人事データを分析・活用して、組織が抱える課題を解決へと導くための手法を指す「ピープルアナリティクス」。人事担当者による勘や経験だけでなく、AIやビッグデータ分析などのテクノロジーを用いることで、効果的な人事施策を実施できることから注目を集めています。本記事では、株式会社ビズリーチ HRMOS WorkTech 研究所所長 友部 博教が、ピープルアナリティクスを基礎からお伝えしていきます。
第3回にあたる本記事では、ピープルアナリティクスを成功に導くためのチーム体制についてお伝えしていきます。
友部博教
株式会社ビズリーチ
HRMOS WorkTech 研究所所長
兼 人事本部タレントマネジメント室
ピープルアナリティクスグループ
マネージャー
2004年、東京大学大学院で博士号（情報理工学）を取得後、名古屋大学、産業技術総合研究所で、コンピューターサイエンス領域の学術研究に取り組む。その後、2008年より、東京大学で助教として研究・教育に携わる。2011年4月株式会社DeNA入社。アプリゲームやマーケティングの分析部署の統括を務め、人事領域ではPeople Analytics部門の立ち上げに携わる。2018年10月株式会社メルカリ入社。人材開発部門においてPeople Analyticsに関する施策を担当。その後、2019年11月に株式会社ビズリーチに入社し、HRMOS WorkTech 研究所所長と人事本部タレントマネジメント室ピープルアナリティクスグループ マネージャーを兼任。
HRMOS WorkTech研究所について
株式会社ビズリーチが運営するHRMOSは、2021年3月、WorkTechの活用や、未来の人財活用のあるべき姿を研究し、その情報を発信する研究所として、HRMOS WorkTech研究所を設立しました。
「Work Tech」とは、人事業務のDX実現を目指す従来の「HR Tech」をより大きな枠組みでとらえ、人事業務だけでなく、働く人を取り巻く業務すべてを対象にした「働き方のDX実現」を目指すテクノロジーを指します。働く環境の変化や、働き方の多様化が進むなかで、これからは、従来の「HRTech」だけではなく、働く人一人ひとりの変化に対応し、自律的な活躍を支えるテクノロジーである「WorkTech」の導入が求められると考えられます。
HRMOS WorkTech研究所では、Work Tech領域の調査・研究・開発・学術貢献など幅広い役割を担っており、働き方に対する価値観が多様化する現代において、日本のWorkTech推進を目指していきます。
面倒な仕組みは、評価基準を不明瞭にし従業員の納得感を低下させる可能性があります。
納得感のある質の高い評価を実現させる仕組みとは？
⇒3分でわかる「HRMOSタレントマネジメント」
・組織を取り巻く課題
・HRMOSタレントマネジメントが実現できること
・導入事例
などを分かりやすく紹介
理想的なピープルアナリティクスチームとは
ピープルアナリティクスチームの人数は会社の規模によっても変わりますが、2つの役割を担当するメンバーがいることが理想です。
まず、「データ管理者」。ある程度規模の大きい企業になると、人事業務にかかわるデータが多種多様になります。そういったデータが正しく蓄積されているかを精査する必要があります。また、社内の人事の各部署やさまざまな事業部からデータ抽出依頼を受けることがあります。そういった依頼への対応やデータ抽出・精査が主な役割です。
次に、抽出したデータをもとに分析を行う「アナリスト」。アナリストについては、データを専門的に扱っていた経験が必ずしも必要なわけではなく、人事経験にもとづいて組織の課題をみつけ、そのために必要なデータが何か、どういった解決策があるか、などを導き出せる能力が求められます。
極端な話をすると、この2つの役割をどちらもこなせるメンバーが1人いれば、ピープルアナリティクスを行うことは可能です。ただ、それを満たす人材は少ないうえに、もしいたとしても、そのメンバーに対する業務的な負担は非常に大きくなってしまうでしょう。
そういった意味では、理想のチーム体制を構築するためには、「データ管理者」と「アナリスト」の2人が最低限必要だといえます。
現実的なピープルアナリティクスチームとは
これからピープルアナリティクスに乗り出す多くの企業では、前述したような理想のチーム体制を整えるのは難しいでしょう。専任担当ではなく、別の業務との兼任で担当する場合がほとんどだと思います。
