ピープルアナリティクスとは？人事データの分析で生産性向上・コスト削減を実現する手法をご紹介

働き方改革やDX化が注目され始めてきた中で、人事領域でも「ピープルアナリティクス（People Analytics）」というデータ活用の考え方に注目が集まっています。

しかし、社内であらゆる人事データを取っていても、まだ実際に上手く活用できている会社は多くないと思います。

そこで今回は、ピープルアナリティクスとはどのようなものか、ご紹介いたします。

＼【人事担当者様必見！】豪華ゲスト多数登壇、大規模HRイベント　／
大好評につき、今だけ見逃し配信受付中！

本セッションでは、多くのHRに関するイベントやセミナーで登壇されている3人の専門家が、人事担当者様の「具体的なお悩み」を聞き、解決するための手法について回答していきます。

• 「キャリアに対し受け身な社員」へ自発的なキャリア開発を促す方法
• 小売り業界などで見られる「店舗と本社の心理的な壁」をどのように取り払うか
• 時代の変化とともに増え続ける社内制度の「やめる基準」や「棚卸の方法」

など、人事担当者様が抱える「生のお悩み」の解決手法をご紹介します！

痒いところに手が届くようなセッションとなっておりますので、是非お申込みください！

1. ピープルアナリティクスとは

ピープルアナリティクスとは、「職場の人間科学」とも言われ、従業員の行動データを収集・解析することで、職場の生産性を高めたり、従業員が満足して働ける職場作りに役立てる技術のことです。

これまで経験値や主観的な観察のみによって実行されてきた従業員のマネジメントですが、現在はオフィスでのWeb閲覧履歴やメールの記録、ITテクノロジーなどの活用によって得られるビッグデータに基づいて、科学的に解析することができるようになりました。

たとえば、一定期間、従業員1人ひとりにカード型やウェアラブル型端末に組み込まれたセンサーを携帯してもらい、「いつどこにいたのか」「休憩のとり方」「誰と話したか」「話し方や話すスピード」などをビッグデータとして収集し、項目ごとに分析します。

そして、成果を出している従業員はどのような行動をとっているのかなど、分析結果を経営者と従業員全員が把握して改善を図ることによって、大きな利益向上につなげることができるのです。

1-1. ピープルアナリティクスで実現できること

人間の行動を客観的に分析するためのデータを収集するテクノロジーの開発をおこなうHumanyze社の社長兼CEOで、MITメディアラボ研究員や組織コンサルタントとしても活動するBen Waber氏は、「ソシオメトリック・バッジ」を用いてピープルアナリティクスを実践しています。

ソシオメトリック・バッジとは、トランプほどの大きさのセンサー装置です。データ分析アルゴリズム機能を内蔵しており、赤外線、音、運動といった複数のシグナルの記録、および1年分の行動データの保存が可能となっています。

これにより、以下のようなことがわかってきます。

上記は一例ですが、これらの情報を得ることができれば、これまで先入観によって実施されてきたことが本当に効果的なのか、改善が必要なのかどうかを客観的に判断でき、職場環境の改善に向けて施策を立てることができます。

1-2. ピープルアナリティクス導入のメリット

ピープルアナリティクスの導入は、企業・従業員双方にとってメリットがあります。

企業にとって最大のメリットは、「判断軸がぶれないため、効率的かつ正確であること」です。採用や人事評価にピープルアナリティクスを活用した場合、誰が担当しても個人の主観が入り辛く、基準があいまいになることがありません。

そのため、業務における混乱が発生せず、無駄な労力が不要になります。効率的かつ正確に判断することが可能になるのです。

また、主観や感情ベースではなく、データを用いた評価・説明を受けるため、従業員にとっては「納得感をもって働くことができること」が最大のメリットと言えます。

自分の仕事の成果が正しく評価されないとなると、モチベーションの低下などの恐れがありますが、事実ベースの公正な判断が下されることによって、もやもやした気持ちのまま働くことが減ることが予想されます。

2. ピープルアナリティクスの活用方法4選

ピープルアナリティクス活用の範囲は、採用や人事評価に限ったものではありません。

ここでは、代表的な活用方法を4つ、データの種類別にご紹介します。

2-1. 活躍人材のデータを参考にする例

採用

活躍している社員の過去の選考書類、面接での質疑応答の内容をデータ化することで、自社で将来的に活躍する可能性が高い人材の共通項を抽出することができます。

また、社員に適性検査を実施してもらい、優秀な社員に共通して秀でている項目を知ることで、同じ要素を持つ候補者を見つけることができるでしょう。

このように、人材採用における合否判断の判断基準として、ピープルアナリティクスは大いに活用できます。

2-2. 個人の業績やスキルをデータ化する例

人材育成・タレントマネジメント

従業員一人ひとりの個性やスキルを、面談やアンケート、テストなどで調査しデータ化することで、それぞれに合った育成プログラムを用意することが可能になります。

また、研修の効果を測定することで、客観的なデータに基づいて研修内容を見直すことができます。

さらに、各個人の能力や行動特性をデータ化しておくことで、適材適所の人材配置を実現することができます。ピープルアナリティクスは、タレントマネジメントにも効果を発揮します。

