データの多角的・複合的な分析があってこそ、人材を活かすことができる

人手不足・人材不足が深刻化する中、人的資源を最大限に活用することは重要な経営課題である。人材の最適配置、エンゲージメントの向上とリテンション、投資効果の高い人材育成といった人材マネジメントの高度化が、ビジネスを成功へと導くために不可欠なものとなっている。

誰に何を任せるか、どうすれば従業員の意欲を高めて生産効率を上げられるのか、どのようにしてハイパフォーマーを育てるか……。こうした施策を現場主導、あるいは経験則や主観に頼って進めることには限界がある。人事に携わっている多くの方が、そう実感しているだろう。これからの人事には、将来を見据えた定量的なアプローチと、データに基づいた確かな判断が求められている。

そのための手法として大きな関心を寄せられているのが「ピープルアナリティクス」である。人（People）の分析（Analytics）という言葉の通り、人＝従業員に関するデータの収集・分析を意味する。主観、直感、イメージなどで人を判断するのではなく、また単一的なデータの活用にとどまらず、各種のデータを多角的・複合的に分析することで、現状を正しく把握し、異動・配置、評価、育成といった人事業務における意思決定や、施策の立案・実行につなげていくのである。

例えば「ある階層だけ、目立って労働時間が長く生産効率が悪い」「特定部署・特定年代における離職率が高い」などの人事課題には、収集したさまざまなデータから問題の原因を抽出・分析することで、どのような人材に生産効率低下や離職のリスクが高まっているのかを定量的に把握し、適切なフォローができるようになる。

マーケティングの分野では、売り上げやWEB解析など多彩なデータから消費者の意識と行動を分析し、製品開発・集客・販促に活用する、いわゆる「データドリブン」が急速に発展している。ピープルアナリティクスもこのデータドリブンの一種であり、これからの人事には、データを分析するスキルと、分析結果を正しいアクションに結びつけられる実践能力が必須となるだろう。

ピープルアナリティクスの一般的な進め方は、まず自社の課題を洗い出すことから始まる。課題抽出の際には、数値としての収集・測定しやすさやKPI／KGIのような視点をもっておくとよい。それから、人事課題の内容に応じて必要なデータをリストアップし、実際に収集するのが次のステップとなる。そして、各種データを組み合わせて分析し、何が問題となっているのか、どうすれば解決法を導けるか仮説を立て、その仮説に基づいて、さらにデータの収集・蓄積と分析を進めていく。仮説の妥当性が確認できたら、得られたデータを基に改善策を立案・実施し、その効果を検証する。仮説の精度に問題があった場合は、再度仮説を立て直し、必要なデータを新たに収集・分析する。要はトライアル＆エラーの繰り返しである。