人事データ分析手法-発展編-

収集した人事データを活用して組織の課題解決を行うためには、データから課題を読み解く分析が重要になります。 分析方法にはグラフを用いたものなどがありますが、その他にもさまざまな方法があります。

本記事では、株式会社ビズリーチ HRMOS WorkTech研究所所長の友部博教が、最新の手法とポイントについてご紹介します。

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。

開く

より発展的な人事データ分析手法

収集した人事データを課題解決に活用するためには、そのデータを分析する必要があります。その際、データを可視化することで、より課題を見つけやすくなります。ここでは、より発展的な人事データ分析の手法として、「ネットワーク図による可視化」と「テキスト解析」についてご説明します。

ネットワーク図による人事データの分析

1つ目のネットワーク図とは、ノードと呼ばれる「点」とエッジと呼ばれる「線」を用いて関係性を可視化するものです。ドラマの相関図のようなイメージで、従業員同士の関係性や組織の関係性を表すときに用いられます。

ネットワーク図を活用して人事データを可視化するメリットは、従業員同士の直接的な関係性を可視化し、より直感的に関係性における課題や組織間連携のポイントを見つけやすいこと。一方で、従業員同士や部署同士で比較する事が難しく、どのつながりが重要なのかを見極めることが難しい部分があります。

日本の人事ではまだ馴染みの薄いデータ分析手法ですが、海外では組織のパフォーマンスを可視化するために組織内外の関係性を見ることの重要性が研究でも示されており、ネットワーク図を使ったサービスなども提供されはじめています。

テキスト解析による人事データの分析

テキスト解析は、従業員サーベイのフリーコメントや面談記録などのテキストデータを読み解くためのサポートとして利用することができます。テキストデータは処理や蓄積が大変ですが、従業員の率直な意見や抱えている課題など情報量が多いため、データとして重要です。フリーコメントや意見などのテキストは、テキスト解析を用いることでキーワードなどを特定でき、そこからデータを読み解くためのヒントを掴む事ができます。

人事データにおけるテキスト解析の活用には、次の3つポイントがあります。

  1. よく使われている言葉をキーワードとして活用する
  2. 使われている言葉同士の関係性を活用する
  3. 使われている言葉の感情分析を活用する

1.よく使われている言葉をキーワードとして活用する

一部の属性の従業員がよく使う言葉はキーワードとして特定することができます。「エンジニアは使うが営業は使わない」言葉など、対象セグメントに特有のキーワードを見つけることで、セグメント特有の課題を発見したり、施策のヒントを掴むことができます。

2.使われている言葉同士の関係性を活用する

次に、ある言葉と一緒に使われている言葉を見つける事で、データの全体傾向を掴むことができます。例えば、「給与」という言葉が「評価制度」と組み合わせてよく使われているならば、人事評価を給与に反映する仕組みに課題があり、評価制度の見直しが必要になるかもしれません。このように、言葉の関係性を見つけることで、仮説を立てて課題を深掘りする事が可能になります。

3.使われている言葉の感情分析を活用する

感情分析とは、テキストデータにあらわれている意見が、ポジティブなもののか、ネガティブなものなのかを把握することです。「ネガティブ」のコメントで検索をかけることも可能なため、課題発見につながりやすくなります。

テキストを自動でタグ付けやラベリングをする

テキスト解析で得られたキーワードをもとに自動でタグ付けやラベリングをする事で、大量のデータの中から任意のテキストデータを抽出し、データの分析に活用する事ができます。