ピープルアナリティクスとは?集めるデータ、導入手順、活用事例を紹介

近年、IT技術の発展により、さまざまな情報をインターネットで管理する時代になりました。書面での取引は少なくなっており、データで管理されるようになってきています。

しかし、採用や転職、社員の育成といった「人」の分野に関しては、まだまだアナログな領域です。長年、人事採用では直感や経験に頼ってしまっています。

そこで、今回紹介する「ピープルアナリティクス」は、データと人を結びつける手法であり、人事業界や組織づくりにおいて、近年注目を集めています。

この記事では、組織に蓄積されたデータを分析した結果、社員の採用や育成において、どのように活かすのか。
また、これからの組織づくりにおいて、どのような意思決定を行うべきなのか。ピープルアナリティクスの導入手順から活用事例まで、幅広く扱っていきます。

ピープルアナリティクスとは?

ピープルアナリティクスとは、社員や組織のデータを収集・分析した結果を基に、 組織づくりや社員の育成、採用、モチベーション維持などに生かしていく手法です。HRアナリティクス、タレントアナリティクスとも呼ばれます。

従来は、採用に関する問題に直面したとき、人事の直感や趣向により、その時々の感情によって意思決定されてきました。

そういった問題に対し、新しくデータを用いて分析的にアプローチすることで、より公正な選択ができると考えられ、近年注目が集まっています。

関連記事:HRテック(HRtech)とは?注目されている背景や市場規模・最新のトレンドを解説

ピープルアナリティクスが注目されている理由とは?

ピープルアナリティクスが注目されている理由として「データサイエンス」というキーワードをご紹介します。
データサイエンスとは、膨大なデータを分析し、新しい施策や課題解決へアプローチすることを意味します。

2014年ごろからGoogleトレンド(【図1】)において、「データサイエンス」の検索件数が急上昇しており、「データによって課題へアプローチする」ことがトレンドになってきています。
データによって課題へアプローチするという概念を人事領域に取り入れたものが「ピープルアナリティクス」です。

【図1】Googleトレンドにおいて、「データサイエンス」が検索されたボリューム数

(引用:Google Trends,<https://trends.google.co.jp/trends/>,2020年10月閲覧)

ピープルアナリティクスのメリット

ピープルアナリティクスのメリットは、採用・育成・評価において分類されます。

ピープルアナリティクスの採用におけるメリット

従来の採用は、人事の主観や直感に頼られていました。しかし、過去の採用に関するデータや既存社員の特徴を分析することで、どのよう人材を採るべきなのか、また、将来活躍しそうな社員像などが具体的に分かるようになります。

新入社員と組織間でのミスマッチが減り、組織に合った人材を採ることで、採用コストの削減に繋がります。

具体的なメリットとして、

  1. 採用フローの効率化
  2. 応募率向上
  3. 内定承諾率の向上
  4. 組織にあった人材の採用
  5. 採用コスト削減

などが挙げられます。

ピープルアナリティクスの育成におけるメリット

採用時に新入社員の適性検査、特徴をデータ化し、各部署の従業員の昇給、昇格率とを比較することで、従業員一人一人がどの部署の、どの部長の元で働けば パフォーマンスを引き出せるのかが分かります。

  • 研修トレーニング制度など利用
  • 従業員の昇給/降給
  • 従業員の行動特性と能力特性 

などをデータとして分析します。

関連記事:タレントマネジメントとは?メリットや導入ステップ、中小、大企業導入事例、他社システムを解説!

ピープルアナリティクスの評価におけるメリット

従業員の勤怠や満足度、研修進度などを調べることにより、従業員をデータによって正しい評価を与えることができます。
その結果、従業員一人一人のモチベーションを維持し、離職率の低下や生産性の向上に繋がります。

  • 新入社員の早期退職率
  • 優秀な人材の離職率
  • 従業員の勤怠チェック

などをデータとして、評価します。

関連記事:人事評価制度とは?目的(メリット)や評価手法・作り方・導入事例・成功と失敗のポイント

ピープルアナリティクスの導入手順

では、実際にピープルアナリティクスはどのように導入するのでしょうか。具体的にステップごとに解説していきます。

ステップ1 目的を決める

まず、ピープルアナリティクスを導入するにあたり、今回の目的を決めます。

ステップ2 収集するデータを決める

目的が定まったら、どのデータを収集するのかを決めます。一般的には、以下のデータが用いられます。

  1. メンバー、マネージャーの出勤率  
  2. 従業員の適性(IQ・性格特性など)  
  3. 離職率              
  4. 従業員満足度・幸福度
  5. 昇給率/昇格率            
  6. パフォーマンス/生産性
  7. 組織と従業員の適合予測    
  8. 社内の研修プログラムの参加率 etc…

ステップ3 データ収集の仕組み作り・データ収集

ばらばらにデータを集めても、どうまとめて、どの分野に活かすのかが定まっていなければ、時間と費用の無駄になってしまいます。
予め、データを収集するにあたって、土台を作成し、必要なデータのみを集めます。

仕組み作りにあたり、アンケートの実施や勤怠など、モニタリングする期間や 実施時期も決めておくことが必要になります。

ステップ4 データの分析・仮説立て

次に、収集できたデータを分析し、仮説を立てます。

そのデータによって、組織のどんな課題が浮き彫りになり、何を変えることによって解決に導けるのでしょうか。
もし、分析対象に漏れがあるならば、必要に応じてステップ3に戻り、また新しいデータを収集しましょう。

