従業員エンゲージメントを測定
「人事データアナリティクス」から分かることとは? 変化する人事評価
システム化が進み従業員に関する人事データの量が増大している。このデータを分析して、従業員の生産性向上に役立てる動きが広がっている。
人事部門には企業のパフォーマンスや従業員の生産性を向上させるための新しいデータソースやツール、調査手法があふれかえっている。しかし、このデータの意味を理解し、結果を生むフィードバック体制を構築するのは簡単ではない。
サンフランシスコで開催されたWork Rebooted Conferenceにおいてインタビューを受けた専門家は、「人事データアナリティクスを使用して従業員のエンゲージメント(会社への帰属意識)や生産性を向上させるためのベストプラクティスを探った」と答えた。専門家は、特定のチームや役割に対し、従業員のエンゲージメントの調査方法や測定方法を最適化したり、新しい取り組みを調整したり、エンゲージメントの本当の意味を理解したりすることを勧めている。
「ほとんどの調査方法は専門家向けとしてはお粗末だ」とバイオテクノロジー企業であるGenentechのピープルアナリティクス統括担当者、チェース・ローバトム氏は言う。「あらゆる部署にぴったりなソリューションはない。科学的に調査結果の信頼性が著しく疑われるような場合でも、営業担当者は概して満足している傾向がある」
ローバトム氏はまた、さまざまなエンゲージメントや企業文化の調査に関してデータのみが先行してしまうことを懸念している。調査業者は、データの利用は従業員の匿名性を守るためであり、これによってより正確な結果が得られると主張している。しかし、ローバトム氏は、データが原因で、結果の解釈やツールの適正さの判断がより難しくなると感じている。
結果と行動に焦点を当てる
人事データアナリティクスを行う別の方法としては、全社で個人の行動を分析する方法がある。コールセンターにおける受話回数、または、打ち込んだコードの行数、新しい訓練プログラムを経験した個人の人数などが分析対象だ。
これらは全て簡単に測定できるが、その調査結果の価値は限定的だ。「企業は、成果を残すために必要なことのうち、その障害となる結果を測定しない傾向がある」と、訓練サービスのプロバイダー会社でありコンサルタント会社であるExecCampの創業者兼CEO、バリー・オライリー氏は言う。
例えば、会社がより良い文化を構築しようと思うなら、企業の目標に対して企業文化がどのように関係するかを分析することがより効果的だ。これには、ソフトウェア配布の速度、または、自社への入社希望者数、顧客満足度などの指標が含まれるだろう。
企業が間違った測定指標に焦点を当てていると、コストが増加する可能性がある。例えば、コールセンターの待ち時間を減らす取り組みを実施すると、需要に対する間違った対応につながり、その結果、折り返し電話の受話回数が増える、または、顧客満足が低下するケースがある。企業は顧客の問題を解決するために過剰なコストが必要になるだろう。「結果として表れる指標に重点を置くよりも、顧客からのコールを受ける度に問題を解決しておくことが目指すべき目標となる」とオライリー氏は言う。
人事データアナリティクスを使用する場合、より迅速なフィードバックを得るためには遅行指標よりも先行指標を重視することも重要だ。例えば、従業員の離職率や新規雇用率はエンゲージメントの遅行指標となる。先行指標には、社内学習セッションの開催や同僚のサポート、会議での発言など、エンゲージメントと結びついた行動の測定が含まれる。
AIを活用してより良いフィードバックを提供する
仕事がますますオンラインで行われるようになったり、またはIoT(モノのインターネット)を使用したりするようになると、企業にとっては仕事のパフォーマンスを測定、解釈するためのツールが一層増えることになる。「AIやその他のツールを使用して分析を行い、仕事の意味を導き出すことが可能になる」とサンタクララ大学の副学部長、テリー・グリフィス氏は言う。
これらのツールは、従業員に有益なフィードバックを提供して信頼を構築するために使うことが重要だ。「成果を少し見ただけで従業員を降格させると、信頼を失う」とグリフィス氏は言う。そうしてしまうと、結果として従業員は仕事に集中するというよりも評価制度の抜け穴を巧みに利用することを試みるようになる。
人事データアナリティクスによって、幾人かの従業員が、他の従業員よりも生産性が高いことが分かった場合、そのうまくいく方法を他の従業員に理解させることが容易になる。他には、ある作業に別の従業員の方が適している場合、データアナリティクスはその旨を知らせてくれる。「仕事や結果の透明性を高めることによって、従業員がそういった会話(仕事の分担などの会話)をますます交わすきっかけとなるだろう」とグリフィス氏は言う。
Copyright © ITmedia, Inc. All Rights Reserved.
この記事の著者
関連記事
こんなメディアも見られています
TechTargetジャパンに関連する情報をお探しであれば、こちらのメディアもお役に立てるかもしれません。
ベンダーコンテンツ PR
From Informa TechTarget
SpecialPR
アクセスランキング
-
1
急増する「AIはこう言ってる」マン 判断を狂わせる「AI忖度」を防ぐには?
-
2
取手市がVDIと決別した理由 更改費用「4倍超」を約1.7倍に圧縮
-
3
「データストレージの活用方法」に関するアンケート
-
4
自宅のWi-Fiが「遅い」「途切れる」本当の原因は? Dellが推奨する鉄則
-
5
本当に安いPCで十分か? “すぐ重くなる”を防ぐノートPC選びの絶対条件
-
6
Claudeの不可視透かしに批判殺到 著作権消失や誤判定に潜む企業リスク
-
7
100億円の「Linux更新」を回避 みずほ銀行が選んだ“おきて破り”のRHEL延命策
-
8
221人調査で分かった「情シス最大のストレス」は?
-
9
LLMの「過学習」、正しく説明している文章はどれ?
-
10
レガシー基幹システムをSAPに統合 山善が突き止めた「標準化と個別最適」の境界線
ホワイトペーパーランキング PR
-
1
年収2000万「クラウドセキュリティのプロ」になれる資格とは
-
2
セキュリティソフトをすり抜ける標的型攻撃メール、不審メールの見破り方とは?
-
3
Windows Updateの通信集中で回線が逼迫、ネットワーク刷新事例に学ぶ解決策
-
4
財務を戦略的組織へ進化させるAI活用術、4つの主要な障壁と解消方法
-
5
「NAS」「SAN」「DAS」は何が違う? いまさら聞けないストレージの基礎
-
6
“あのファイル転送”で暗躍するノーウェアランサム
-
7
標的型攻撃メールを見破るには? サンプル文面を例に傾向を解説
-
8
商用利用の安全性を確保し大量のコンテンツを高速で生成する、AI活用の秘訣
-
9
マンガで解説、1日で生成AI環境を構築できるワークショップの中身とは?
-
10
Dark AIが台頭する時代の新発想、「より高度なAIで対抗する」具体的方法とは?
TechTargetジャパン SNS
インフォメーション
注目情報をチェック
TechTargetジャパンをフォロー