ピープルアナリティクス

状況: IT企業（200名）。新卒の1年以内離職率が25%と業界平均（15%）を大幅に上回っている。「若い人の根性がない」「売り手市場だから仕方ない」と経営陣は諦めモードだった。

ステップ1: 問いの設定 「入社1年以内の離職率が高い部門はどこか？離職者に共通するパターンは何か？」

ステップ2: データ収集 過去3年分の新卒データ（配属部門・上司・研修参加・エンゲージメント調査・退職理由）を整理。

ステップ3: 分析

記述的分析の結果:

診断的分析で見つかったパターン:

• 離職者は「上司との1on1が月1回未満」が78%（在籍者は22%）
• 離職者は「入社3ヶ月目のエンゲージメントスコアが急落」していた
• 開発B・CS部門のマネージャーは1on1の頻度が全社最低

ステップ4: 施策と検証

• 該当部門のマネージャーに週1回の1on1を義務化
• 入社3ヶ月目に人事による「定着面談」を導入
• メンター制度を全部門に展開

1年後の変化:

「根性がない」のではなく「フォローアップが不足していた」ことがデータで判明。離職の原因を勘ではなくデータで特定し、ピンポイントの施策を打ったことで、採用コスト年間1,800万円を削減できた。

状況: 精密機器メーカー（500名）。年間40名を採用しているが、「入社前は優秀に見えたのに、入社後のパフォーマンスが振るわない」ケースが多い。採用面接の評価と入社後の業績評価の相関を分析したことがなかった。

問い: 「入社後に高パフォーマンスを発揮する人材に共通する、採用時の特徴は何か？」

データ収集:

• 過去5年分の採用データ（面接評点・適性検査・経歴）
• 入社後のパフォーマンス評価（3年分）
• 360度フィードバック結果

分析結果:

衝撃的な発見:

• 「非構造化面接（自由にフィーリングで判断）」の評価は、入社後の業績とほぼ無相関
• 「学歴」も業績との相関がほぼゼロ
• 最も予測力が高いのは「技術スキルテスト」と「構造化面接」

施策:

• 非構造化面接を廃止し、全面接を構造化面接に移行
• 技術スキルテストの配点を30%→50%に引き上げ
• 学歴フィルターを撤廃

2年後の変化:

「面接の印象」で採用するのは、サイコロを振るのとほぼ同じ精度だった。データが「構造化面接と技術テストが最も予測力が高い」と証明したことで、面接官も納得して採用プロセスを変えられた。

状況: 地方の総合病院（職員400名・12診療科）。患者満足度調査で全国平均を下回り、特に「スタッフの対応」が低評価。しかし、どの診療科のどんな要因が原因かは「現場の感覚」に頼っていた。

問い: 「職員のエンゲージメントスコアと患者満足度に相関はあるか？影響する要因は何か？」

データ収集:

• 全職員のエンゲージメントサーベイ（半期ごと・12項目）
• 患者満足度調査（診療科別・四半期ごと）
• 勤怠データ（残業時間・有給取得率）
• 職員の研修受講履歴

分析結果:

診療科別の詳細分析:

施策（整形外科を重点対象）:

• 科長に月2回の1on1を義務化
• 業務効率化で残業時間を削減（診療補助のIT化）
• チームビルディングの研修を四半期ごとに実施

1年後の変化:

「患者満足度が低い」という漠然とした課題を、データで「職員のエンゲージメント、特に上司への信頼が最大の影響因子」と特定できた。給与を上げるより、マネジメントの質を上げる方が患者満足度に直結するという、直感に反する発見がデータから得られた。