ステップ5 施策の実行

仮説から、具体的な施策を立て、実行してみましょう。ただ、実行するだけではなく、ある程度結果が得られる期間を決めて行いましょう。

また、1度の施策の実行では得られる結果に限りがあります。さまざまな角度からの情報を得るために、数回に分けたり、別の視点から新しい施策を行うことも検討しましょう。

ステップ6 検証・改善

行った施策は必ず効果検証し、PDCAに活かしましょう。(P:計画 D:実行 C:検証 A:改善)

最後に、検証で得られた効果は、誰が見てもわかるよう、客観的な数値にすること重要です。

ピープルアナリティクス活用事例

最後に、活用事例についてご紹介します。企業でどのように導入され、実際に活かされているのか。日系企業の他に、海外の事例、具体的なサービスも見ていきましょう。

企業の活用事例

Googleの活用事例

Googleでは、採用面接の効率化をはじめ、ハイパフォーマーの分析、評価制度だけでなく、組織的な経営の意思決定にもデータの活用が行われています。具体的にGoogleの日本支店(Google Japan)は、リファラル採用に焦点を当てました。

当時2011年の日本のリファラル数はその他諸国と比べ、3分の1程度でした。ピープルアナリティクス導入後、紹介後の人間関係や募集事項の不明確が課題だとわかり、改善後、Google Japanの採用チームは1週間で前年の半年分のリファラル採用を獲得しました。
また、「re:Work」のサイトでは、実際にどのようなデータを収集し、応用しているかの事例が乗っているので参考にしてみてはいかがでしょうか。

(引用:人事ポータルサイト 【HRpro】,「人データの活用意義とは?」,<https://www.hrpro.co.jp/series_detail.php?t_no=1932&page=2>,2020年10月閲覧)

関連記事:リファラル採用とは?メリット・デメリット、導入事例、成功のポイント解説

DeNAの活用事例

株式会社DeNAでは、2015年から仕事のやりがいや能力の発揮度合いを測る社員アンケートを運用しています。
アンケートの結果、現在の部署でパフォーマンスを発揮できていない人が4割もいました。そこで、「シェイクハンズ制度」という、本人と異動先の上長が合意すれば異動可能となる制度を導入しました。適切な部署異動により、社員のモチベーションアップに繋がります。

(引用:DeNAオウンドメディア【フルスイング】,「人事プロジェクト」<https://fullswing.dena.com/archives/54>,2020年10月閲覧)

リクルートの活用事例

リクルートでは2018年から、「SPI3」という新入社員の適性検査にピープルアナリティクスを用いています。入社時のデータから、活躍したメンバーがどのような経歴で、どの部署だったのかなどを分析し、実際に活躍する予測を立てることができます。

その結果、リクルートでの活躍予測では、性別や学力はあまり関係せず、SPIやFFSといった適性検査が重要な鍵を握ることが分かり、採用視点の転換をもたらしました。

(引用:リクルート適性検査SPI3,<https://www.spi.recruit.co.jp/>,2020年10月閲覧)

ピープルアナリティクスのサービス事例

ジョブカン

主に出勤、勤怠を管理するサービスです。また、シフト・休暇申請管理から給与計算までを行うことも可能です。
ペーパーレスやシフト作成の時間短縮にも繋がり、効率良く社員管理をすることができます。

GROW360

受検者の性格、特性、スキル、バイアス(価値観や認識)をAIによって分析し、データとして取得することが可能です。
採用から育成、組織づくりまで、すべてに応用することができ、中小企業から有名大手企業まで導入実績あります。

MOTIVATION CLOUD

独自開発の組織診断サービス「エンゲージメントサーベイ」に回答するだけで、組織状態を診断し、組織改善に活用できる国内初の組織改善クラウドです。

また、組織状態の診断だけでなく、従業員のモチベーション管理も行い、現状把握から目標設定、進捗確認まで行うことが可能です。

Talknote

経営者からマネージャー、従業員までのコミュニケーションをデータとして分析し、モチベーションを可視化や現場の状態を把握することが可能です。

また、アクセスしている時間からオーバーワーク防止や、従業員が企業全体を把握することができ、経営理念の浸透、離職率の低下に繋がります。

まとめ

データを用いたピープルアナリティクスは確かに人事課題解決において有効なアプローチ手法であることは間違いありません。しかし、「内定承諾率向上」「コスト削減」など、短期的な効果を追い求めるのではなく、本来の目的を見失わないことが重要です。

最後に、ピープルアナリティクスは、会社の将来にとってかかせないものであり、最近では専門の部署まで設立されるなど、注目度が高まってきています。
終身雇用制度の解体や、ファーストキャリアの概念が変わり、転職がしやすい世の中になってきています。そうした一方で、企業側としては、優秀な人材ほど残ってもらいたいのが現実です。

また、新型コロナウイルスの影響で、テレワークの普及やリモート稼働など、働き方や求められる能力、人材も変化してきています。従業員のスキルを最大限発揮できる環境を整え、適切な人材が輝ける組織構築を目指しましょう。