はじめてのピープルアナリティクス-前編-

  • -
    リンクをコピー

人事データを分析・活用して、組織が抱える課題を解決へと導くための手法を指す「ピープルアナリティクス」。人事担当者による勘や経験だけでなく、AIやビッグデータ分析などのテクノロジーを用いることで、効果的な人事施策を実施できることから注目を集めています。本記事では、株式会社ビズリーチ HRMOS WorkTech研究所所長の友部博教が、ピープルアナリティクスを基礎からお伝えしていきます。

友部博教

株式会社ビズリーチ
HRMOS WorkTech 研究所所長
兼 人事本部タレントマネジメント室
ピープルアナリティクスグループ
マネージャー

2004年、東京大学大学院で博士号(情報理工学)を取得後、名古屋大学、産業技術総合研究所で、コンピューターサイエンス領域の学術研究に取り組む。その後、2008年より、東京大学で助教として研究・教育に携わる。2011年4月株式会社DeNA入社。アプリゲームやマーケティングの分析部署の統括を務め、人事領域ではPeople Analytics部門の立ち上げに携わる。2018年10月株式会社メルカリ入社。人材開発部門においてPeople Analyticsに関する施策を担当。その後、2019年11月に株式会社ビズリーチに入社し、HRMOS WorkTech 研究所所長と人事本部タレントマネジメント室ピープルアナリティクスグループ マネージャーを兼任。

HRMOS WorkTech研究所について

株式会社ビズリーチが運営するHRMOSは、2021年3月、WorkTechの活用や、未来の人財活用のあるべき姿を研究し、その情報を発信する研究所として、HRMOS WorkTech研究所を設立しました。

「Work Tech」とは、人事業務のDX実現を目指す従来の「HR Tech」をより大きな枠組みでとらえ、人事業務だけでなく、働く人を取り巻く業務すべてを対象にした「働き方のDX実現」を目指すテクノロジーを指します。働く環境の変化や、働き方の多様化が進むなかで、これからは、従来の「HRTech」だけではなく、働く人一人ひとりの変化に対応し、自律的な活躍を支えるテクノロジーである「WorkTech」の導入が求められると考えられます。

HRMOS WorkTech研究所では、Work Tech領域の調査・研究・開発・学術貢献など幅広い役割を担っており、働き方に対する価値観が多様化する現代において、日本のWorkTech推進を目指していきます。

多くの人が期待するピープルアナリティクスの効果

「ピープルアナリティクス」と聞いて、多くの経営者や人事担当者が期待されるのが「退職率の予測」や「ポテンシャルのある従業員の発掘」「チームの成果最大化」などの効果です。しかし、ピープルアナリティクスというものの基本的な考え方を知らずに結果ばかりに意識をとられ、思うような成果が出なかった、というケースは多くあります。

そういったことをふまえ、今回は、短期的に結果を出すような手法論や難しいデータ分析についての知識ではなく、前提として押さえておきたいピープルアナリティクスの基礎知識や考え方についてお伝えしていきたいと思います。

ピープルアナリティクスとは?重要なのは「何が目的か」

ピープルアナリティクスとは、「人事データを分析することにより、組織の課題を解決へ導く手法」を指しますが、この文章の中には大きく2つの要素が含まれています。

1つ目は「人事データを分析すること」、2つ目は「組織の課題を解決へ導くこと」です。もちろん重要なのは後者であり、分析の結果をビジネスアクションにつなげることを目指します。これはピープルアナリティクスに限らず、ビジネスにかかわる多くの分析作業において同様です。

しかし、分析すること自体がゴールになってしまい、分析したデータを組織の課題解決に有効活用できていない企業が多いのが現状です。特に日本の場合、直接的に組織の課題解決にかかわってきたデータサイエンティストが少ないのもこの一因になっています。

データを収集・分析するとそれだけで満足してしまうケースは多いですが、ピープルアナリティクスにおいては「何を解決するためにデータを収集・分析するのか」という目的を明確にすることが大切です。

ピープルアナリティクスで陥りがちな悪い例

ここからは、ピープルアナリティクスにおけるデータ分析の「悪い例」をお伝えしたいと思います。

私が経験してきた分析依頼の中で一例として挙げられるのが、「データが集まったので何かしてください」というもの。

データが集まればそこから何か宝物が見つかるのではと期待されがちですが、現実には難しいです。どのような目的でデータを収集したのか、そもそも収集したデータで実現(解決)したいことが何なのかが不明確で、この状態では課題解決に役立つデータ分析は行えません。

別の例としては、目的を伝えられず、データ収集を依頼されるケースです。「従業員の○○なデータを抽出してください」といった依頼もよくあります。

この場合も、データ収集の目的が不明確であることは変わらず、依頼されたデータ抽出が本質的な課題解決に役立つかわかりません。このようなケースでは、依頼者の課題意識を深掘りして目的を明確にすることで、本来提供すべきデータを精査していきます。本質的な課題解決につながるデータ分析を行うためには、組織にどういった課題があるのか、というところから洗い出していく必要があるでしょう。

これらの事例でもわかるように、ピープルアナリティクスを行う際には、「解決したい課題を明確にする」ことと、「そのために本当に必要なデータは何かを考える」ことが大前提として必要です。

「組織課題を解決する」という目的意識が大切

この記事を通してお伝えしてきたのは、ピープルアナリティクスをはじめ、ビジネスにおけるデータ分析には「組織課題を解決する」という目的意識を常に持っておくことが非常に重要であるということです。解決するべき組織課題は何なのか、課題解決のために必要なのはどのようなデータなのか。それらを明確にしなければ、「ただなんとなくデータを扱っているだけ」で終わってしまう可能性もあるでしょう。目的の軸をぶらさず、本来の意味で組織の成長につながるピープルアナリティクスに取り組みましょう。

続きはこちら
はじめてのピープルアナリティクス-後編-

  • -
    リンクをコピー