ピープルアナリティクスとは？～メリットや進め方を解説～

近年、人事領域において「ピープルアナリティクス」が注目されており、人材マネジメントに取り入れる企業が増えています。なぜ注目されているのか、そのメリットなどについて調べている方もいらっしゃるのではないでしょうか。
今回は、ピープルアナリティクスとは何か、重要視されている理由、メリットや活用方法、進め方と共に、ピープルアナリティクスにおすすめの人事システムをご紹介します。

ピープルアナリティクスとは？

ピープルアナリティクス（People Analytics）とは、簡単に言えば、社内の人材に関するあらゆる情報を集めた分析結果を活用し、客観的なデータに基づき、採用、育成、配置、評価の人事領域におけるさまざまな課題や目標に対する施策の実行や意思決定、及び経営に役立てる手法です。データ活用が必要不可欠であり、データドリブン経営やDX推進などと密接に関係しています。

ピープルアナリティクスにおいて分析対象となるデータ例には次のものが挙げられます。

• 従業員の属性データ（年齢、性別、職位、所属部署・部門、最終学歴等）
• 従業員の適性検査や人事評価の結果
• 従業員の勤怠・給与情報

• 従業員の社内設備利用状況（社用PC、携帯、アプリケーションの利用状況、会議室・休憩室、複合機の利用状況など）

• 従業員の行動データ（メール・電話・PCなどの使用状況、例：電子メールの送受信先や時間帯、電話の通話履歴、自席にいる時間や会議の時間、社用携帯の位置情報から外出先と時間など）

ピープルアナリティクスの適用には、統計学、機械学習、データサイエンスの技術が用いられることが多くあります。これにより、従業員の行動パターンや能力、チームのダイナミクスなどを客観的に評価し、それぞれの従業員に最適な環境や支援を提供することが可能になります。

例えば、従業員の離職率を分析することで、なぜ離職率が高くなっているのかその原因を突き止め、改善策を講じることができます。また、採用プロセスにおいては、どのような候補者が成功する傾向にあるかを分析し、より効果的な採用戦略を立てることができます。

ピープルアナリティクスは従業員の属性データや行動データを収集・分析し、それに基づいて様々な施策の実行や意思決定を行う手法です。これにより、社員一人ひとりの適性に基づいた精度の高い人材マネジメントを実現し、採用や組織力の強化、業務の効率化による生産性向上などが期待できます。

しかし、ピープルアナリティクスを実施する際には、プライバシーや倫理的な問題にも配慮する必要があります。従業員の個人情報を適切に取り扱うこと、透明性を保ちながら分析を行うことなどが重要です。適切なガバナンスと倫理規定を設けることで、これらの問題を避けながら、ピープルアナリティクスの利点を最大限に活用することができます。

関連する人事へのアプローチとして、「タレントマネジメント」があります。
タレントマネジメントとは、従業員のスキルや能力などをデータ化し、それを最大限活かすために企業全体で共有・活用し、戦略的な人材配置や育成などを行う人事マネジメントの手法です。

タレントマネジメントの主なステップは、タレントの識別、採用、育成、評価、保持と5つのステップに分かれています。

識別：組織内外の候補者から特定のスキルや潜在能力を持つ人材（タレント）を見つけ出すプロセスです。
採用：これらのタレントを組織に引き入れるための戦略を練ります。
育成：オンボーディング、研修、メンタリング、キャリアパスの提供を通じて行われ、タレントのスキルと能力を拡張します。
評価：パフォーマンス管理システムなどを用いて定期的に行われ、個々の成果を測定します。
保持：キャリアの進展、適正な報酬、労働環境の改善などを通じて、優秀な人材が組織に留まるよう努める活動です。

タレントマネジメントは、組織の競争力を高めるだけでなく、従業員の満足度やエンゲージメントを向上させることにも寄与します。これにより、高いパフォーマンスを維持し、組織全体の目標達成に貢献することが可能になります。また、適切なタレントマネジメント戦略は、変化する市場環境や技術進化に対応するための柔軟性と革新性を組織にもたらすことも期待されます。

このように、ピープルアナリティクスは「人材の分析手法」、タレントマネジメントは「人材のマネジメント手法」という違いがあります。

関連記事｜人事データの活用方法とは？課題をクリアにして活用体制を整えよう

関連記事｜どう違う？ピープルアナリティクスとタレントマネジメントの違いと活用方法をご紹介

関連記事｜戦略人事に欠かせない人事DXとは？施策やメリットもご紹介

重要視されている理由

なぜピープルアナリティクスが重要視されているのでしょうか。近年の世界的なデータ活用の波を受け、人事の意思決定においてもデータ分析結果に基づいて行おうという流れが加速しています。従来の勘や経験、慣習に頼るのではない客観的なデータへの信頼性が高まっていること、そして社員一人ひとりの適性に基づいた精度の高い人材マネジメントを実現する動きが高まっています。

