AI活用・データ設計

前回まで、退職予兆やハラスメント対応など「社内のデータをどう扱うか」を中心に整理してきました。今回は少し視点を変えて、人事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...

前回は内定者フォローを怠ったことで内定辞退が増える会社のパターンについて整理しましたが、今回はAI活用・データ設計の領域に戻り、従業員サーベイの運用について取り上げます。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...

前回はリモート面接が増えて人物像が分からないまま採用が進む会社の問題について整理しましたが、今回はAI活用の現場でよくある別の課題を取り上げます。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...

前回は、採用面接で聞いてはいけない質問と、その背景にある法的根拠について整理しました。データの取り扱いというつながりで、今回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...

前回は、中途採用の「カルチャーフィット」という言葉が選考基準を属人化させてしまう問題を取り上げました。今回は人事データの話に戻り、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...

前回は、勤怠データと評価データがつながらないことで起きる設計ミスを取り上げました。今回はその一段上の話として、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...

前回は、退職面談(エグジットインタビュー)の質問リストのひな形について整理しました。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...

前回は、人事データを統合する前に整理すべき「項目の定義ズレ」について整理しました。この定義ズレを放置したまま、AIを使った離職予測に取り組もうとすると、さらに大きな失敗につながります。今回は、AI離職予測の導入でよく見られる失敗パターンを整...