人事業務において、データの活用は今や不可欠となっています。なかでも、「ピープルアナリティクス」という手法が大きな注目を集めています。
本記事では、ピープルアナリティクスの基本知識から具体的な活用方法、導入のプロセスまで包括的にご紹介します。また、企業の実践事例も取り上げていますので、ぜひ最後までご覧ください。
ピープルアナリティクスとは、従業員のスキルや評価、活動状況など、従業員のあらゆるデータを収集・分析・予測し、意思決定を行うこと。書籍『ピープルアナリティクスの教科書』では、以下のように定義されています。
ピープルアナリティクスとは端的に言えば、「人材マネジメントにまつわる様々なデータを活用して、人材マネジメントの意思決定の精度向上や業務の効率化、従業員への提供価値向上を実現する手法」である。
引用元：「一般社団法人ピープルアナリティクス＆HRテクノロジー協会（2020）『ピープルアナリティクスの教科書』日本能率協会マネジメントセンター」
Google社やMicrosoft社が導入したことで欧米で広まったと言われており、近年は日本でも多くの企業が導入・活用に取り組んでいます。
従来のデータ分析との主な違いは「扱うデータの種類の多さ」と「分析の深さ」です。
以前は、従業員の基礎情報や配属情報、経歴、評価の結果などをもとに分析を行っていました。一方、ピープルアナリティクスでは働き方や日々のスケジュール、従業員同士のメールやチャットの履歴さえも「データ」として活用します。従業員の活動や人間関係なども含めて多角的に分析するのです。
また、これまではデータの収集と管理を機械に任せて、「分析」「要因追求」「予測」は人間が行うというのが一般的でした。しかし、ピープルアナリティクスではそれらの工程にもテクノロジーが介入します。そうすることで、勘や経験に頼らない、より精度の高い意思決定を可能にするのです。
日本にピープルアナリティクスが浸透し始めたのは、2016年頃と言われています。欧米に比べるとやや遅れはしたものの、いまでは多くの企業が関心を寄せています。
引用元：「ピープルアナリティクスの実施状況及び人的資本開示に関するアンケート」株式会社KNOT DATA
「株式会社KNOT DATA」が作成したアンケート調査結果を見てみると、約4割の企業がピープルアナリティクスを導入している、もしくは導入予定であることがわかります。
なぜこれほどまでに注目が集まっているのか、理由を探っていきましょう。
近年、多くの企業で進められている人材の多様化。価値観も経歴も異なる人材をマネジメントするには、従来の”パターン化された”人事システムでは力不足です。従業員1人1人のさまざまな情報をデータ化し、多角的に分析しなければ管理しきれないため、ピープルアナリティクスの重要性が高まっているのです。
また、働き方の多様化も影響していると考えられます。リモートワークが浸透した今は、毎日顔を合わせて、部下の些細な変化に気づいて対策する、といったことができません。従業員の意欲や働きぶりを把握しづらい環境になったため、テクノロジーの力を借りてデータ化および可視化する必要があるのです。
ピープルアナリティクスの注目度は上がっているものの、「導入する予定がない」「実施していない」という企業が多いのも事実です。その理由はいくつか挙げられます。
引用元：「ピープルアナリティクスの実施状況及び人的資本開示に関するアンケート」株式会社KNOT DATA
当調査にて、ピープルアナリティクスにおける不安・懸念として多く挙げられたのは「費用対効果が見えにくい」ことや「専門的な人材が不足している」ことでした。導入してみたものの運用に安定感がなく、なかなか成功を実感できていないというのが現状です。
ピープルアナリティクスの効果を発揮させるには、数多くのデータが必要です。ときには数年かけてデータを集めることもあり、成果が出るまでに時間がかかっているのだと推測されます。
また、ツールを使ってデータを理解し、分析するのには知識・スキルが必要です。ピープルアナリティクスを導入する際は、これらの課題を把握しておくことが大切です。
ピープルアナリティクスに必要なデータが集まるまでには、時間がかかります。導入に向けて、組織に大幅な改革が求められることもあるでしょう。
それでも取り入れるべきと言われるのは、なぜなのでしょうか。主な3つのメリットを挙げます。
数多くの情報を集めて分析する作業の量は膨大です。ピープルアナリティクスではそれらの作業をコンピューターが行うため、従業員の負担が軽減されます。最終的な意思決定は人間が行いますが、必要なデータが自動で揃うだけでもかなり効率が上がります。