ピープルアナリティクスを実施することで、客観的な材料をもとにした判断ができるほか、意思決定時の透明性や公平性も実現できます。またデータに基づく判断は、社員へ説明する際も根拠立てながら行うことができ、従業員自身も納得しやすいというメリットがあります。

関連記事｜データドリブン人事とは？概要から具体的な効果まで徹底解説

ピープルアナリティクス導入のメリット・活用方法

ピープルアナリティクスを導入することにより、採用、育成、配置、評価の4つのパートにおいてさまざまなメリットが得られます。企業と従業員それぞれについてメリットと活かし方をご紹介します。

採用

企業側は従業員のデータを活用し分析することで、活躍し得る人材や組織に必要な人材など、採用で見るべきポイントを可視化することができ、優秀な人材の獲得にもつながります。
過去に退職した従業員のデータを分析することで、求人者が入社後にミスマッチを起こさないか予測し、防ぐことができます。

育成

企業側は専門性やスキル、学習特性などのデータをもとに育成プログラムを作成することが可能です。入社時の研修などでは職種や部署ごとに必要な人材スキルや専門性に合わせた育成・指導を行うことができます。さらには、早期戦力化したい従業員や幹部候補となる従業員を抽出し、特別研修を実施することで、中長期的な人材育成が可能です。
従業員は、自身の特性や希望するキャリアに合わせた研修や教育を受けることができ、自己啓発の醸成につながります。

配置

企業側は部署ごとに高いパフォーマンスを発揮している従業員のデータ分析を行うことで、その部署に求められるスキルや能力を把握することができます。このデータをもとに従業員を配置することで、最適なスキルや能力を持った従業員の配置が可能となり、組織全体のパフォーマンス向上につながります。
従業員側はデータに基づいた人材配置により、自身の適性にあった業務に取り組むことができます。また、異動や配置後も高いパフォーマンスを発揮できる可能性が高く、モチベーション向上にもつながります。

関連記事｜ハイパフォーマー分析とは？メリットと分析方法を徹底解説

評価

データに基づいた人事評価は客観性が生まれ、評価の公平性を保つことができます。そのため、従業員からの理解や信頼を獲得することができます。

具体的なデータ分析手法・活用指標の例

ピープルアナリティクスを実務に落とし込む際、まず肝要となるのは解決すべき人事課題に対し、どの分析手法と指標を組み合わせるかを明確に定義することです。

採用

採用フェーズにおけるピープルアナリティクスでは、過去のハイパフォーマーの適性検査データや評価履歴を教師データとした「活躍可能性モデル」の構築が代表的です。
重回帰分析を用いて、どの要素がパフォーマンスに対して正の相関を持っているかを定量化することで、面接官の主観に頼らない、自社独自の採用基準を策定することが可能となります。

離職防止

離職防止の領域においては、勤怠データやエンゲージメントサーベイのスコアを時系列で解析するピープルアナリティクスが非常に有効です。
具体的には、ロジスティック回帰分析や決定木分析を用いて、離職に至る予兆を特定します。残業時間の急増や有給休暇取得率の変化、サーベイにおける特定の項目のスコア低下など、離職リスクを高める変数を抽出することで、対象者に対して離職が顕在化する前の早期フォローアップを実現します。

生産性向上

組織の生産性向上を目的としたピープルアナリティクスでは、組織ネットワーク分析（ONA）の活用が注目されています。これは、メールのやり取りやミーティングの頻度といったログデータから、部署間・個人間のコミュニケーション構造を可視化する手法です。
これにより、組織内のハブとなっている人物や孤立している層を特定し、最適な人員配置やチーム編成の意思決定を支援します。

経営に資する指標

こうしたピープルアナリティクスの実践において設定すべき指標は、離職率や残業時間といった伝統的なKPIに留まりません。
研修投資に対するパフォーマンスの向上率を示す「教育研修投資収益率（ROI）」や、採用チャネルごとの、従業員エンゲージメントや貢献度を時間軸で捉えた「LTV（従業員生涯価値）」、あるいは組織のレジリエンスを示す指標など、経営戦略に直結する高度な指標を設定することが、ピープルアナリティクスを単なる分析で終わらせず、経営の意思決定に資する「戦略人事」へと昇華させる鍵となります。

