人事データを活用するには？DXを推進し成果を出すためのデータ活用のポイントとは？

多くの企業においてデータドリブン経営が常識となりつつありますが、人事領域においてはデータ活用がまだまだ進んでいません。

しかし、昨今ではこれまでの管理型業務中心の「守り」の人事から、経営戦略に寄り添った「攻め」の人事を展開していくため、人事の領域でも「データ」を活用する手法が注目され始めています。

今回は、人事データ活用の背景から、そのデータを活用する際のポイントなどをご紹介したいと思います。

▼ 人事が知っておくべき【働き方改革】の内容とは？その実現方法についても独自の視点で解説！資料はこちら

​​​​​​​

人事データ分析とは？HR Techとの違いは？

まずは、人事データ分析とはそもそも何かや、HR Techとの違いについて確認しておきましょう。

人事データ分析とは人事データの分析によって企業の成長につなげること

人事データ分析とは、人事関連のデータを分析することです。英語では「ピープルアナリティクス（PA）」と呼ばれることもあります。

勤怠状況や人事評価、業務内容など、社内に蓄積された「人に関する情報」である人事データを分析・活用することで、企業の成長につなげることが目的です。

ただし、紙の書類などのアナログ形式で保管された人事データは分析が困難です。しかし、近年ではコンピューターでの分析に適した形で、人事データのデジタル化が進んでいます。

人事の領域でもIT化が進み、企業規模を問わず、膨大なデータ収集と管理が実施しやすくなったため、人事データの分析が可能になってきました。

「採用」や「人材育成」というと、どうしても面接官や人事担当者、管理職の経験則に基づいて行われがちでした。しかし、人事データ分析が浸透したことで、そこから導き出された客観的な根拠に基づく取り組みができるようになりました。

そのため、組織・人事施策に透明性が生まれるとともに、組織として説明責任を果たしやすくなりました。

このように、データの収集や分析、活用に関する技術革新、また大手企業が導入し始めたことなどをきっかけに、人事データ分析は、今広く注目を集めています。

HR Techは人事データの収集を効率的に行うツールとして使われる

人事におけるデータ活用というと、同じ文脈で語られるキーワードとして「HRTech」が存在します。どちらもITやビッグデータを活用したものですが、「ピープルアナリティクス（以下PA）」と「HRTech」には、どのような違いがあるのでしょうか。

パーソル総合研究所によると、下記のような考察がありました。

明確に区別するものでもないようですが、HR Techは、組織や社員の情報を収集・管理し、給与管理・労務管理といった定型的な作業を効率化させるツールの名称として多く使われていることがわかりました。

一方PAは、より『複雑性』『付加価値』が高い業務に関する事例で多く使われています。たとえばHR Techで収集した人事にまつわる情報を、目的にあわせて分析し、より高度なアウトプットを出す取り組みを指す場合などに用いられているようです。

具体の例でいくと、新部署立ち上げに伴い異動する社員を決定する際、対象となる社員全員分の属性や評価に関する情報を、様々なツールなどを使って効率よく集める。ここまでがHR Techの領域です。

そして、その収集したデータを統計解析して、客観的に候補者を絞ることで、最終的な人事担当者の意思決定を支えるのがPAと考えられているようです。

（※参考：パーソル総合研究所「データで人事を変えるピープルアナリティクス）

▼【HR tech】に関する記事はこちら
HR techとは？注目されている理由やサービスを展開している企業について徹底解説！

 人事データ分析の流れ、方法は？

人事データ分析をする際には、いくつかのステップを踏むことが大切です。ここでは、主なステップの内容をご紹介します。

目的を明確にする

人事データ分析を始める前に、まずは分析の目的を明確にすることが重要です。目的が明確でない場合は、分析結果に基づくアクションを決定することができません。

具体的には、従業員の離職率を下げるための施策の検討や、採用活動の改善などが考えられます。ただし、これらの目的を達成するためには、分析対象のデータを収集し、整理する必要があります。そこで、データを収集する方法や、どのようなデータが必要なのかを考えることが必要です。

