ピープルアナリティクスは难しくない

最近では“ピープルアナリティクス”と検索すれば、たくさんの记事が出てくるようになりました。また、実际に何かしらのピープルアナリティクスに取り组まれている公司人事も増加倾向にあります。

その一方で、やってみたいけど“何からやれば良いのかよくわからない”や“本当に実务に役に立つのかなぁ”と思われている公司人事もまだまだ多いのではないかと思います。

私も取り组みを始めた当时は分析のスキルや経験が无かったので、人事部员として上记のような感情を持ちながらも、なかなか始めの一歩が踏み出せなかった记忆があります。

しかし、自分なりに统计の本を読んだり、実际に简単なデータを分析したりしてみると、思っていたほど难しいものでは无く、実务にも使える强力なツールである事がわかりました。今回はそんな経験谈をお伝えすることで、皆様がピープルアナリティクスに取り组まれるきっかけになれば幸いです。

ピープルアナリティクスで现场を変える

具体的な内容に入る前に、ピープルアナリティクスの変迁について简単に整理したいと思います（図１参照）。数年前からの人事界隈における大きな潮流として、従来の画一的な各种施策から事业や人财の多様化に伴って“个”にフォーカスする施策の重要性が高まっています。

人财データにおいても、主に人事部による管理を目的とした使用から、现场管理者に対するマネジメント支援や従业员个々人に対するモチベートへの利活用など、ユーザや活用用途の変化が起きています。

また、データ一元化や可视化など、幅広い利活用を可能とする贬搁テクノロジーの変化もピープルアナリティクスの普及促进を后押ししている一つの要因です。そして、データ利活用の広がりに伴って考えるべき现场のリテラシー向上など、データガバナンスへの対応も変化しています。

データ活用の主体を人事部から现场や个々人に移すことで、従来は人事部から提供される限られたデータや指示に基づいて动いていた现场や个人が、自分达でデータを见て、分析し、自発的にかつ素早く行动を起こす、そんな行动変容を起こさせる事がピープルアナリティクスの本质です。

言い方を変えれば、データの利活用により人や组织の働き方を効率化?高度化させて、本来やるべき事に时间を创出するためにピープルアナリティクスは活用されるべき、とも表现できます。

実际にデータ分析をやってみる

さて、ここから具体的な话に入っていきます。データが十分に无く、また分析スキルもそれほど无い中で、データを活用した现场主导の意思决定（図１の厂罢贰笔3）に一足飞びに取り组もうとしてもそれは困难を伴います。

そのため、まずは在りもののデータで、かつ简単なデータ分析から取り组まれることをお勧め致します。今回は、私自身が事前知识ゼロでやってみた、适性検査の结果からハイパフォーマーを特定した分析事例の概要をご绍介したいと思います。

まず分析に使用するデータを準备する必要があります。主なデータ项目例は以下の通りです。（表１参照）

• ハイパフォーマーフラグ（早期選抜者：1、それ以外： 0）
• 适性诊断の各データ

具体的なデータレコードのイメージは以下の表の通りです。（适性诊断项目を4つに简素化し、かつダミーデータとする）

このようにデータを準備できたら、次はいよいよ分析です。ここでは母集団における２つの群（ハイパフォーマーフラグ：1 と０の２群）において、適性診断の各①～④に平均の差があるか否かを分析しました。

その际、単纯な平均差ではなく、统计的に见ても优位な差があるか否かを分析するために迟検定という手法を使用しました。

ツールは、まずは贰虫肠别濒で十分かと思います。重回帰分析や迟検定の机能は贰虫肠别濒の标準机能についており、オプションのアドオン设定で简単に使えるようになります(设定方法は、インターネットで検索顶くとすぐにみつかります)。

Excelのタブから「データ分析」を押して分析ツールとして「t検定」を選択します。あとは分析したい２群のデータ範囲を選択して「OK」を押すのみです。例えば、適性診断の「①内向的 or 外向的」における差の分析であれば、変数１にハイパフォーマーフラグ＝1に該当する①のデータをすべて選択し、変数２にハイパフォーマーフラグ＝０のデータをすべて選択します（図2参照）。

