AI活用・データ設計

人事の仕事では社内のデータの扱いが話題になりがちですが、ここで取り上げるのは、担当者自身の情報収集の偏りの話です。制度設計の参考にとSNSやニュースを見ているうちに、いつの間にか「世の中はもう副業解禁が当たり前」「週休3日が主流になりつつあ...

この記事で扱うのは、従業員サーベイの運用です。エンゲージメント調査や満足度調査を定期的に実施する会社は増えていますが、結果を集計して「見るだけ」で終わり、具体的な改善行動につながらないケースが多く見られます。サーベイが「実施すること」自体が...

ここで取り上げるのは、AI活用の現場でよくある課題です。離職防止の取り組みとして退職予兆スコアを導入する会社が増えていますが、せっかく仕組みを導入しても、現場の管理職がそのスコアを信用せず、結局活用されないまま終わってしまうケースが少なくあ...

この記事では、ピープルアナリティクスを導入する前に決めておくべきことを取り上げます。「ピープルアナリティクスを始めよう」という話になると、多くの会社はまず分析ツールの選定から動き出します。しかし、ツールを入れただけで現場が使い続けられるよう...

この記事では、勤怠データと評価データがうまく連携できていない会社で、何が起きているのかを整理します。「残業が多い社員ほど評価が低い」「特定の部署だけ離職前に欠勤が増える」といった傾向は、勤怠データと評価データを並べて見れば気づけるはずのもの...

この記事では、人事システムそのものが社内で乱立してしまい、データ活用がそもそも難しくなっている会社のパターンを整理します。「勤怠管理はA社のシステム、給与計算はB社、採用管理はC社、評価制度はD社のシステムを使っている」というように、目的別...

退職面談で得られる情報も、評価データも、勤怠データも、本来であれば組織全体の傾向を把握するために統合して活用したいものです。しかし、いざ人事データを統合しようとすると、最初の壁になるのが「項目の定義がシステムや部門ごとに揃っていない」という...

人事データの項目の定義がそろわないまま、AIを使った離職予測に取り組もうとすると、大きな失敗につながります。この記事では、AI離職予測の導入でよく見られる失敗パターンを整理します。「AIを使えば離職を予測できる」という期待から、ツールやベン...