qui inclut les cinq attributs requis.
• Toutes les dates doivent être au format MM/JJ/AAAA.
• Tous les champs numériques (tels que l’attribut obligatoire « HourlyRate ») doivent être au format « nombre » et ne peuvent pas contenir de virgules ou de signe dollar.

Conseil

Pour plus d’informations sur la mise en forme de votre fichier, consultez notre article Règles de fichier et erreurs de validation .

Exemple .csv fichier d’exportation

Voici un exemple d’extrait de code d’un fichier d’exportation .csv valide :

PersonId,EffectiveDate,HireDate,ManagerId,LevelDesignation,Organization,Layer,Area Emp1@contoso.com,12/1/2020,1/3/2014,Mgr1@contoso.com,Junior IC,Sales,8,Southeast Emp2@contoso.com,11/1/2020,1/3/2014,Mgr1@contoso.com,Junior IC,Sales,8,Southeast Emp3@contoso.com,12/1/2020,1/3/2014,Mgr2@contoso.com,Manager,Sales,7,Northeast Emp4@contoso.com,10/1/2020,8/15/2015,Mgr3@contoso.com,Support,Sales,9,Midwest Emp5@contoso.com,11/1/2020,8/15/2015,Mgr3@contoso.com,Support,Sales,9,Midwest Emp6@contoso.com,12/1/2020,8/15/2015,Mgr3@contoso.com,Support,Sales,9,Midwest

Pour plus d’informations sur les attributs, reportez-vous à la section Informations de référence sur les attributs .

Étape 5 : charger le fichier de données de l’organisation

Après avoir créé un fichier de .csv source, vous pouvez le charger dans l’application Advanced Insights via la page > Données organisationnelles Hub de données ou l’onglet Connexions de données .

Si c’est la première fois que vous chargez des données organisationnelles, reportez-vous à Charger des données organisationnelles (premier chargement). Si ce n’est pas la première fois, reportez-vous à Charger des données organisationnelles (chargements suivants).

Une fois que vos données ont été correctement chargées, l’application effectue une validation et un traitement supplémentaires pour terminer l’approvisionnement.

Fréquence de chargement d’un fichier de .csv de données organisationnelles

Il est recommandé de charger les données des employés au moins une fois par mois pour garder les données à jour et les analyses pertinentes. Peu de temps après la réussite du chargement des données d’un employé, les données mises à jour sont disponibles pour que les utilisateurs puissent les voir sous forme d’insights dans l’application.

Fourniture de données sur une période donnée

Par défaut, Viva Insights inclut des données de réunion et d’e-mail pour les employés mesurés pendant un an. Les données organisationnelles sont fournies aux Viva Insights avec une date d’effet associée à chaque ligne du fichier de chargement.

Si vous effectuez une exportation à un instant dans le temps de données organisationnelles à partir de votre système d’information RH à la date actuelle, vous obtiendrez une image de la population de vos employés pour ce point unique dans le temps. Pour une meilleure fidélité des données lors de l’approvisionnement, vous devez fournir des exportations de données organisationnelles pour chacun des 13 derniers mois. Ces données peuvent être fournies dans un seul fichier ou dans une séquence de fichiers.

Voici à quoi cela ressemblerait dans la pratique. Pour chaque employé mesuré, vous auriez 13 lignes distinctes. Chacune de ces lignes contient une date d’effet pour chaque mois pour lequel les données ont été extraites. Si une date d’effet pour chaque mois n’est pas possible, vous pouvez fournir un point unique dans le temps. Dans ce cas, définissez la date d’effet sur le premier jour du mois en cours, il y a un an. Par exemple, si l’approvisionnement a eu lieu en octobre 2020, la date d’effet de toutes les lignes doit être définie sur 10/10/2019.

L’activité de collaboration des employés sera mappée aux données organisationnelles les plus récentes instantané (basées sur EffectiveDate) qui précèdent la date de l’activité de collaboration.

Informations de référence sur les attributs

Cette section contient des informations sur les attributs que vous utilisez dans les fichiers de données d’organisation chargés dans l’application Advanced Insights.

Remarque

Si vous partagez des données de Viva Insights avec la fonctionnalité Données organisationnelles dans Microsoft 365, certains des attributs répertoriés ci-dessous sont partagés. Toutefois, tout attribut qui contient Microsoft_ ne sera pas disponible dans Viva Insights. En savoir plus sur les données organisationnelles dans Microsoft 365.

