People Analytics Idea HUB
Driven by クニラボ

データがやってきたら、まず何をやるべきか(後編)

データがやってきたら、まず何をやるべきか(後編)

こんにちは。 「人事データ分析入門講座」講師の武田です。本日もよろしくお願いします。 この講座では、人事データ分析に取り組み始めた方に向けて、データ分析の考え方や方法をお伝えしています。本レターで7回目の配信となりました。 今回は昨年末に配信した「データがやってきたら、まず何をやるべきか」の続きになります。 前編では、データ分析を始める前にデータの発生源を押さえるため、What, Where, When, Howという観点で確認することをお伝えしました。本レターでは、Whoという視点でデータの外観を捉えることをお伝えしていきます。 手元に人事データがやってきたとき、「そのデータには誰が含まれているのか?」と問うことは大変重要です。 人事データ分析の主軸は人と組織です。 組織が人の集合体と考えると、データの外観を捉える上で「誰が」という切り口はもっとも大切な要素といえます。 3つの観点でWhoを考える 皆さんの手元に人事データやサーベイの結果があったとします。さて、このデータはどのような経路をたどってやってきたのでしょうか? 前編で取り上げたWhat, When...

人事データ分析に役立つ本の紹介 #1

人事データ分析に役立つ本の紹介 #1

★2025.8.13追記 ピープルアナリティクスを学ぶ人におすすめする本を改めてまとめ直しました。人事からデータ分析技術まで幅広い本を整理しています。こちらの記事もご覧くださいませ。 * ピープルアナリティクスを学ぶ人におすすめする本 あけましておめでとうございます。 「人事データ分析入門講座」講師の武田です。 この講座では、人事データ分析に取り組み始めた方に向けて、データ分析の考え方や方法をお伝えしています。本レターで6回目の配信となりました。 年初1回目の配信ということで、今回はいつもと嗜好を変え、人事データ分析に役立つ本をご紹介します。一度ではすべてをご紹介できませんので、月イチで本を紹介していければと考えております。 本日は初回ということで、人事データ分析のスキルアップに直結する入門書を2冊ご紹介します。 人事のためのデータサイエンス,入江崇介著 Amazon.co.jp: 人事のためのデータサイエンス 電子書籍: 入江崇介: Kindleストア 人事データ分析といえばこの本!というくらい有名な本です。2018年出版の本で、人事データ分析を始め...

データがやってきたら、まず何をやるべきか(前編)

データがやってきたら、まず何をやるべきか(前編)

こんにちは。「人事データ分析入門講座」講師の武田です。本日もよろしくお願いします。 このニュースレターでは、人事データ分析に取り組み始めた方に向けて、データ分析の考え方や方法をお伝えしています。本レターで5回目の配信となりました。年末ということで年内では最後の配信になりますね。 前回は、人事データ分析を進めていくためのヒントとして、分析テーマから必要なデータを考える方法と、分析を深掘りするための切り口についてお伝えしました。また、人事データ分析でよく利用するデータ項目をマインドマップにしてご提供しました。 マインドマップをご覧いただくと、ひと口に人事データといっても多種多様なデータ項目があることが分かるかと思います。分析テーマとこれらのデータ項目を結びつけることが、基本的なアプローチになります。 ところで、目の前に人事データがあって、その中から目的のデータ項目が見つかれば、すぐに分析を開始することができるのでしょうか? 本レターでは、データが手元にやってきたときに分析者がやるべきことをお伝えしていきます。...

人事データ分析の切り口をどう見つけるか?

人事データ分析の切り口をどう見つけるか?

こんにちは。「人事データ分析入門講座」講師の武田です。本日もよろしくお願いします。 この講座では、人事データ分析に取り組み始めた方に向けて、データ分析の考え方や方法をお伝えしています。本レターで4回目の配信となりました。 前回まで「考えるためのデータ可視化」 というテーマで、 散布図の見方や活用方法についてお伝えしてきました。レターの中で様々な人事属性を切り口にして散布図を深掘りをしていきましたが、そのアイデアはどこからやってきたのでしょうか? 本レターでは、人事データの分析を進めていくときの切り口について考えてみます。 分析目的に沿ったデータの収集からはじめる 人事データを分析しようとするとき、それには何らかの目的があるはずです。 目的というと少し堅くなりますが、分析テーマと読み替えて少しラフに挙げてみると、...

考えるためのデータ可視化:散布図(後編)

考えるためのデータ可視化:散布図(後編)

こんにちは。ニュースレター「人事データ分析入門講座」講師の武田です。 本日もよろしくお願いします。 このニュースレターでは、人事データ分析に取り組み始めた方に向けて、データ分析の考え方や方法をお伝えしています。本レターで3回目の配信となりました。 前回より「考えるためのデータ可視化」 というテーマで、 散布図の見方や活用方法についてお伝えしています。 本レターは後半ということで、散布図を深掘りしていきます。 前回の振り返り 前回のレターでは、人事トイデータを使って、時間外と年休消化率の関係を探っていきました。検討をしている散布図を改めて眺めてみましょう。 この散布図を少し眺めただけでは、時間外と年休消化率の関係を明確にすることができませんでした。しかし、散布図の領域を区切って業務的な意味合いを考えてみると、新たに気になる点がでてきました。 前編では次のような点をあげさせていただきましたが、この他にも気になる箇所を見つけた方もいらっしゃるかもしれません。 * 左下の方は時間外が少ないのに、なぜ年休を消化できていないのだろうか。職場に課題があるのだろうか、それとも役...

