ピープルアナリティクス

ピープルアナリティクスとは？

ファクト（データ）をベースに意思決定を行い、効果的な人事施策を打つことで戦略人事を実現するための一連の活動をピープルアナリティクスといいます。2010年代後半より、国内においてもピープルアナリティクスが求められるようになってきました。現在、多くの企業が人事データの分析に取り組み、施策の意思決定や業務効率化、さらには従業員とのコミュニケーションに活用しています。人事データ活用の方向性を以下に整理しました。

人事データ活用の3つの方向性

ピープルアナリティクスのポイント

ピープルアナリティクスでは、ファクトをベースに問題を発見し課題解決につなげていくことがポイントになります。これにより、人事に仮説検証型のプロセスを導入することができます。

具体的には、①問題を発見し(Detect)、②問題を深掘り(Dig)、③施策を意思決定し(Decide)、④施策を実行する(Implement)というフェーズを繰り返していきます。クニラボではこのサイクルをピープルアナリティクスのDDDIサイクルと呼んでいます。

ピープルアナリティクスのDDDIサイクル

目的(To Be)と現状(As Is)のギャップを認識して課題を発見しながら戦略実現を目指すには、仮説ベースでの施策検討と実行後の検証が重要になります。

労働市場やワークスタイルの変化が激しい今日では、絶対的に上手くいく確たる計画を立てるのは困難です。その結果、組織の変化に合わせて柔軟に施策を打つ仮説検証型のプロセスが重要になってきました。このような仮説検証型の人事に転換するための鍵がピープルアナリティクスなのです。

ピープルアナリティクスの効果

ピープルアナリティクスを実践することで、人事部門はどのようなメリットを得るのでしょうか。
第一には、勘や経験に基づく意思決定から、客観的な情報に基づく意思決定へ転換することが期待できます。さらに、管理職や一般従業員に対してファクトに基づくコミュニケーションをとることで、施策の浸透スピードを上げることもできるでしょう。

このように、人事が仮説検証の業務スタイルを取り入れていくと、人事部門自体を変化させることになります。具体的には、人事が「問いを立て、データを用いて自ら検証する主体」に変わるのです。ピープルアナリティクスは人事を学習する組織にするためのアプローチでもあります。

ここを出発点とし、人事と事業、人事と経営の連動性を強め、人的資本経営の実現していくことがピープルアナリティクスの目指すべき姿です。

ピープルアナリティクスの課題

ピープルアナリティクスに対する期待が高まる一方で、人事データ分析チームは様々な課題に直面しています。主要な課題のひとつは、複数のシステムに分散した人事関連データを集約することでしょう。これまでの人事関連システムは制度を回すために設計されており、必ずしもピープルアナリティクスに適したものではありません。こうしたことからピープルアナリティクスのための基盤作りは重要な課題となっています。

しかし、その一方で、基盤が手に入れば上手くいくかといえばそうとは限りません。データ基盤や分析技術はあくまで手段であり、その目的は組織変革を含めた戦略人事の実現にあるからです。たとえば、人事データ分析チームはその立ち上げにおいて、しばしば次ような困難に直面します。

ピープルアナリティクスを導入するには？

上にあげた「壁」は分析チームのスキルと組織文化の課題であり、ピープルアナリティクスを成功させるための急所といえるものです。データ基盤も重要な要因ですが、これら人材と組織面の課題の方が、ピープルアナリティクスの定着を左右します。

すなわち、これらの壁を乗り越えることで人事の業務スタイルを変革し、アナリティクス的なアプローチを人事に実装することができると言えるでしょう。その実現のためには、データ分析プロセスを「内製化」することが重要になります。なぜなら、組織文化は組織の中に根差すものだからです。

ピープルアナリティクス実装上の課題と急所

クニラボ代表の武田はピープルアナリティクスに先駆的に取り組んできた組織に属し、様々な人事データ分析プロジェクトに携わってきました。これと並行して、分析チームのマネジメントやアドバイザリを通して、多くのアナリストの育ててきました。また、武田自身が30代になってからデータ分析方法を学び、多くの失敗と経験を重ねながらデータサイエンティストとして独り立ちした経験を持っています。

これらの経験をもとに、人事データ分析チームを伴走型でご支援させていただきます。