データを収集する

次に、必要なデータを収集します。人事データ分析には、従業員の人事情報や業務データなどが必要になります。これらのデータは、社内のデータベースやクラウドストレージなどから取得できます。

社外からデータを取得する場合、例えば調査やアンケート調査を実施することで、必要な情報を収集することができます。ただし、社外からのデータ収集には、時間やコストがかかることがあります。データ収集には、データの信頼性や精度を確保することも重要です。

データを分析する

収集したデータを分析することで、問題点や課題を発見することができます。データ分析には、様々な手法がありますが、統計解析や機械学習がその代表的なものです。

たとえば、統計解析を用いることで、社員の離職率や業務の改善点などを把握することができます。また、機械学習を用いることで、ビジネスの予測分析やマーケティング分析など、より高度な分析が可能になります。

分析結果を正しく解釈することで、人事政策の改善や業務プロセスの改善につなげることができます。

アクションを設定する

最後に、分析結果に基づき、アクションを決定します。具体的には、従業員の福利厚生の改善や、評価制度の見直しなどが挙げられます。アクションを決定することで、人事政策の改善や業務プロセスの改善につなげることができます。また、アクションプランを策定する際には、以下のような点に留意する必要があります。

- 従業員の意見や要望を十分に聞き取ること

- アクションが業務プロセスに与える影響を評価すること

- 予期せぬリスクを最小限に抑えること

アクションの実施には、計画的なプロセスが必要であり、人事部門や経営陣との協力が不可欠です。

人事のデータ分析で使える3つのツール

人事データ分析を行う際には、ツールを活用することでその効果を高めることができます。ここでは、代表的なツールについていくつかご紹介します。

Excel

Excelは、人事データの分析に広く利用されているツールの1つです。

Excelは、Microsoft Officeスイートの中で最も広く使用されているアプリケーションの1つであり、多くの企業で人事データの分析に採用されています。Excelを使用することで、データの整理やグラフ化が容易になります。

例えば、データを整列させることで、特定のパターンやトレンドを発見することができ、グラフ化することで、データの可視化ができます。Excelの機能を使いこなすことで、複雑なデータ分析も可能になります。

R

Rは、統計解析やデータマイニングに優れたオープンソースのプログラミング言語です。Rを使うことで、高度な統計解析や機械学習が可能になります。また、Rには多数のパッケージが用意されており、それらを組み合わせることで、様々な分析が可能です。

Rは、データサイエンスに欠かせないツールとなっています。Rは、グラフィックスやデータの可視化などにも優れており、分析結果をわかりやすく示すことができます。また、Rは、PythonやSQLとも連携が可能であり、より多角的な分析が可能になります。

Tableau

Tableauは、ビジュアル分析ツールの1つです。Tableauを使用することで、データを直感的に理解することができます。また、Tableauの機能を使いこなすことで、複数のデータソースを統合したり、ダッシュボードを作成したりすることができます。

Tableauは、ビジネス分析の分野で非常に人気があります。Tableauを使用することで、簡単にビジネス上の意思決定を行うことができます。Tableauは、ビジュアル分析ツールとして、複雑なデータを視覚化することができます。これにより、データが持つ本質的な意味をより深く理解することができます。

人事データ分析で必要となる項目

　（参考：https://bizreach.biz/media/12669/）

では、分析に必要な人事データは、どのような項目が必要か。ここでは、業種や業界を超えて必要と思われる代表的な項目を例示します。

・基本データ
採用時に本人から提出を受けた情報のほか、入社日、役職などを、基本データとして整理が必要です。属性に応じた施策を考える際に便利です。

・ 職務内容
社員が現在従事している仕事情報、希望している職種・キャリアにおける志向、目標設定内容のデータなどです。社員の現状把握や、人材配置を検討する際にも利用できます。

・人事評価
その社員自身を周囲はどのように評価しているのかを把握するために、部門長評価や360度評価などの評価制度で管理されるデータ、職務経歴、所属歴、職務能力、成果などのデータも分析に有用です。

