人事データ
人事データ分析とは、会社にある人に関わるすべてのデータを分析することです。
人事データは従業員に関するす｢氏名｣｢生年月日｣｢住所｣「スキル｣「評価｣「勤怠｣などすべてのデータのことです｡これらの蓄積された人事データを分析することで、採用面接や人事評価を客観的かつ冷静に行えることを目的としています。
また、人事の勤怠データを分析することで、離職率を下げることができる可能性も期待されています。
人事データが注目されている理由
人事データが注目されている理由は、ビックデータが蓄積されて、AIで詳細な分析ができるようになったからだといわれています。
数年前からAIにより、さまざまなモノが分析されるようになりました。当然、人事データもAIで客観的に分析ができるにようにり、注目され始めました。
特にここ15年ほどでGoogleが人事データ分析で優秀な人材を集めて人事改革を成功させて業績を伸ばしたことが、各業界への刺激となっています。
人事データを広く活用するには目的を定める
人事データを広く活用するには目的を定めることが重要です。
目的がなければ大量データを分析することはできないからです。目的さえあれば、人事データを目的に沿うように分析していくことができます。
たとえば人材採用を目的とするならば、人事データからどのような人をピックアップするのか、目的を定めるところが出発点です。定着率が悪いのであれば、離職しない人間を集めるための人事データの分析を行うことからはじめます。
人事データの精査に時間をかける
人事データの精査には時間をかけましょう。
人事データを活用する目的が決定したら、次はデータの精査に取り掛かります。データの精査のためには、基準をそろえることが大切です。データ分析の大部分は、データを整理することが主流となります。
人事データ分析は人間相手の分析なので、現場へ実際に行って話を聞いてみることも大事です。それらの人事データがすべて整理されて初めて、正しい精査が行われます。
人事データを分析するにあたり何が重要かは千差万別
人事データを分析するにあたり何が重要かは千差万別です。
人事データ分析は社によって重要視するポイントが違います。その社に合っている人材であれば、よその会社にそぐわない人事データでも良いということです。
自社にぴったりくる人事データは千差万別で、このような人材が良いと一般的なモデルを打ち出すことはできません。また、明るくやる気があって非の打ちどころないような人物は滅多にいないと、考えておいた方がよいでしょう。
人事業務で使われるデータ分析手法5つ
人事業務で使われるデータ分析手法5つをご紹介していきます。
人事データ分析は、多様化する社会で自社にしっくりくる人材を見分けるために必須の行為です。労働人口が減少していくなかで、どうやって自社で活躍できる人材を見極めるのか、社内の人材をどのように活かすのかは、人事データ分析にかかっています。
たくさんの人事データを集めて分析することで、自社に本当に必要な人材を導き出すことが可能になります。
人事業務で使われるデータ分析手法1：回帰分析
人事業務で使われるデータ分析手法に回帰分析があります。
回帰分析とは、相関関係や因果関係がある2つの変数のうちの1つの目的変数を、もう1つの説明変数を使って将来的な値を予測する予測式(回帰直線)を求める、人事データ分析の手法です。
回帰分析は最もシンプルでわかりやすい人事データ分析手法で、幅広く活用できます。Excelを使用して簡単に分析できます。
人事業務で使われるデータ分析手法2：重回帰分析
人事業務で使われるデータ分析手法に重回帰分析があります。
重回帰分析とは、1つの目的変数に対して、複数の説明変数を用いて予測する人事データ分析手法です。結果である目的変数を説明する際に、関連する複数の要因である説明変数のなかでどの変数がどの程度、結果に影響しているのかをデータとして表し、それを元にして予測を行なう手法です。
重回帰分析はExcelで簡単に分析することが可能です。
人事業務で使われるデータ分析手法3：因子分析
人事業務で使われるデータ分析手法に因子分析があります。
因子分析とは、多変量データに潜んでいる仮定された変数である共通因子を探り出すための人事データ分析手法です。
因子分析はExcelを使用して行うことが難しいため、RやPythonなどのプログラミング言語を利用する必要があります。
人事業務で使われるデータ分析手法4：主成分分析
人事業務で使われるデータ分析手法に主成分分析があります。
主成分分析とは、多変量のデータを統合して新たに総合指標を生み出す人事データ分析のことです。多変量のデータを圧縮して、少ない変数で解釈できるようにする手法です。
主成分分析はExcelを使用して分析することが難しいため、プログラミング言語が使われます。プログラミングの知識がない場合は、IBMのSPSSなどを導入して簡単に分析することができます。
人事業務で使われるデータ分析手法5：クラスター分析
人事業務で使われるデータ分析手法にクラスター分析があります。
クラスター分析とは、混ざり合う異なる性質の集団(対象)のなかから、似たものを集めて集落(クラスター)を作りながら、対象を分類していく人事データ分析のことです。
クラスター分析の特徴は、あらかじめ分類の基準が決まっていないことです。分類のための外的基準や評価が与えられていない、学習タイプの分類手法です。システム導入での分析がおすすめです。
あなたの会社に仕事の生産性をあげる「働き方改革」を起こしませんか？
名刺が多すぎて管理できない…社員が個人で管理していて有効活用ができていない…そんな悩みは「連絡とれるくん」で解決しましょう！まずはこちらからお気軽に資料請求してみてください。
離職率を下げたいなら考え方が近い人をメンターに据える
離職率を下げたいなら考え方が近い人をメンターに据えるとよいでしょう。
定着率が悪い企業は、特に新しく入った社員のそばに同じような価値観や考え方を持つメンターである助言者や指導者を付けることが解決策だといわれています。
その方が新人社員が心を開きやすくなるため、悩みがあれば相談できるからです。メンターの言うことであれば素直に聞くという可能性は高いです。人間関係をマッチングさせて離職率を下げるという方法です。
企業内の多様性をどう作り上げるか
企業内の多様性をどう作り上げるかについてご紹介していきます。
伸びている会社の特徴として、多様な人材や異質なメンバーがいるなど、個性重視の人材が集まっていることが挙げられます。しかし、離職率を下げるためにメンターには考え方が似た人が良いという事実もあります。そのあたりを考えながら、バランス良く採用していきましょう。
ダイバーシティ
ダイバーシティ（Diversity）とは、多様性という意味です。
ダイバーシティ経営という風に国籍や職歴・年齢や学歴に多様性をもたせると、企業が競争力をアップさせることができるといわれています。もともとは女性やマイノリティなどの差別のない待遇のために広がった取り組みです。
先端を行くGoogleの人事データ活用
先端を行くGoogleの人事データ活用がお手本です。
人事データ分析を上手に採用して人員の配置に使っている企業はGoogleです。Googleの人事データ分析はたいへん精密なため、面接を行わなくても必要な人材が集まるようなシステムになっています。
Googleの人事データ活用をお手本にしてみると、企業内の多様性を作り上げるヒントが見つかるでしょう。
人事データの分析について理解を深めよう！
人事データの分析について理解を深めていきましょう。
人事データ分析は今後、日本の世界中の人事の中心になっていくと考えられています。人件費や労働力の削減の見込みもあり、取り入れるメリットは十分にあります。今からシステムとして導入して、人事の中心として活用していくことをおすすめします。