ピープルアナリティクスを通じて、人事が持つ膨大な定量データを構造化し、多変量解析などの統計的手法を駆使することで、人事施策の妥当性を客観的に証明するプロセスが、これからの人事部門には求められています。

ピープルアナリティクスの事例

ピープルアナリティクスを活用した事例として、採用活動に適性タイプ分類を活用した事例をご紹介します。

ある企業は、将来の優秀な人材を確保するために、多様な人材を採用したいと考えていました。既存従業員を採用した時の適性検査データをもとにピープルアナリティクスを行ったところ、既存従業員の適性タイプに大きな偏りがあることが判明しました。また、タイプごとに採用時の通過率に違いがあることも分かりました。分析データを活用し、どのタイプの人材を何人採用するかの計画を立てることができるようになり、結果的にほぼ計画通りのタイプ構成で人材採用を実現しました。

その他、人材育成や適正配置、退職予測などピープルアナリティクスを活用した事例は、こちらの記事で詳しく紹介しているので、よろしければ合わせてご覧ください。

関連記事｜ピープルアナリティクスの事例5選　成果につなげるポイントは？

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を進めるには、複数のアプローチ方法があります。
その中でも、今回は2つのアプローチ方法をご紹介します。

【1.ゴールからのアプローチ】

1つ目はゴールからのアプローチです。

（1）ゴールの設定
人事部門における自社の課題を明確にし、その課題が解決に至った際のゴールを設定します。

（2）仮説を立てる
次に、課題が生じている原因となる仮説を複数立てます。例えば「人材定着率が悪い」という課題があったとします。そこで（1）採用時の問題か、（2）部署の問題か、（3）適材適所になっていないことが問題か、などの仮説を立てます。

（3）仮説の裏付けとなるデータ収集
それぞれの仮説を裏付けるデータ項目を決めて、データ収集を行います。

（4）データに基づく仮説の検証・考察・対策立案
集めたデータを用いて仮説の検証・考察というプロセスをたどり、対策を立案します。

【2.データからのアプローチ】

2つ目は、データからのアプローチです。

（1）社内のデータを収集・集約する
既に自社でデータの収集を行っているデータでピープルアナリティクスを進める場合、社内に存在するデータを1つに集約する必要があります。人事部門だけでなく、他部門のデータも含めて検討しましょう。

（2）分析の対象・目的を決める／仮説を立てる
データ分析は収集したデータの組み合わせや切り口を変えることで、無数の結果を出すことができてしまいます。そのため、手当たり次第に分析を行ったが、何も課題発見・解決に繋がる分析結果が出なかったという事態に陥らないために、1のアプローチ方法と同様に、目的や仮説を立てておきましょう。

（3）データ分析後「見える化」して傾向を見る
仮説に基づき、データ分析を行います。例えばハイパフォーマンス分析をする場合、保有データの分析結果を確認し、何か傾向はないか確認します。

（4）データに基づく仮説の検証・考察・対策立案
傾向をとらえたら、さらに仮説が立てられるため、仮説の検証・考察を繰り返します。ある程度、見えてくれば、自ずと対策が立てられます。

関連記事｜人事システムとは？特徴からメリット・デメリット、選び方のコツ、導入成功事例まで一挙ご紹介！

関連記事｜ピープルアナリティクスツールの選定のポイントを5つご紹介

関連記事｜Excelで実践する初めてのピープルアナリティクス

ピープルアナリティクスを導入するうえでの課題

​​​​​​ピープルアナリティクスの導入には様々な課題が存在します。課題としてどのようなことが考えられるでしょうか。

個人情報の取り扱い

ピープルアナリティクスは従業員の個人情報となる様々なデータを取り扱います。収集するデータの対象や利用・公開する範囲を検討したうえで、従業員に対して目的や活用内容などを説明する必要があります。

データの整備

ピープルアナリティクスをするためには、分析する基となるデータが必要です。まずは、必要なデータを収集する必要があります。部署ごとにデータのフォーマットが異なっている場合は、データの統合や精査が必要です。データ整備には時間とコストがかかるため、導入の大きな課題になる可能性があります。

担当者の分析スキル不足

収集したデータを組織の意思決定に活かすためには、高度な分析スキルが必要です。分析担当者となる人材の育成や採用することを含めて、ピープルアナリティクス導入を検討することが重要です。

