Jump to Content

分析的アプローチを​採用する

People analytics hero image

Social Module

は​じめに

以前​Google では、​Google ツールバーの​青の​色合いを​ 42 種類用意し、​最も​クリックされる​確率が​高い色を​特定する​実験を​行いました。​「実験し、​ユーザーの​行動から​学び、​サービスを​改善する」と​いう​アプローチは​ Google の​製品開発や​ビジネス手法に​深く​根付いている​考え方です。​実際に​ Google 以外の​多くの​組織でも、​製品開発や​顧客エンゲージメント、​ひいては​ビジネスの​実践に​おいて​こうした​実験が​広く​使われています。​そして、​このような​データに​基づいた​アプローチを​人事の​問題に​適用しようと​いうのが​「ピープル アナリティクス」の​考え方です。

​「人事に​関わる​すべての​意思決定には、​データと​分析に​基づく​情報が​必要だ」​~Google ピープル アナリティクスの​モットー

Google の​ピープル アナリティクス チームは、​人事に​関わる​すべての​意思決定に、​データに​基づく​情報を​提供する​ために​発足しました。​当初は​洗練された​予測アルゴリズムや​高度な​予測ツールなどは​なく、​解決すべき​人事の​問題と​組織の​コンテクストを​理解する​ことから​始めました。​今では、​幅広い​データや​指標を​作成、​運用するだけでなく、​仮説の​検証、​実験、​学術研究の​応用可能性の​調査、​モデルの​構築、​科学の​応用などを​通じて、​Google 社員の​「働く」を​改善できるよう支援しています

適切な​疑問を​投げかける

いきなりデータや​指標の​選択に​取り掛かってはいけません。​まずは、​これまでに​組織や​業務に​ついて​感じていた​疑問を​振り返る​ことから​始めます。​そのうえで、​それらの​疑問に​対する​答えを​導き出すために、​どういう​データが​必要かを​検討します。​最初に​じっくり時間を​かけて、​何が​問題なのかを​明確に​定義しておく​ことが​重要です。

組織に​とって​最も​重要な​問題や​疑問を​定義するには​どうしたら​いいでしょうか。​まずは​企業や​組織に​とっての​緊急の​課題を​理解し、​それらの​課題を​解く​ためには​どのような​人事方​針、​人事制度が​最適かを​検討しましょう。​どのような​課題に​おいて、​ピープル アナリティクスが​有効かは、​以下の​ 3 つの​要素に​注目してください。​これらは、​米国で​健康管理の​改善に​利用されているトリプルエイム​(3 つの​目標)フレームワークを​応用した​ものです。

**1.有効性。​ **人事に​関わる​制度、​方針、​プロセスが、​適切な​成果に​つながっているでしょうか。​たとえば​採用プロセスで​あれば、​その​有効性を​高める​ことで、​より​優れた​人材を​獲得できるようになります。

**2. 効率性。​ **同じ​成果を、より​短い​期間、​より​少ない​費用、​より​少ない​人数で​実現する​ことは​できないでしょうか。​採用の​例で​言えば、​効率性を​高める​ことに​よって、​採用 1 人あたりの​費用を​抑える​ことができます。

**3. エクスペリエンス。​ **人事とは、​文字通り​「人」に​関わる​事柄です。​人事制度や​その​プロセスに​おいて、​個人の​エクスペリエンスは​改善されているでしょうか。​採用で​言えば、​面接や​面接官との​やり​取りに​ついて、​候補者が​どう​感じたかを​測定できれば​改善に​つながるかもしれません。

これら​ 3 つの​要素の​重要性の​バランスは、​組織の​文脈に​よって​異なります。​最善なのは、​有効性、​効率性、​エクスペリエンスの​ 3 つを​同時に​改善する​ことですが、​これらの​項目間は​矛盾が​生じる​ことも​少なく​ありません。​1 つの​要素を​改善する​とき、​他の​要素に​影響が​出ないか、​望ましくない​影響を​最小限に​抑えるには​どうしたら​よいかを​常に​考える​必要が​あります。

アナリティクスの​バリュー チェーンを​理解する

課題を​明確に​定義したら、​アナリティクスの​バリュー チェーン​(価値連鎖)を​使って​課題を​整理します。​アナリティクスの​バリュー チェーンとは、​分析の​プロセスを​バリュー チェーンと​して​捉えた​ものです。​チェーンを​ 1 段階上がるたびに、​取り組みが​必要に​なりますが、​その​分付加価値も​高まります。​バリュー チェーンの​「意見」から​「情報に​基づく​対応策」まで​段階を​上がるには、​課題に​ついて​深く​考察し、​理解、​評価、​分析する​必要が​あります。

