組織開発やエンゲージメント施策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 * 全社で従業員エンゲージメントを改善し優秀人材を定着させたい。 * 従業員エンゲージメント改善のための施策を検討したい。 関心・問い * 従業員エンゲージメントが低い部門や属性はないか。 * 著しく従業員エンゲージメントが改善、もしくは、悪化しているグループはないか。 * 従業員エンゲージメント向上のポイントは何か。 分析アイデア * 部門・所属・人事基本属性別に従業員エンゲージメントの状況を集計・比較し、相対的に従業員エンゲージメントに課題のあるグループを特定する。 * 従業員エンゲージメントと他の人事KPIや人的資本経営上の指標との関連を分析する。 * 改善傾向にあるグループの発掘を通じて、施策の横展開のための情報を入手する。 利用するデータ * 人事基本情報 * 部門・所属情報 * エンゲージメント * その他サーベイ...
労務管理やコンプライアンス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 * 法令や社内で定めた指標閾値を超過する前に予兆を発見できないか。 関心・問い * 法令や社内で定めた指標閾値を超過する前に予兆を発見できないか。 * 労務管理にかかる作業を削減できないか。 分析アイデア * 所属別・個人別に時間外時間数、有給休暇取得率、出勤率等の情報を集計し、社内で定められた管理指標にしたがってデータを可視化・展開する。 * 所属別・個人別に時間外時間数や有給休暇消化率の経過を予測し、年度内に閾値を超過する恐れがある場合にアラートをあげる。 利用するデータ * 人事基本情報 * 部門・所属情報 * 時間外等情報 * 休暇関連情報 * 勤怠情報...
人事評価や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 * 人事評価の公平性を確保したい。 * マネジャーによる評価プロセスや基準を揃えたい。 関心・問い * 評価者によって人事評価に何らかのバイアスがあるのではないか。 分析アイデア * 一次評価と二次評価のギャップから、評価者の評価傾向を確認する。 * 全社もしくは職種や部門単位で評価分布を比較分析し、評価者もしくは人事属性の偏りを確認する。 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...
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 * ロール設計において、既存の職種との関係やカバレッジを俯瞰的に捉えられないか。 分析アイデア * ロールプロファイル案と既存職種を対応付けたデータを基に、過不足やレベリングの構造上の問題を発見する。 * ロールプロファイル案の属性情報から隠れ構造を抽出し、ロール横断的な特徴を発見する。 利用するデータ * 人事基本情報 * 部門・所属情報 * 職種情報 * ロールプロファイル案...
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 * サクセッションプランを見直したい。 関心・問い * サクセッサー候補が画一的になっているのではないか。 * 現在の人材プールは人事戦略に沿った構成になっているのだろうか。 分析アイデア * 人材プールの形成プロセスや評価基準や、サクセッサーに求める人材像を確認する。 * サクセッサー候補（人材プール）の属性情報のバラつきと経年変化を分析する。 * サクセッサー候補と対照群について、異動パターンや経験の違いを分析する。 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 * タレント情報 * 異動履歴等...
配置施策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 * 配置上の課題を発見し、配置戦略を見直したい。 関心・問い * 部門・所属によって人材の分布に偏りはあるか。 * 部門・所属の人材要件に適した人材が配置されているか。 分析アイデア * 部門・所属別に人事属性、コンピテンシー評価、サクセッサー、エンゲージメント、時間外、離職率、滞留年数を集計・比較分析し、配置実態を把握する。 * 配置実態と部門・所属別のKPIとの関連を分析し、課題を発見する。 利用するデータ * 部門・所属情報 * 人事基本情報 * コンピテンシー * 社内サーベイ...
人材育成・スキル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 * スキル成長のためのチェンジマネジメント施策を考えたい。 関心・問い * 組織や職種によってスキル成長に差があるのではないか。 * ミドルマネジメントや組織風土の違いによって、人材育成に差が出るのではないか。 * スキル成長のドライバーは何か。 分析アイデア * 所属や職種別にスキルアセスメントの結果を比較し、現状戦力の分布を整理する。 * 定性的な観点で人材育成とミドルマネジメントの関連を議論し、ドライバーの仮説を洗い出す。 * ドライバーの仮説に関連する組織サーベイとスキルアセスメント結果の統計的な関連を分析する。 * データ分析結果と当初仮説を元にディスカッションを深め、人材育成上のチェンジマネジメントの在り方を具体化していく。 利用するデータ * 人事基本情報 * 部門・所属情報 * スキルアセスメント情報 * 組織サーベイ...
採用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 * 自社にマッチする採用者を獲得するために、採用戦略を見直したい。 * 採用戦略に対するKPIを高めるために、アジャイルに施策を考えていきたい。 関心・問い * KPIに対して、影響度の高い採用プロセスを把握できないか。 * KPIに高い影響を与える評価項目を発掘し、業務改善につなげられないか。 分析アイデア * 採用プロセス、採用方式、評価項目のKPIに対する影響度を把握し、改善施策の意思決定に活用する。 利用するデータ * 人的資本KPI * 採用に係る情報全般...
配置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 * 組織パフォーマンスを向上させる配置を行いたい。 関心・問い * 配置の全体最適を目指し、配置プロセスをみなすことはできないか。 * 多様性を確保できるような配置を実現できないか。 分析アイデア * まず、配置改善のための重要成功要因(KSF)を明確にし、配置プロセスで参照している情報とKSFの関係を分析する。 * 分析結果をもとに意思決定で活用するか、もしくは配置基準の見直しを行う。 利用するデータ * 部門・所属情報 * 人事基本情報 * 配置履歴情報 * 評価・コンピテンシー...
