グループ集計に対するヒートマップ

ヒートマップを使った人事データの可視化例です。ヒートマップはクロス集計表やグループ集計表などの行列形式のデータを可視化することができ、表の可読性を向上させます。

人事データの可視化例

人事データ可視化の狙い

所属別のコンピテンシー状況を把握し、人材育成施策を検討する。

人事データ可視化アプローチ

利用するグラフ

ヒートマップ：クロス集計表や行列の値に応じて色付けすることで、平均から比べて当た値が高い（または低い）セルを視覚的に探しやすくする。

アプローチ

所属別にコンピテンシーの各項目の平均値を計算する。コンピテンシーが種類別に独立した列になっている場合はグループ集計を利用し、コンピテンシーの種類と値による縦持ちデータの場合はクロス集計を利用する。
でき上った集計表を用いてヒートマップを描き、各組織の特徴を把握する。

グラフの作り方

Pythonのseaborn.heatmap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

japanize_matplotlib.japanize()

# データの読み込みと加工
df_hr = pd.read_csv('./hr-toydata-basic-600.csv')
comp = ['コンピテンシー_マネジメント',
 'コンピテンシー_戦略構想力',
 'コンピテンシー_対人',
 'コンピテンシー_創意工夫',
 'コンピテンシー_専門力',
 'コンピテンシー_チームワーク',
 'コンピテンシー_ストレス耐性']
comp_div = df_hr.groupby('部')[comp].mean()

# グラフ
fig, ax = plt.subplots(figsize=(7,6))
sns.heatmap(data=comp_div.T, cmap='Blues', fmt='.1f', annot=True, linewidths=.5)
ax.set_title('部別コンピテンシー')
ax.set_xlabel('')
ax.set_ylabel('')