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

  • Article

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 les attributs 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 à distance, un employé à temps plein ou un fournisseur

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. Vous pouvez également quantifier la collaboration entre les responsables et les contributeurs individuels, ainsi qu’entre les niveaux 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. Ces données peuvent inclure l’atteinte du quota de ventes ou des évaluations de performances. 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 d’emplois, le rôle, les organization et le secteur d’activité. 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 pouvez 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 sont 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.
  • Les ventes ou d’autres données d’obtention de quota qui fournissent plus d’informations 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
  • WeeklyBadgeOnsiteDays
  • 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 autres attributs 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.
  • 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, consultez 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 .

S’il s’agit de 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 vos données chargées, l’application effectue davantage de validation et de traitement 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 dans le temps de données organisationnelles à partir de votre système d’information RH à la date actuelle, vous obtenez une image de la population de vos employés pour ce point dans le temps unique. 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 est mappée aux données organisationnelles les plus récentes instantané (basées sur EffectiveDate) qui précèdent la date de l’activité de collaboration.

Configuration avancée - Configurer l’adresse e-mail pour rechercher entraID correspondant pour le traitement

Viva Insights utilise des adresses e-mail pour trouver l’EntraID correspondant à traiter. Avec cette configuration avancée, vous pouvez choisir la date que Viva Insights devez utiliser pour obtenir l’EntraID pour chaque adresse e-mail.

Option 1 : EffectiveDate

S’applique si : votre source de données effectue le suivi des modifications d’adresse e-mail par Date Effective

EffectiveDate est la 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.

Scénario

  1. Votre source de données suit les modifications d’adresse e-mail par EffectiveDate.
  2. L’adresse e-mail est passée de BoSmith@contoso.com à BoJames@contoso.com pour EntraID « A ». Cette modification est enregistrée dans le système HCM à l’aide de EffectiveDate.

Exemple :

  1. 14/04/2024 : L’adresse e-mail est passée de BoSmith@contoso.com à BoJames@contoso.com pour EntraID « A ». Cette modification est enregistrée dans le système source HCM avec une nouvelle ligne pour BoJames@contoso.com avec effectiveDate 14/04/2024.

  2. Ceci est instantané exporté à partir du système source HCM le 15/04/2024 :

    PersonId EffectiveDate Organisation
    BoSmith@contoso.com 04/01/2024 ABC
    BoJames@contoso.com 04/14/2024 ABC

  3. 16/04/2024 : Le fichier exporté à la date instantané est chargé dans Viva Insights

    • Sélectionnez EffectiveDate sous Configuration avancée.

    • Cela garantit que les modifications d’adresse e-mail sont suivies par la date effective correspondante fournie dans le fichier chargé.

      • Du 01/04/2024 au 14/04/2024, BoSmith@contoso.com est utilisé pour récupérer EntraID « A »
      • À partir du 14/04/2024, BoJames@contoso.com est utilisé pour récupérer EntraID « A »

      En savoir plus sur l’utilisation d’EffectiveDate pour fournir des données sur une période donnée.

Option 2 : Sélectionner la date

S’applique si : votre source de données ne suit pas les modifications d’adresse e-mail. L’adresse e-mail à la date sélectionnée est utilisée pour toutes les dates passées.

  1. Sélectionnez la date du jour si vous avez exporté des données à partir de celle-ci récemment.
  2. Sinon, sélectionnez une date plus ancienne.

Scénario 1

  1. Votre source de données ne suit pas les modifications d’adresse e-mail et vous en avez récemment exporté les données.
  2. L’adresse e-mail a changé pour EntraID « A » et vous souhaitez que la nouvelle adresse e-mail corresponde à « A » pour l’ensemble des données historiques.

Exemple :

  1. 14/04/2024 : L’adresse e-mail est passée de BoSmith@contoso.com à BoJames@contoso.com pour EntraID « A ».

  2. Le instantané exporté à partir du système source HCM le 15/04/2024 :

    PersonId EffectiveDate Organisation
    BoJames@contoso.com 04/01/2024 ABC

  3. 16/04/2024 : Le fichier exporté à la date instantané est chargé dans Viva Insights.

