This is People Analytics Idea HUB, a brand new site by Kunihiro TAKEDA that's just getting started. Things will be up and running here shortly, but you can subscribe in the meantime if you'd like to stay up to date and receive emails when new content...
2025年3月14日の日経新聞一面トップに人事におけるAI活用の記事が掲載されました。なかなかインパクトのある記事ですが、人事領域においてもAI活用が進んでいることがわかりますね。 人事評価・異動にAI、上司の役割担う JCOMやテルモ 客観データで公平性 - 日本経済新聞 記事を読むと人事評価や配置、採用、リテンションなど幅広い分野で事例がでているようです。様々な人事領域でAIの活用が期待されていることがわかりますね。一方、記事の中では、マーサージャパンの方より以下のようなコメントが掲載されており、人材流動化に対応した取り組みが求められ始めている印象を受けました。 組織・人事コンサル大手マーサージャパン（東京・港）の諸橋峰雄シニアプリンシパルは「世界でも人事領域のAI活用は始まったところで、異動・配置や採用などの分野から進んでいく」と話す。（記事より引用） とはいえ、人事課題は企業によって異なるものですので、企業毎にAIの適用領域が変わってくると想定されます。また、規模の大きな企業では、本社人事と本部内の人事（HRBP）で課題感が変わり、結果としてAIを適用したい場面も違う...
ジョブ型人事に関するピープルアナリティクスのユースケースです。 業務課題 * ジョブディスクリプションの記載レベルを向上させたい。 関心・問い * 組織ニーズにあったひな形を提示できないか。 分析アイデア * 現存するジョブディスクリプションの記載状況や採用実績を調査し、ベストプラクティスを抽出する。 * 人事の考えるベストプラクティスをもとに、ひな形をレコメンドする仕掛けを展開する。 利用するデータ * 人事基本情報 * 部門・所属情報 * 職種情報 * ジョブディスクリプション * 異動または採用実績...
ストリッププロットによる人事データ可視化例です。ストリッププロットは量的変数のばらつきを点群で可視化する手法で、量的変数とカテゴリ変数の関係を確認するために利用されます。各層の平均値や代表値を重ねることも可能です。 人事データの可視化例 人事データ可視化の狙い * 所属別の時間外勤務の状況を比較する。 人事データ可視化アプローチ 利用するグラフ * ストリッププロット： カテゴリカル変数でグループ分けした量的変数の分布を観察する。 アプローチ * 時間外時間数を所属(部)でグループ分けして分布を比較する。 * ストリッププロットの点の散布を観察し、ばらつきの違いを確認する。 * ストリッププロットに中央値(黒実線)と平均値(赤破線)を追加し代表値の違いを確認する。（代表値の表現にはboxplotを利用） * 中央値と平均値のギャップから分布の偏りを確認する。 グラフの作り方 * Pythonのseaborn.stripplotとseaborn.boxplotによる可視化例。 import pandas as pd import matpl...
主成分分析によって次元削減された人事データに対する散布図の可視化例です。コンピテンシーなどの複数の量的変数から構成されるデータを要約する目的で、主成分分析がよく使われています。その結果を散布図を利用して可視化し、特徴をつかむことができます。 人事データ可視化の例 人事データ可視化の狙い * 多くの変数で構成されているコンピテンシーを主成分で要約し、人事属性との関連を探る。 人事データ可視化アプローチ 利用するグラフ * 散布図： 量的変数と量的変数の関係を可視化。 アプローチ * データからコンピテンシーに関する項目を抽出し、主成分分析を適用する。 * 第1主成分と第2主成分を使って、データの分布を可視化する。主成分の寄与率などを確認しながら他の主成分の状況も確認する。 * グレードなどのカテゴリカル変数で色分けし、コンピテンシーとの関連を探る。 グラフの作り方 * Pythonのseaborn.scatterplotによる可視化例。 import pandas as pd import matplotlib.pyplot as plt i...
配置や人事異動に関するピープルアナリティクスのユースケースです。 業務課題 * 定期人事異動業務の暗黙知を見える化したい。（一括異動方式の場合） * 全社の異動実態を把握し、配置プロセスの問題点を見つけたい。（現場主導方式の場合） 関心・問い * 全社または職種、所属別に典型的な異動パターンは存在するだろうか。 * 管理職やハイパフォーマー育成につながる異動パターンがあるのではないか。 分析アイデア * 過去の異動履歴情報を集計し、所属に経験職場の統計値を整理する。 * 整理された職場経験の統計情報から、異動パターンを類型化する。 * 類型化された異動パターンと人事属性との関連を分析する。 利用するデータ * 人事基本情報 * 異動履歴 * その他関連指標...
組織開発やエンゲージメント施策に関するピープルアナリティクスのユースケースです。 業務課題 * 全社で従業員エンゲージメントを改善し優秀人材を定着させたい。 * 従業員エンゲージメント改善のための施策を検討したい。 関心・問い * 従業員エンゲージメントが低い部門や属性はないか。 * 著しく従業員エンゲージメントが改善、もしくは、悪化しているグループはないか。 * 従業員エンゲージメント向上のポイントは何か。 分析アイデア * 部門・所属・人事基本属性別に従業員エンゲージメントの状況を集計・比較し、相対的に従業員エンゲージメントに課題のあるグループを特定する。 * 従業員エンゲージメントと他の人事KPIや人的資本経営上の指標との関連を分析する。 * 改善傾向にあるグループの発掘を通じて、施策の横展開のための情報を入手する。 利用するデータ * 人事基本情報 * 部門・所属情報 * エンゲージメント * その他サーベイ...
