折れ線グラフを使ってすべての個体（従業員）のデータを可視化するスパゲッティプロットの例です。すべての個体のデータをプロットすると線が重なってしまいますが、色の透過度を工夫することで全体的な傾向や外れ値・アノマリーを発見することができます。 人事データ可視化の例 人事データ可視化の狙い * 従業員別の時間外の推移を確認し、労務管理上の問題を確認する。 人事データ可視化アプローチ 利用するグラフ * 折れ線グラフ： 量的変数の経時的な変化を観察する。 アプローチ * 月別に独立した形で時間外が記録される横持ちデータから、縦持ちデータへ変換する。 * 各従業員の時間外時間数の推移を折れ線グラフを用いて可視化する。 * カテゴリカル変数である部の情報で線の色を変えることで、組織別の傾向を把握する。 * 各線の動きから季節変動や周期性、上昇・下降トレンドがないか確認する。 * 全体の動きと比較し、特異な動き方をしているデータはないか確認する。 グラフの書き方 * Pythonのseaborn.lineplotを使った可視化例。 import pa...
KDEプロットを使った人事データの可視化例です。KDEプロットは量的変数の分布を曲線で近似して可視化することができ、分布形状の比較を簡単に行えます。また、複数のカテゴリーで分割し俯瞰的に捉えるのに適しています。 人事データ可視化の例 人事データ可視化の狙い * 男女別の年齢構成の違いを比較し、人的資本経営の課題を発見する。 人事データ可視化アプローチ 利用するグラフ * KDEプロット： 量的変数の分布を滑らかな曲線で近似して確認する。 アプローチ * KDEプロットを使って男女別の年齢分布を確認する。 * 構成の違いを見るために、男女の人数差に影響されないように男女独立で密度を推定する。（common_norm=Flase を指定） * 組織などの属性でグラフを分割し、傾向の違いを把握する。 グラフの作り方 * Pythonのseaborn.kdeplotによる可視化例。 import pandas as pd import matplotlib.pyplot as plt import matplotlib.ticker as tick...
Microsoft 365 Copilotを使えば、Excel上で自然言語によるデータ分析が可能になります。実際に試してみたのですが、内部でPythonコードが動いているようで、Excel単体では難しかった統計解析もサクッと実行できることが分かりました。使い慣れたExcelの延長線上で、これほどの分析ができるとは驚異的です！ 今回は、ピープルアナリティクスを題材に、Excel × Copilotによる分析の様子をデモ動画にまとめました。まずはこちらをご覧くださいませ。 使用したデータは当サイトで公開中のHRトイデータです。コンピテンシー項目に着目し、主成分分析で次元削減を通して隠れたパターンを探索しています。 使い慣れたExcelを使いながら自然言語で高度な分析を指示できるのは魅力的で、ピープルアナリティクスの内製化の切り札になるのではないかと感じました。その理由は次の通りです。 1. 自然言語で指示ができ、分析に関するコーティングの手間を大幅に削減できる。 2. 多くの企業に普及しているMicrosoft 365上で動作するため、Pythonの実行環境の準備が不要になる。...
本レターでは、経営の観点で人的資本経営の位置付けを整理した上で、ピープルアナリティクスとの接点を考えてみます。
本レターでは、施策効果の正しい測定に向けた課題と、その対応策としてのA/Bテストおよび因果推論手法を紹介します。
Geminiでデータ分析ができるようになったようですね。Googleスプレッドシートから直接分析できるのであれば結構便利かもしれません。 * 「Google スプレッドシート」でGeminiがデータ分析やグラフ生成を行えるように - 窓の杜 プログラミングの現場には様々な形で生成AIが入り込んできていますが、その流れがデータエンジニアリングやデータ分析の方にもやってくる可能性もあります。 ということで、早速ピープルアナリティクスを題材にGeminiで分析をやってみました。デモ的にざっと流した様子を動画にまとめたので、まずはこちらをご覧くださいませ。 ご覧の通り、Google WorkspaceのGoogleスプレッドシートから直接呼び出す形で実行しています。 自然言語ベースでの作業指示でここまでできるというのはすごいですね。 1年半前にChatGPTのCode Interpreterが登場したときも驚きましたが、そのときよりも洗練されています。 なお、こちらの動画は手早く見えるように編集しているので、実際はもう少し時間がかかっています。キャプチャした動画の元ファイルを確...
本レターでは、異動履歴データを活用した異動パターンの分析について過去の経験をトレースし、分析アプローチの組み立て方について解説します。
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...
先週の3月7日、富士通ラーニングメディアのセミナー「今求められる世界水準の人的資本経営と、社員が自ら学べる環境づくり」に参加しました。富士通のキャリアオーナーシップの取り組みを詳しくお聞きすることができ、ピープルアナリティスクの視点でも学びがありましたのでレポートします！ 人的資本経営実現に向け、富士通が取り組んだ2つのこと 富士通は2020年4月より管理職にジョブ型人事制度を導入し、その2年後の2022年に全社員に拡大しました。この取り組みは事業戦略を起点とした人材マネジメントを実現するものであり、人的資本経営の観点からも重要な施策といえます。 本セミナーの第一部では、富士通株式会社 取締役執行役員 SEVP CHRO 平松氏より、人的資本経営を実現する上でポイントとなった2つの取り組みについてご紹介がありました。 将来の人材ポートフォリオとのGapの明確化 一つ目のポイントは、事業に必要な人材ポートフォリオを明確にしたことだといいます。具体的には、「どの事業をどの地域でどう伸ばすか」という事業戦略をベースに事業のポートフォリオを考え、その上で増やすべきロールを整理...
