L'impact des drivers sur l'engagement indique la corrélation entre les notes données à un driver et celles données à l'engagement. Pour ce calcul, la dernière mesure connue du driver et la dernière mesure connue de l'engagement sont comparées.
💡 Le calcul réalisé est basé sur le coefficient de Pearson, qui a pour but de détecter la présence ou non d’une relation linéaire entre deux variables quantitatives continues.
Il est compris entre -1 et 1 :
Les drivers ayant un fort impact sont donc des drivers qui auront tendance à être directement liés à l'engagement. On peut considérer qu'ils permettent de prédire l'engagement car leur baisse sera généralement associée à une baisse de l’engagement, et inversement pour une hausse. Ce sont donc des sujets à prioriser et/ou à travailler car ce sont sur ces sujets là que les actions auraient le plus d'impact.
💡 Attention : Un driver ayant un impact faible sur l'engagement mérite tout de même considération, car l'engagement n'est pas la seule mesure finale à améliorer. Ce driver a peut-être un fort impact sur l'humeur ou la motivation par exemple. Par ailleurs, son impact immédiat est faible mais pourrait à plus long terme impacter fortement la vie de l'entreprise.
Le nuage d'impacts permet de visualiser comment sont répartis les impacts des drivers sur l'engagement en fonction de leur score.
Pour le comprendre :
Ce graphique est en relation directe avec les forces et faiblesses, dont le calcul est en partie basé sur l'impact :
La couleur des points permet de retrouver rapidement à quelle thématique les drivers sont associés. Il est par ailleurs possible de survoler une thématique pour en afficher les drivers et leur score. En cliquant dessus l'utilisateur peut également la garder active.