指標を​明確に​する

衣料品小売業の​ Gap Inc. は、​Banana Republic、​Old Navy、​Gap、​Athleta、​Intermix と​いったさまざまな​ブランドを​抱えています。​同社では、​人事​（HR）​ビジネス パートナーに​より​優れた​分析ツールを​提供し、​全ブ​ランドで​一貫した​レポート業務を​各社で​運用できるように​したいと​考えていました。

HR パートナーと​ビジネスの​ニーズを​すべて​満た​すために、​Gap Inc. の​ワークフォース アナリティクス チームでは​まず、​対応すべき主な​問題点を​洗い出す必要が​ありました。

プロセスと​データに​一貫性が​ない​: ブランド間で​統一される​ことがなく、​離職者数などの​指標の​評価計算は​各チーム独自の​方​法で​行われていました。​さらに、​HRシステムへの​データ統合が​不十分だった​ために、​レポート業務も​不完全な​ものでした。

分析ツールの​活用不足: HR パートナーの​多くが、​人事分析ツールに​アクセスできる​ことすら​知りませんでした。​その​ため、​人事関連の​意思決定を​データに​基づいて​行うことができていませんでした。

上層部に​データが​共有されておらず、​それが​もたらす付加価値に​対する​理解が​整っていない​: 経営幹部は​ HR パートナーから​受け取る​人事データが​少ないために​データの​価値が​わからず、​その​意味合いを​共通の​言葉で​議論する​ことができず、​データに​基づく​対応策が​立てられずに​いました。

分析担当者は​言われた​データを​抽出する​役割と​軽視されており、​戦略的パートナーと​見られていない​: 人事データから​有意義な​情報を​抽出する​作業を​自動化できないため、​分析担当者は​手作業で​対応しなければならず、​その​ため​有意義な​分析プロジェクトに​取り組む​時間が​ほとんど​ありませんでした。

データ主導型の​人事との​隔たりを​確認した​ワークフォース アナリティクス チームは、​その​隔たりを​なく​すため、​以下の​作業に​取り掛かりました。

データの​標準化​（複数年計画）​: ワークフォース アナリティクス チームは、​IT および​システム管理の​担当者と​協力して、​人事データの​正確性と​完全性を​専門に​調査する​リソースを​確保しました。​そして、​データに​関する​問題の​解決、​ガバナンス基準の​確立、​データ ウェアハウスの​一元化を、​複数年プロジェクトと​して​実施しました。​欠損の​ない​信頼できる​データは、​Gap Inc. が​分析に​おける​信頼性を​確立する​ために​不可欠でした。

人事データ分析研修プログラムの​設置: データ標準化プロジェクトが​完了すると、​広範な​人事コミュニティで​分析ツールを​利用できる​状態に​なりました。​そこで​チームは、​7 つの​セッションからなる​研修プログラムを​開発し、​クエリの​作成、​定期レポート​（ダッシュボード）、​結果の​解釈方​法のような​分析に​関する​一般的な​トピックを​扱うことにしました。​業務負荷の​多い​人事チームの​ために、​1 回 1 時間程度の​セッションを​ 数か​月かけて​実施し、​情報を​小分けに​して​提供しました。

草の​根コミュニティの​発展: また、​研修を​修了し、​ツールを​使用して​レポートの​作成や​抽出を​定期的に​行う​人事チームの​従業員を​集めて、​草の​根的な​コミュニティを​発足しました。​ツールに​精通する​これらの​従業員たちは、​分析指標の​定義も​よく​理解しており、​成功事例や​学んだ​知識を​コミュニティで​共有してくれました。​また、​ブランドや​部​門間で​発生していた​連携や​情報共有不足の​解消にも​一役​買ってくれました。

Gap Inc. では、​人事データ分析研修プログラムを​通して、​データに​基づく​意思決定の​文化を​創生し、​ビジネス パートナーを​含めた​人事部全体に​広めて​いきました。