これらにより、採用や人材育成の戦略も立てやすくなります。

・勤怠状況
社員の働き方を可視化して分析したい場合に重要になる項目です。

残業状況や始業、退社時間、遅刻・早退・欠勤などの情報を適切に分析することで、生産性向上に向けての施策立案や離職防止などの取り組みに活かすことができます。

・マインド
従業員のモチベーションに関わる項目です。適性検査の結果や、面談履歴や上司のメモなどのデータを包括的に管理することで、離職防止やモチベーションの向上につながります。

性格や趣向などもわかる範囲で把握するように努めることでデータの正確性につながります。

・能力、資格
実際に持っているスキルやそのレベル、語学力、保有資格などが該当しますが、学生時代に獲得した資格などは現在の能力を保証するものではないため、実際の経験やプレゼンテーションなどの回数、履歴なども項目に加えてもいいかもしれません。

人事データ分析を行うときのポイント

▷分析で得たい成果や目的を明確にする

先述の通り目的なくデータを集めても活用できないことは明らかです。まずは課題を設定し、その解決策の仮説を立ててからデータを集めましょう。そこが決まらない限り、不要なデータを集めてしまい余計な工数がかかるだけです。

例えば、採用コストの削減、優秀な人材採用、適切な人材配置、社員教育、研修内容の見直し、離職率の低減、エンゲージメント向上、働き方改革、生産性向上など、テーマを設定するだけでも、必要となるデータの違いが分かると思います。

▷蓄積データの基準や定義を決める

また、人事データ分析においては、社員から新たに情報をもらうべき場合もあるでしょう。情報を集める際は、評価する人の主観が入ったり、データの質にばらつきが出たりしないようにするべく、なるべく定量的なデータ収集が望ましいでしょう。

なるべく厳密に回答を想定してアンケートを作成し、情報を集めた方が分析しやすいと考えられます。

参考までに、「エンゲージメント向上」を目的としたデータ収集、分析を手助けするツールとして「モチベーションクラウド」があります。人事で様々な施策を講じても、従業員のエンゲージメントにどれくらい影響があったのか、モノサシを入れて定量的な数値を出さなければ、成果もはかれません。

このモチベーションクラウドは、5,950社、142万人の実績を持つ組織のモノサシ「エンゲージメントスコア」で、組織状態を定量化・可視化し、See・Plan・Do・Check＆Actionのサイクルを回すことで、組織の問題を解決する国内初の組織改善クラウドです。

無記名式のアンケートとなっているため、より社員の本音を引き出しやすく、定量的にも一目瞭然で分かります。

また、収集したデータの管理・運用ルールの設計も重要です。社員のプライバシーに関わるデータも多いため、セキュリティ対策を万全に行い、社内においては必要な社員以外に閲覧権限を与えず、特定の部署が一元管理するなど細心の注意をはらって取り扱っていきましょう。

【参考資料のご紹介】
組織の現状を把握し改善に繋げるならモチベーションクラウド！具体的な機能や得られる効果が分かる資料はこちら

人事データ活用が注目される４つの背景

▷事業環境変化により人材の有効活用の重要性の高まり

本題に入る前に、企業を取り巻く環境について触れておきたいと思います。

現在、企業は大きく二つの市場で競争を繰り広げています。それが「商品市場」と「労働市場」です。そしてその市場に今、大きな変化が訪れています。

まず「商品市場」については、商品寿命の短サイクル化が起きています。一度ヒットした商品はすぐに模倣されたり、技術革新によってすぐに陳腐化してしまいます。

そのため、商品そのものやビジネスモデルの価値よりも、変化に素早く対応できる組織力やアイデアに溢れる人材力が重要性を増します。

このようなアイデアやホスピタリティ、モチベーションといった、ハードではなくソフトの部分に価値の源泉が移っているため、商品市場で企業が生き残るためには、今後ソフトである人材や組織への投資などを行うことが事業成長の鍵を握っているのです。