先ほどお伝えしたチーム体制はあくまで「理想」であり、それを実現しないとピープルアナリティクスが成功しない、というわけではもちろんありません。
多くの企業で実現可能なチーム体制として1つ考えられるのが、社内にはデータ管理者のみを置き、足りない部分を人事システムとシステムのカスタマーサクセスで補う、というものです。
その場合に意識しておかなければいけないのは、「社内で組織課題を明確にしておく」ということです。
今ではさまざまな人事システムが登場し、サポートが手厚いものも多くなっています。そうはいっても、システム側でサポートできる範囲には限りがあり、解決すべき課題が明確でない状態では満足な提案を受けることはできません。
根本的な組織課題を抽出するためには、担当者1人のみでは不十分なことも考えられます。その場合は、経営層や事業責任者などが、より高い視点から組織の課題にフォーカスし、定点観測を行うことが必要です。
いずれの場合も大切なことは、本質的な組織課題を明確にしてから分析に臨む、という意識だと言えるでしょう。
人事評価制度の運用や人事情報管理の課題を「HRMOS」で解決！
どんな事ができるのか実際の画面を確認しながら活用方法の検討がおすすめです。
ピープルアナリティクスを成功に導く、3つの人材要件
ピープルアナリティクスを行う人材に必要な人材要件は、大きく分けて3つあります。
これからピープルアナリティクスに取り組まれる企業の皆様には、メンバーの肩書・役割や人数だけでなく、この3つの人材要件を満たせているか、という観点でチーム体制を考えていただきたいと思います。
人材要件①データ管理スキル
ピープルアナリティクスを行ううえでは、前提として、データの抽出と整理が丁寧に行える必要があります。
あるタイミングでは組織課題と紐づかないと思われるデータでも、将来的に必要になる可能性もあり、そういったデータも含めて整備しておくことが大切です。また、データが更新され最新の状態であるか、の把握も必要です。
地道な作業ともいえるデータ管理に必要な資質は、データの細かい間違いに気づく、データを精緻に整備できる、など、技能的な部分だけでなく、適性による部分も関係してきます。そういった意味では、性格による向き・不向きもあるかもしれません。
人材要件②人事領域への知識・興味
ピープルアナリティクスを行う際には、抽出したデータをもとに分析をする必要があります。そのタイミングでは、データに関する専門的な知識よりも、人事領域に関する知識や興味がより重要です。
前提として「人事」や「人」についての知識や興味がなければ、どれだけデータ分析の能力があったとしても、組織の成長につながる人事施策はアウトプットできません。
ここでの知識は、勘や経験とも言い換えられますが、人事としての勘所があり、前述したデータ管理もできる、という人は、非常に少ない印象があります。
人材要件③課題設定力
チーム体制についてのお話でもお伝えしましたが、ピープルアナリティクスに何より重要なのが、「本質的な組織課題を明確にする」ということです。
課題設定力とは、ただ目の前にある人事データをみて、わかりやすい課題を解決する、ということではありません。
組織を成長させるための根本的な課題は何か、そのために必要なのはどういったデータなのか、ということを、事業全体をみて考える必要があります。
チームを活かす組織理解。長期視点での施策評価を
ピープルアナリティクスチームが継続的に成果を出しつづけるためには、実施した人事施策の評価を行い改善のプロセスを回すことが重要です。そのためには、人事施策を評価することに対する組織全体や人事担当者の理解が必須です。
人事領域の場合、施策を行ってから結果が出るまでの期間が長く、半年から長いと2〜3年かかることもあります。短期的に結果を実感しづらいため、担当者がモチベーションを保ちつづけることは簡単ではないでしょう。
意味のあるチーム・人事施策を継続していくためには、人事担当者だけでなく、組織全体として、長期スパンで人事施策を評価することへの理解が必要です。
また、本来は、組織課題を導き出すうえでも、全社的に人事課題・テーマの洗い出しを行い、緊急度やインパクトをもとに優先順位づけをしてから施策に移ることが望ましいと考えています。
ピープルアナリティクスを成功に導くためには、人事担当者だけでなく、組織全体としての人事施策に対する意識・理解が非常に重要であるという意識を持つようにしましょう。
続きはこちら
人事が取り扱うデータとは？