生成AIと予測分析による意思決定の高度化

生成AIの普及は現在も多くの企業・事業で活用方法が模索されていますが、ピープルアナリティクスにおいては、生成AIと予測分析の統合による意思決定の高度化をもたらすことができると考えられます。

これまでのピープルアナリティクスは、勤怠データや人事評価といった数値化された構造化データの解析が主眼でしたが、生成AIの活用により、従業員サーベイの自由記述や面談記録などの非構造化データから、組織の「兆し」を読み解くことが可能となりました。自然言語処理技術を用いたピープルアナリティクスの高度化は、数値だけでは見えてこない心理的背景や組織文化の課題を可視化し、より精緻な人事施策の立案を可能にします。

加えて、予測分析の活用は、ピープルアナリティクスの役割を「過去の検証」から「未来の予測」へと転換させます。例えば、特定の行動ログや属性データの推移から離職予兆を早期に検知する、あるいは過去の成功モデルに基づき、特定のポジションで活躍する可能性の高い人材を推薦するといった予測型ピープルアナリティクスの実践は、属人的な判断を排した公平かつ戦略的な配置を支援します。こうした予測モデルによる裏付けは、経営陣に対する人事施策の妥当性証明においても、極めて強力な根拠となります。

さらに、生成AIを用いた対話型の検討支援機能により、人事実務における意思決定プロセスそのものが変容しつつあります。ピープルアナリティクスによって一元化された人材情報の基盤を活用し、AIが最適な組織改編案や個別育成計画の草案を生成することで、人事実務を担う担当者は、より高度な戦略的判断に時間を割くことが可能となります。生成AIと予測分析を融合させたピープルアナリティクスの推進は、単なる業務効率化に留まらず、人的資本経営を具現化するための不可欠な社会基盤となることが予想されます。

これからの人事部門に求められるのは、ピープルアナリティクスを通じて導き出されたAIの示唆を、いかにして具体的な組織変革の実行へとつなげるかという、より高度な対人・組織マネジメント能力であると言えます。

ピープルアナリティクス推進のために人事システムがおすすめ～LaKeel HRの紹介～

ピープルアナリティクスを推進する際には、データの収集や分析が重要となってきます。
これらのデータを紙やエクセルで管理し、分析するには時間と労力がかかります。
そこで、人事システムを活用してデータ分析を行うのがおすすめです。
人事システムを検討する際には、様々なポイントを押さえておく必要があります。
人事システムを導入する前のポイントは下記資料で詳しく解説しております。
これから導入するシステムをご検討の方はぜひご覧ください。

さらに近年では、人事システムの活用ユーザーは、経営層や人事だけでなく、現場マネージャーにも拡がっており、現場がしっかりと活用できるツールであることが重要です。

出典：ProFuture株式会社　PwCコンサルティング合同会社「ピープルアナリティクスサーベイ 2020-2021調査結果 人材データ活用の最前線―先進企業の最新動向―」
https://www.pwc.com/jp/ja/knowledge/thoughtleadership/2022/assets/pdf/people-analytics-survey.pdf

上記の調査結果によれば、人材データ分析ツールの主な利用層は、経営層や人事が大半を占めていますが、部門人事や事務所人事、マネージャー層などの現場メンバーの活用も進んでいることが表れています。
今後、人事システムは現場メンバーが操作したり、分析結果を閲覧したりする流れが加速していきます。そのため、人事システムは操作性、画面の見やすさなど、誰もが使いやすいことも重要な条件です。

関連記事｜人事システムとは？特徴からメリット・デメリット、選び方のコツ、導入成功事例まで一挙ご紹介！

おすすめの人事システム「LaKeel HR」

「LaKeel HR（ラキール・エイチアール）」は、ピープルアナリティクスを実施するのにおすすめの人事システムです。すでに社内にあるデータを分析することはもちろん、サーベイ機能などを活用して、分析に必要なデータを集めるところから始めることも可能です。

またLaKeel HRは、人事部門に限らず、現場メンバーが見たいときに必要なデータを確認できるように配慮していることから、操作性や画面の見やすさに特長があります。

これからの時代、ピープルアナリティクス実践をサポートする人事システムとして、ぜひご検討ください。LaKeel HRの詳細をお知りになりたい方は、ぜひサービスページ及びサービス資料をご覧ください。

​​​​​​​●LaKeel HRのサービス資料はこちらよりダウンロードいただけます。

●大手・中堅企業向け人事システム「LaKeel HR」​​​​​​​