知識 · HRD・研修

ピープル・アナリティクス

People Analytics

📂HRD・教育⏱読了 2分📊実務🔗関連 8

ピープル・アナリティクスとは?

一行定義
勘や慣行ではなく、人事・組織データを分析して、採用・教育・離職など人に関わる意思決定を行うアプローチ。
このテーマを社内研修で📚 関連研修💬 研修のお問い合わせ
⚡ 3行要約
  • 人事・組織データで人に関わる意思決定
  • 教育効果・離職の兆候・エンゲージメントを根拠で確認
  • 個人情報・倫理が必須の前提

ピープル・アナリティクスが入ると、真っ先に変わるのは会議室での説明責任の向きです。それまでは「教育予算をなぜこれだけ使うのか」という問いにHRDが定性的に言い訳するしかなかったのが、今では離職率・成果の分布・エンゲージメントスコアという共通言語のもとで、現場の役員と同じテーブルに座れるようになります。重要なのは分析ツールではなく、答えが出たら何かを変えるという問いを先に立てることです。問いなしに集めたデータはダッシュボード画面を増やすだけです。

実務では三つの層に分けると整理しやすくなります。何が起きたかを数える記述分析(離職率、研修受講率)、なぜそうなったのかを探る診断分析(離職者と残留者の条件の差)、そしてこれからどうなるかを見る予測分析です。国内企業の多くは一つ目の層にとどまっていますが、現状の集計とアナリティクスは違います。前者は数字を示し、後者は仮説を検証します。また、分析の単位が小さくなるほど結論は不安定になります。全社1,000名のデータから出た傾向を12名のチームにそのまま当てはめると、統計ではなく印象論になってしまいます。

教育効果を測るときには、もう一つ落とし穴があります。自発的に研修へ申し込んだ人は、もともと意欲や成果が高いことが多いため、受講者の成果が良いという結果は研修の力ではなく選抜効果である可能性があります。そのため、受講グループと条件の似た非受講グループを組み合わせて比較するか、同じ人の研修前後の指標変化を追跡する設計が必要です。相関を因果に変えるのはデータではなく設計です。

現場で食い違うポイントは、たいてい二つです。一つ目は、ソリューションの導入から始めてしまうケースです。評価等級がBに80%集中し、職務記述書が5年間そのままの会社では、どれほど優れた分析ツールを使っても、ゴミを精緻に要約するだけです。二つ目は、離職リスクのスコアをそのままチーム長に流すことです。「離職確率68%」という数字が付いた瞬間、その社員は去る人として扱われ、重要な仕事から外され、予測は自ら当たっていきます。社内システムのデータを結合する際、収集目的と同意の範囲を確認しなければ、法的問題にも発展します。分析結果は人に貼るレッテルではなく、制度を改善する手がかりとして使う必要があります。

この用語が出てくる研修 · HR・リーダーシップ
おすすめ研修 · おすすめ講師 · 簡易見積もり
🧮 ミニ見積もり・講師料の基準
約120万ウォン(約14万円)特別講義 2時間 · 20名以下 · 韓国語
この条件で正式な見積もりを依頼 →
💡 かんたんに言うと
経験豊富な人事担当者の「勘」に、健康診断の数値のような客観的データを加えて、判断の精度を高めることです。
実務でなぜ重要なのか
教育担当者にとって最も難しい質問は「この教育は本当に効果があったのか」です。ピープル・アナリティクスは、教育と成果・離職・エンゲージメントの関係をデータで示し、教育投資と人事施策を根拠にもとづいて正当化できるようにします。
⚠️ よくある誤解
誤解ピープル・アナリティクスは、データで社員に点数をつけて管理・監視するツールです。
事実目的は監視ではなく、より正確で公正な意思決定の支援です。同意・匿名化・倫理を守らなければ、かえって信頼を損ないます。
由来と出典

