ピープルアナリティクスに関する実践知やノウハウを発信しています。
採用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 * 戦略的に立案した採用基準にしたがって、採用オペレーションを改善したい。 * ダイバーシティの確保がなされているかどうか、客観的に確認したい。 関心・問い * 構造的に整理された評価基準を基に、客観的な予測ができないか。 * ダイバーシティ目標を達成できているか。 分析アイデア * 候補者の評価スコアから自社で活躍するかどうか予測し、選考の参考にする。 * 採用者の属性分布を確認し、評価や選考基準にバイアスがないか確認する。 利用するデータ * 採用スコア * パフォーマンス情報 * 属性情報...
タレント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 * 戦略的にハイパフォーマーやタレントを育成したい。 関心・問い * 従業員がロールモデルを発見し、挑戦的にキャリアを伸ばしていけるようにできないか。 分析アイデア * 社内のサクセッサーやハイパフォーマーの経験や異動履歴を分析し、ロールモデルのパターン化を行う。 * データ化されたロールモデルを与件として、従業員の属性や希望とのマッチングを行う。 利用するデータ * タレント情報 * 異動履歴・経験に関する情報 * ロールモデル * 人事基本情報 * 自己申告（希望）...
労務管理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 * 労務と他の人事業務との関連を把握し、人事施策に役立てたい。 関心・問い * 労務指標は離職率、離職、パフォーマンス、エンゲージメントと関係があるのだろうか。 * 労務の改善によって人事課題を解決できないか。 分析アイデア * 労務指標と改善対象となるKPIとの関連を分析して労働環境の影響を定量的に捉え、改善施策の検討に活用する。 利用するデータ * 人事基本情報 * 部門・所属情報 * 時間外等情報 * 休暇関連情報 * 勤怠情報 * その他関連指標...
私がデータ分析を始めた十数年前と比べ、データ分析のビジネス領域が広がってきているように感じています。そして、国内でも組織内にデータ分析チームを作ることは、めずらしいことではなくなりました。その一方で、チーミングには様々な課題が潜んでいます。 この記事では、データ分析チームの内製化と育成について考えてみます。 なぜデータ分析の内製化が必要か データ活用の初期段階では、外部の協力者の力を借りてプロジェクトを回してくこともあると思います。しかし、意思決定やオペレーションの改善にデータを組み込んでいくためには、チーム内で分析を回せるようになることが理想です。 例えば、A/Bテストを駆使してSaaS型のビジネスをグロースさせているWeb企業は、データサイエンティストや分析者を組織内に抱えています。自社のサービスを市場に素早く柔軟にフィットさせていくには、短いスパンで分析タスクを回していく必要があるからです。 もし、組織にデータ分析者がいなければ、技術コンサルティング会社や分析専門会社の分析リソースを都度調達することが必要になります。 調達ベースでのデータ分析プロジェクトは、しばしば...
こんにちは。 「人事データ分析入門講座」講師の武田です。本日もよろしくお願いします。 この講座では、人事データ分析に取り組み始めた方に向けて、データ分析の考え方や方法をお伝えしています。本レターで7回目の配信となりました。 今回は昨年末に配信した「データがやってきたら、まず何をやるべきか」の続きになります。 前編では、データ分析を始める前にデータの発生源を押さえるため、What, Where, When, Howという観点で確認することをお伝えしました。本レターでは、Whoという視点でデータの外観を捉えることをお伝えしていきます。 手元に人事データがやってきたとき、「そのデータには誰が含まれているのか？」と問うことは大変重要です。 人事データ分析の主軸は人と組織です。 組織が人の集合体と考えると、データの外観を捉える上で「誰が」という切り口はもっとも大切な要素といえます。 3つの観点でWhoを考える 皆さんの手元に人事データやサーベイの結果があったとします。さて、このデータはどのような経路をたどってやってきたのでしょうか？ 前編で取り上げたWhat, When...
