In davidromary/skillsassessment: check up my skills assessment and my career path

exp <- read.csv2(file = "../data/input/Experiences.csv", as.is = TRUE)

if(length(problems(exp)$row) != 0) exp <- exp[-problems(exp)$row, ]

type_de_contenus <- data.frame(exp %>% select(type_de_contenu) %>% distinct())[, 1]

type_de_contenu_t <- seq_len(length(type_de_contenus))

src <- lapply(type_de_contenu_t, function(type_de_contenu.t) knit_expand(file = "Type_de_contenu-Latin1.Rmd"))

r knit(text = unlist(src))

Réussites

Facteurs contributifs

• Capacités personnelles
  • Entreprendre, proposer
  • Apprendre (MOOC, R-blogger...)
  • Prospecter (consultation d'entreprise, benchmark, évaluation)
  • Exploiter, utiliser (efficacité, utilité)
  • Préciser, contrôler, qualifier (perfectionniste)
• Motivations
  • Innover, créer, inventer
  • Contribuer à la création de valeur pour le client et l'entreprise
  • Formaliser, simplifier et améliorer les procédés (élégance)
  • Renouveller les problématiques
• Valeurs
  • Préserver l'environnement

Ressentis (versus attentes)

ressenti <- read.csv2(file = "../data/input/Ressentis.csv", as.is = TRUE)
if(length(problems(ressenti)$row) != 0) ressenti <- ressenti[-problems(ressenti)$row, ]

ressenti <- ressenti[, c(2,1,3)] %>% arrange(Theme)
kable(ressenti, caption = "Table des sources de satisfaction et d'insatisfaction", booktabs=TRUE)

Rôles endosés

• Expertise technique (+++)
• Interface entre les métiers (++)
• Bugetiser (++)
• Managerial (+)

\newpage

Attentes

Confort et santé au travail

• Contexte
  • Travail très fréquent en webex, conf call et sur des serveurs distants (VPN)
  • Localisation actuelle quotidienne à Paris La Défense (arbitraire)
  • Environnement bruyant (travaux permanents dans la tour, sur le parvis, sur la N13)
  • Environnement malsain (clos, pas d'ouverture de fenêtre, air véhiculé par la VMC de mauvaise qualité)
• Objectif
  • Disposer d'un environnement de travail de meilleur qualité
  • Plus agréable, plus calme, plus sain, propice à une meilleure efficacité

Echange avec les paires

• Contexte

  • Travail avec de nombreux clients et de nombreux fournisseurs mais ...
  • ... peu de paires à proximité pour échanger sur les méthodes de travail employées
  • Sentiment d'isolement et peut-être d'incompréhension, pas d'ampathie possible, marginalisé
  • Travail original mais non représentatif dans la société, peu audible par la hierarchie

• Objectif

  • Pouvoir échanger avec des paires plus accessibles
  • Progresser et apprendre plus facilement et plus rapidement sur les difficultés du quotidien

Moyens à disposition

• Contexte
  • Position de senior sur de nombreux savoir-faires
  • Pas de possibilité en interne de relayer ces savoir-faires
  • Sentiment de faible fluidité dans la réalisation des projets
• Objectif
  • Relayer à de nouveaux collègues les techniques disponibles
  • Les impliquer dans la réalisation des projets

\newpage

Compétences (versus expériences)

• Former (apprendre, comprendre, transformer)
• Chercher (rechercher, calculer, analyser)
• Créer (concevoir, développer un projet)
• Communiquer (echanger, proposer, conseiller, promouvoir)
• Organiser (planifier, piloter, animer, coordonner)
• Diriger (déléguer, piloter, animer)

competences <- read.csv2(file = "../data/input/Competences.csv", as.is = TRUE)
kable(competences[problems(competences)$row, 2:3], caption = "Table des compétences non utilisées")

if(length(problems(competences)$row) != 0) competences <- competences[-problems(competences)$row, ]

kable(competences[, -1], caption = "Table des compétences par famille")

\newpage

Savoirs (versus formation)

• Energie, démarche scientifique, informatique, automatisme, analyse, langue, gestion de projet

savoirs <- read.csv2(file = "../data/input/Savoirs.csv", as.is = TRUE)
if(length(problems(savoirs)$row) != 0) savoirs <- savoirs[-problems(savoirs)$row, ]

kable(savoirs, caption = "Table des savoirs par discipline")

Les abréviations employées dans la table précédente sont définies ci-dessous.

disciplines <- read.csv2(file = "../data/input/Disciplines.csv", as.is = TRUE)
if(length(problems(disciplines)$row) != 0) disciplines <- disciplines[-problems(disciplines)$row, ]

kable(disciplines, caption = "Table des abréviations par discipline", )

