HRは「経験と直観」の時代から
「データ活用」の時代へ

「ピープルアナリティクス・カンファレンス2017」 レポート

先日、フィラデルフィアで開催されたペンシルベニア大学ウォートンスクールが主催する「ピープル・アナリティクス・カンファレンス」People Analytics Conference 2017に参加してきた。その名の通り、ヒトに関するデータをどう活用していくのか、多くの企業や教授が最先端の事例を議論するカンファレンスである。ここで感じた人事領域の大きな潮流を踏まえて、日本の人事にも訪れる大きな変化についてまとめたい。

人事のデータはどこまで定量化できるか

「ピープル・アナリティクス・カンファレンス」(以下PAC)が初めて開催されたのは2014年で、今年で4回目である。HR領域における大きなイノベーションであるリンクトインが上場したのが2011年、HRテックのスタートアップで初のユニコーンであるZenefitsが5億ドルを調達したのが2015年。グーグルの働き方をまとめた『Work Rules』が刊行されたのも2015年であり、米国では数年前からすでにHR領域で大きな変化が起こっており、依然として大きな関心事となっている。

 とりわけ米国では、人材に関するアプローチが「経験や直観」から「データや論理をいかに取り入れていくか」という点に大きく変化しているのである。

 では、米国ではなぜここまで「ヒト」に関するアプローチの変化が加速しているのだろうか。大きな要因として、米国では年齢、性別はもちろん、母語、出身国、宗教など、日本とは比べ物にならないダイバーシティが組織に求められる。そのため、村社会的な暗黙の了解では公平性などを担保することができず、より定量的に判断していくことが求められるのである。 

 ダイバーシティにより組織が崩壊しては本末転倒である。加えて、米国ではダイバーシティに関するコンプライアンスが日本に比べて遥かに厳しい。チーム・ビルディングとしても労務問題としても、ダイバーシティは重要なテーマなのだ。

 今回のPACで中心的なテーマとなったのは「ダイバーシティ」や「エンゲージメント」であった。オープニングでは、主催者であるウォートンスクール教授のアダム・グラントと『ティッピング・ポイント』などの著者であるマルコム・グラッドウェルのパネルディスカッションが行われた。

 マルコム・グラッドウェルは、「ヒトに関する部分は変数が多く、まだまだ経験則のほうが有効ではないのか」という問題提起を行った。それに対して、アダム・グラントは経験則の重要性を認めながらも、「データによる組織やヒトの分析は有効である」という主張を行い、詳細についてはこの後に行われるセッションのテーマとした(ちなみに、マルコム・グラッドウェル氏とカンファレンス後に話した際、分析について決して否定的なのではなく、カンファレンスのオープニングとして大きなイシューを提議したと話していた)。

フェイスブックが提示した
定量データと定性データの使い方

 フェイスブックのグローバルのダイバーシティ責任者であるMaxine Williamsはデータの重要性を示しつつ、「マイノリティはデータが不足しているために有効な分析には限界がある」という事実について言及した。フェイスブックのような巨大なグローバル企業でも、マイノリティに関するデータは十分ではないのである。そのため、「マイノリティへの意思決定の品質を担保できるように、定性情報の収集も合わせて行うことが重要」という点を強調した。つまり、重要なのは「定性vs定量」ではなく「定性and定量」であり、「情報をただ貯める」ことではなく「目的を持って貯める」ことである。

 一方で、日本の「ヒト」に関する領域の現状はどうなっているだろうか。セプテーニ・ホールディングスをはじめ、一部の企業ではすでに「経験だけではなくデータも合わせて意思決定する」ということに取り組んでいる企業が存在している。

 しかしながら、多くの企業では、まだまだ第一段階である「ヒトに関するデータを整理する」という段階なのではないだろうか。人事領域のビッグデータ活用について多くの知見を持つPwCコンサルティング合同会社ディレクターの北崎茂氏によると、データの活用には段階があり、まずはデータを整理し単年での活動を可視化するのが第一段階という(参考リンク)。

 そこから経年での比較(第二段階)、ベンチマークとの比較(第三段階)、要因分析(第四段階)、予測分析(第五段階)、と経営に対してインパクトのある成果までは道のりがとても長い。PACでマイクロソフトやウーバーなど、さまざまなHR部門と情報交換をした際に「なかなかできていない」という言葉をしばしば聞いたが、彼らとしては、すでにデータの見える化(第三段階レベル)は終えていて、要因分析や有効的な予測モデルについて「まだまだベストプラクティスに到達していない」と言っているのである。

動き始めた日本のHRテック

佐野一機
タレンティオ 代表取締役社長兼CEO

戦略コンサルタントを経て2009年11月にファウンデーションズを設立、オーガニックヘアケアブランドを展開。2011年12月よりサティス製薬に参画、取締役として製造業の経営に従事。2015年4月、家入一真氏とキメラを設立。2016年9月よりキメラの子会社であるタレンティオの代表取締役に就任。2017年3月にタレンティオの全株式をフリークアウト・ホールディングスに譲渡しグループに参加。趣味は放浪とカメラ。 グロービス大学院大学(MBA)修了。

 では、日本において、マルコム・グラッドウェルが提議したように本当に「ヒト」に関するデータ分析は成果につながるのであろうか。日本でも有効求人倍率がここ数年では最も高い数値になり、連日「人手不足」というニュースが掲載されている。長期的に見ても、少子高齢化社会であり、これからも労働力が不足していく時代である。これまでと同様のことをやっていては、よい採用はできない。また、これまで以上に少人数でも成果を上げられるよう留意することも重要であり、入社後の生産性も重要なテーマになっている。

 つまりは、競争力の源泉はカネやモノではなく、完全に「ヒト」になる時代になっている。こういった危機感は政府は強く持っており、「働き方改革」として大々的に取り組んでいる。いずれにしても、これまでのように「経験や直観」だけではなく、シビアに成果を求めるマーケティングの領域のように、数値によるファクトを押さえることが当たり前になる時代に変化していく必要があるのだ。こういった背景もあり、最近は、日本でも「HRテック」「ピープル・アナリティクス」といった領域について興味関心が高まっているかと思う。 

 フェイスブックの事例でもあったように、「マイノリティはデータが十分に無いため、正確な分析ができない」のはある側面では事実ではあるが、定量データだけで意思決定を行うということはそもそも少ない。つまり、定量データが十分ではなかったとしても、有効な示唆が得られるように補完する定性情報を設計すれば分析は可能である。

 いずれにしても、まずは大前提として情報を整理し、仮説を出し、それを裏付ける分析を定量・定性データから行い、必要な示唆を得て「次の最善手」を導いていくことが「人事」の最も重要な役割になっていくのではないだろうか。

 後編は「エンゲージメント」にフォーカスし、ピープルアナリティクスがどのように動機づけに活用されているか、具体的な事例と共に紹介する。