人事評価

各従業員の業績をデータ化することによって、人事評価に客観的なデータを裏付けることが可能です。

メリットでもお伝えした通り、人事の主観ではなく客観性のあるデータを根拠に判断ができるため、従業員にとって納得感のある評価になりやすいと言えます。

2-3. 従業員の行動を測定する例

健康経営

ウェアラブル端末を活用することで、健康状態に関する客観的で正確なデータを取ることができ、本人でも気が付かないような健康状態の変化を察知することができます。

社員の健康管理を適切におこなうことで、パフォーマンスの向上や、治療代をはじめとする健康関連コストの削減が期待できます。

3. ピープルアナリティクスを導入した企業事例3選

それでは、実際にピープル・アナリティクスを活用することで、どのような改善が見られたか、いくつか事例をご紹介します。

3-1. コールセンター｜生産性を高める休憩

コールセンターでは、「私語禁止」、「シフトに穴をあけない」といったことが一般的な慣習となっていました。

しかし、あるコールセンターの約80人にセンサーを携帯させ、4週間にわたってデータを収集・分析したところ、「シフトに穴をあけないこと」よりも「従業員がそろって休憩する」方が生産性が高まることが分かりました。

そこで、チームごとに一度に15分のコーヒー休憩をとらせるようにした結果、自然と「効率を上げるための工夫」などの意見交換が行われるようになり、結果的に年間で1,500万ドルものコスト削減につながりました。

3-2. Google｜社内コミュニケーションの改善

Googleで行われた企業改革についての実例もあります。 ピープル・アナリティクスを実行する前のGoogleの職場環境は、広い空間に従業員がまばらに座っている状態でした。

しかし、データ分析の結果により、多少スペースが狭くなったとしても、関係する部署の従業員が集まって座ったほうが良いということが分かりました。 そうすることで社内のコミュニケーションが改善され、生産性向上、業績向上につなげることに成功しました。

3-3. 株式会社フジクラ｜健康増進プログラム

健康経営に関する事例もあります。

株式会社フジクラでは、健康経営にデータを活用するため、2011年に「ヘルスケア・ソリューショングループ」を設置し、健康検診のデータや社内設置の計測機器のデータを収集しました。

その結果、活動量の不足と生産性の低下の相関関係を発見し、社員の運動不足解消に向けて取り組んでいます。

4. ピープルアナリティクス導入の際にしっておくべきこと

ここからは、自社でピープルアナリティクスを活用したい方に向けて、導入の際に知っておきたいことをご紹介します。

4-1. ピープルアナリティクスの進め方

ピープルアナリティクスには、大きく４つのステップがあります。

①課題の把握

まずは、社内のどこに課題を感じているのか、その解決のためにデータ分析を活用できるかを検討します。

②仮説の設定

①で抽出した課題に対し、どのような原因が推測できるのか、仮説を設定します。この仮説がないとのちにデータを適切に絞り込むことができないため、時間をかけておこないましょう。

③データを収集

仮説の検証のために必要なデータを集めます。すでに計測済みであれば一か所に集める必要があります。新たにデータを取る必要があれば、その内容に応じて適切なデータ収集をおこないましょう。

④考察、解決策の検討

集めたデータをもとに、②で立てた仮説が正しいか、どう異なるかを検証します。そして、必要に応じて解決策を検討します。

4-2. ピープルアナリティクス導入の課題

①従業員のプライバシー保護

データを取る際には常に測定を行っているため、「プライバシーは大丈夫か」「行動次第で人事考課に影響するのでは」と懸念に感じることもあるかと思います。

そこで、MITメディアラボのSandy教授はデータの取り扱いとプライバシー対策において以下内容を説いています。

これらを徹底し、透明性と信頼性を担保できれば、プライバシーの問題は解決可能とのことです。

②データの整理や客観性

人材に関するデータが一か所にまとめられておらず、社内のあちこちに散在している場合、まずは分析の前にデータの整理から始める必要があります。

また、組織的・定期的な調査をおこなっていない場合、そもそもデータが客観的で分析に十分なものかが怪しいと言えるでしょう。

ピープルアナリティクスを導入する際には、まずは現在のデータ収集の方法や中身を見直す必要があります。

③担当者の分析能力

ピープルアナリティクスには、膨大な量のデータ分析が必要です。素人が始めてすぐできるようになるものではありません。

効果的に運用するためには、データ分析に特化した人材が必要なため、自社にいない場合は社外から人材を確保する必要があります。

5. 最後に

いかがでしたでしょうか。

海外では、数年前からピープル・アナリティクスの考えを活用して従業員の行動分析を行っている企業が増加しているそうです。

GoogleやFacebookなど、ピープル・アナリティクス専門の部署を設立する企業も増えています。

日本で実施している企業はまだ少数かと思いますが、ピープル・アナリティクスによって自社の意外な真実が見えてくるかもしれません。

ぜひ、本記事を参考にして、社内の人材データの活用方法を見直していただければと思います。