Attribut (en-tête de colonne)	Description	Type de données	Exemple de valeur	Obligatoire ou réservé
PersonId	Identificateur unique d’un enregistrement d’employé. Il peut s’agir de l’adresse SMTP ou de l’alias d’e-mail principal de l’employé.	E-mail	joe@contoso.com	Obligatoire1
ManagerId	Identificateur unique du responsable d’un employé. Il peut s’agir de l’adresse SMTP ou de l’alias de messagerie principal du responsable. Pour les pdg, ce champ peut être laissé vide.	E-mail	sally@contoso.com	Obligatoire
Organization	Organization interne à laquelle appartient un employé. Pour obtenir des informations plus exploitables, évitez d’utiliser trop ou trop d’organisations uniques.	String	Financial Planning and Analysis	Obligatoire
EffectiveDate	Date à laquelle une valeur d’attribut donnée s’applique à un employé. L’attribut s’applique jusqu’à ce qu’un autre enregistrement pour le même attribut avec une date EffectiveDate différente soit spécifié. Si aucune date EffectiveDate n’est chargée, la date de chargement est utilisée comme valeur par défaut.	DateTime	12/31/2021	Obligatoire2
LevelDesignation	Niveau qui représente l’expérience, le niveau de gestion ou l’ancienneté d’un employé au sein du organization. Pour obtenir des informations plus exploitables, évitez d’utiliser trop peu ou trop de valeurs LevelDesignation uniques.	String	Director	Réservé3
FunctionType	Fonction de travail effectuée par un employé. Pour obtenir des insights plus exploitables, évitez d’utiliser trop ou trop de FunctionTypes uniques	String	Finance Management	Reserved
HireDate	Date à laquelle un employé a commencé à travailler. Si un employé a plusieurs dates d’embauche, il est préférable d’utiliser la date d’embauche la plus récente.	DateTime	12/31/2021	Reserved
Taux horaire	Le salaire d’un employé représenté sous la forme d’un taux horaire en dollars américains.	Double	25.25	Reserved
Layer	La position d’un employé au sein de la hiérarchie organisationnelle, exprimée en tant que distance par rapport au leader supérieur de l’organization. Par exemple, le PDG se trouve à la couche 0. Pour obtenir des informations plus exploitables, évitez d’utiliser trop peu ou trop de couches uniques.	Entier	2	Reserved
SupervisorIndicator	Le responsable status d’un employé en tant que IC (contributeur individuel), Mngr (responsable) ou Mngr+ (gestionnaire de gestionnaires).	String	IC	Reserved
OnsiteDays	Nombre moyen de jours par semaine qu’un employé travaille à partir du main lieu de travail de l’entreprise. OnsiteDays peut être basé sur des données de badge ou sur d’autres sources, par exemple, des étiquettes dans le système RH indiquant le nombre de jours pendant lesquels un employé prévoit de travailler sur site.	String	4	Reserved
Emplacement	Emplacement du bureau d’un employé.	String	Burbank	Reserved
My_Custom_attribute (exemple : Campus)	Un attribut que vous créez	String	West	N/A (personnalisé)4

^{1. Vous devez inclure les champs obligatoires. Chaque champ requis a besoin de valeurs non vides pour chaque ligne.}

^{2. Si vous n’incluez pas de colonne EffectiveDate avec votre chargement, la date de chargement devient la date EffectiveDate par défaut.}

^{3. Vous n’avez pas besoin d’inclure ces champs réservés. Toutefois, si vous les utilisez, conservez ces noms de colonnes.}

^{4. Vous n’êtes pas obligé d’inclure des attributs personnalisés. Toutefois, si vous les ajoutez, elles ne peuvent pas avoir le même nom que les attributs obligatoires ou réservés.}

Notes et recommandations sur les attributs

Certains attributs existent uniquement pour un sous-ensemble de la population

Lorsque vous choisissez des attributs à inclure, certaines valeurs d’attribut peuvent être remplies pour un organization mais pas pour d’autres. Par exemple, si le chargement inclut des données de quota de ventes qui s’appliquent uniquement à vos organization de ventes, vous ne pouvez pas utiliser ces données pour filtrer et regrouper des employés en dehors des ventes.

Trop de valeurs uniques

Parfois, un attribut a trop de valeurs uniques à utiliser pour le regroupement et le filtrage. Par exemple, si une fonction ou un code de travail est défini de manière trop étroite, cela peut ne pas vous donner une vue utile du groupe global. Si un attribut a des centaines de valeurs uniques qui aboutissent à un petit groupe de population par valeur, l’attribut peut ne pas être utile.

Trop peu de valeurs uniques

À l’inverse, un attribut est parfois défini de manière trop large pour un filtrage utile. Par exemple, si votre organization réside entièrement dans le États-Unis et que vos enregistrements RH par employé contiennent un code de pays qui est toujours égal aux États-Unis, cet attribut ne serait pas utile.

Attributs redondants

Certains attributs peuvent représenter les mêmes données et fournir des données redondantes inutiles pour l’analyse. Par exemple, les données RH peuvent contenir à la fois un ID de centre de coûts et un nom de centre de coûts pour un employé. Étant donné que les deux représentent les mêmes informations dans un format légèrement différent, vous souhaiterez inclure uniquement celui dont le nom est le plus convivial.

Données métiers

Contrairement aux données RH, pour les données métier, vous n’avez peut-être pas besoin d’inclure chaque personne de votre entreprise dans le cadre de votre chargement de données. Connaître les scénarios que vous souhaitez analyser vous aidera à décider. Par exemple, supposons que vous souhaitiez comparer les modèles de collaboration entre les employés du organization ventes qui ont un engagement élevé par rapport à ceux qui ont un faible engagement. Bien que vous souhaitiez disposer de données RH pour tous les employés afin de pouvoir caractériser des modèles de collaboration plus larges, vous n’avez besoin que des données de score d’engagement pour les employés dans le organization ventes, car vous utilisez les valeurs de score pour regrouper et filtrer des sorties de rapport spécifiques.