人材育成に関する取り組みやユースケースをまとめています。
この記事ではピープルアナリティクスのスキルアップを目指す人に向けて、参考になる本を紹介します。これまで、実務で分からないことが出てくるたびに本を増やしてきましたが、その中で今も活用している本や、人事の方におすすめしている本を選んでまとめてみました。 洗い出してみると全体で60冊となかなかのボリュームになりました。そこで、入門・中級・発展と3つに分け、さらにトピックス毎に整理しています。 もちろん、このすべてを読む必要はなく、携わっているプロジェクトや疑問点に応じて選んでいただければよいかと思います。 * 2025.8.17 更新 「本の選び方ガイド」を追加しました。 * 2026.4.6 更新 本を追加しました。 目次 * ✨本の選び方ガイド * 難易度別ガイド * テーマ別ガイド * 📗ピープルアナリティクスおすすめ本〈入門編〉 * ピープルアナリティクスの全体像をつかむ2冊 * ビジネス定量分析の基礎を学ぶ4冊 * 統計学・機械学習の基本を学ぶ3冊 * 人事業務の全体観をつかむ3冊 * 📘ピープルアナリティクスお...
先週クライアントからいただいた質問です。実は複数のクライアントから同時期に尋ねられた質問でした。質問箱1回目の回答記事として投稿します。 質問💬 研修や教科書でデータ分析手法を学ぶのはいいのですが、それを実際の場面でどうやって応用したらよいか分かりません。応用力をつけるにはどうしたらいいのでしょうか？ 分析チームの先輩データアナリストと話していると「回帰モデル作ってみようか」「次元削減してから」という言葉がするっと出てくるのですが、どうやって発想しているのでしょうか。 回答📝 技術の応用は難しいですよね。教科書で学ぶことと実地でできることには大きな差がありますが、これをやればできるようになる！という確たる手順があるわけでもないのが困るところです。私自身データサイエンティストに転身したときに悩みました。 応用力を高めるには「やってみる」ことが一番です。実践により応用力が少しずつ磨かれ、気が付いたときには自然にできるようになるものです。 とはいえ、これではアドバイスにならないので、応用力を高める上での工夫できることをお伝えします。これは、かつて分析チームに在籍...
ピープルアナリティスクに携わるデータアナリストは、人事担当者やデータ管理部門など多くのステークホルダーと会話を重ねながらプロジェクトを進めていくことになります。分析テーマやアプローチの検討から始まり、定期的なディスカッション、意思決定者へのレポーティングなど様々な場面があります。あるいは、データアナリストチーム内で、メンタリングを受けることもあるかもしれません。こうした会話はとても大切です。 その一方で、データアナリストはデータから何らかの知見や考察を得るべく、データ分析作業に時間をかけます。データの抽出から前処理、モデリング、評価、報告書の作成までやることはたくさんありますね。 分析プロジェクトに参画して間もない方は、思ったよりも前処理に時間がかかったり、評価方法がわからなかったりして、余裕がない状態になることもあるでしょう。また、プロジェクトで採用した分析手法が未経験で、どうやって分析したらよいのだろう？と焦って調べることになるかもしれません。 このようなとき、期日までに作業を終わらせることを目指し、とにかく手を動かすことを優先する方もいらっしゃることでしょう。しかし、データ...
ヒートマップを使った人事データの可視化例です。ヒートマップはクロス集計表やグループ集計表などの行列形式のデータを可視化することができ、表の可読性を向上させます。 人事データの可視化例 人事データ可視化の狙い * 所属別のコンピテンシー状況を把握し、人材育成施策を検討する。 人事データ可視化アプローチ 利用するグラフ * ヒートマップ： クロス集計表や行列の値に応じて色付けすることで、平均から比べて当た値が高い（または低い）セルを視覚的に探しやすくする。 アプローチ * 所属別にコンピテンシーの各項目の平均値を計算する。コンピテンシーが種類別に独立した列になっている場合はグループ集計を利用し、コンピテンシーの種類と値による縦持ちデータの場合はクロス集計を利用する。 * でき上った集計表を用いてヒートマップを描き、各組織の特徴を把握する。 グラフの作り方 * Pythonのseaborn.heatmapによる可視化例。 import pandas as pd import matplotlib.pyplot as plt import matp...
線形回帰付き散布図を使った人事データの可視化例です。散布図は量的変数同士の関係を観察するために利用されます。散布図に回帰直線をフィットさせることで、傾向を捉えやすくなります。 人事データ可視化の例 人事データ可視化の狙い * マネジメント教育施策の検討のため、勤続年数とコンピテンシーの関係を調査する。 人事データ可視化アプローチ 利用するグラフ * 散布図： 量的変数と量的変数の関係を可視化。 * 線形回帰(単回帰)： 変数同士の線形な関係を推測する。 アプローチ * 関心のあるコンピテンシー項目と勤続年数から散布図を作り、関係性を確認する。 * 採用種別により勤続年数の意味合いが異なると想定し、グループ分けしたうえで回帰直線をフィットさせる。 グラフの作り方 * Pythonのseaborn.lmplotによる可視化例。 import pandas as pd import matplotlib.pyplot as plt import matplotlib.ticker as ticker import japanize_matplot...
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...
人材育成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 * 育成施策の効果を高めるための施策を打ちたい。 関心・問い * 教育の受講状況について俯瞰的に把握できないか。 * 全社もしくは層別の教育施策が、人事戦略の実現につながっているか。 分析アイデア * 所属や職種別に教育の受講状況の履歴を集約し、KPIとのギャップを発見する。 * 教育受講傾向と組織パフォーマンスなどを比較し、マクロ的な関連を分析する。 * 教育以外の人的資本KPIとの関連を調査する。 利用するデータ * 人事基本情報 * 部門・所属情報 * 研修履歴 * その他関連指標...
人材育成や教育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 * 育成施策の効果を高めたい。 * 経営層へ育成効果を提示し改革を広げていきたい。 関心・問い * 特定の育成施策(制度や一斉教育等)について、効果を検証できないか。 分析アイデア * 一斉施策の場合、施策の実施前後で特定の指標が変化があったか検証する。 * 任意施策で比較が難しい場合は、比較可能な形で効果検証のプロセスを再検討する。 利用するデータ * 人事基本情報 * 部門・所属情報 * 研修履歴 * その他関連指標...
人材育成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 * キャリアの自律化を促したい。 関心・問い * 従業員が自ら必要なスキルを獲得できるように情報を提供できないか。 分析アイデア * キャリア自律や教育とパフォーマンスの関係を分析・提示し、動機付けする。 * 従業員に対しキャリア希望に沿った教育メニューをレコメンドする。 利用するデータ * 研修履歴 * 人事基本情報 * 評価・コンピテンシー...