※旧ブログサイトよりの転载ブログです。部分的にリンクが机能しない箇所があります。予めご了承くださいますようお愿い致します。
「ヒト」は「モノ」や「カネ」と违って定量化が难しい、経験と勘によるアナログな管理が必要、と言われることが多い人事?人材领域においても、昨今、人事戦略や方针の中で「データドリブン」、「データ活用」という単语を见ること、闻くことが多くなりました。
全社的な DX 推進の流れが人事領域に影響しているということもありますが、「ピープルアナリティクス」、「非財務指標としての人的資本の情報開示」という人事トレンドからも人材データの活用が注目されています。
一方で、データドリブンを掲げる人事部门の方からは、人材データをどう活用してよいかわからないという相谈をいただくことも多くなっています。そこで本稿シリーズでは、人材データの活用を検讨する际の考え方や、勘所をご绍介します。
ピープルアナリティクスと人的资本の情报开示
ピープルアナリティクスとは、人に関するさまざまなデータを分析することで洞察を得ることです。人事台帐で管理している基本データだけでなく、従业员本人の希望や适性、行动に関するデータなど、人に関する幅広いデータの収集および蓄积が可能となり、さらに高度な分析ができるツールが出始めたことから、ピープルアナリティクスは、今までの人事业务の延长ではなく、人事の新たな领域として注目されています。
人的資本の情報開示とは、企業価値の源泉であるヒトについて、非財務情報であるが重要な経営指標として管理?開示していこうという動きのことです。昨今の経営において重視されている ESG の観点や、SEC（米国証券取引委員会）による人的資本情報の開示の義務付け、ISO（国際標準化機構）による人的資本情報の開示に関するガイドライン発表など、対外的にも必要性が高まっています。
ピープルアナリティクスと人的资本の情报开示は、それぞれ独立した人事トレンドではあるのですが、本稿のテーマである「データ活用」の一部と考えられます。そして、人事トレンドとなっているがゆえに、取り組み内容の表面的な部分を切り取って進めてしまう例が見られます。
データ活用トレンドに“表面的に乗っかる”ありがちな例
データ活用に取り组む例をあげます。
（例 1：ピープルアナリティクス）
- ピープルアナリティクスでデータドリブン HR を実現するために、データサイエンスチームを作った
- とりあえず退职を予测してみようということになった
- 退职リスクの高い人材を引き留めたいのか、退职が予测される人材の穴埋めに早期に着手したいのか、全社的な退职倾向を把握し改善したいのか、ヘッドカウント减を予测して人件费计画の精度を高めたいのか、などは考えていなかった
- 过去数年分の人材データをもとに退职の予测モデルを作成した
- 予测モデルを过去の退职実绩データに当てはめると高い精度で予测できていることがわかった
- 予测に强い影响を与える复数の因子について、人事などの関係者から「これまでの人事経験からわかっていたけど、纳得感のある因子だ。」「やっぱりそうだよね。思った通りです。」と肯定的な反応を受け、チームはみなよろこんだ
（例 2：人的資本レポート）
- トップからの指示を受け、人事部门は人的资本の情报开示に関する取组を开始した
- 外部に公开されているガイドラインや専门家の意见を受け、社外および社内に公开すべきデータをそれぞれ整理した
- 社外向けには既に年次で公开している人事関连情报とほとんどギャップがなかった(のでそれ以上の対応はしなかった)
- 社内では、毎月?四半期ごとにデータをとりまとめ、レポートを作成することにした
- レポートは人事本部长に提出しており、経営会议の资料に含めてもらっている
- 人事担当は、新たな作业が増えたことで业务负荷は高まったが、経営向けレポートを作る役割に少しやりがいを感じている
- 管理しはじめた人材データに関して、社内での意识変化や指标改善は特に见られない
流行りものには手を出さない方がよいのか
「例 1:答え合わせを楽しむ」、「例 2:指標を出すだけで満足」のどちらの例も、推進者にとってはやりがいのある活動かもしれませんが、データをうまく活用しているとは言えません。このように言うと、「流行りものに惑わされるから失敗する。手を出さない、何もしないことが一番。」と、現状維持?何もしたくない派の方々がよろこぶのですが、取り組むことを否定しているのではありません。むしろ実行すること自体はすばらしいことです。
ただし、人事トレンドの表面的な部分を切り取って、「なぜやるのか」、「何をしたいのか」が抜け落ちたまま进めてしまうと良い结果になりません。例1については、现状の课题などから実现したいことを整理することで、个人に注目するのか全体に注目するのか、退职前のどの时期に注目するのかなど、分析の视点が変わります。それをアクションにつなげることで、分析结果を活かすことができます。
例2についても、目的意识がないままガイドされた指标を算出するだけでは、结果的に何をしたいのかがわからず、社外だけでなく、社内においても意识されなくなってしまいます。大上段では「なぜ」があったものの、実务担当者に丸投げして手段だけが残ってしまう场合も同様です。
结局何をしたらよいのか
データをうまく活用するためには、「なぜやるのか」、「何をしたいのか」をはじめに考えましょう。
といっても、人材データ活用は今まで取り组んでいない新たな领域ということもあり、大上段から考えることが难しいと相谈をいただくことも多いです。そのような场合に、人材データの活用イメージから検讨してもらい、「なぜやるのか」、「何をしたいのか」の検讨の参考にしていただくことがあります。活用范囲は人事に闭じたものではなく、全社的な活用として考えます。
例えば、以下のようなデータ利用者の役割を轴として活用イメージを考えることができます。
- 経営层向け
- 人事リーダー（颁贬搁翱、人事部长）向け
- ビジネスリーダー?事业部长向け
- 现场マネージャ(部下をもつ上司)向け
- 人事部门各チーム向け
次回は上记のデータ利用者の役割别の、データ活用の目的と活用例を绍介予定です。ここまで読んでいただいたみなさまも、活用イメージを考えながら次回投稿を読んでいただけると幸いです。
※ 第 2 回はこちら
ご质问は??からも受け付けております。お気軽にお问い合わせください。
- お问い合わせ先
電話: 00531490110
