マネジメント - People Analytics Idea HUB (Page 2)

21 posts

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...

by 武田邦敬

ピープルアナリティクス人的資本経営マネジメント

Digital HR Competition 2024 「ピープルアナリティクス部門」参加レポート

※こちらの記事はピープルアナリティクス＆HRテクノロジー協会のサイトでも取り上げていただきました。 Digital HR Competition 2024 「ピープルアナリティクス部門」参加レポート | 一般社団法人ピープルアナリティクス&HRテクノロジー協会先週の11月6日、Digital HR Competition 2024のピープルアナリティクス部門のイベントが開催されました。ファイナリストの熱いプレゼンテーションを間近でお聞きすることができましたので、レポートしたい思います！ Digital HR Competition （DHRC）とは？ DHRCはピープルアナリティクス＆HRテクノロジー協会が主催する実践的HRテクノロジーのコンペです。組織の中でテクノロジーを活用してHRを高度化し、人と組織のパフォーマンスを引き上げる取り組みをしている団体や企業の活動を競うイベントです。 HRテクノロジーソリューション部門とピープルアナリティクス部門があり、私はピープルアナリティクス部門のミートアップイベントに参加してきました。非常にハイレベルな内容で大変驚くと...

by 武田邦敬

ピープルアナリティクスコンテンツデータ分析Tips

仮説検証サイクル、どこから始めるべき？（自己診断ツールご紹介）

以前投稿した記事にて、ピープルアナリティクスは人事に仮説検証型のプロセスを導入するための手段だということをご説明しました。そして、仮説検証の進め方として、Detect/Dig/Decide/ImplementからなるDDDIサイクルという考え方を提唱させていただきました。ピープルアナリティクスの仮説検証サイクル（DDDIサイクル）ピープルアナリティクスでは、ファクトをベースに問題を発見し課題解決につなげていくことがポイントになります。これにより、人事に仮説検証型のプロセスを導入することができます。この記事では人事における仮説検証のイメージをお伝えし、ピープルアナリティクスを人事にビルドインするための考え方（DDDIサイクル）をご紹介します。ビジネスにおける仮説検証ビジネスにおける仮説の検証とは、ビジネス上の施策を仮説をもって実施しその効果を振り返り軌道修正を図るような取り組み全般を指します。これはピープルアナリティクスに限らず、ビジネスの様々なシーンで活用されているアプローチです。例えば、生産現場における改善や、WebマーケティングにおけるA/Bテストが代表的な仮説検証...

by 武田邦敬

ピープルアナリティクスデータドリブン経営マネジメント

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...

by 武田邦敬

ピープルアナリティクスデータドリブン経営マネジメント

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...

by 武田邦敬

ピープルアナリティクスマネジメントデータ分析Tips

データを業務に活かすためのデータ分析デザインフレームワーク TIHAM

解きたい問題に対して分析アプローチを考える場面というのは、データサイエンティストやアナリストの腕の見せ所です。例えば、人事データからハイパフォーマーの行動特性を探るタスクでは、パフォーマンスや行動特性の計量方法から、それらの関係性を推測するモデリング手法、評価観点などの分析アプローチを考えることなります。これは問題設定とも呼ばれ、業務課題を技術課題に落とし込む重要なフェーズで、データサイエンティストやアナリストの応用力が問われます。問題設定が完了すればあとはデータを使って分析していくことなります。そして、分析を依頼された人やチームへのレポーティングを行えば分析プロジェクトは完了となるわけですが、このときに次のような会話になったことはないでしょうか？ * 分析結果を報告したら「わかっている話しかないね。もっと何かないの？」といわれてしまった。 * 分析結果をめぐってクライアントチームのメンバーが対立し始めてしまった。 * PoC結果を報告したが「システムはできていないの？　早くAIを導入して楽にしてよ」と指摘されてしまった。 * 「大変参考になりました」とのコメントがあ...

by 武田邦敬

ピープルアナリティクスデータドリブン経営マネジメント

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...

by 武田邦敬

ピープルアナリティクスマネジメント

意図的に業務を横断した議論の場を作る

人事の方とピープルアナリティクスで取り組みたいことを議論していると、実に様々なアイデアがでてきます。また、テーマについて話をしているときだけではなく、データ分析結果をレポーティングしている場面でも、取り組んでいるテーマを超えていろいろなアイデアが出てくることもよくあります。例えば、異動業務の施策検討のために配置パターンについて類型化するプロジェクトでは、配置だけでなく人材育成や採用の話まで広がることがありました。配置というと異動に関することが中心になりそうですが、組織の人材ニーズに対する充足について課題が見えてくると、いろいろと話が膨らんできます。目の前の「データ分析プロジェクト」を着地させることだけを考えると、こうした広がりはスコープクリープのリスクを生じさせるものです。他分野のデータ分析プロジェクトに慣れたアナリストからすると、驚かれるケースもありました。しかし、人事分野においては、このような横断的な対話こそが重要だと感じています。この記事ではこの点について掘り下げてみます。横断的な議論によってテーマが見えてくる外から人事業務を観察すると、採用、配置、...

by 武田邦敬

データドリブン経営マネジメント

ITCプロセスガイドラインについて（PGL4.0）

ITコーディネータは、経営とITの間に立って経営変革を一気通貫で支援する人材で、ITコーディネータ協会が資格認定を行っています。民間資格ながら経済産業省推奨の資格となっていて、近年知名度が上がってきたように思います。私は2023年にITコーディネータを取得しましたが、ITによる経営変革プロセスを学ぶことができ、とても良い学びになりました。 ITコーディネータの方法論とノウハウは、ITCプロセスガイドライン（以下PGL）に集約されています。ITC資格を取るには筆記試験の合格とケース研修の完了が必要なのですが、それらの土台になっています。さて、そのPGLがこの春にバージョアップされ、PGL4.0となりました。4.0からPDF版は無料公開されています。私も早速読んでみました。 * PGL 4.0 （無料公開）一読しての印象は以下の通りです。 1. 時代に即したアプローチになった。重厚な経営計画からOODA的アプローチへ。 2. シンプルにまとめられている。51個もあった原則が10個に集約。 3. 価値創造が全面に！ 4. 組織学習（学習する組織）や人的資本経営も含...

by 武田邦敬