線形回帰付き散布図を使った人事データの可視化例です。散布図は量的変数同士の関係を観察するために利用されます。散布図に回帰直線をフィットさせることで、傾向を捉えやすくなります。
人事データ可視化の例
人事データ可視化の狙い
- マネジメント教育施策の検討のため、勤続年数とコンピテンシーの関係を調査する。
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。
- 線形回帰(単回帰)： 変数同士の線形な関係を推測する。
アプローチ
- 関心のあるコンピテンシー項目と勤続年数から散布図を作り、関係性を確認する。
- 採用種別により勤続年数の意味合いが異なると想定し、グループ分けしたうえで回帰直線をフィットさせる。
グラフの作り方
- Pythonのseaborn.lmplot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='ticks')
japanize_matplotlib.japanize()
# データの読み込み
df_hr = pd.read_csv('./hr-toydata-basic-600.csv')
# グラフ
sns.lmplot(data=df_hr, x='勤続年数', y='コンピテンシー_マネジメント', hue='採用種別', height=6, scatter_kws={'alpha': .5})この記事で使ったデータ
以下のページでデータを配布しています。
人事トイデータの公開
こちらのページでは、クニラボで作成した人事トイデータを公開しています。 トイデータとは？ トイデータ(Toy Data)とは、演習用に使えるリアルでないデータのことをいいます。データ分析や機械学習のライブラリに附属する場合もあり、手元にデータがなくてもそのライブラリをすぐに試せるのが利点です。 人事データ分析の演習にご活用ください ピープルアナリティクスを学んでみたいが手元に良いデータがない、という方も多いのではないでしょうか。人事データは個人情報を含むため、ピープルアナリティクスプロジェクトの正式なメンバーでないと触ることができません。 そこで、演習用にデータを自作しGoogleドライブより公開しています。これまでも代表のnote記事の中でリンクを張っていたのですが、複数の記事で利用するためこのページを作りました。 * 2023/11/29追記 「HRトイデータ_人事情報_拡張版.csv 」を追加しました。 * 2024/3/23追記 「HRトイデータ_月別時間外.csv 」を追加しました。 * 2024/11/18追記 「HRトイデータ_エンゲージメントスコア
武田 邦敬
