元Google社員が語るピープルアナリティクス成功の鍵

 技術的・意識的な課題を乗り越えるポイント

　前編ではこれまでPAの推進を困難にしていた要因と打開策について考察しました。対処方針を要約すると「PAをヒト資源の最大活用のためのインフラと捉え、リスク管理の観点からも、人員・システムの先行投資を行うべし」となりますが、留意点を改めて話したいと思います。

a. 初めから関係各所を巻き込む
　前編で記述した通り、PA推進のゴールは「企業においては経営や現場にとって役に立ったかどうか」、「意思決定の質が向上したか」です。それには、人事・経営・現場がそれぞれの利益相反を乗り越え、一枚岩となって推進していくことが不可欠です。そのため PA チームを組成する際は、少なくともアナリスト（データ分析官）の役割の他に、組織全体に対して取り組みを積極的に喧伝してくれるインフルエンサー（プロジェクトスポンサー＝役員クラスが望ましい）や、人事の業務プロセスを熟知している専門家、さらに、IT部門（HRシステムの導入に伴う業務設計の全体最適化のため）や、インサイトの提供・実行の旗頭を担える現場マネージャーを巻き込むことを推奨します。

　これは単なる業務分担の観点だけではなく、役に立つインサイトの発掘と実効性を担保する意味でも重要な役割分担です。「データは事実だが、真実ではない」という格言がありますが、コップの半分に水が入っているのを見て、ある人は「半分も入っている」と言い、別の人は「半分しか入っていない」と言う。同じ事象に対しても異なる解釈をするものであり、また、同じ人間の場合であっても、空腹時と満腹時といったようにその人のコンディションによっては解釈を変える可能性もあります。つまり、複数のステークホルダーが関与し、意思決定を推進することが重要なのです。

　これを人事文脈に置き換えてみましょう。
アナリストが机上の分析結果を基に「新規事業部門の離職率が15%に上がっている。数年前は基本給を上げて食い止めることができたから、今回も同じように上げましょう！」と提言したとします。しかし現場からは「今回の高い離職率の大半はインドネシアだが、現地水準で15%はむしろ低い」、「事業転換にともなう一時的な新陳代謝であり、数ヵ月先の業績データと照らして評価すべき」、「今年に入って何度か基本給を上げたが、成績の悪い社員ばかり居着いてしまい、むしろ拠点の生産性は悪化した」といった声や実情を進言しました。この場合はどちらを優先すべきでしょうか。

　当然ながら、現場からの声を看過しては、役に立つインサイトを提供したとは言い難いでしょう。データはあくまで経営・現場の意思決定をサポートするものですので（※4）、立派なモデリングや分析手法を駆使するよりも、最終受益者にとっての納得性・有用性を最優先すべきでしょう。現場で起きている真実（インサイト）をよりリアルタイムかつ正確に捉えて信頼を獲得するには、現場への働きかけや巻き込みは必要不可欠なのです。

※4：データを過信し誤用すると、事実だけでなく民意すらも歪曲する恐れがあります。近年は人事の領域でも AI や機械学習が台頭し始めていますが、これらが弾き出した結論を業務プロセスや意思決定でむやみに採用することの弊害は、第9回でお話しします。

b. 目的・ゴールを設定する
　PAを推進するからには、なんらかの具体的な問題意識を持ち、何の指標がどうなれば「成功」といえるのかといったゴールを設定すべきでしょう。問題意識や指標自体は状況に応じて進化したり変化したりしますので、必要以上に計画や設計に時間をかける必要はありませんし、仮説でも十分です。

　ゴールを設定しないと、しばしば「手段の目的化」を誘発してしまいます。
例えば、ピアボーナス制度や、1on1など、「周囲が始めたようだからなんとなく真似てみたが、どんな効果改善が得られたかはよく分からない」という声を聞きます。こうした人事施策は、問題意識がまず先に存在し、それを打開するための手段であるべきです。エンゲージメントサーベイに関しても、定点観測する普遍的な基礎項目と、組織の実情に合わせて臨機応変に入れ替える項目に分けられますので、「いつ、何を、なぜ入れ替えたか」というプロセスが最も価値のあるものです。そうした文脈を看過し、うわべだけを真似てプロセスから学んだことを生かさないのでは、結果に結びつかず、非常にもったいないことなのです。