ピープルアナリティクスサービス

人材データを有効的に活用し、意思決定に活用

ピープルアナリティクスとは、人材マネジメントにまつわる様々なデータを活用して、人材マネジメントの意思決定の精度向上や業務の効率化、従業員への提供価値向上を実現する手法です。

DXの進展や人材の多様化に伴い、複雑で難易度の高い意思決定が数多く求められるため、勘と経験に頼る組織運営からデータを基にした定量的な組織運営が求められています。

採用、配属、育成、評価、定着など人と組織における様々な課題を、データを活用することで解決することができます。

アポロが実施するピープルアナリティクス

株式会社パーソル総合研究所の調査結果 「人材マネジメントにおけるデジタル活用に関する調査2020」によると、人材マネジメントにおいてデジタルを活用していきたいという意向は７割以上の人が感じていますが、実際に意思決定にデータを活用できている企業は2割もありません。

意思決定に活用できていない原因

アポロでは研修・アドバイザリー・コンサルティングの3つのプランで解決します。

①分析するスキルが足りない！
⇒ピープルアナリティクス研修プランがおすすめ！

こんな方におすすめ

• 社内で分析を進めてみたいが、”分析”のお作法や分析スキルがないため、どう 進めればよいかわからない。
• ピープルアナリティクスがどういうものなのかよくわかっていない。

研修内容

• 目的・成果
  • データを活用し、人事課題を解決するスキルや、ビジネス上の意思決定を行うスキルを育てる。
  • 本研修の結果、自社業務における人事データ活用(企画、設計、分析等)が開始・高度化される状態を目指す。
• カリキュラム概要
  • ピープルアナリティクスについて
  • ピープルアナリティクスやHR Techの国内・海外事例
  • 人事データ分析に必要な課題・仮説定義、分析設計
  • データ収集・加工・分析の座学・演習
  • データ分析結果を用いた示唆出し・資料化の座学・演習
• 対象者
  • 人事部門
  • IT/DX推進部門
• 時間
  • 8時間×2日
• その他
  • 本研修は、厚生労働省の人材開発助成金を申請することが可能です。詳細は弊社までお問い合わせください。

②社内の人材をうまく活用できない！
⇒アドバイザリー＆レビュープランがおすすめ！

こんな方におすすめ

• 社内でExcel等で分析を進めているものの、定量的な意思決定につながっていない状態 が続いている。
• 今後ピープルアナリティクスを進めていきたいが、その進め方をアドバイスしてほしい。

実施内容例

• 業務課題に応じたアドバイスや方向性の提示
  • 日々業務を実施しているメンバーからリアルなお悩み事項・疑問に応える形で、アドバイスや方向性に関する議論、弊社見解の提示を実施します。
• 関連する事例のご紹介
  • これまでの経験・知見から参考になる事例や思考・分析の型、採用シーンなどをご紹介し、実務への取込みをサポートします。
• 業務の一部遂行
  • 難易度の高い業務・緊急性の高い業務など、弊社が一度実行した上で、貴社メンバーへのトランスファーをしたほうが良いと考えられる業務について、必要に応じて遂行します。

③人手が足りず時間をさけていない！
⇒アナリティクスコンサルティングプランがおすすめ！

こんな方におすすめ

• 人手が足りず、人事データ分析を行う時間を割けていない。
• 来期以降の採用戦略策定に向けて、素早く分析して成果を出したい。

貴社の課題を踏まえて、弊社のコンサルタントやデータサイエンティストが企画・分析・実行までを一気通貫で支援します。

詳しいプラン内容や事例を知りたい

【事例】新卒採用の人材ポートフォリオ作成

従業員と応募者のデータ（SPI・経歴書内情報など）を基に、クラスタリング（IDごとのデータからグルーピングする手法）を用いて、応募者セグメンテーションを行いました。面談の進捗、面談の評価、内定辞退率、内定率などの様々な数値をセグメントごとに比較することで、自社の採用傾向を把握し、次年度の採用すべき人物像と部署ごとの採用計画の策定に活用しました。

応募者だけでなく、評価者の可視化 / 定量化にも有効です。評価者の評価の甘辛や応募者セグメントとの相性・ばらつきを分析し、各評価者にフィードバックしたり、応募者と相性を加味した評価者の面接設定を行いました。

【事例】ハイパフォーマー特徴分析

多様な人材データと、パフォーマンス（PF）やエンゲージメント（EG）の関係性をモデル化。PF・EGの高低で人材をプロットし、それぞれの象限での人物の特徴（価値観・スキル・仕事への想い等）を言語化しました。例えば、「PF高EG高」の人の特徴を基に、採用したい人物のペルソナを作成したり、 「PF高EG低」の人が、離職しないような制度・仕組みの構築に活かしたりなどを行うことができます。

また、多様な人材データを基に、社員ごとに部署異動を行った場合の活躍度合いをシミュレーションしました。パフォーマンス・エンゲージメントを目的変数、性別、生年月日、学歴、職務内容、SPI、価値観等を説明変数として予測するモデルを作成しました。そのモデルを基に、部署の変数を変更した場合のエンゲージメント・パフォーマンスを予測し、最適な部署を選択できるようにしました。人材データはどの企業でもある程度似通っている傾向があるため、一定のデータが貯まっていれば、他の会社でも最適配置モデルを構築することができます。

【事例】退職者要因分析

店舗スタッフの中で、働き続けている人と退職した人を比較することで、退職した原因を探るための分析を行いました。目的変数を退職するかどうか、説明変数に属性、職場環境、立地条件、対応するサービスなどをいれて分析を行っています。この分析結果では、まず男女の性別で大きな違いがあることが分かります。女性は属性や就業環境に関する変数が、男性では立地やサービスなどの顧客対応面での要因が上位に来ているため、男女で退職を抑えるための打ち手を変えていくことが必要になることが示唆されています。その他にもアンケート結果や勤怠データなどを組み合わせることで、より精度の高い退職予測を実現することができます。

サービス紹介資料

スケジュールや費用についての詳細は、資料をご覧ください。

資料ダウンロードはこちら

厚生労働省「人材開発支援助成金」ご活用の推奨

厚生労働省の人材開発支援助成金のうち、「事業展開等リスキリング支援コース」では、デジタル化・DX化に関する研修について助成を受けることができます。
貴社が申請を行い、各種条件に合致していると認められた場合には助成を受けられますのでご活用ください。

弊社から社労士法人をご紹介するなどサポートさせていただきますが、確実な支給をお約束するものではございません。
助成金についての詳細は厚生労働省のホームページをご確認ください。

人材開発支援助成金｜厚生労働省