  4. Sélectionnez 16/04/2024 dans la liste déroulante

    • Cela garantit que l’adresse e-mail du 16/04/2024 (par exemple, BoJames@contoso.com) est utilisée pour récupérer EntraID « A » pour toutes les dates passées.

Scénario 2

  1. Votre source de données ne suit pas les modifications d’adresse e-mail et vous n’avez pas récemment exporté de données.
  2. L’adresse e-mail a changé pour EntraID « A » et vous souhaitez que l’ancienne adresse e-mail corresponde à « A » pour l’ensemble des données historiques.

Exemple :

  1. Le instantané exporté à partir du système source HCM le 20/04/2024 :

    PersonId EffectiveDate Organisation
    BoSmith@contoso.com 04/01/2024 ABC

  2. 25/04/2024 : L’adresse e-mail est passée de BoSmith@contoso.com à BoJames@contoso.com pour EntraID « A ».

  3. 10/05/2024 : le fichier exporté à la date de instantané est chargé dans Viva Insights.

    • Sélectionnez le 20/04/2024 dans la liste déroulante et non le 25/04/2024 ou le 10/05/2024.
    • Cela garantit que l’adresse e-mail du 20/04/2024 (par exemple, BoSmith@constoso.com) est utilisée pour récupérer EntraID « A » pour toutes les dates passées.

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.

Remarque

Le champ « OnsiteDays » est désormais « WeeklyBadgeOnsiteDays ». Pour en savoir plus, consultez le tableau ci-dessous.

Viva Insights champ mappé 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.
  • Administration pouvez sélectionner DataType comme DateTime_MM/JJ/AAAA ou DateTime_DD/MM/AAAA.
  • Si le type de données sélectionné est DateTime_MM/JJ/AAAA, il prend en charge MM/JJ/AAAA, MM/JJ/AAAA suivis d’autres textes tels que « heure », MM-DD-AAAA, MM-DD-AAAA ou AAAA-MM-JJ.
  • Si le type de données sélectionné est DateTime_DD/MM/AAAA, il prend en charge JJ/MM/AAAA, JJ/MM/AAAA suivi d’autres textes tels que « time », D/MM/AAAA, D/MM/AAAA, JJ-MM-AAAA, JJ-MM-YYYY, JJ-MM-YYY ou AAAA-JJ-MM.
  • Si le type de données sélectionné est DateTime_MM/JJ/AAAA ou DateTime_DD/MM/AAAA, il prend en charge le mercredi 14 mars 2012 ; le 14 mars 2012 ; 14 mars 2012 ; ou 14-mars-12.
    		•  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.
  • Administration pouvez sélectionner DataType comme DateTime_MM/JJ/AAAA ou DateTime_DD/MM/AAAA.
  • Si le type de données sélectionné est DateTime_MM/JJ/AAAA, il prend en charge MM/JJ/AAAA, MM/JJ/AAAA suivis d’autres textes tels que « heure », MM-DD-AAAA, MM-DD-AAAA ou AAAA-MM-JJ.
  • Si le type de données sélectionné est DateTime_DD/MM/AAAA, il prend en charge JJ/MM/AAAA, JJ/MM/AAAA suivi d’autres textes tels que « time », D/MM/AAAA, D/MM/AAAA, JJ-MM-AAAA, JJ-MM-YYYY, JJ-MM-YYY ou AAAA-JJ-MM.
  • Si le type de données sélectionné est DateTime_MM/JJ/AAAA ou DateTime_DD/MM/AAAA, il prend en charge le mercredi 14 mars 2012 ; le 14 mars 2012 ; 14 mars 2012 ; ou 14-mars-12.
    		•  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
    WeeklyBadgeOnsiteDays Nombre moyen de jours par semaine qu’un employé travaille à partir du main lieu de travail de l’entreprise. Doit être un nombre compris entre 0 et 7. WeeklyBadgeOnsiteDays 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 qu’un employé prévoit de travailler sur site. Double 4 Reserved
    Emplacement Emplacement du bureau d’un employé. String Burbank Reserved
    CountryOrRegion  Pays ou région dans lequel l’employé travaille.  String Japan 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, incluez 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 des données RH pour tous les employés afin de pouvoir caractériser des modèles de collaboration plus larges, vous n’avez besoin que de 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.