また、ピープルアナリティクスを活用することで、未来を「予測」できるようになります。予測したうえで戦略を打てるため、施策の成功率が上がり、コストの無駄を削減できるでしょう。
人の意思決定には偏りが生じるものです。ピープルアナリティクスには、そのような判断のブレ・バラツキを減らせるというメリットもあります。人材採用や人材配置の担当者、組織の仕組みが変わっても適切な判断が下せるようになります。
特に近年は環境の変化により、事例のない採用・育成に挑まなければならないシーンが多々あります。勘や経験に頼れないときこそ、多角的に分析して最適解を導き出すピープルアナリティクスが活躍するでしょう。
従業員エンゲージメント向上のための施策が、従業員のニーズからズレていた……なんてケースをよく耳にします。
ピープルアナリティクスを活用することで、そのような認識の違いによる失敗を減らせます。従業員のニーズをデータで把握し、適切な労働環境を提供することが可能になるのです。
従業員それぞれに合う「働きやすい環境」「キャリアプラン」「教育体制」が作られれば、従業員エンゲージメントの向上が期待できます。結果として、離職率の低下が見込まれるというわけです。
ピープルアナリティクスをどのように活用できるのかがわからなければ、なかなか導入に踏み切れないものです。どのようなシーンで活躍するのか、代表例を5つ見ていきましょう。
人材採用において重要なのは、企業に必要な人材を見極めること。しかし、数多くの応募者の中から、自社で長く働いてくれる「理想の人材」を見つけ出すのは簡単ではありません。
そこで役立つのが、ピープルアナリティクスです。過去に採用した人材の性格や能力、経験、その人材が入社後どのような働きをしたのか、どれほどの期間在籍していたのかなど、データから分析・予測することで採用の成功率を高めることができます。
感覚ではなく事実を「軸」とすることで、本当に必要な人材が明確になります。
誰にどのような役割を与えるのかも、企業の生産性と従業員の定着を左右する重要な要素です。
人材配置を決める際も、ピープルアナリティクスが活躍します。これまではスキルや経験で選ぶのが一般的でしたが、ピープルアナリティクスでは対象者の仕事に対するモチベーション、人間関係なども含めて分析します。多角的に見ることで、1人1人に適した役割を与えられるのです。
データをベースとして判断するため、従業員も自身の配属に納得しやすいでしょう。
ピープルアナリティクスは、人材育成戦略の考案にも活用できます。スキルや特性に加え、研修効果、面談結果なども含めて分析することで、「誰をどのように育てるべきか」「どのようなカリキュラムを組むべきか」を客観的に判断できるようになります。
分析とシミュレーションにより、学習管理システムなどのツールの見極めも可能に。無駄な出費を抑え、自社にとって本当に価値のあるツールに投資できるでしょう。
人事制度の整備でも、ピープルアナリティクスの力が発揮されます。主観に頼らず分析データを活用することで、従業員の評価や待遇に偏りが生じにくくなり、公平性の高い人事制度へとブラッシュアップできます。
また、ピープルアナリティクスでは、競合他社や労働市場のデータも判断材料として活用します。他社との比較により自社の課題が明確になり、改善に向けた具体的なアクションを検討できるでしょう。
労働人口が減少傾向にある今、人材の定着は企業にとっての最も重要な課題と言えます。ピープルアナリティクスは、その防止策である労働環境の整備にも役立ちます。
従業員エンゲージメントに加え、従業員の日々の活動状況や成長など、さまざまな要素を組み合わせて分析することで、「最適な労働環境とは何か」を的確に捉えることができます。また、離職の可能性が高い従業員を予測し、先に手を打つといったことも可能です。
「労働環境改善施策の効果が現れない」という企業は、ピープルアナリティクスの導入が負のループから抜け出すきっかけになるかもしれません。
ピープルアナリティクスの導入に向けて、実際にどのように進めれば良いかも把握しておきたいところです。大まかな流れを確認しておきましょう。
まずは目的を明確にする必要があります。ピープルアナリティクスを実施して何を実現したいのかを明らかにすることで、取り組みの方向性が定まります。
また、計画を立てることも重要です。目標を達成するには、いつまでに何をすべきなのか、そのためにいつまでに分析・収集を終わらせる必要があるのか……とゴールから逆算してスケジュールを設定しましょう。
闇雲に調査すると、無駄な情報ばかり増えてしまいます。目的を果たすには何をすべきか、どのような情報を入手すべきか見極めるため、現状を把握することも大切です。
