2020年5月28日に『ピープルアナリティクスの教科書』が出版されました。
目次の俯瞰
ピープルアナリティクスの教科書
第1章 ピープルアナリティクスとは何か
1-1 HRテクノロジーの進化とピープルアナリティクス
人事における意思決定精度を向上させるピープルアナリティクス
欧米で先駆的に活用されるピープルアナリティクス
日系企業の人材データ活用は世界的に見て後れを取ってきた
人材の多様性と人事データの活用度には深い関係がある
2016年を境に急速に注目しはじめた日本企業
1-2 人事のデータ活用は5段階
レベル1 : 単年集計
レベル2: 経年比較
レベル3: ベンチマーク比較
レベル4: 要因分析
レベル5: 予測分析
1-3 人事データの定義
4つに大別できる人事データ
オペレーショナルデータ
センチメントデータ
パーソナリティデータ
アクティビティデータ
人事データに関する考え方の見直しが必要
1-4 ピープルアナリティクスが人事部門にもたらす効果
意思決定精度の向上
従業員の価値提供の向上
人事業務の効率化
最大のポイントは情報を定量的に可視化すること
1-5 日本企業における必要性、3つの理由
理由1:「人材の多様化」 が従来のマネジメントモデルを通用させなくなっている
理由2: 「働き方の多様化」 が部下の仕事の状況を見えなくさせている
理由3:「事業変化のスピードの加速」 が部下のモチベーションの変化を加速させる
「VUCA」の時代はアナリティクスの必要性が高まっていく
第2章 人事データを活用する視点
2-1 人事データ活用のための3つのポイント
従来の人事データでの分析の限界
2-2 動的データの活用
活用が進む様々な動的データ
2-3 データの標準化 ・ 連結化
従来の人事データは効率的な分析には設計されていない
データの標準化
データの連結化
2-4 人事データの枠を超えるデータ活用
人事以外部門との連携強化がカギ
第3章 人事システムの再構築
3-1 人事システムの構築に影響するトレンド
トレンド1:加速するHRデータの多様化と分散化
トレンド2:分析ニーズは流動的に
トレンド3: 人材マネジメントに関する権限の現場への移譲
3-2 既存の人事システム構成が直面する課題
課題1:All in One システムの限界
課題2:固定的な分析レポートだけでは不十分
課題3:現場側のデータに対するアクセシビリティの低さ
3-3 ピープルアナリティクスを実現する人事システム構成
概要:「HRデータレイク｣ へのデータ統合とBIツールによる分析
利点1:データー元化の網羅性・対応性の高さ
利点2:多様な分析ニーズに対する柔軟性の高さ
利点3: 現場でのデータ活用に対する適合性の高さ
利点4:統計分析ツールとの親和性の高さ
3-4 データ品質管理の落とし穴
データ項目や内容の頻繁な変更
従業員から情報を取得することの難しさ
Column ピープルアナリティクスにおける個人情報保護
第4章 分析テクニックとその活用法
4-1 人事データの分析
人事データを分析するポイント
4-2 人事データの関係性分析
可視化の種類
主なグラフ
主な統計解析
4-3 統計･機械学習手法の活用
要約 ・ グルーピング手法
予測手法
予測モデルの評価
Column 複雑な構造を考慮した分析例
4-4 テキストデータの分析手法
形態素解析
頻度集計
ワードクラウド
共起語分析
多用なテキストマイニングの方法
4-5 データ分析における基本的な手順
データ分析の流れ
手順1: 目的・計画の策定
手順2:必要なデータの洗い出し
手順3:データの収集
手順4: データの前処理
手順5:データの可視化
手順6:統計解析や機械学習の実施
手順7:分析結果をもとにした意思決定
手順8 : 施策の展開
分析をすすめるうえでの留意点
4-6 相関と因果の違い
因果を捉えることが大切
因果の基本は時間軸
間接的な影響のパターン
共通する要因があるパターン
実務上の留意点
Column エビデンスの強さ
4-7 簡単にできる分析の技法
行いやすいアクション、 取り扱いやすいデータから
分析の基本は「分けて、見る」
「組み合わせて、見る」
「時系列で見る」
活躍者分析の一歩目
4-8 分析者としての心得
第5章 データ分析の実務
5-1 ピープルアナリティクスの導入時に考えるべきこと
5つの課題と対策
ピープルアナリティクス実施の目的
ピープルアナリティクスを実施するうえでの留意点
5-2 プロジェクトの実践手順
手順0: ピープルアナリティクスの心得 (マインドセット)
手順1:プロジェクトの設計 ( 7つのコツ)
手順2:データの前処理
手順3:分析・可視化
手順4: 施策運用
第6章 運用の組織
6-1 人材獲得・育成の考え方
人事担当者の育成
他部門からの獲得
他部門の人材に活躍してもらうためには
外部リソースの活用
6-2 必要なスキル
スキル1 : 課題設定力 ( 仮説力)
スキル2: データ化力 (変数設定力)
スキル3: 分析手段選択力
スキル4 : 解釈/説明力
6-3 社内の意識改革
「データ整備優先」 という幻想
データ整備先行時の2つの壁
過剰な期待、筋違いの期待
第7章 これからのピープルアナリティクス
7-1 4つの視点から考える
変化1:データ範囲の拡大と従業員の選択権~データの民主化〜
変化2:データ分析の利活用者範囲の拡大~セルフサービスの加速~
変化3:データプラットフォームの変化
変化4: 求められるピープルアナリティクス組織の変化
7-2 将来に向けて今取り組むべきこと
ポイント1:アジャイルに進める
ポイント2: サービスプロバイダーとしての意識を持つ
ポイント3: 新たなデータソースを考え続ける
ポイント4: 経営・他部門とのアライメントを考える
事例編 他社の事例に学ぶ
【事例1】 先進企業人事経験者が考える組織のグロースハック パナリット
【事例2】 データ活用は個人の成長のための一手段 セプテーニ・ホールディングス
【事例3】 マーケティングスキルを人事に活かす サイバーエージェント
【事例4】 データ活用と人事のスタンダードにするために パーソルホールディングス
【事例5】生産性向上のためのピープルアナリティクス 日立製作所
【事例6】 タレントマネジメントシステムの導入・活用 ヒロテック
【事例7】人事こそ実験しよう リコージャパン
【事例8】3つのサーベイを活用した人事の実践 DeNA
【事例9】 独自文化 「三行提報」 を育成につなげる サトーホールディングス
資料編
人事データ利活用原則
人事データ利活用原則に関する考え方について
おわりに
