人事データ活用の全体像
まず、人事データとはどのようなものを指すのでしょうか。本連載の第1回でもお伝えしたとおり、それは「組織・人材マネジメントが日々行われる中で生まれてくるデータ」です。データが生まれてくる場面・要素を分解すると、外部からの人材確保である「採用」、確保した人材の能力発揮を支援し組織能力を高めるための「育成」「配置」「評価」「等級」「報酬」「労務」「組織開発」、定年退職などを管理する「代謝」のように分けることができ、それぞれに多様なシステム・データ形式を持ってデータ化されていくことが多いと思います。本連載第1回に人事データが生まれてくる場面・要素と該当するデータ例を表にしたもの（図表01）がありますので、参考としてください。
注
[1]: 実はこの多様な場面・システム・データ形式というところがポイントで、人事データ分析を行う前の蓄積や統合のステップも重要なのですが、企業ごとに状況が大きく異なるため、今回は割愛します。
また、人事データを集めて分析する際には、その先に「結果に基づきアクションを起こす」ことを視野に入れていることが大半だと思います。今回はデータから意義ある情報を抽出する手法として、統計解析の基礎を紹介していきますが、
解決したい人事課題は何か
↓
どのようなアクションをとる必要があるか（仮説含む）
↓
そのためにどのような分析手法が有効か
という視点で読み進めてください。
細かい手法の違いはありますが、分析の全体像から把握していきましょう。分析手法をアプローチ別に4つに大別したものが図表01です。
［画像クリックで拡大表示］
- 1) 記述的分析
- 大量かつ高度なデータ解析の流行に埋もれがちですが、何らかの施策や働きかけを行う際に個々人の状況を把握することは、企業が社員一人ひとり、一つひとつの職場の集合体である以上外せないアプローチです。一方で、経年変化や職種別などの大まかな傾向を把握したい場合にはデータの集計・要約が有効で、その際のビジュアライゼーションは経営や他部門への説明材料として活用できることがあります。
- 2) 診断的分析
- 人事データ分析と聞いて、このアプローチをイメージする方も多いでしょう。例えば記述的分析で「従業員の満足度が低下している」という事実が分かっても、低下している原因や構造が分からないと有効な施策やアクションを行えません。
- 3) 予測的分析
- もし、職場や会社へのエンゲージメントを低下させる要因が分かったとしたら、低下する前に手を打つほうが効果的でしょう。予測的分析とは、事前の打ち手のために、エンゲージメントが低下しそうな職場を予測するアルゴリズムをつくるというアプローチです。ビッグデータや機械学習との組み合わせで、近年人事データ解析場面でも扱うことが多くなりました。
- 4) 処方的分析
- 人事施策やアクションに直結するアプローチです。採用市場におけるスカウトや、学習機会のレコメンドといった場面で実用化が進んできています。