ピープルアナリティクスには、過去の採用に関する情報や人事評価の結果など、既に会社にあるデータも活用できます。それらの情報がどこに保管されているか確認しておくと、後の分析がスムーズに進みます。
また、従業員が分析結果を業務に活かせるよう、現場はどのような情報を求めているか、どのような問題を抱えているかなども調査しましょう。
次に、必要なデータを洗い出します。目的と現状を比較し、どのような情報を収集すべきか見極めましょう。
例えば「組織改革に向けた人材の確保」を目的として分析する場合、以下のような情報が必要です。
在籍する従業員の評価や実績は、理想の人材像を固める情報として役立ちます。また、エントリーシートや適性検査の結果などといった「入社前」の情報と、「入社後」の評価・実績があれば、「ハイパフォーマーになり得る人材」の特徴を割り出せます。
何のためにどのようなデータが必要か、具体的に洗い出すのがポイントです。
目星をつけたら、データを集める作業に入ります。情報が不足しているときは、アンケートを実施するなど新たにデータを収集する必要があります。
情報を集める際は、トラブルにならないよう配慮が必要です。データの活用先と理由を説明し、事前に許可をとるようにしましょう。
収集したデータをそのまま分析ツールに利用すると、エラーが起きる場合があります。そのため、分析に取り掛かる前に修正・加工が必要です。
表記の揺れがある場合は、ルールを決めて統一します。紙に印刷されたデータを利用する場合は、デジタル化する必要があるでしょう。
ピープルアナリティクスでは、多種多様なデータを取り扱います。正しく分析できるよう整えておきましょう。
データの修正・加工後、分析する前にもう一度確認を行います。度数分布表や散布図などを使ってデータを可視化し、エラーが起きていないか、コンピューターが正しくデータを拾えているかをチェックします。
いよいよ分析を行います。分析結果を正しく理解できるよう、統計解析や機械学習の専門家からアドバイスをもらいながら進めるのがおすすめです。また、専門知識がなくても使えるツールを活用するのもひとつの手です。
とはいえ、全く知識がないと情報を上手く活用できない可能性があるため、基礎知識だけでも身につけておくと良いでしょう。
分析が完了したら、次にどのようなアクションを起こすか決めます。ピープルアナリティクスによって得た「今の状況」「特徴・傾向」「要因」「予測」を整理し、行動指針を定めます。
ただし、データがすべて正しいとは限らないので、注意が必要です。結果を鵜呑みにするのではなく、組織のビジョンと目的に沿ってアクションを決めることが大切です。
ピープルアナリティクスは、上手く活用できれば組織の生産性を高める強い味方となります。そのためには、どうすれば良いのでしょうか。
取り組む際に意識すると良い5つのポイントについて解説していきます。
ピープルアナリティクスは、さまざまなデータを使うことで多角的な分析を可能にするものです。そのためには、散らばったデータを1箇所に集める必要があります。
参考：「一般社団法人ピープルアナリティクス＆HRテクノロジー協会（2020）『ピープルアナリティクスの教科書』日本能率協会マネジメントセンター」を参考に弊社で図を作成
上記図のように、面談の記録や従業員同士のメールの履歴など「現場にあるデータ」と、人事評価の結果や勤怠記録などといった「人事が所有するデータ」を1箇所に格納します。このようなシステムを構築することで、部署の壁に阻まれることなくデータを収集し、より広く深く情報を分析できるようになります。
特に、ピープルアナリティクス未経験の企業では情報が分散していることが多いため、データ管理システムの見直しが必要でしょう。
データを集めて分析するだけでは、宝の持ち腐れです。人事部含め、従業員が業務に活用できるよう環境を整える必要があります。
具体的な取り組みの例として挙げられるのは「BIツール（ビジネスインテリジェンス）」の活用です。データを分析し、結果をグラフや数字でわかりやすく表示してくれるツールです。従業員に専門知識がなくても、それぞれの目的に合わせてデータを活用できます。
いつ・誰が・どのような情報を、どのように使うのかをイメージして環境を整備することが大切です。
機械が自動で分析してくれるからとはいえ、知識が全くないと上手く活用できません。データを使って適切な判断を下すには知識が不可欠です。
そのため、従業員への教育も必要だと考えられます。経営層や人事部、管理者層、特にピープルアナリティクス推進チームは、基礎知識や実施方法、データの読み方だけでも最低限身につけておきたいところです。
