人事がデータ分析を行う目的と注意すべき３つのポイントを徹底解説
データ分析は、人事においても重要度を増してきました。人員配置の最適化や、離職率の改善、人事制度の見直しなど、あらゆる人事に関わる事項が関わってきます。これまで感覚で行っていたような人事業務をデータをもとに裏づけして、論理的により最善の人事業務を行っていきましょう。
人事におけるデータ分析とは
人事におけるデータ分析では、社内における人に関するデータを収集して分析します。これにより人事関連の課題の解決、ひいては企業の発展につなげることができます。
具体的には、従業員の基本情報や勤怠情報、能力、価値観、モチベーションなど、様々なデータがあります。
いわゆる、“人”に関わるデータの全てが対象になるでしょう。このようなデータを用いて、採用においてプロセスの改善であったり、離職率の軽減であったり、生産性の向上などを図れるのです。
人事のデータ分析を行う目的
では、人事においてデータ分析を行う目的は一体何なのでしょうか？データ分析というと、売り上げに直結する範囲や、製造の現場などで取り上げられることが多いですが、人事においても目的を理解してデータ分析を行えば、会社の人を育てることに大いに貢献できます。本記事では、以下についてご紹介していきます。
- 人事制度の最適化
- 離職率の改善
- 成果を上げる社員の特徴
人事制度の最適化
まず、人事制度の最適化が一つ目の目的として挙げられるでしょう。
データ分析により現状存在している人事制度がどの程度社員に対してプラスに影響・効果があるのかを知ることができます。
例えば、さほど効果を上げていない・活用されていない人事制度であれば縮小・廃止などと言う形でコストを削減でき、他に効果を上げている制度により資源を配分することも可能です。
その際は、何を持ってしてプラスの影響があったのかどうかをあらかじめ設定しておくと良いでしょう。個人の業績や生産性、コミュニケーション能力の高さといった指標を効果として設定するとわかりやすいでしょうか。これらにより、評価の公平化や人材育成にも貢献できるはずです。
離職率の改善
次に挙げられるのは、離職率の改善です。既に離職してしまった・もしくは既に離職が決まっている社員に関するデータをもとに分析を行うことで、どういった要因が社員の離職に結びついているのか、といったことを知ることができます。
離職した社員に関するデータを見て、現状の制度や会社のどこに不安があるのか、仮説を立てて分析を行えば、人事制度をよりよくしていくことができるでしょう。なかなか現実的ではないかもしれませんが、離職した社員にアンケートを取るなどもデータを収集する一つの手になるのではないでしょうか。
ただし、価値観の不一致などといった個々のパーソナリティによるものは、人事制度で解決がどうにかなるものではありません。どうにもできない離職とそうでない離職をきっちり分けて考データ分析を行いましょう。
成果を上げる社員の特徴
三つ目に挙げる目的は、成果を上げる社員の特徴を知ることです。部署を横断して優秀な人材、と言うのも存在するはずですが、各部署で優秀と呼ばれるような人もいます。
データ分析により成果を上げている優秀な社員の特徴・傾向を掴めれば、会社全体のパフォーマンスに還元できます。
評価軸・必要な能力は部署によって違うため、部署ごとのデータによる分析と部署を横断しての分析を行うことで、人事制度の最適化につなげることもできます。
部署や会社全体でのロールモデルを設定し、それを人材育成に反映させることが重要です。
人事のデータ分析のポイント
ここまで、人事におけるデータ分析の概要と、その目的をご紹介してきました。以下では、実際に人事のデータを分析する際に注意すべきポイントをご説明していきます。
- 組織課題を明確にすること
- 従業員構成を最適化すること
- 生産性から人件費を考えること
- 労働時間の見直し
- 従業員が認める人事制度の検討
では、それぞれを紹介していきます。
組織課題を明確にする
まず一つ目のポイントは、人事において組織課題を明確にすることです。
離職率が高いのでそれを改善したいのか、現在の人事制度がうまく機能しているのかそうではないのか、社風や企業文化が社員にどのような影響をもたらしているのか、課題は多種多様にあるはずです。
人事におけるデータ分析において、大きな目的を掲げて、仮説を持ってデータ分析を行い、理想とする姿に近づけていくことが重要です。まずは課題を整理し、優先順位を決めましょう。
それによって必要なデータやアプローチは異なりますので、課題を明確にしておくことが大切です。
従業員構成を最適化
二つ目のポイントは、従業員構成を最適化することです。部署によっては人数が過剰・不足など様々な状況があるでしょう。
データ分析によりそういった偏りをなくしていくことが欠かせません。また、本人の希望も尊重しつつバランスを取る必要はありますが、各個人の得意不得意の傾向に合わせての配属を最適化する視点も必要です。
また、人員を適切に配置するためのデータ分析も有効ですが、データ分析の効果を最大限高めるためにも従業員構成を最適化するという視点も重要です。
配置に極端な偏りがあってはデータにも偏りが生じてしまったり、十分なデータ量を得づらいことも考えておきましょう。
生産性から人件費を考える
三つ目のポイントは、生産性から人件費を考えることです。業績と人材コストの関連性を分析することで、人材コストを最適化できるでしょう。
例えば、労働時間を増やして生産性が大幅に下がるようであれば、投下しているコストは増えていることになってしまいますので、改善すべきだと言えるでしょう。
また、そもそも給与に対するモチベーションも人によって様々です。給与が多少減ってもいい人には週休三日制度など、各人の生産性が高まる状態に合わせて精度を導入することも可能になるのではないでしょうか。
労働時間の見直し
四つ目のポイントは労働時間の見直しです。収集したデータを用いて、どの部署が極端に労働時間が多いなどを知ることができます。
例えば、有給の取得率や残業時間などといった指標を参考にするといいでしょう。労働時間に偏りのある部署にアプローチし、労働時間の分散や必要があればきちんと新たに人を雇うことも重要です。
こうした対策を講じて労働時間の見直しができれば、直接的もしくは間接的に離職率の改善や生産性の向上が見込めるはずです。労働環境の改善は、社員がパフォーマンスを最大限にあげ、会社の業績に貢献するためにも極めて重要になってきますので、労働時間については丁寧に分析することをお勧めします。
従業員が認める人事制度
五つ目のポイントは、従業員が認める人事制度を構築することです。その最たる例は評価制度の最適化などでしょう。
何を持って評価をするのか、特に仕事ぶりを直接見ることが難しいリモートワークが増えている現在は重要なのではないでしょうか。
そういった意味では、人材育成にもデータ分析は活用できます。先ほど述べたように、理想を設定して理想に近づく要因を知ることで、従業員を最適に育成することができます。
離職率の改善についても、どのような人が会社を辞める傾向にあるのかを掴めれば、退社予備軍の社員に対する事前の防止策検討が可能になります。
社員に良い影響を及ぼさない・活用されていない制度を続けていては資源が最適化されているとは言い難いため、これを機会に制度の見直しを行うのもいいかもしれません。
まとめ
人事におけるデータ分析についてご紹介をしてきました。まずは課題や目的、仮説、理想の姿を明確に設定し、データに落とし込んで分析してみることが重要です。
また、仮説を立てた上でどのようなデータが必要なのか、どうやって集めて管理していくのかも考えましょう。
本記事をご参考に、人事のデータ分析をして人材育成や離職率の改善施策などを検討してみてはいかがでしょうか。
BIツール Yellowfin の紹介資料はこちらから↓