データで人事を変えるピープルアナリティクス［前編］
――人事データの課題

記事内容の要約

1. 企業人事の分野ではデータ活用が立ち遅れていたが、「ピープルアナリティクス（PA）」というデータ活用の取り組みが進みつつある
2. PAは、類義語である「HRテック」に比べて、より複雑性、付加価値が高い業務に関する事例で使われる傾向にある
3. 人事部門がPAに取り組むためには、目的を明確にして他部門のデータも取り入れることなどが求められる

多くの企業においてデータドリブンな経営が常識となりつつあるなか、データ活用が進んでいないとされてきたのが人事部門だ。しかし、昨今では人事部門の施策にデータを活用する企業も徐々に増え、実際に成果もあがってきているという。「ピープルアナリティクス」と呼ばれる、データに基づいて人事課題を解決する取り組みの現状と課題、可能性について、企業の人材に関連する調査や研究、組織・人事コンサルティングなどを行うパーソル総合研究所に話を聞いた。

なぜいま人事での「データ活用」なのか

テクノロジーの進化や社会の変化につれ、企業経営でもデータや人工知能（AI）の活用が活発になってきた。特にマーケティングの分野では大きな成果を出している事例も少なくない。一方、企業を支える大きな柱でありながら、データ活用があまり進んでいないといわれてきたのが人事の分野だ。ただ、最近では人事分野でも積極的にデータを活用した、より効果的な人事施策の取り組みが進んできている。それが「ピープルアナリティクス」（以下、PA）という取り組みで、企業の人事関係者の間で注目されているという。

では、PAとは具体的にどのようなものなのか。株式会社パーソル総合研究所（以下、パーソル総研） コンサルティング事業本部 ピープルアナリティクスラボの西尾紗瞳氏は、次のように話す。

「PAとは、企業に蓄積されたさまざまなデータを統計解析し、人事における意思決定、業務効率化などに生かそうという取り組みの総称です。これまでも、人事分野でデータが使われていなかったわけではありません。たとえば、人事部門には社員の属性データ、人事評価データ、適性検査データなどが蓄積されてきたはずです。ただ、適性検査のデータは採用の場面でしか使わない、といったように、単一的なデータ活用しかされないことがほとんどだったのです」（西尾氏）

ところが昨今、労働市場や経営環境が大きく変化し、人事の意思決定も今までどおりではうまくいかなくなってきた。そこで着目されたのが、データを統合的に活用した人事施策というわけだ。

「PAでは、人事データだけではなく、社内のさまざまなデータも連携させることで、より複合的にデータを活用していきます。それによって、採用の効率化、適正な人材配置、離職率の低減など、データに基づいた戦略的な人事施策の実行が可能になります」（西尾氏）

PAとHRテックの違いとは

ところで人事におけるデータ活用というと、同じ文脈で語られるキーワードとして、「HRテック」がある。

どちらもITやビッグデータを活用したものだが、PAとHRテックには、どのような違いがあるのだろうか。パーソル総研ピープルアナリティクスラボでデータサイエンティストを務める大西真人氏はこう説明する。

「明確に区別するものでもないのですが、どのような事例に『PA』『HRテック』という言葉が使われているかを弊社で分析したところ、HRテックは、組織や社員の情報を収集・管理し、給与管理・労務管理といった定型的な作業を効率化させるツールの名称として多く使われていることがわかりました。一方PAは、より『複雑性』『付加価値』が高い業務に関する事例で多く使われています。たとえばHRテックで収集した人事にまつわる情報を、目的にあわせて分析し、より高度なアウトプットを出す取り組みを指す場合などに用いられています」（大西氏）

その具体例として西尾氏は次のように説明する。

「たとえば社内で新しい部署をつくり、どの社員を異動させるか考える際、対象となる社員が300人いるとします。その全員の情報を人事担当者が人力で集めて精査し、さらに候補者を選んでいくのは大変な作業です。そのようなとき、300人分の属性や評価に関する情報は、ツールなどを使って効率よく集めたほうがいいですよね。ここまでがHRテックの領域です。そして、収集したデータを統計解析して、客観的に候補者を50人にしぼることで、最終的な人事担当者の意思決定を支えるのがPAです。HRテックとPAは、このような関係だと考えればよいかと思います」（西尾氏）

ピープルアナリティクス（PA）とHR Techの関係

人事でデータ活用が進まないもう1つの理由

データに基づいた客観的な人事施策を進めるためにPAは有効だが、現状では、肝心の人事データに少なからず問題があるという。それはどのようなことか。

「人事は、データの蓄積や解析がしづらい領域なのです。たとえば、活躍人材を分析しようとした際に、何をもって活躍人材を表すデータとするかの判断が難しい。人事評価データを使うことも多いですが、人の判断にはゆがみがあるので、企業が本当に求めている活躍人材でないこともあります。さらに、たとえば人事評価データの場合、データを取得できる頻度は半年に1回程度ということをみても、時々刻々とデータがたまる他分野の『ビッグデータ分析』に比べて、データ量が不足しているという点は否めません。センサーデータなどを活用すれば十分なデータ量が得られることも考えられますが、このようなデータを保有している人事部門はごくまれです」（大西氏）

また、人材の評価基準や部門ごとのKPIは、企業の成長や社会の動向とともに変化していく。そのため、継続性のあるデータの蓄積が難しいという点も、人事データを扱ううえでの課題になっている。とはいえ、企業全体に視点を移せば、データの質や量が十分ではなくとも施策は進められると、西尾氏は続ける。

「人事部門が持つデータだけを利用するのではなく、他部門のデータや、今まで人事とは関係ないと思われていた情報を用いることで、新たな人事施策につなげることができます。ただし、やみくもにデータを集めればよいというものではなく、『PAに取り組むことで、何を達成したいか』をしっかり把握しておく必要はあります。そのためにも『PAに取り組むことで、何を達成したいか』を明確することは大切です」（西尾氏）

大西氏は、予測したいアウトプットを導き出す数式（これをモデルと呼ぶ）を統計的につくる「多変量解析」をデータの活用の一例として挙げ、次のように話す。

「『このアウトプットを導き出すにはどんなデータが必要ですか？』と聞かれることがたびたびありますが、一概に決まっているものではありません。ですので、絶対にこのデータがなければダメ、ということはほとんどありません。まずは、求めるアウトプットに対してどのようなデータが有効なのかを考えます。もし十分なデータがなかったら、ほかのデータから代替できそうなものを洗い出して、モデルをつくることを試します。よいモデルをつくるためには試行錯誤が欠かせません」（大西氏）

収集するデータの内容や量に課題があるものの、活用の方法はあるという人事データ。では、パーソル総研がデータを活用してどのように人事の課題を解決しているのか、後編で具体例を見ていこう。

この記事の後編を読む

※このページは「Insight for D」に掲載された内容を転載しています。

※内容・肩書等は公開当時のもになります。