あらゆる​アイデアを、それらを​裏付ける​データの​量が​どれぐらい​あるかに​よって​並べてみると、​データが​ない​もの​(つまり​「意見」)から​データから​導かれた​仮説までと​濃淡が​ある​ことに​気づきます。​データの​裏付けが​なければ​意見の​出し合いと​なるだけで、​自分の​意見を​通そうとする​方​向に​動きがちです。​Netscape の​元 CEO ジム バークスデールは​次のように​言っています。​「データが​あるなら​データを​見よう。​皆が​意見しか​持っていないなら、​私の​意見に​従おう」。

意見自体は​悪い​ものでは​ありません。​しかし、​意見を​裏付ける​データが​あれば、​対応策を​提案する​ときに​説得力の​ある​主張が​できます。​たとえば、​「社員に​よる​経費報告書の​作成に​時間が​かかっている」と​いうのは​単なる​意見です。​データの​裏付けが​ない​意見は​説得力が​なく、​あまり​有益な​ものでは​ありません。​データが​あれば、​「昨年 1 年間で​経費報告書の​作成に​100,000 時間かかっていた」と​説明できます。​まだ​対応策には​程遠い​ものですが、​単なる​意見より​ずっと​説得力が​あり、​解決策を​考える​うえで​価値ある​第一歩と​なります。

データが​あれば、​有用な​指標を​作成して​問題を​より​明確に​定義する​ことができるようになります。​データ分析を​通じて​解決策や​インサイトを​見いだせるかもしれません。​たった​ 1 つの​インサイトが​仮説の​根拠と​なり、​それを​検証する​ことで​課題の​解決に​つながる可能性も​あるのです。

アナリティクスのバリュー チェーン

データと​指標を​選択する

分析しようと​決めたら、​必要な​データが​何かを​考える​前に、​つい​手元に​ある​データで​作業を​始めたくなる​ものです。​Google の​ピープル アナリティクス チームでは、​まず​課題の​理解に​時間を​割く​ことから​始め、​その​解決の​ために​何を​評価すべきか選択するように​努めています。​適正な​データや​指標の​選択よりも、​適切な​質問を​投げかけ、​明確な​仮説を​立てる​ことが​重要です。

データと​指標は​どう​違うのでしょうか。​「四半期中の​採用人数」は​データです。​「四半期中の​すべての​新規採用に​かかった​費用」も​データです。​この​ 2 つを​組み合わせて​(後者を​前者で​割って)​算出できるのが、​「採用 1 人あたりの​費用」と​いう​指標です。​個別の​データよりも、​指標の​ほうが​情報価値は​高いと​いえます。​指標に​する​ことで、​時系列で​データを​分析したり、​グループ間で​比較したりして、​傾向や​パターンの​把握が​できます。​事例と​して​Gap の​ワークフォース アナリティクス チームが​収集した​データや​指標の​一部と、​それらから​組織に​ついてどのような​インサイトが​得られたかを​ご覧ください。

これらの​データや​指標には、​人事システムから​簡単に​算出可能な​場合も​ありますが、​能動的に​集めなければ​入手できない​データも​あるかもしれません。​たとえば、​社員の​やる​気、​感じている​こと、​信念などは、​本人に​聞いてみないと​わかりません。​Google の​場合は、​「Googlegeist」と​いう​社員アンケートを​毎年​実施し、​Google 社員が​上司、​チーム、​組織、​企業文化に​ついて​どう​感じているかを​調査しています。​アンケートの​作成に​ついて​詳しくは​こちらを​ご覧ください。

統計に​基づいた​推論

データや​指標の​活用に​おいて​重要なのは、​それらから​推論を​導き出せるか​どうかです。​統計は、​データを​解釈し、​結論を​見極める​ための​有効な​手段です。​平均値の​算出から​回帰分析の​ t 検定まで、​統計の​理解が​不可欠です。​統計の​知識は、Khan Academy の​数学や​確率の​コースで​無料で​身に​付ける​ことができます。
統計は​強力な​ツールですが、​落とし穴が​ないわけでは​ありません。​博士課程で​統計学を​学ぶアレックス レインハート氏は、​「Statistics Done Wrong」の​記事に​おいて、​科学者でも​陥る​よく​ある​統計手法の​誤りを​指摘しています。​ここでは、​心に​留めて​おくべき落とし穴を​ 2 つ​紹介します。

相関関係=因果関係ではない

2 つの​変数が相関している (た​とえば、​相互に​関連していて​同じ方​向へ​動く)ことがあります。​しかし、​相関しているからと​いって​因果関係が​あるとは​限りません。​ブログ​「Spurious Correlations」​(疑わしい​相関関係)に、​いく​つか例が​紹介されています。

平均への​回帰

「平均への​回帰」とは、​たとえば​両親の​身長が​「非常に」高ければ、​その子どもは​両親より​背が​低くなる​傾向が​あるなど、​時間とともに​平均に​近づく​傾向に​ある​(回帰する)​現象を​説明する​統計概念です。​改善したように​見える​場合​(た​とえば、​成績が​悪かった​選手が​新しい​チームに​移籍して​活躍する)と、​衰退したように​見える​場合​(た​とえば、​スター選手を​集めた​チームの​成績が​下降する)が​ありますが、​どちらも​ただ​平均に​回帰しているだけです。