また、データの扱い方や使う側の責任、データ化できない情報への意識など、ピープルアナリティクスにおける心構えも学んでおくと良いでしょう。
ピープルアナリティクスによって得たデータは、人事部や経営層だけが使うものではありません。現場の監督者、教育担当者も使いこなせるようになれば、活用の幅が一気に広がります。
そのため、現場の声を聞くことも大切です。現場が求める情報と活用方法を調査し、仕組みに反映させましょう。
なお、現場のニーズは常に変化し続けます。定期的にヒアリングすることが大切です。
ピープルアナリティクスに活用するデータには、個人情報が含まれます。従業員との間にトラブルが起きれば、データを集めることさえも難しくなるため、セキュリティ対策は必要不可欠です。
また、ガイドラインや基準を設定することも推奨されます。ルールさえ守れば反発は起きない、というものではありませんが、トラブルの発生防止となるでしょう。
実際にピープルアナリティクスを導入した企業は、どのような取り組みを行ったのでしょうか。3社の事例を見ていきましょう。
メディア運営やインターネット広告事業など、幅広くビジネスを展開する「サイバーエージェント」。当社は2013年頃からデータ活用に取り組んでいます。
代表的な取り組みとして挙げられるのは「GEPPO」と呼ばれる全社員対象アンケートの実施。個人とチームの状況を「快晴」から「大雨」の5段階で評価してもらうものです。
「GEPPO」を閲覧するのは、取締役と社内ヘッドハンディングチームのみ。敢えて現場の人事担当やマネージャーに伝えないことで、回答者に安心感を与え、本音を引き出しています。
当アンケートでは、売上げが上がって多くのチームが「晴れ」マークを示すなか、一部のチームは変わらず「雨」をマークするということもあったのだそう。その際は、該当チームに売上げ以外の何かしらの問題があると予測を立て、改善に取り組んでいるそうです。
継続的な調査と分析があってこその「気づき」だと言えます。
◾️参考はこちら
「一般社団法人ピープルアナリティクス＆HRテクノロジー協会（2020）『ピープルアナリティクスの教科書』日本能率協会マネジメントセンター」
日本の大手総合電機メーカー「日立製作所」。当社は生産性の向上を目指し、一人ひとりの意識や行動を可視化しようと考え、ピープルアナリティクスの導入に踏み切りました。
調査の結果、従業員の生産性の高さは「健康に対する意識」「組織へのフィット感」が関係していることがわかりました。ピープルアナリティクスを通して要因が明確になったことで、組織の課題と打つべき人事施策が明確になったそうです。
当社の場合、調査結果は本人とマネージャーに伝えられるとのこと。フィードバックがあることが、アンケートへの回答率アップに繋がっていると言います。
閲覧者を限定して本音を引き出すのか、それともコミュニケーションを深める機会として活用するのか。ピープルアナリティクスに正解はないので、目的に合わせて自社なりの活用方法を見つけましょう。
◾️参考はこちら
「一般社団法人ピープルアナリティクス＆HRテクノロジー協会（2020）『ピープルアナリティクスの教科書』日本能率協会マネジメントセンター」
世界60カ国以上に拠点を構えるグローバル企業「三井物産株式会社」。当社はダイバーシティの確保と、新入社員・メンターのマッチング改善をテーマとし、データ活用に取り組みました。
採用においては内定者の属性の偏りを防ぐため、専門家のアドバイスを受けながら過去のデータを分析。データの定量化によって、これまでの採用基準の妥当性が裏付けられ、効果を実感できたそうです。
メンターとのマッチングにおいては、相性分析を実施。診断結果をもとに人事管理担当者がペアを組み、グループディスカッションを見て最終決定、という流れでデータ分析を役立てています。
担当者にデータの活用目的を説明し、分析に信憑性があることを実感してもらえるよう工夫するなど、取り組みに対する抵抗感を減らすアイデアにも注目です。
◾️参考はこちら
「HRの意思決定における”バイアス”を取り除く ーなぜ三井物産の人材開発室はデータサイエンスに取り組むのか？」アッテルLAB
組織に蓄積されたデータは貴重な財産です。分散された情報をまとめて可視化することが、組織の未来への切り札となる場合もあります。
予測不可能なことが次々と起こる今こそ、データという強い味方が必要です。ご紹介した活用方法や企業事例を参考にしつつ、組織全体がピープルアナリティクスを使いこなせる状態を目指しましょう。