人事データ活用の高度化
意思決定から逆算するKPI設計
人事データは「集める」より「どの場面で何を決めるか」に合わせて設計すると効果が出ます。たとえば次の3領域は、今すぐ指標化して意思決定に直結させたい定番です。
採用配分を最適化する
応募チャネル別の採用効率を「1人あたり獲得コスト」「30日オンボーディング達成率」「半年後評価スコア中央値」で管理します。面接官の合否ばらつきも算出し、ばらつきが大きい部門は面接基準の見直しを決めます。
離職を予防する
「過重労働3カ月移動平均」「上司交代後90日」「有休残高の急減」「未消化1on1回数」を先行指標としてアラート化します。アラート後7日以内に面談実施率をKPIに含め、運用まで数値で握ります。
育成投資を見える化する
学習時間、受講完了率、業務適用件数（研修内容が実務で使われた回数）をセットで追い、「1万円あたりの業務適用件数」を投資判断の軸にします。スキルタグを職務記述書と揃えると配置転換の議論が早くなります。
現場が回るデータ基盤の最小構成
抽象的な「人事データ湖」は運用が破綻しやすいです。まずは意思決定に必要なスキーマを固定します。
- dim_employee（社員、雇用形態、スキルタグ）
- dim_org（組織、上長、等級ルール）
- fact_job_history（異動、上長交代、評価）
- fact_time_and_leave（残業、勤怠、有休）
- fact_recruiting（応募〜内定〜定着）
- fact_learning（受講、テスト、業務適用）
全テーブルは基準日スナップショットを持ち、employee_idとorg_idで時点整合を取ります。予測を行う場合は、特徴量テーブルに「観測日時」を保持し、予測対象日の未来情報が混ざらないようポイントインタイム結合を徹底します。個人情報はPIIボールトに分離し、分析マート側はハッシュ化と役割ベース権限で最小化します。
予測と生成AIを“実務化”する手順
退職予測は軽量モデルから
目的変数は「アラート日から120日以内の自己都合退職」。説明変数は直近90日の残業移動平均、上司交代フラグ、未消化1on1回数、有休残高変化、直近評価の偏差など。時系列分割の交差検証でリークを避け、評価はPR-AUCを主とします。まずはロジスティック回帰で十分で、閾値は「現場が処理できる面談枠数」に合わせて上位x%に設定します。
テキストは生成AIで要約・正規化
エンゲージメント調査の自由記述や面接メモは、ChatGPTやClaudeで「トーン判定」「要望カテゴリ」「再現可能な事実」に分解して要約します。Geminiでスプレッドシート関数提案や異常検知のクエリ例を生成し、Copilotでレポート雛形やピボットの自動作成を回すと、分析の立ち上がりが数日単位で短縮します。個人名・固有名詞はプロンプト前にマスキングし、要約結果はデータマートの正規化済みテーブルに格納して再利用します。
運用ルールを数値化する
アラート→面談→施策→フォローの各ステップにSLAを設定します（例：アラート7日以内面談80%、面談後14日以内施策合意70%）。数値が守られなければモデル改善ではなく運用ボトルネックを疑います。
身近な企業活用例：東陽精機（従業員300名・中堅製造）
人材不足が慢性化し、離職率12%、中途採用単価が高止まり。最初はBIで「部門別平均残業」を追いましたが、時点不整合のデータを混ぜ、アラートが乱発し現場が疲弊。打ち手も「様子を見る」に終始して失敗しました。
改善では次を実施しました。
- 月次スナップショットを標準化し、上司交代・評価確定日をfact_job_historyに明示。
- 「退職リードタイム中央値＝85日」を測り、アラートの発火点を見直し。
- 退職予測はロジスティック回帰で上位8%に限定、面談枠と整合。
- 面談記録はChatGPTで要約し、要望カテゴリを5分類。面接メモはClaudeで一貫した評価項目に正規化。
- 採用は「30日オンボ達成率」でチャネル配分を再設計、Copilotで週次レポートを自動生成。GeminiでLooker Studio用のクエリ改善を提案。
結果、半年で離職率は9%に低下、採用単価は15%削減、研修の業務適用件数は20%増。要約済みテキストを学習データに再利用でき、現場の説明責任も軽くなりました。何より「どの指標で、誰が、いつ決めるか」が揃ったことで、会議が合意形成の場に変わりました。
人事データ活用の高度化は、派手なアルゴリズムより、意思決定ユースケースに合わせたデータ契約、時点整合、運用SLAの三点を揃えることから始まります。これらを横断で支えるのがデータ解析プラットフォーム事業の役割で、収集・モデリング・特徴量管理・可視化・権限・監視を一貫させた土台があるほど、人事の現場は静かに、しかし確実に強くなります。
