組織開発に関する取り組みやユースケースです。
散布図とKDEプロットを組み合わせたジョイントプロットによる人事データの可視化例です。2つの量的変数による2次元空間上に、各データがどのように分布しているか確認するために利用します。 人事データ可視化の例 人事データ可視化の狙い * 働き方とエンゲージメントの関係が職場によってどのように異なるのか考察したい。 人事データ可視化アプローチ 利用するグラフ 以下2つのグラフを組み合わせたジョイントプロット。 * 散布図： 量的変数と量的変数の関係を可視化。 * KDE（カーネル密度推定）： 量的変数の分布を滑らかな曲線で近似して確認する。 アプローチ * 時間外時間数とエンゲージメントの関係を散布図で可視化する。 * 職場別の傾向を把握するため、カテゴリカル変数である部の情報を用いて色分けする。 * 点の重なりが多いため、横軸・縦軸それぞれの量的変数に対して部別の分布を確認すべく、KDEによる可視化を行う。 * 全体を把握しながら職場別の傾向や特徴を探る。 グラフの作り方 * Pythonのseaborn.jointplotを使った可視化例...
ヒートマップを用いた相関行列の可視化例です。この例では人事基本情報やコンピテンシー、エンゲージメント、時間外などの相関を分析した例になっています。 人事データ可視化の例 人事データ可視化の狙い * 量的変数間の相関関係を把握する。 * エンゲージメントなど組織サーベイと関連のある項目を探索的に探す。 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 * 相関係数を用いて、入手データの量的変数同士の相関関係を網羅的に把握する。 * 入手データの量的変数に対して相関係数を計算し、相関行列を作る。 * 相関行列を入力としてヒートマップを描く。このとき、ゼロを中心に正負で異なる色を持つカラーバーを用いて視覚的に探索しやすくする。 グラフの作り方 * Pythonのseaborn.heatmapを使った可視化例。 import pandas as pd import matplotlib.pyplot a...
散布図を使った人事データの可視化例です。量的変数同士の関係やクラスターの存在を確認する上で散布図は有効です。また、縦軸と横軸に加えて3つ目の変数で点のカラーを変更することで、クラスターの傾向を確認することもできます。 人事データ可視化の例 人事データ可視化の狙い * エンゲージメントと働き方の関係を調査する。 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。 アプローチ * 散布図に含まれる点の分布を見て、働き方の特徴を観察。 * エンゲージメントで点に色を付けることで、働き方の特徴との関連を探る。 グラフの作り方 * Pythonのseaborn.scatterplotによる可視化例。 import pandas as pd import matplotlib.pyplot as plt import matplotlib.ticker as ticker import japanize_matplotlib import seaborn as sns sns.set_theme(style='...
バイオリンプロットを使った人事データの可視化例です。カテゴリ別に量的変数のばらつきや分布を比較する際に利用します。箱ひげ図よりも分布の形状を捉えやすい利点がありますが、データが少ない場合は曲線のフィッティングが不安定になることもあります。 人事データ可視化例 人事データ可視化の狙い * グレード別のエンゲージメントの分布を確認し、組織開発のヒントを探る。 人事データ可視化アプローチ 利用するグラフ * バイオリンプロット： 量的変数の分布を滑らかな曲線と四分位数（箱ひげ図）で確認する。 アプローチ * 量的変数であるエンゲージメントをグレード別に分け、バイオリンプロットで可視化することで分布の違いを確認する。 * グレードを順序尺度変数に変換することで、グレードの並び順を変更する。 * 図の中心にある箱ひげ図の上端と下端を確認し、曲線の意味合いに留意する。 グラフの作り方 * Pythonのseaborn.violinplotを使った可視化例。 import pandas as pd import matplotlib.pyplot as...
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...
従業員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 * 管理職に従業員エンゲージメント改善のアクションを促したい。 関心・問い * 各組織の従業員エンゲージメント状況に合わせて施策を提示できないか。 分析アイデア * 組織別に従業員エンゲージメントサーベイの項目を相対的に比較し、特に改善が必要な項目や全社とのギャップが大きな項目を抽出する。 * 改善対象項目を類型化し、アクション例を明文化する。 * 上記の情報を組織別に展開する。 利用するデータ * 人事基本情報 * 部門・所属情報 * 従業員エンゲージメント...
組織開発や従業員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 * エンゲージメント向上のための施策を改善したい。 関心・問い * 過去のエンゲージメント改善施策は効果があったのだろうか。 分析アイデア * 一斉のエンゲージメント向上施策を評価する場合、施策の実施前後で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。 * 効果検証によって想定効果が得られていると考察された場合、部門別に効果のばらつきを確認し、さらなる改善点を探る。 * 効果検証によって想定効果が得られていないと考察された場合、問題点の洗い出しに移行する。 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...