従業員スライビングに対する人事施策の効果検証
【プロジェクト事例】人事施策とサーベイスコアの関係を分析し、人事施策の効果を評価。従業員や組織観点のインサイトを得られ、人事施策の検討範囲が拡大。
武田 邦敬
データドリブンHRコンサルタント。ピープルアナリティクス内製化パートナーとして、データ活用を経営と人事の「文化」にする伴走者。
119 posts
成果と育成を両立させるデータ分析チームのマネジメント
データアナリストは、成果を出すプロジェクトの中でこそ育ちます。 近年、人的資本経営やピープルアナリティクスの重要性が高まる中で、データ分析チームを率いるマネジャーには「成果」と「人材育成」をどう両立させるかという課題が突きつけられています。 成果を優先すれば新人が育たず、育成に偏れば成果責任を果たせない──このジレンマは多くの現場で共通しています。 本記事では、データ分析チームを率いるマネジャーの視点から、データアナリストを育てるための3つのポイントを解説します。 ピープルアナリティクスや人的資本経営の取り組みにも通じる、成果と育成を両立させるための実践知です。 1 学びと実践のサイクルを意図的に仕掛ける Webに情報があふれている現代ではありますが、本を読んで難解なコンセプトと対峙するという時間はデータアナリストにとって必要な時間です。本は紙でも電子でも構いません。未知の分野を学ぶ上でWebに点在する情報だけを頼るのは難しい面があります。 そして、本で学んだことを実践してみる。実践してみると大抵上手くいかないか、上手くいったと思い込んでいるはずなので、本に立ち返る。こ...
自治体における人事データ分析の可能性〈自治体ピープルアナリティクス〉
2025年8月8日に、総務省から「時代に即した組織運営・人材戦略に関する分科会報告書」が出されました。自治体人事の在り方を問う重要な報告書で、ピープルアナリティクスとも親和性が高い方法論が提示されています。 * 総務省｜時代に即した組織運営・人材戦略に関する分科会（第5回） このブログでは、総務省の報告書をひも解きながら、自治体における人事データ分析の可能性を考えてみます。 今後の自治体組織運営に求められること 報告書では、人口減少時代にいかにして持続可能な組織運営を実現するかについて、重要な提言がなされています。特に、次の2点が重点ポイントとして挙げられていました。 1. 職員の能力を最大限発揮できる環境を整える 2. より多くの人材に公務を選択してもらえるような組織運営・人材戦略を進めていく 一つ目の点は人材マネジメントの方向性を示すもので、今後の自治体人事の指針となるでしょう。タレントマネジメントのみならず、組織開発やウェルビーイングまで幅広い取り組みが求められることになりそうです。 一方、二つ目の切り口は個人的にハッとした点でした。人を取り合っている状況に...
「ピープルアナリティクスのテーマをどうやって発掘するの？」
ニックネーム「ヒカリコ」さんから、ピープルアナリティクスのテーマ決めに関する質問をいただきました。 質問💬 人事内でデータ分析に取り組むことになり、これまでエンゲージメント調査の整理や残業時間の見える化をやってみました。ただ、次に何を分析したらよいか思いつかず苦戦しています。分析テーマってどうやって見つければいいのでしょうか？ 回答📝 質問ありがとうございます。ピープルアナリティクスのテーマ決めには悩みますよね。 すでに実施されているエンゲージメント調査や残業の分析というのは、どの組織でも求められるテーマでもあります。そこから取り組まれたというのは良いことだと思います。 さて、どうやってテーマを広げるかということですが、大きく分けて3つのやり方があります。 * 人事部門として重視している人事施策から考えてみる。 * 直近の1年間で取り組んだ人事施策から考えてみる。 * チームで話しているときに出てきた言葉を拾いあげて調べてみる。 それぞれ順にみていきましょう。 人事部門として重視している人事施策から考えてみる 経営や業務課題から分析テーマを考...
ピープルアナリティクスを学ぶ人におすすめする本
この記事ではピープルアナリティクスのスキルアップを目指す人に向けて、参考になる本を紹介します。
「どうやったら統計手法を実務で応用できるようになるの？」
先週クライアントからいただいた質問です。実は複数のクライアントから同時期に尋ねられた質問でした。質問箱1回目の回答記事として投稿します。 質問💬 研修や教科書でデータ分析手法を学ぶのはいいのですが、それを実際の場面でどうやって応用したらよいか分かりません。応用力をつけるにはどうしたらいいのでしょうか？ 分析チームの先輩データアナリストと話していると「回帰モデル作ってみようか」「次元削減してから」という言葉がするっと出てくるのですが、どうやって発想しているのでしょうか。 回答📝 技術の応用は難しいですよね。教科書で学ぶことと実地でできることには大きな差がありますが、これをやればできるようになる！という確たる手順があるわけでもないのが困るところです。私自身データサイエンティストに転身したときに悩みました。 応用力を高めるには「やってみる」ことが一番です。実践により応用力が少しずつ磨かれ、気が付いたときには自然にできるようになるものです。 とはいえ、これではアドバイスにならないので、応用力を高める上での工夫できることをお伝えします。これは、かつて分析チームに在籍...
ハイパフォーマー育成のための配置施策を検討する
タレントマネジメント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 * 戦略的にハイパフォーマーやタレントを育成したい。 関心・問い * ハイパフォーマーの自社での職務経験の特徴を明らかにし、他の従業員の配置や育成に活かすことはできないか。 分析アイデア * ハイパフォーマーの選定基準を明確にする。もしくは、人事内でコンセンサスを取る。 * ハイパフォーマー群と比較対照群の所属歴や活動記録を比較分析してハイパフォーマーの特徴的な経験を抽出する。 * 得られた情報から仮説を構築し、ヒアリングなどの定性的調査を行いながら、戦略的な配置や育成プランを具体化する。 利用するデータ * 人事基本情報 * 部門・所属情報 * 評価関連情報 * 職務歴・行動データ...
制度変更による変化を把握する
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 * ジョブ型人事への移行について多角的に検討したい。 関心・問い * 制度変更によってレベリングや配置などにどのような変化が生じるか。 分析アイデア * 社内サーベイや移行リハーサルにより、移行後の想定情報を得る。（定性調査） * 移行リハーサルで得られた情報をもとにレベリングなどを予測する。予測モデルを解析し、予測因子が人事の想定とあっているか確認する。（定量調査） * 定性調査および定量調査を繰り返しながら洞察を得て制度設計に活かす。 利用するデータ * 人事基本情報 * 部門・所属情報 * 職種情報 * サーベイ・リハーサルによる情報...
棒グラフ
棒グラフを使った人事データの可視化例です。棒グラフは量を比較するときに利用され、層別のデータ数や量的変数の平均値などの大きさを棒の長さで表現します。 人事データの可視化例 人事データ可視化の狙い * 全社的な人員配置戦略を検討するため、組織毎の在籍人数を確認する。 人事データ可視化アプローチ 利用するグラフ * 棒グラフ： カテゴリ変数の度数や、他の変数に対する統計量を棒の長さで表現する。 アプローチ * 所属別に従業員数を数え上げ、棒グラフで可視化する。 * グラフに所属の平均在籍人数を追記し、相対的に人数の多い部署や少ない部署を確認する。 グラフの作り方 * Pythonのseaborn.countplotによる可視化例。 import pandas as pd import matplotlib.pyplot as plt import matplotlib.ticker as ticker import japanize_matplotlib import seaborn as sns sns.set_theme(style='da...