\newpage

Capacité

Synthèse

• Force
  • Profil Extraversion/Detente/Affirmation/Réceptivité très adapté pour argumenter, négocier, conseiller, communiquer, former, diriger en faisant confiance, ouvert aux échanges en mode participatif et bienveillant.
  • Participatif (Réceptivité + Conciliation)
  • Animateur (Extraversion + Affirmation)
  • Bonne ambiance (Détente)
  • Créer, innover
  • Management participatif
  • Echanger, communiquer
  • Relationnel, coordonner, coopérer, former
• Faiblesse
  • Négocier, organiser, renoncer
  • Etre aprécié (Conciliation + Réceptivité)
  • le moi
    • difficultés à fixer mes sentiments (trop de distance et où est le moi ?)
    • expression de moi pas aisée
  • réalisme
    • organiser le temps au profil de la surqualité
    • compensé en partie par la facilité à réaliser les choses
  • modération, pondération
    • discernement, avant de statuer sur une situation, prise de réflexion nécessaire
    • la reflexion l'emporter sur l'action, prise de décision non spontanée
    • la sécurité l'emporte sur la prise de risque
    • ne pousse pas à la synthèse ou la vulgarisation car aller dans le faux et approximatif fait sortir de la perfection

\newpage

Résultats détaillés

capacites <- read.csv2(file = "../data/input/Capacites.csv", as.is = TRUE)
if(length(problems(capacites)$row) != 0) capacites <- capacites[-problems(capacites)$row, ]

levels(capacites$qualite) <- fct_relevel(capacites$qualite, capacites$qualite)

capacites <- capacites %>% mutate(plage = maxi - mini)

capacite_c <- capacites %>% select(1) %>% distinct()

Les capacités peuvent être ventilées parmi les classes r stri_c(capacite_c$classe, collapse = ", ").

Les résultats d'un test d'auto évalution sont illustés par le graphique ci-dessous.

capacites %>% ggplot() +
  geom_hline(yintercept = 0.4, colour = "grey") + geom_hline(yintercept = 0.6, colour = "grey") +
  geom_crossbar(aes(x = levels(qualite),
                    y = mediane,
                    ymin = mini,
                    ymax = maxi,
                    fill = classe),
                width = 0.5) +
  geom_text(aes(x = levels(qualite), y = 0, label = capacites$qualite), size = 3, hjust = 0) +
  geom_text(aes(x = levels(qualite), y = 1, label = capacites$contraire), size = 3, hjust = 1) +
  theme(axis.text.y = element_blank()) + 
  labs(x = "Capacité", y = "Auto-évaluation", size = 8) +
  coord_flip()

# capacites %>% ggplot() +
#   geom_tile(aes(x = levels(qualite), y = mediane, fill = capacites$classe),
#             height = capacites$plage,
#             width = 0.5,
#             colour = "grey") +
#   geom_line()

Ils sont également développés par classe et par capacité dans la table ci-dessous.

capacites_description <- read.csv2(file = "../data/input/Capacites_description.csv", as.is = TRUE)
if(length(problems(capacites_description)$row) != 0) capacites_description <- capacites_description[-problems(capacites_description)$row, ]

kable(capacites_description, caption = "Description des capacités")

\newpage

Valeurs (versus attente)

valeurs <- read.csv2(file = "../data/input/Valeurs.csv", as.is = TRUE)
if(length(problems(valeurs)$row) != 0) valeurs <- valeurs[-problems(valeurs)$row, ]

valeurs <- valeurs %>% mutate(angle_vrb = 90 + 360/length(unique(valeur))*(.5 - seq_along(valeur))) %>% select(1, 2, 3, 5, 4)

levels(valeurs$classe_de_valeur) <- fct_relevel(unique(valeurs$classe_de_valeur), unique(valeurs$classe_de_valeur))
levels(valeurs$valeur) <- fct_relevel(valeurs$valeur, valeurs$valeur)

valeur_v <- valeurs %>% select(1) %>% distinct()

Les valeurs peuvent être ventilées parmi les classes r stri_c(valeur_v$classe_de_valeur, collapse = ", ").

Dans le graphique ci-dessous, seul les valeurs dont l'auto-évalution est supérieure à 4 (sur un maximum de 5) sont conservées.

Il permet une synthèse des principales valeurs par classe.

