Agile HR

人事部門におけるデータ活用

日本においては、そもそも人事部門がデータを活用するということ自体、実は少ないというのが現実ではないでしょうか。やはり人事はまだまだオペレーションが中心という現実があると思います。例えば、新卒採用においては今までは、例年同じサイクルで一括採用を実施し、給与や昇進は年功序列となるのが一般的で、人事の仕事はそのフローを回すというオペレーション中心で良かったのではないかと思います。しかし今は採用ひとつとっても新卒だけではなく中途もあり、その手法においては、求人広告、人材紹介やダイレクトリクルーティング、リファラル採用などが存在しています。さらには雇用形態も正社員のみならず契約社員や派遣社員、業務委託など多様な働き方があります。
上記のような文脈や世の中の「ビッグデータ」という流れにおいて、人事においても取得したデータを元に経営陣やビジネスパートナーをどう説得していくかが重要な課題になってきていると思います。

データ活用をはじめる

とはいえ何から始めれば良いのか。データと言っても様々な種類がありますが、まずは採用におけるデータを取得し、分析、活用して見てはいかがでしょうか。具体的には、採用時の評価データと入社後の評価データを照合し、仮説と検証を実施。それを繰り返していくうちに、面接時の回答と入社後の評価の傾向が見えてデータの活用が可能となると考えられます。次に、社員と企業の関係性を表すエンゲージメントスコアの取得が必要不可欠ではないかと思います。欧米企業ではエンゲージメントスコアは企業のパフォーマンス、具体的には生産性や退職率との連動性が高いと考えられ、非常に多くの企業に普及しているものになっています。
PwCコンサルティング北崎氏によると、人事データ活用には以下の5段階のレベルがあり、「過去から現在の状況を知る」という考え方から、「過去から未来を予測する」という考え方にシフトする、とされています。

レベル1　単年集計
例：「内定者のうち何人が入社したか」がわかる
レベル2　経年比較
例：「内定者が前年度と比較して増加（減少）したか」がわかる
レベル3　ベンチマーク比較
例：「自社の内定率は、他社と比較してどれくらい良い（悪い）か（競争力）」がわかる
レベル4　要因分析
例：「内定者のどの属性が入社要因になったのか」が定量的にわかる
レベル5　予測分析・自動判断
例：要因を式にして、未知の人の「会社に残る確率」や「ハイパフォーマーになる確率」がわかり、意思決定をサポートできる

ともあれ、まずは今取得できるデータを収集し、それを可視化、分析することで、未来の予測値なども出すことが可能になります。経験や勘も重要かもしれませんが、不確実性が増す時代においては、根拠のあるデータを元に、いかに先を読んで手を打っていけるかが競争優位の価値になっていくと思います。

セプテーニ・ホールディングス 人事領域での「AI」導入（*1）
米国企業の人事データ活用事例/米国企業の人事データ活用事例（*2）
一見新たな取り組みにも見えますが、営業部門、マーケティング部門などでは、データを取得し、分析、それを元に未来を予測することは既に実施されてきています。今後はもちろん人事部門でも、その役割が求められるのではないでしょうか。
既に取り組みを始め結果が出ている先進企業があるとはいえ、各社まだまだ面接の評価などの人事データの活用、また活用できるようなデータの蓄積については、まだまだこれからではないかと思います。人事データに関しては取り組む余地は多いにありますが、『まずは自分たちのできる範囲の中でやっていく』ことが大事ではないかと思います。

*1）DODA “未来を変える”プロジェクト 内 インタビュー記事より引用 *2）Works136号 第2特集 pdf