▷労働市場変化により人材のリテンションの重要性の高まり

一方、「労働市場」はというと、以前と比較すると人材の流動化が高まっています。一度入社した企業で働き続ける時代は終了し、転職という言葉がとても身近なものになっていることからも分かる通り、キャリアアップを目指し複数回転職をする個人も増えてきました。

人材の流動化が当たり前の社会では、働く個人から選ばれ続ける企業と選ばれない企業の二極化が進みます。

また、個人の働く目的も多様化が進みます。以前は優秀な社員をつなぎとめるものは金やポストでしたが、現在は働く目的や個人のワークモチベーションは多種多様化しているのが現状です。

その多様化するワークモチベーションに応えながら束ね、人材流出を防ぐために科学する必要性が高まっています。

▷社会的制約増大によるデジタルシフトの重要性の高まり

また、もう一つの背景は「社会的制約の増大」です。働き方改革の影響により労働時間は削減され、生産性向上を果たすには組織内での連携がより重要な時代となりました。

そして、コロナ禍によるリモートワークの推進等、多様な働き方が進んでいることも相まって、より職場内連携の難易度が上がり、デジタルシフトの重要性が高まっているのです。

なぜ人事データの活用が進まないのか？

▷人事データ分析者がいない　

これだけデータの重要性が分かっていながら、何故活用が進まないのでしょうか？

こちらは『日本の人事部　人事白書2018』のデータです。人事の業務を「戦略立案」や「採用」「育成・研修」などの合計11項目に分け、それぞれのデータ収集・保存の現状を聞き一覧化したものです。

このデータで見ると、1番データ活用を念頭にデータ収集・保存しているのは「採用」で33.5％、続いて「労務管理・評価・昇進・報酬・人件費管理」が31.4％となっています。

しかし、項目別に詳細を見ていくと、各種データの収集に動き始めている企業もある一方、いまだデータに注目していない企業が多数存在する状況です。

また、「人事部門内に、統計ツールを使いこなせるデータ分析担当者を置いているか」という項目を見てみれば、「あてはまる」と回答をしたのは16.9％にとどまります。

せっかくデータを収集した所で、そのデータを分析できる人材が人事部門内におらず、結局「活用」できずに終わってしまう、という状況があるようです。
（参考：https://www.persol-group.co.jp/service/business/theme/01.html）
（出典：『日本の人事部　人事白書2018』）

▷データの蓄積や解析がしづらい

また活用が進まないもう一つの理由として、人事は、データの蓄積や解析がしづらい領域であることが挙げられます。例えば、社内での優秀な人材を分析しようとした際に、何をもって「優秀」を表すデータとするのか、その判断が難しいためです。

このような場合は、人事評価データを使うことも多いですが、人の判断にはゆがみがあるため、企業が本当に求めている優秀な人材でないこともあります。

さらに、たとえば人事評価データの場合、データを取得できる頻度は3か月～半年に1回程度とあって、時々刻々とデータがたまる他分野の『ビッグデータ分析』と比較すると、データ量も不足しています。

また、人材の評価基準や部署毎のKPIは、企業の成長や社会の動向とともに変化していくため、継続性のあるデータの蓄積が難しいという点も課題になります。

これらのように、データ活用を進めていくには難しい点もありますが、まずは、求めるアウトプットに対してどのようなデータが有効なのかを考えます。

もしそれに十分なデータがなければ、ほかのデータから代替できそうなものを洗い出してみる、など試行錯誤を繰り返しながら活用していくことが大切なのです。​​​​​​​

組織の診断・改善のサイクルを回す、【モチベーションクラウド】がわかる動画はこちら

まとめ

いかがでしたでしょうか。まだまだ人事領域で進んでいないデータ活用ですが、様々な項目別に見ていくと、どんな企業でも人事データは蓄積されているはずです。

また企業毎に見えている課題によっては、取り出してくるデータやこれから新たに収集するデータも異なるはずです。今や、テクノロジーの発達によって膨大なデータの蓄積や分析が可能になったため人事データは会社の資産となります。

未来の企業の発展のために、是非、人事データの分析と活用を試してみてはいかがでしょうか。