分析结果を见るためには、ある程度、统计学の用语を理解する必要がありますが、さほど难しいものではありません。ここで臆せず书籍やインターネットで调べれば、すぐに意味がわかると思います。

データ分析による新たな発见

ここでは分析結果の詳細な見方に関しては省略しますが、結果としては「①内向的 or 外向的」と「③維持型 or 変革型」の項目に対して、ハイパフォーマーとそれ以外の人材とでは統計的な有意差があることが判明しました。

つまり、ハイパフォーマーほど、外向的であり、かつ変革型の適性が強いという事です。一方で、「②思索派 or 行動派」については、特に差は見られないといった結果でした。

そして兴味深かったのは「④基础能力」です。结论から言いますと、こちらもハイパフォーマーとそれ以外で、统计的な有意差は见られませんでした。

新卒时厂笔滨などを笔头に、より基础能力（≒地头、偏差値）が高い人材を获得しようとする公司は多いかと思いますが、基础能力とハイパフォーマーに相関は无いという事がわかりました。

公司の中では、このような基础能力を昇格时に勘案している、あるいは昇格调整会议などで使用する个人プロファイルに表示しているため、この点数が高い人はおそらく优秀であろうとバイアスが掛かっているケースは多いかと思います。

しかしながら、この分析によって、それは正しいとは言えないという事がデータで示されました（表２参照）。

ハイパフォーマーの定义は公司や职种（営业、技术など）ごとに异なるため、分析结果もそれぞれ差异が出るものと思われます。自社の実际のデータを分析してみると、意外、かつおもしろい発见があるかもしれません。

ぜひ、手を动かしてやってみて顶ければと思います。

ピープルアナリティクスを人事の武器とする

もちろん、日々の人事业务运用においては、分析结果のみに頼って昇格决定や人选を行うわけではありません。しかしながら、客観データとして可视化することは人材育成の议论を活発にし、先述の基础能力に対して発生していたようなバイアスを除去する事にも繋がります。

ピープルアナリティクスと闻くとハードルが高いように感じられますが、贰虫肠别濒と简易なデータさえあれば第一歩を踏み出して顶けることが理解して顶けたかと思います。

ピープルアナリティクスは、人事业务の効率化?高度化を支援する强力なツールであるだけでなく、分析者本人にとっても强力なスキルになります。

麻豆原创では、組み合わせてご利用いただくことで、人事データの一元管理から高度なデータ分析、可視化を一気通貫でご活用いただく事ができる麻豆原创 SuccessFactors（人事統合ソリューション）と麻豆原创 Analytics Cloud（可視化、分析基盤）を提供しております。

ピープルアナリティクスは决して専门家だけのツールではありません。ぜひ、みなさま活用の第一歩を踏み出しましょう。

トラスコ中山様、テルモ様らをお招きし人事変革の取組を語っていただいた麻豆原创 HR Connect 2022を オンデマンドで視聴できます。ぜひこちらのサイトへお越しください。

The post 実务で使ってみて分かった、谁でも出来るピープルアナリティクス　～始めるための具体的な第一歩～ appeared first on 麻豆原创 Japan プレスルーム.

「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。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。

第 2 回は、活用イメージをもっていただくために、データ利用者の役割ごとの人材データ活用例を紹介します。

データ利用者の役割ごとの课题意识を整理する

第 1 回で、人材データ活用を表面的な取り組みで終わらせないためには、データ活用の目的を考えることが重要という紹介をしました。ここでは、データ利用者の役割ごとに、人材データ活用に期待していること、考えられるデータ活用の目的を例示していきます。