これまでに​次のような​変化が​見られました。

• 人事分析ツールを​使用する​従業員の​数が、​一桁から​ 200 人を​超えるまでに​増加した
• 幹部が​人事データを​閲覧する​機会が​増えた​ことで、​取締役会にも​レポートや​人事データの​分析情報を​定期的に​報告しようと​いう​意欲が​生まれた
• 人事関連の​指標の​大半を​すべての​ブランドと​部門で​共通の​言語を​使って​定義する​ことができ、​人事指標の​記録の​ために​人事分析ツールが​広く​使われるようになった
• ツールに​精通する​従業員が、​人事データの​価値や​データに​基づいて​対応策を​講じる​方​法に​ついて​ビジネス パートナーに​教える​場が​できた​おかげで、​人事分析に​対する​関心が​高まった
• 分析担当者は​手作業で​データを​取り出す必要が​なくなり、​人事戦略の​検討に​費やせる​時間が​増えた
  

こうした​研修を​通じて、​ワークフォース アナリティクス チームと​その​ビジネス パートナーは、​データと​証拠に​基づいて​人事に​関する​意思決定を​行う​ための​基盤を​確立しました。​これを​皮切りと​して、​人事分析研修の​戦略に​おいて​さらなる​計画を​準備しています。

Gap Inc. の​ワークフォース アナリティクス チームが​実施する​人事データアナリティクス研修では、​分析指標に​ついて​次の​ 2 点が​重要であると​言っています。

1. インプット: 規定の​組織に​おいて、​規定期間内に​計測した​データポイント​（新入社員の​人数、​離職した​従業員の​人数など）
2. 結果​: 通常、​少なくとも​ 2 つの​入力値を​使って​計算した​比率​（新入社員の​人数÷全従​業員の​人数、​離職した​従業員の​割合など）

この​チームは​一貫性の​ある​データセットと​分析手法を​使って、​レポート作成、​ベンチマーク設定、​追跡を​簡単に​できるようにしました。​その​ために、​どの​ように​インプットが​収集され計測されるかを​合意し、​結果の​計算方​法を​定義しました。

Gap Inc. では、​人材募集に​関する​指標を​利用して、​候補者が​組織に​魅力を​感じる​点や​選考過程で​離脱する​可能性の​ある​段階を​理解し、​全体​的な​採用選考業務の​有効性を​証明しています。​Gap Inc. の​採用担当者は​これらの​指標を​利用して、​応募者が​少ない、あるいは​長期間​空席となっている​職務を​特定しています。

インプット

• 職務ごとの​応募者の​数
• 最初の​電話面接の​数
• オフィスでの​面接の​数
• 内定を​出した​数
• 内定承諾者の​数
  

結果

• オンラインでの​応募から​電話面接に​進んだ​候補者の​割合＝電話面接の​数÷応募者の​数
• 電話面接から​オフィスでの​面接に​進んだ​候補者の​割合＝オフィスでの​面接の​数÷電話面接の​数
• 内定承諾率＝内定承諾者の​数÷内定を​出した​数

Gap Inc. では、​採用に​関する​指標を​年度比較して​採用傾向や​サイクルの​推移を​割り出し、​それらを​競合他社、​企業の​業績、​市場状況などと​比較しています。​これに​より、​特定の​職務の​採用目標に​ついて、​離職者数の​推移や​ビジネス拡張計画まで​考慮に​入れて​注意深く​観察する​ことができます。

インプット

• 外部からの​採用者数
• 未経験者の​採用者数
• インターンからの​採用者数
• 同業他社からの​採用者数
• 再雇用者数
• 従業員からの​紹介に​よる​採用者数
  

結果

• 未経験者の​採用者の​割合＝未経験者の​採用者数÷採用者の​総数
• インターン プログラムからの​採用者の​割合＝インターンからの​採用者数÷インターン参加者の​総数

離職または​退職に​関する​指標は、​従業員が​組織を​離れる​理由を​理解するのに​役立ちます。​離職に​関する​指標の​算出に​必要な​データを​集めるには、​離職者と​面接を​行うのが​よい​方​法です。​Gap Inc. では​離職者と​面接を​行って、​離職の​理由、​離職時の​本人の​キャリア、​離職後の​進路などを​把握しています。​これに​より、​組織内で​離職率が​高い​エリアを​特定して、​この​傾向を​助長する​特定の​コホート​（集団）や​従業員の​統計学的属性、​離職理由が​存在するか​どうかを​突き止める​ことができます。​人材定着戦略を​考える​一助と​して、​これらの​洞察を​参考に​できます。

