Text mining is a subfield of Natural Language Processing (NLP) and Data Mining concerned with the extraction of insights, such as sentiment, from text. Applying these techniques to large text collections, such as the outputs of employment performance assessments, can help to generate feedback and guidance for managers around process improvement.

The people analytics team at SLB, the global oil services company, implemented such an approach as part of the company’s performance management process. They ran Text Mining algorithms on 10 years worth of employee performance appraisal data to produce an insight report for managers. The results after deployment of the report at SLB saw an overall improvement in management feedback of more than 30% based on the use of text and more than 25% increase in positive reinforcement to their employees. The report was also positively received by end users, achieving a Net Promoter Score (NPS) of 78 (on a scale of -100 to +100) on usefulness and value.



L'exploration de texte est un sous-domaine du traitement du langage naturel (NLP) et de l'exploration de données concerné par l'extraction d'informations, telles que le sentiment, à partir d'un texte. L'application de ces techniques à de grandes collections de textes, telles que les résultats d'évaluations des performances d'emploi, peut aider à générer des commentaires et des conseils pour les gestionnaires concernant l'amélioration des processus. L'équipe d'analyse des personnes de SLB, la société mondiale de services pétroliers, a mis en œuvre une telle approche dans le cadre du processus de gestion des performances de l'entreprise. Ils ont exécuté des algorithmes de Text Mining sur 10 ans de données d'évaluation des performances des employés pour produire un rapport d'analyse pour les managers. Les résultats après le déploiement du rapport chez SLB ont vu une amélioration globale des commentaires de la direction de plus de 30 % sur la base de l'utilisation de texte et une augmentation de plus de 25 % du renforcement positif à leurs employés. Le rapport a également été bien accueilli par les utilisateurs finaux, obtenant un Net Promoter Score (NPS) de 78 (sur une échelle de -100 à +100) sur l'utilité et la valeur.

Ressources humaines - Évaluation du rendement des employés