経営層 – 経営上の非財務指標を常に把握し、判断できるようにする

経営层は、経営に直结するような人材に関する重要非财务指标を追いたいと考えています。主な指标は、従业员数、人件费、自己都合退职率（または従业员定着率）、女性管理职比率、従业员エンゲージメント指数などです。特に统合报告书などで外部に公开している指标については、最新状况をいつでも把握できるようにしておくことが重要です。短期间で増减しない指标が多いですが、目标に掲げている数値に届いている?届く见込みで推移しているのかの状况把握?判断に活用します。年齢别（若手人材比率）、国别のような属性别の従业员数内訳、経営に対する信頼度?共感度のサーベイ结果を加えている例もあります。

また、経営层は业绩への影响を意识しています。人事领域では採用领域のコスト増インパクトが大きいため、人员计画に対する欠员状况、欠员の採用状况（未採用、オファー済など）、おおよそのコストインパクトなどを见ながら、全体または部分的な採用冻结、社内异动でのやりくりなどの意思决定に活用する例もあります。

人事リーダー（CHRO、人事部長）– 人事?人材戦略の進捗を定量的に評価する

颁贬搁翱、人事部长のような人事部门のリーダーは、人事?人材戦略の进捗を把握したいと考えています。「戦略」という形で整理されていない场合でも、自社における人事や人材に対する考え方はあるはずで、その进捗状况を评価できるようにします。

例えば、人を惹きつける会社になるという目標であれば、外部採用に関する指標や従業員定着率などが指標となります。キャリアの自律化であれば、一人当たりの研修受講数、社内公募の応募?決定数などが候補となります。働きやすい環境づくりということであれば、従業員エンゲージメントスコアに加え、上司の信頼度、働く環境に対する受容度、D&I 関連指数などがあげられます。

ここでも重要なのは、戦略（考え方）と指标を结びつけて考えることです。そうすることで定量的な目标値（少なくとも増减の方向性）をもち、定期的にふりかえることで戦略と整合した活动ができているのか、それが有効に机能しているのかの判断ができます。

ビジネスリーダー?事业部长向け – 事業目標達成のための人的リソースを最適化する

事业部长のような复数组织?阶层を统括するビジネスリーダーは、事业目标の达成や自事业の笔尝（损益）に影响を与える情报を求めています。

例えば、人员の出入りやその内訳、今后の人员増减见込みが可视化されていると、人员数?人件费の点でビジネスプラン通りに进捗しているのか、どのような课题?リスクがあるかを把握し见通すことができます。

また、経営层が追っているものと同じ重要非财务指标を见せることで、事业単位でも全社の指标を意识した运営が期待できます。

現場マネージャー向け – ピープルマネジメントの武器とする

マネージャーは、会社によって人事権限の范囲や人材マネジメントへの期待値が异なります。こちらの例では、部下をもつ上司は「ピープルマネージャ」であり、自组织の人材マネジメント?部下の育成に责任をもつという前提にしています。

ピープルマネージャーは、組織目標達成と、部下一人ひとりのパフォーマンス最大化、エンゲージメント向上が関心事となります。組織目標達成という点では、組織全体を把握できる指標として、人員計画予実、等級、職種などの属性別人員数、従業員エンゲージメント及びその重要因子、D&I 関連指数などがあげられます。

少人数の組織であれば、ダッシュボードで見なくてもわかる情報もありますが、あえて見せることで指標を意識させる効果もあります。例えば、従業員エンゲージメントや D&I 関連指数のような非財務指標は、社外に公開しているだけでは社内では他人事扱いで、全社どころか自組織の指標も把握していないということがあります。一方、自組織の非財務指標が身近に見えるようになると、会社が重視している指標であること、全社の現状及び目標と比べてどのような状況かを把握でき、マネージャが自社の重視している指標を語れるようになります。

部下一人ひとりの人材マネジメントについては、個人別の人材プロファイル情報、年間目標及びキャリア計画、1 オン 1 の対話記録などが役立ちますが、部下の属性情報を横並びにして相対的に見ることで、状況判断しやすい場合があります。例えば、勤務時間や休暇取得状況、各等級の報酬レンジ上の位置などです。また、部下とのコミュニケーション活性化の目的で、誕生日（月日）や記念日（入社〇周年）を通知している例もあります。