インプット

• 自発的離職者の​数
• 退職者の​数
• 転職を​理由に​離職する​従業員の​数
• 学業を​理由に​離職する​従業員の​数
• 非​自発的離職者の​数
  

結果

• 従業員の​離職率＝総離職者数÷総従業員数
• 定着率＝​（総従業員数－総離職者数）​÷​（総従業員数）

統計学的属性に​関する​指標は、​従業員の​ダイバーシティへの​対応を​測定する​手段と​して​効果的です。​また、​アフィニティ グループ、​指導プログラム、​ナレッジ マネジメント プロセスに​関連する​業務の​指針にもなります。​Gap Inc. では、​これらの​属性に​関する​指標を、​人材定着や​採用の​戦略に​重点的に​取り組む際に​利用しています。

インプット

• 民族別の​従業員数
• 性別別の​従業員数
• 年齢別の​従業員数
• 在職期間別の​従業員数
• 組織レベル別の​従業員数
  

結果

• 民族別の​従業員の​割合＝民族別の​従業員数÷総従業員数
• ミレニアル世代の​従業員の​割合＝ミレニアル世代の​従業員数÷総従業員数
• 平均在職期間＝全従​業員の​在職期間の​合計÷総従業員数
• 管理職の​従業員の​割合＝管理職の​従業員の​総数÷総従業員数

異動に​関する​指標では、​組織内や​グループ間の​異動、​または​昇格に​よる​異動に​注目します。​従業員が​同じ​職務に​長くいる​場合​（昇進が​滞っているなど）、​なんらかの​「障害」が​あるかもしれません。​Gap Inc. では、​チームメンバーの​キャリアアップに​特に​貢献している​部門や​リーダーが​いるかを​調べて​特定し、​また、​異動が​少なく​昇格の​機会が​限られている​ために​停滞している​部門の​発見にも​注意を​払っています。

インプット

• 昇格者の​数
• 昇格日
• 降格者の​数
• 昇格または​降格以外の​異動の​数
• 部​門間の​異動の​数
  

結果

• 昇格までの​期間＝昇格日－前役職の​開始日
• 平均昇格率＝昇格した​従業員数÷総従業員数
• 特定部門への​異動の​割合＝特定部門への​異動の​数÷全部​門間の​異動の​数

学習と​能力開発に​関する​指標は、​社内トレーニング コースの​時間、​分量、​種類、​有効性を​測定する​ための​ものです。​Gap Inc. では、​特定の​従業員集団を​対象に、​社内の​能力開発トレーニングや​リーダーシップ研修などの​特定の​コースを​受講したことが、​短期間での​昇進、​昇進の​促進に​つながっているか​どうかを​評価しています。

インプット

• 従業員 1 人あたりの​トレーニングの​時間
• コースあたりの​トレーニングの​時間
• ある​コースに​参加した​従業員の​数
• コースの​数
• コースあたり、​定員あたりに​換算された​定期トレーニングの​提供数
  

結果

• コース参加率＝ある​コースに​参加した​従業員の​数÷定員あたりに​換算された​コースの​提供数の​合計
• 従業員 1 人あたりの​トレーニングの​平均時間＝従業員 1 人あたりの​トレーニングの​全従​業員の​合計数÷総従業員数
• 提供された​トレーニングの​合計時間＝コースあたりの​トレーニングの​時間×コースあたり、​定員あたりに​換算された​定期トレーニングの​提供数

Gap Inc. の​ワークフォース アナリティクス チームは​現在も、​人事組織全体を​対象とした​分析機能や​データ主導型の​手法の​開発に​取り組んでいます。​一部の​グループに​ついては、​離職者数の​予測や​優秀な​人材の​事前評価と​いった​予測分析を​多く​取り​入れたいと​考えています。

データから​ストーリーを​紡いで​伝える​作業は、​ワークフォース アナリティクス チームが​取り組むべきもう​ひとつの​課題です。​組織の​人材に​ついて​包括的な​見解を​提供する​ために、​ときには​定量的にも​定性的にも​タイプの​異なるさまざまな​情報を​つなぎ合わせる​必要が​あります。

トレーニング関連で​今後​注目の​話題は、​データの​可視化技術です。​オーディエンスの​興味や​関心を​そらさず、​行動を​促す目的で​グラフや​インフォグラフィックなどで​傾向を​明確に​可視化する​ことは、​もは​や必然の​流れです。