考えるためのデータ可視化:散布図(前編)

考えるためのデータ可視化:散布図(前編)

こんにちは。 「人事データ分析入門講座」講師の武田です。 本日もよろしくお願いします。 このニュースレターでは、人事データ分析に取り組み始めた方に向けて、データ分析の考え方や方法をお伝えしています。本レターで2回目の配信となりました。 今回は、「考えるためのデータ可視化」 というテーマで、 1回目に出てきた散布図の見方や活用方法についてお伝えしていきます。 データ可視化というのは、データの外観や特徴を捉えるためにグラフを使ってデータを表現することです。先日お見せした散布図もその一つですね。 では、「考えるための…」とはどういう意味でしょうか? まずはここからお伝えしていきます。 誰のためのデータ可視化? データを可視化する方法はたくさんあります。例えば、身近なところでは、棒グラフや折れ線グラフ、円グラフなどがあります。会議資料やプレゼンテーションで見たことがある方も多いのではないでしょうか。こうしたグラフを使うことで、データの外観や動きを捉えやすくなります。 ビジネスで何らかのメッセージを伝える上で、数字は大切な要素になります。そして、その傾向を端的に表すグラフが...

人事データ分析をはじめよう

人事データ分析をはじめよう

はじめまして。 「人事データ分析入門講座」講師の武田です。 このレターでは、人事データ分析に取り組み始めた方に向けて、データ分析の考え方や方法をお伝えしていきます。特に、以下の点でお困りの方の助けになりたいと思っています。 * 人事の仕事をしているが、データ分析をすることになってやり方が分からない。 * ピープルアナリティクスのプロジェクトに入っているが、データアナリストとのコミュニケーションがとりにくい。 * データ分析を独学で学んでいて、応用力を高めたい。 こうした課題感をお持ちの方に向けて基本的な技術ノウハウをお伝えしていきます。 まず1回目の配信ということで、データ分析のイメージをつかんでいただくことを目指します。 人事での分析シーンはさまざま 人事でデータを分析する場面というのはさまざまです。たとえば、エンゲージメントの課題を探ったり、ハイパフォーマーの特徴を見つけたり。 人事業務で遭遇する「実態はどうなっているのだろう?」「問題はどこにあるのかな?」「この先どうなるのだろうか?」というような疑問に対して、データを使って客観的に答えようとする場面でデータ...

マインドマップ「人事データ分析の切り口」を公開

マインドマップ「人事データ分析の切り口」を公開

こちらのページでは、人事データを分析するための切り口(観点)を整理したマインドマップを公開しています。 人事データ分析の切り口 人事データ分析で利用できるデータは人事の基本的な属性から勤怠や成績に至るまで多岐にわたります。 データ分析に携わっている皆さまより、「人事データの分析で利用できる項目にはどのようなものがありますか?  分析の切り口についてヒントをください」とお問い合わせいただくことが増えてきました。 そこで、クニラボでは、これまでの分析ノウハウを集約し、人事データ分析でよく使用するデータ項目をマインドマップに整理いたしました。 ライセンス クリエイティブ・コモンズ(表示 - 非営利 - 4.0)にて配布しております。詳しくは以下のページをご参照ください。 https://creativecommons.org/licenses/by-nc/4.0/deed.ja 注意点・制限事項 * 上記ライセンスに従った上でご活用ください。 * 本ドキュメントは経験に基づくものです。その品質を保証するものではありません。また、利用された結果生じた如何なる損害も保...

ピープルアナリティクスの仮説検証サイクル(DDDIサイクル)

ピープルアナリティクスの仮説検証サイクル(DDDIサイクル)

ピープルアナリティクスでは、ファクトをベースに問題を発見し課題解決につなげていくことがポイントになります。これにより、人事に仮説検証型のプロセスを導入することができます。 この記事では人事における仮説検証のイメージをお伝えし、ピープルアナリティクスを人事にビルドインするための考え方(DDDIサイクル)をご紹介します。 ビジネスにおける仮説検証 ビジネスにおける仮説の検証とは、ビジネス上の施策を仮説をもって実施しその効果を振り返り軌道修正を図るような取り組み全般を指します。これはピープルアナリティクスに限らず、ビジネスの様々なシーンで活用されているアプローチです。 例えば、生産現場における改善や、WebマーケティングにおけるA/Bテストが代表的な仮説検証の例になります。 また、近年のスタートアップ企業の立ち上げでは、市場の課題とプロダクトのフィッティングを行うために仮説検証を繰り返すことがスタンダードになっています。このアプローチは、大企業の新規事業の立ち上げにも取り入れられ始めています。 なぜ人事に仮説検証が必要なのか? それでは、なぜ人事業務においても仮説検証が必要...

You’ve successfully subscribed to People Analytics Idea HUB
Welcome back! You’ve successfully signed in.
Great! You’ve successfully signed up.
Success! Your email is updated.
Your link has expired
Success! Check your email for magic link to sign-in.
Please enter at least 3 characters 0 results for your search