クニラボで伴走支援させていただいた事例です。独自の従業員サーベイを長年実施されてきた企業様の取り組みで、会社・人事として重要なコンセプトとなっていました。

その一方で、個人差が大きなサーベイであったために、施策とスコアの関係を評価するのが難しいという課題がありました。また、様々な施策が絡み合っていたため、ひとつ一つ関係性を解きほぐすことも必要でした。

こうした状況の中で、分析と対話のサイクルを回すことで「組織の自分以外の人が施策を始めたら効果があるのでは？」「組織で一定以上の人が新しいことをやり始めると変化があるかも」という新しい仮説が生まれました。

お困りごと

  • 会社の重点施策である従業員スライビング（エンゲージメントやウェルビーイングを包括した取り組み）の向上要因を探りたい。
  • 既存の人事施策とサーベイで集計したスコアとの関係を定量的に評価できていない。
  • サーベイの性質として個人差が大きく、分析アプローチを組み立てにくい。

ご支援内容

  • プロジェクトメンバーとのワークショップを通して課題や仮説を整理。並行して、データ観察により問題構造の深堀りしながら、プロジェクトの方向性を決定。
  • パネルデータに対し、ハイブリッド法を活用して人事施策とサーベイスコアの関係を分析し、人事施策の効果を定量的に評価。
  • 従業員、ミドルマネジメント、人事それぞれの観点で課題を整理。

効果

  • 定量的に評価できていなかった人事施策の効果を客観的に評価することができた。
  • 従業員だけでなく組織観点のインサイトを得られ、人事施策の検討範囲を広げることができた。
  • 経営アジェンダの中でピープルアナリティクスがより前向きに議論されるようになった。

分析アプローチ

  • 経年で繰り返し計測されたサーベイデータと人事属性等のデータを活用し、パネルデータ分析手法を適用。
  • 階層モデルで個体差や組織差を吸収しつつ、ハイブリッド法により人事施策とサーベイの因果関係を評価。
  • 非線形な関係が見込まれる仮説に対して一般化加法混合モデルを適用。

分析手法

  • データ可視化による現状把握
  • クラスタリングやUMAPを用いた構造探索
  • 一般化加法混合モデルによる非線形な関係性の評価
  • パネルデータ分析による人事施策の効果検証（ハイブリッド法）

※守秘義務保護のため、実際の支援実績をもとに設定の一部変更や複数事例の統合を行っています。