# valeurs %>% ggplot() +
#   geom_bar(aes(x = levels(valeur), y = 10, fill = classe_de_valeur, alpha = 0.8), stat = "identity", width = 1) +
#   geom_text(levels(valeurs$classe_de_valeur), aes(x = levels(classe_de_valeur), y = 5, label = levels(classe_de_valeur), angle = 90), position = position_stack(vjust = 0.5))


valeurs %>% ggplot() +
  geom_bar(aes(x = levels(valeur), y = 10, fill = classe_de_valeur, alpha = 0.8), stat = "identity", width = 1) +
  coord_polar() +
  geom_polygon(aes(x = levels(valeur), y = evaluation, group = 1), color = "black", fill = NA) +
  theme_minimal(base_size = 8) +
  labs(x = "Valeur", y = "Auto-évaluation")
  # theme(axis.text.x = element_text(
  #   # vjust = 50,
  #   angle = valeurs$angle_vrb))

\newpage

Motivations

Motivations par classe

motivations <- read.csv2(file = "../data/input/Motivations.csv", as.is = TRUE) %>% filter(evaluation > 3)
if(length(problems(motivations)$row) != 0) motivations <- motivations[-problems(motivations)$row, ]

motivations <- motivations %>% filter(!is.na(classe_de_motivation)) %>% mutate(angle_motivations = 90 + 360/length(unique(motivation))*(.5 - seq_along(motivation))) %>% select(1, 2, 3, 4, 5, 7, 6)

levels(motivations$classe_de_motivation) <- fct_relevel(unique(motivations$classe_de_motivation), unique(motivations$classe_de_motivation))
levels(motivations$motivation) <- fct_relevel(motivations$motivation, motivations$motivation)

motivations_m <- motivations %>% select(3) %>% distinct()

Les motivations peuvent être ventilées parmi les classes r stri_c(motivations_m$classe_de_motivation, collapse = ", ").

Dans le graphique ci-dessous, seul les motivations dont l'évalution est supérieure à une valeur de 4 (sur un maximum de 5) sont conservées.

Il permet une synthèse des principales motivations par classe.

motivations %>% ggplot() +
  geom_bar(aes(x = levels(motivation), y = 5, fill = classe_de_motivation, alpha = 0.8), stat = "identity", width = 1) +
  coord_polar() +
  geom_polygon(aes(x = levels(motivation), y = evaluation, group = 1), color = "black", fill = NA) +
  theme_minimal(base_size = 8) +
  labs(x = "Motivation", y = "Auto-évaluation")
  # theme(axis.text.x = element_text(
  #   # vjust = 50,
  #   angle = valeurs$angle_vrb))

\newpage

Motivation par contexte

motivations <- motivations %>% arrange(contexte)
levels(motivations$contexte) <- fct_relevel(unique(motivations$contexte), unique(motivations$contexte))
levels(motivations$motivation) <- fct_relevel(motivations$motivation, motivations$motivation)

motivations_m <- motivations %>% select(2) %>% distinct()

Les motivations peuvent être ventilées parmi les contexte r stri_c(motivations_m$contexte, collapse = ", ").

Le graphique ci-dessous propose une synthèse des principales motivations par contexte.

motivations %>% ggplot() +
  geom_bar(aes(x = levels(motivation), y = 1, fill = contexte, alpha = 0.8), stat = "identity", width = 1) +
  coord_polar() +
  theme_minimal(base_size = 8) +
  labs(x = "Motivation par contexte", y = "")
  # theme(axis.text.x = element_text(
  #   # vjust = 50,
  #   angle = valeurs$angle_vrb))

nodes_n <- bind_rows(motivations %>% select(contexte) %>% rename(nodes = contexte),
                     motivations %>% select(motivation) %>% rename(nodes = motivation)) %>% distinct()

nodes_n[nrow(nodes_n)+1, 1] <- "Mes motivations"
nodes_n <- create_nodes(nodes = nodes_n$nodes)

nbr_contexte <- nrow(motivations %>% select(contexte) %>% distinct())


edges_e <- motivations %>% select(2, 4)
edges_e <- bind_rows(edges_e,
                     bind_cols(tbl_df(data.frame(contexte = rep("Mes motivations", nbr_contexte))),
                               motivations %>% select(contexte) %>% distinct() %>% rename(motivation = contexte)))

edges_e <- create_edges(from = edges_e$contexte,
                        to = edges_e$motivation)

create_graph(nodes_df = nodes_n, edges_df = edges_e) %>% render_graph(output = "visNetwork")#output = "visNetwork", "vivagraph")

Motivation professionnelle

Motivations essentielles

La table ci-dessous liste les motivations essentielles à satisfaire par l'activité professionnelle.

motivations_pro <- read.csv2(file = "../data/input/Motivations_professionnelles.csv", as.is = TRUE)
if(length(problems(motivations)$row) != 0) motivations <- motivations[-problems(motivations)$row, ]

kable(x = motivations_pro %>%
        filter(Priorite > 1) %>%
        select(2, 4),
      caption = "Motivations essentielles atteintes et non atteintes")

Motivations non atteintes

kable(x = motivations_pro %>%
        filter(Priorite > 0, Atteinte == 0) %>%
        select(2, 3, 5) %>%
        arrange(desc(Priorite)),
      caption = "Raisons des motivations essentielles non atteintes")

davidromary/skillsassessment documentation built on May 3, 2019, 3:37 p.m.