★2025.8.13追記 ピープルアナリティクスを学ぶ人におすすめする本を改めてまとめ直しました。人事からデータ分析技術まで幅広い本を整理しています。こちらの記事もご覧くださいませ。 * ピープルアナリティクスを学ぶ人におすすめする本 あけましておめでとうございます。 「人事データ分析入門講座」講師の武田です。 この講座では、人事データ分析に取り組み始めた方に向けて、データ分析の考え方や方法をお伝えしています。本レターで6回目の配信となりました。 年初1回目の配信ということで、今回はいつもと嗜好を変え、人事データ分析に役立つ本をご紹介します。一度ではすべてをご紹介できませんので、月イチで本を紹介していければと考えております。 本日は初回ということで、人事データ分析のスキルアップに直結する入門書を2冊ご紹介します。 人事のためのデータサイエンス，入江崇介著 Amazon.co.jp: 人事のためのデータサイエンス 電子書籍: 入江崇介: Kindleストア 人事データ分析といえばこの本！というくらい有名な本です。2018年出版の本で、人事データ分析を始め...
こんにちは。「人事データ分析入門講座」講師の武田です。本日もよろしくお願いします。 このニュースレターでは、人事データ分析に取り組み始めた方に向けて、データ分析の考え方や方法をお伝えしています。本レターで5回目の配信となりました。年末ということで年内では最後の配信になりますね。 前回は、人事データ分析を進めていくためのヒントとして、分析テーマから必要なデータを考える方法と、分析を深掘りするための切り口についてお伝えしました。また、人事データ分析でよく利用するデータ項目をマインドマップにしてご提供しました。 マインドマップをご覧いただくと、ひと口に人事データといっても多種多様なデータ項目があることが分かるかと思います。分析テーマとこれらのデータ項目を結びつけることが、基本的なアプローチになります。 ところで、目の前に人事データがあって、その中から目的のデータ項目が見つかれば、すぐに分析を開始することができるのでしょうか？ 本レターでは、データが手元にやってきたときに分析者がやるべきことをお伝えしていきます。...
こんにちは。「人事データ分析入門講座」講師の武田です。本日もよろしくお願いします。 この講座では、人事データ分析に取り組み始めた方に向けて、データ分析の考え方や方法をお伝えしています。本レターで4回目の配信となりました。 前回まで「考えるためのデータ可視化」 というテーマで、 散布図の見方や活用方法についてお伝えしてきました。レターの中で様々な人事属性を切り口にして散布図を深掘りをしていきましたが、そのアイデアはどこからやってきたのでしょうか？ 本レターでは、人事データの分析を進めていくときの切り口について考えてみます。 分析目的に沿ったデータの収集からはじめる 人事データを分析しようとするとき、それには何らかの目的があるはずです。 目的というと少し堅くなりますが、分析テーマと読み替えて少しラフに挙げてみると、...
こんにちは。ニュースレター「人事データ分析入門講座」講師の武田です。 本日もよろしくお願いします。 このニュースレターでは、人事データ分析に取り組み始めた方に向けて、データ分析の考え方や方法をお伝えしています。本レターで3回目の配信となりました。 前回より「考えるためのデータ可視化」 というテーマで、 散布図の見方や活用方法についてお伝えしています。 本レターは後半ということで、散布図を深掘りしていきます。 前回の振り返り 前回のレターでは、人事トイデータを使って、時間外と年休消化率の関係を探っていきました。検討をしている散布図を改めて眺めてみましょう。 この散布図を少し眺めただけでは、時間外と年休消化率の関係を明確にすることができませんでした。しかし、散布図の領域を区切って業務的な意味合いを考えてみると、新たに気になる点がでてきました。 前編では次のような点をあげさせていただきましたが、この他にも気になる箇所を見つけた方もいらっしゃるかもしれません。 * 左下の方は時間外が少ないのに、なぜ年休を消化できていないのだろうか。職場に課題があるのだろうか、それとも役...