HRにおける課題という言葉のあいまいさを活かす
「人事課題」という言葉をLLM3つに分類させたら、結果がバラバラだった。同じWebテキストを分析しているはずなのに。その「ズレ」の背景には、経営・現場・マーケットという3方向からの圧力を受け続ける人事の複雑な立場がある。
データドリブン経営
データドリブン経営に関する考え方や課題について考えます。
12 posts
ディシジョンインテリジェンスの二重ループとは
「ディシジョンインテリジェンスの二重ループ（DI二重ループ）」とは、組織の意思決定を支える二つのフィードバックループが入れ子構造になったフレームワークです。データと意思決定をつなぎ、ピープルアナリティクスを高度化します。
成果と育成を両立させるデータ分析チームのマネジメント
データアナリストは、成果を出すプロジェクトの中でこそ育ちます。 近年、人的資本経営やピープルアナリティクスの重要性が高まる中で、データ分析チームを率いるマネジャーには「成果」と「人材育成」をどう両立させるかという課題が突きつけられています。 成果を優先すれば新人が育たず、育成に偏れば成果責任を果たせない──このジレンマは多くの現場で共通しています。 本記事では、データ分析チームを率いるマネジャーの視点から、データアナリストを育てるための3つのポイントを解説します。 ピープルアナリティクスや人的資本経営の取り組みにも通じる、成果と育成を両立させるための実践知です。 1 学びと実践のサイクルを意図的に仕掛ける Webに情報があふれている現代ではありますが、本を読んで難解なコンセプトと対峙するという時間はデータアナリストにとって必要な時間です。本は紙でも電子でも構いません。未知の分野を学ぶ上でWebに点在する情報だけを頼るのは難しい面があります。 そして、本で学んだことを実践してみる。実践してみると大抵上手くいかないか、上手くいったと思い込んでいるはずなので、本に立ち返る。こ...
自治体における人事データ分析の可能性〈自治体ピープルアナリティクス〉
2025年8月8日に、総務省から「時代に即した組織運営・人材戦略に関する分科会報告書」が出されました。自治体人事の在り方を問う重要な報告書で、ピープルアナリティクスとも親和性が高い方法論が提示されています。 * 総務省｜時代に即した組織運営・人材戦略に関する分科会（第5回） このブログでは、総務省の報告書をひも解きながら、自治体における人事データ分析の可能性を考えてみます。 今後の自治体組織運営に求められること 報告書では、人口減少時代にいかにして持続可能な組織運営を実現するかについて、重要な提言がなされています。特に、次の2点が重点ポイントとして挙げられていました。 1. 職員の能力を最大限発揮できる環境を整える 2. より多くの人材に公務を選択してもらえるような組織運営・人材戦略を進めていく 一つ目の点は人材マネジメントの方向性を示すもので、今後の自治体人事の指針となるでしょう。タレントマネジメントのみならず、組織開発やウェルビーイングまで幅広い取り組みが求められることになりそうです。 一方、二つ目の切り口は個人的にハッとした点でした。人を取り合っている状況に...
課題を起点にデータと分析手法を選ぶ
課題をシャープに絞り込み、課題に沿ってデータを集め、課題とデータに合わせて分析手法を選ぶというのがデータ分析の王道です。特に、インハウスのデータ分析ではこの順番が良いと思います。 この道を逆に辿るとなかなかうまくいきません。 つまり、ある特定の技術や分析方法を固定してそれに合うデータを集め、それらからできることを考えていくと、たまに良い結果につながることもありますが、大抵は業務サイドで活用されないテーマになりがちです。 たとえば、ピープルアナリティクスでは、次ような失敗事例があります。 * AIを活用して離職や休職を予測するシステムを作ったが、現場で使えなかった。 * 人事データを横断的に分析できるようなダッシュボードを作ったが、アクセス数が伸びなかった。 * 社内サーベイのデータを使って人材育成やマネジャーの課題に迫ろうとしたが、情報が不足しインサイトを得られなかった。 まとめると手段よりも目的が大切という、基本的な話になります。 その一方で、人事分野の場合、課題を絞り込む過程がストレートに行かない事が多く、対話と探索的な分析を組み合わせて課題に迫ることが多いです...
