エグゼクティブ・サマリー
- 人事は、経営の中で最後までデータの外側に残りやすい領域である。理由は分析技術の不足ではなく、人のデータが人事・勤怠・評価・アンケートに分断され、しかも扱いに慎重さを要するため、統合そのものが躊躇されてきたことにある。
- 離職分析は「誰が辞めそうか」を当てにいくと機能しない。当てられても打ち手がなく、名指しされた本人と現場の信頼を損なうためである。最初に設計すべきは、予測の精度ではなく「動かせる変数」——配置、業務量、上司との1on1、キャリア面談——をどう観測するかである。
- 要員計画は「来期何人採るか」という人数の議論に落ちがちだが、実務上効くのは「どの能力が、どの事業のどの時期に、どれだけ足りなくなるか」を時間軸で置くことである。人数は結果であって、計画の主語ではない。
- ピープルアナリティクスの成否を分けるのは、モデルの良し悪しよりも運用設計である。誰がどの粒度で結果を見られるのか、個人が特定される形で出すのか、結果を評価に使わないと明言できるか。ここを曖昧にしたまま始めた取り組みは、一度不信が生まれると再開が難しい。
- 本稿では、人事データが統合できない構造的な理由、離職と要員計画の実務的な設計、KPIの置き方、プライバシーと信頼の作法、そして段階的な実装の進め方を示す。Orchestrixは4職種のアーキテクトを一気通貫で供給し、人事データの統合から現場で使われる仕組みの定着までを支援する。
背景——なぜ人事だけがデータの外側に残るのか
営業はSFAで、マーケティングはMAで、製造は設備データで、それぞれ数字を見る文化を作ってきた。一方で人事は、多くの企業でいまも「経験を積んだ担当者の頭の中」に判断が蓄積されている。誰が辞めそうか、どの部署が疲弊しているか、次の管理職候補は誰か——こうした問いに対して、有能な人事担当者はかなり精度の高い答えを持っている。問題は、その答えが本人にしか説明できず、担当者が異動すれば失われ、経営会議で反証も検証もできないという点にある。
これは人事担当者の能力の問題ではない。構造の問題である。人のデータは、扱いを誤ったときの損害が他の領域と質的に違う。売上データの分析が外れても数字が合わないだけだが、人のデータの扱いを誤れば、対象となった従業員との信頼関係が壊れる。この非対称性を人事部門は肌感覚で理解しているため、「分析できるが、あえてしない」という抑制が働いてきた。
しかし近年、この抑制のコストが無視できない水準になってきている。労働力人口の構造的な減少、専門人材の獲得競争、リスキリングの必要性——いずれも「今いる人をどう活かし、どこに何人必要かを見通す」ことを前提とする課題であり、勘と経験だけで回すには意思決定の量と速度が追いつかない。求められているのは、人事の勘を否定してデータに置き換えることではない。勘を、検証できる形に翻訳することである。