HRにデータ分析を取り入れる流れの中で2010年代に広がり、Googleなど企業の「データで人事をする」事例が知られてから一般化しました。

事例で理解する

架空の事例で見てみましょう。国内の中堅化学素材企業A社は、役職員1,400名、年間売上高4,200億ウォン(約5,022,782万円)規模です。3年連続で営業職の新入社員の離職率が34%まで上がり、採用とオンボーディングに使った費用が年間6億ウォン(約7,175万円)以上流出していました。経営陣は「オンボーディング教育をもっと増やそう」と言いましたが、HRDチームは原因が本当に教育にあるのかさえ確信が持てませんでした。

  1. HRDチーム長が「教育を増やす前に、何が離職を分けているのかをまず見よう」と提案し、直近3年間の入社者412名の記録を一つにまとめる作業から始めました。
  2. 人事チームとITチームが2カ月間一緒に作業し、入社経路、オンボーディング修了率、最初の配属部署、6カ月目の面談回数、直属の上司の勤続年数など11項目を匿名IDで結びつけました。
  3. 分析したところ、オンボーディングの修了率は離職とほぼ差がなく、代わりに入社6カ月以内に上司との面談が3回未満の集団の離職率が2.4倍高く出ました。
  4. 人事担当役員が「それなら面談をさせればいいだろう」と言うと、担当課長は「忙しいチームほど面談が少ないものです。業務量も一緒に見るべきです」と述べ、部署ごとの一人当たり受注件数を追加で入れました。
  5. A社はオンボーディング集合研修を16時間減らす代わりに、新入社員の入社後6カ月間の面談3回をチーム長の必須チェックリストに入れ、チーム長62名に1on1コーチング実習を行いました。
  6. 1年後、営業職の新入社員の離職率は34%から21%に下がり、再募集・再教育にかかる費用2億3千万ウォンを節約しました。経営会議の議題が「教育を増やそう」から「面談を設計しよう」に変わったことが最大の変化でした。
関連用語
ラーニング・アナリティクス学習データ(修了・参加・達成・行動)を集めて分析し、教育の効果を診断・改善するデータ駆動型のアプローチ。コンピテンシーモデリング特定の職務で成果を出す人が備える知識・技術・態度を定義し、採用・評価・教育の共通基準とする作業。後継者計画重要ポストの後任を前もって発掘・育成しておく計画。人が去っても組織が揺らがないようにする。データ駆動型の意思決定勘や経験ではなく、データと根拠にもとづいて意思決定する文化・方法。DXの核心となる考え方。人員計画・ヘッドカウント算定事業計画に必要な人員の規模・構成・時期を予測し、採用・配置・人件費予算を事前に計画する活動です。採用指標・採用所要日数と採用単価採用活動のスピード・コスト・品質を数値で管理する指標群で、採用所要日数・採用単価・早期離職率が代表的です。HRIS・人事情報システム人事・給与・勤怠・評価など人的資源関連の情報を統合管理するシステム(Human Resource Information System)で、人事データの単一基準を作る基盤です。Power BI・Tableau複数の場所に散らばったデータをつなぎ、クリックすると変わるダッシュボードにする代表的なBI(Business Intelligence)ツール2種で、社内の既存環境や使う人によって選択が分かれます。
この用語に関連する研修
📚社内講師育成研修ナヌム経営コンサルティング 企業研修 · 対面/オンライン研修を見る →
このテーマで社内研修が必要でしょうか?
ご担当者さま向けの研修プログラム・お見積もりを、すぐにご覧いただけます。
研修のお問い合わせ
最終更新 2026-09-13 · 監修 金鍾赫

よくある質問

ラーニング・アナリティクスは「学習」データに焦点を当て、ピープル・アナリティクスは採用・離職・評価など「人事全般」のデータを扱う、より広い概念です。
可能です。大がかりなシステムがなくても、研修修了・成果・勤続年数といった基本データをつなげて見ることから始められます。
個人の機微なデータを扱うため、同意・匿名化・倫理は必須です。データは人を裁くためではなく、判断を助ける根拠であるべきです。