HR-アナリティクス

貴社の人事データをもとに、弊社のメゾットによる多角的な分析を行い、過去・現在・未来の状況に即した最適な解決策を提示します。

採用・退職・評価・処遇などにおいて、どのような施策をとることが最も人材の活用につながるかを検討します。具体的なアプローチとしては、クラウドやビッグデータ解析、人工知能（AI）など最先端のIT関連技術を使って、採用・育成・評価・ 配置などの人事関連業務を行う手法の確立します。

主観ではなく客観的なデータから人材マネジメントの問題点が把握できます。

これからのマネジメントは、人材の特性の見極め、
従業員の動向を踏まえた育成・配置などの
基準の策定が必要です。

これからのマネジメント	概要	実施内容
今後の方向性	採用・退職・評価・処遇などにおいて 、どのような施策をとることが最も人材の活用につながるかを検討する。	＜ＨＲ－アナリティクス＞ クラウドやビッグデータ解析、人工知能（ AI ）など最先端の IT 関連技術を使って、採用・育成・評価・配置などの人事関連業務を行う手法の確立する。
企業の課題とアプローチ	自社内に過去のデータがない、人材の特性を把握するだけのノウハウがない。導入の効果が不明なものにコストをかけたくない。	＜ＨＲ－アナリティクス＞ 採用・評価基準、配置など、過去のデータを集計することにより、最適な結論を導き出し、施策に展開させる。

既存分析対象データ	得られる効果
経歴情報	業務適正→業務配分
スキル情報	退職者の傾向→リテンション
勤務情報	組織風土→風土改革
評価情報	職種・登用適正→配置
異動情報	評価・処遇の効果→人事制度
健康情報	採用者の今後の動向→採用要件

主観ではなく客観的なデータから人材マネジメントの問題点が把握できます。これまで他社の動向や過去の経験則で行われる傾向にあった人材マネジメントが、貴社の客観的なデータに基づき、問題課題が明確になるため、より的確な対応が可能になります。

＜データ分析における着眼点例＞

Ｃａｓｅ１　退職者の動向　　　　　　・・・　退職理由の把握

Ｃａｓｅ２　勤続年数ごとの動向　　　・・・　勤続年数による影響度合の把握

Ｃａｓｅ３　新卒区分ごとの動向　　　・・・　新卒と中途の影響度合の把握

Ｃａｓｅ４　評価・スキルごとの動向　・・・　評価・スキルごとの動向の関連性

Ｃａｓｅ５　職種（部署）ごとの動向　・・・　職種・部署ごとの動向との関連性

Ｃａｓｅ６　役職ごとの動向　　　　　・・・　役職における動向の関連性

＜データ解析手法例＞

単変量解析　→　変数変換・データクリーニング・データ加工　　など

二変量解析　→　異常値の除去・外れ値の処理・基本統計量算出・分布状況・時系列分析　など

多変量解析　→　外れ値の処理・分布状況確認、相関関係・階層別、因果関係分析　など

データから内面的な要素も洗い出し、人材マネジメントの方向性を導きます

１．人材の活性化に繋げることができます
人材の特性の見極め、従業員の動向を踏まえた育成・配置等の基準の策定が実現できます。

２．現状の従業員データの活用が実現できます
色々なデータがあるが、何をどのように活用したら良いか分からない状態から、必要な人材データの収集・活用を実現します。

３．一定期間における定点観測が可能です
日々、変化する人材マネジメントの状況を鑑みて、定期的に分析を行うことにより、PDCAサイクルを実現することができます。

＜対応する問題課題＞

このような企業様に導入をお勧めします。
１．必要な人材の離職を防止したい企業
２．将来の幹部候補を育成したい企業
３．有効な人材マネジメントの施策を打ち出せない企業
４．現行の人材の動向と実施している人材マネジメントとのギャップを測定したい企業
５．これからの時代に合致した施策を講じたい企業　　　　など

＜支援実績＞

ここ数年の人材マネジメントの困難化、採用難、人材の選別に伴い多くの企業が実施しています。
製造業　：　約５００人
ＩＴ企業　：　約３００人
運輸業　：　約４５０人
その他にも複数社の企業に採用され、効果を発揮しています。