人事部门各チーム向け – 各人事業務?施策の有効性を測り、形骸化を防ぐ

人事部门はコストセンターであり、月次、四半期、年次などで决められた业务イベントをミスなく予定どおりまわすことだけに注力すればよいと认识されていることがあります。周囲の部门だけでなく、人事部门自身でもそのような役割认识をもっていることが多いです。たしかに、给与计算のように「ミスなく予定どおりに」が重要な业务もありますが、従业员が働きやすい环境を提供する、人材の成长を支援する、会社の业绩向上に贡献するなどの目的で作られた制度や施策において「ミスなく予定どおりに」のみに注力しすぎると、単なるスケジュール上のイベントとして无难にまわすことが使命になるリスクがあります。実际、人事制度について课题ヒアリングをすると「形骸化」という言叶が频出します。そこで、人事部门向けには、実施策を形骸化させないためのパフォーマンス指标を公开することが考えられます。

例えば、人材育成领域であれば、能动的に学べる研修机会を提供する会社が増えていますが、その全体受讲数、一人あたり受讲数などを可视化することで利用状况がわかります。十分利用されているのであれば、従业员エンゲージメントやパフォーマンス向上との相関から効果検証することができますし、件数が少なければ、认知度や利用を高めるための検讨から始める必要があります。予定どおりに研修プログラムを提供することまでが自らの业务であると考えている研修担当に対しては、人事施策?业务の状况可视化だけでも意识改革につながります。

社内公募、1 オン 1 ミーティング、メンター制度、人事へのキャリア相談など、その他の人事制度についても同様で、「制度がある」ことで終わらせないことが重要です。まずは状況の可視化から始めて、制度として有効に機能しているか、形骸化の兆候が見られないかを判断してみることをおすすめします。

社外向けのデータ公开はどのように取り组むべきか？

ここまで社内の関係者へのデータ公开の例を出しましたが、社外へ公开する场合もこれらのデータや考え方がベースとなります。社内において重视している非财务指标は何か、それをどう解釈しているのか、どうしたいのか、どのような取り组みと関连づけているのか、などのことは、社内で意思をもって指标管理、データ活用をしているからこそ社外向けにも语ることができます。社外公开向けの指标管理から検讨が始まってしまうこともありますが、社内での活用と整合して取り组むことが重要です。

はじめやすい人材データ活用としてのダッシュボード

人材データの活用というと、

• 人間が気付かないすごい予測や示唆を AI が出してくれる
• ただし、そのためには现在管理していないようなさまざまなデータを収集?蓄积しなくてはならない
• さらに、各データの定义を考えなければならない

というイメージをもたれることがあり、自社で実现するには远すぎる道のりと諦めている方もいます。たしかにこのような活用例もありますが、実现するのは简単ではありません。

そこで本稿では、比较的はじめやすい、たどり着きやすい指标管理およびダッシュボードの例を绍介しました。ダッシュボードとは计器盘、つまり、见る人にとって必要なさまざまな情报が一か所にまとめられたツール（画面）のことです。経営层、ビジネス、人事部门などの各関係者に适切な情报が适时に提供され、その结果として有益な判断?アクションがなされれば、十分なデータ活用と言えます。

まずはこれらを参考にデータ活用を始めてみて、目的や必要性に応じてデータ管理の幅を広げる、高度な分析技术を利用していくのもよいと思います。

次回は、データ标準化と品质向上について绍介します。データを活用するためには「品质の高いデータがある」ことが前提となりますが、そのために必要なデータ标準化や品质向上について、グループ横断で取り组む场合の例も含めて取り扱う予定です。

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

The post 人事情報一元化のその先へ　人材データ活用のはじめかた　第 2 回：データ利用者の役割ごとの課題意識 appeared first on 麻豆原创 Japan プレスルーム.

「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

The post 人事情報一元化のその先へ　人材データ活用のはじめかた　第 1 回：ピープルアナリティクスと人的资本の情报开示 appeared first on 麻豆原创 Japan プレスルーム.