AI検索の行く末と企業変革の難しさ
最近、AI検索がGoogleのビジネスにどう影響を与えるのか気になっています。本記事は、AI検索の動向を探りつつ、強固なビジネスモデルを持つ企業の変革について考えてみます。また、最後に企業変革においてデータをどう活用していけばよいのか考察します。 AI検索の行く末 LLMによるAI検索はGoogleのビジネスモデルにどんな影響を与えるでしょうか。PerplexityのAI検索は驚くほど使いやすいので、重宝している方も多いでしょう。ほぼ独占状態にあるWebサーチ分野で、AI検索はそのビジネスモデルを揺るがすものになるかもしれません。 一方、Perplexityも広告を取り入れることを検討しているといいます。GoogleのAI検索も同様の方針。Open AIもAI検索に参入するようですが、そのビジネスモデルは今のところ広告に寄らないように見えます。 米AI検索・PerplexityCEO「メディアと広告収入分配」 日本でも意欲 - 日本経済新聞【シリコンバレー=山田遼太郎】人工知能（AI）を使う検索サービスを手がける米新興企業のパープレキシティは、広告収入をメディア企業と分配する...
ダッシュボードを作る前に、データを深掘りして対話する
データドリブン経営の肝は意思決定に数字を持ち込むことです。KPIを追いかけることはもとより、KPIと他のアクションとの関連性を統計的に分析することで、ファクトベースで施策を打てるようになるのが理想的です。 このように考えると、数字を効率的に追従して周知するためにBIによるダッシュボードを作るという話に繋がってきます。ダッシュボードをうまく作ると、見るべき数字のグラフや集計結果を一目でわかり、データも随時更新されます。部下やステークホルダーからのペーパーベースでの報告書を待つのではなく、いつでも見られるようにしておけばトレーサビリティも上がって素晴らしいというわけですね。 ダッシュボードの作り方について考えてみます。 KPIを可視化する（トップダウン） さて、この「ダッシュボード」ですが、それを作るときにどのような情報を詰め込むか明確になっているでしょうか。 トップダウンで考えるならば、組織目標としてのKGIがあり、KGIをブレイクダウンしたKPIが構成されていて、それらのKGI/KPIと補助情報をダッシュボードに盛り込めば良いということになります。しかし、このように作ったダ...
グラフを使って対話しながら進める
データ分析プロジェクトでは、対象とする業務や問題設定を問わず、どこかの時点でグラフを描くことになります。初期分析や探索的データ分析、分析結果のレポーティングなど、データアナリストはグラフを活用しながら分析を深めていきます。 人事データ分析でもグラフは大切ですが、とりわけプロジェクトメンバーとの議論を深めるために欠かせないものだと考えています。それはレポーティングの場面だけでなく、日常的なグラフを使った対話が大切だという意味です。 この点について、他分野のプロジェクトと比較しながら掘り下げてみます。 コミュニケーション密度 データ分析に必要な時間は様々ですが、少なくとも1.5か月から3か月を最小期間としてプロジェクトを回すことが多いのではないでしょうか。データ分析リソースを外部調達している場合は、半年から1年程度のプロジェクトになるかもしれません。 人事データ分析のプロジェクトでも同様なボリュームになりますが、他分野のプロジェクトと比較してよりコミュニケーションに時間をとる印象があります。主観的ではありますが、うまくいくプロジェクトほどプロジェクトメンバーでよく会話してい...
データドリブン経営で取り組むべき4つの方向性 （ビジネスデータ活用マップ）
ビジネスデータの活用はあらゆる業務で広がり続けています。ビジネスリーダーのビジョンを実現するために様々な課題を乗り越えていく必要がありますが、データは課題解決の手掛かりを得るたの協力な武器になります。 ビジネスでデータを活用する場面は幅広く、マーケティング、製造品質の改善、人材育成など様々な業務領域で効果をあげています。また、こうしたインハウスでの活動だけでなく、製品やサービスの付加価値を付けるためにデータを積極的に活用するケースも増えてきました。 このようなデータを武器としてビジネスを強化する経営スタイルを、データドリブン経営といいます。 例えば、GoogleやAmazon、NetflixなどのWebネイティブ企業はデータによってその競争力が支えられています。一方、スターバックスは実店舗を持つコーヒーチェーンですが、顧客サービスや経営の意思決定にデータを活用していて、データテック企業と呼ばれるほどです。また、国内ではワークマンがデータドリブン経営に取り組み、出店に対する意思決定や物流業務の効率化で効果を上げた事例がよく知られています。 それでは、データドリブン経営ではどのよう...