データから​ストーリーを​紡ぐ

動かしが​たい​事実や、​説得力の​ある​統計データの​裏付けが​あったとしても、​何らかの​アクションが​即座に​取れる​わけでは​ありません。​アクションは、​説得力の​ある​ストーリーから​生まれます。​データに​よる​裏付け、​オーディエンスに​あわせた​最適化、​そして​わかりやすい​説明が​必要なのです。

相手を​知る​: 説得する​相手一人​ひとりに​ついて、​何に​意気込みを​感じているか、​どのような​形で​情報を​伝えたら​受け入れて​もらいやすいかを​知っておく​ことが​重要です。​相手の​職務範囲に​関連する​データと​提案を​用意して​おきましょう​(た​とえば、​採用担当の​課長には​雇用データ、​福利厚生担当の​課長には​健康管理データなど)。​また、​資料を​事前に​送っておく​ことも、​打ち合わせや​プレゼンテーションを​より​実りある​ものに​する​ために​予め検討してください。

短く​簡潔に​: 伝えたい​ことを​ 3 分以内で​説明できるよう要約して​おきます。​以下のような​状況が​起きた​ときも​柔軟に​対応できます。
  1. いわゆる​クラシックな​エレベーターピッチ。​偶然居合わせた​上層部の​リーダーなどに​仕事の​状況を​簡潔に​説明しなければならないような​とき
  2. 意思決定者との​会議で、​持ち時間が​大幅に​短縮されてしまった​とき
ストーリーボード​(絵コンテ)​: 何も​書いていない​白紙を​用意します。​最初から​プレゼンテーション資料を​作ろうと​は​しないでください。​重要な​基本の​構成要素は、​データ分析の​文脈、​分析結果、​行動を​促すフレーズです。

水平方​向と​垂直方​向に​論理を​構成する​: ストーリーボードが​完成したら、​分析や​提案に​基づいて​プレゼンテーション資料を​作成します。​作成に​あたっては、​各スライドの​タイトルしか​読んで​もらえない​可能性を​考慮に​入れましょう。​聞き手の​説得を​要する​展開に​なって、​初めて​詳細を​読み始めると​いう​可能性さえ​あります。​重要なのは、​ストーリーの​論理が​水平方​向と​垂直方​向に​うまく​流れるように​する​ことです。
  • 水平方​向の​論理とは、​各スライドの​表題を​追うだけで、​文脈、​分析結果、​行動を​促すフレーズからなる​ストーリーを​理解できるように​する​ことです。​トピック間の​流れを​わかりやすく​する​必要が​あります。​各スライドの​表題を​箇条​書きに​して​エグゼクティブ サマリーを​作成し、​最も​重要な​ポイントを​表す効果的な​題名を​付けましょう。
  • 垂直方​向の​論理とは、​各スライドの​表題を​補強する​すべての​情報です。​表題から​外れた​内容、​付け足し的な​内容、​重要でない​情報は​排除するよう​注意してください。​従来の​垂直方​向の​論理では、​スライドの​最後にも​重要な​ポイントを​記載します。​これに​より​トピックを​補強しつつ、​話を​まとめる​ことができます。

結果に​基づいて​アクションを​起こす

分析、​実験、​調査に​続く​最後の​ステップは、​それらの​結果に​基づいた​アクションの​実行です。​また​アクションプランは、​結果を​見てから​立てる​ほうが​効率的です。​ここでは、​インサイトや​結果に​基づいて​組織に​変化を​もたらす手順を​紹介します。

アクションプランの​基本事項を​決める
  1. アクションプランの​実行責任者
  2. 日程​(いつまでに​何を​すべきか)
  3. アクションプランの​目標達成を​測る​指標​(例: 研修の​参加率 100%)
  4. 関係者への​報告日程​(例: 毎月、​四半期ごと)
  5. 社員に​結果を​知らせる​方​法
組織に​対して、​現状を​変える​提案を​すると、​何らかの​抵抗に​遭うことがあります。​プラン実行の​障壁に​なりそうな​問題は​前もって​特定し、​それらを​どう​克服するか​対策を​立てておく​ことを​おすすめします。

障壁と​なりそうな​問題の​例
  1. 否定: ​「今回の​結果は​たまたま​そうなっただけだ」
  2. 分析まひ: ​「もっと​データを​集めて​詳しく​分析しよう」
  3. 変化への​抵抗: ​「こんな​変化は​無理が​ある。​今の​ままで​十分に​機能している」
分析結果に​基づいて​対応策を​定義、​検討し、​実行に​移すまでの​各段階に​おいて、​組織内の​適切な​リーダーに​参加して​もらいます。​そうすれば​アクションプランへの​支持も​得られるでしょう。​上記の​課題を​克服する​ために​先頭に​立って​働きかけてくれる​可能性も​あります。

Social Module