元Googleの方々から聞いた組織の非効率を見える化するピープルアナリティクス論🤔✨

【ピープルアナリティクス論】

貴方がこの記事を見始めてから8分後に、
ピープルアナリティクス論について理解する
ということが僕のミッションなので
ぜひ最後まで見て頂けると嬉しいです📣

アメリカと日本で経営を行っている
シリコンバレー起業家の
戸村光さんが学長をしている

" Huntercity "

での講義をアウトプットさせて頂きます！

今回は、
パナリット・ジャパン
代表取締役の小川さんと
共同創業者 / COOのTranさん

このお2人が講義をして下さいました！
小川さん、Tranさん、戸村さん
ありがとうございました！

【目次】

本日の流れはこちらです！

今まで勉強したりや記事を見たりしてましたが、

" ピープルアナリティクス論 "

この単語は見たことも聞いたことがなく、
勉強不足を感じましたね、、笑

しかし講義を聴く中で
ピープルアナリティクス論というのは何か、
そしてそれの活用方法とメリットを
聞いてすごく勉強になりました！

Googleだけでなく、uberやApple、
日本だと楽天などが使われています。

組織の中の非効率な部分をデータを活用し、
定量的にどれだけ無駄なのかを測定できる
というのはすごくメリットは大きく、
これを活用したいと思う企業の方も
多いのではないでしょうか？

この講義をきっかけに企業に
ピープルアナリティクス論を取り入れて、
組織の無駄をなくすことに繋がれば
嬉しいです！

では本日もよろしくお願い致します！！

【1.人事の考え方の変化】

小川さんやTranさんはGoogle在籍時代は
人事に携わっていました。
そこでピープルアナリティクス論を
活用していました。
人事での活用例についての説明です。

従来の人事の考え方としては
スライドのように、
採用や福利厚生などのプロセスや、
評価やエンゲージメントなどの
付加価値といった

「プロセスと付加価値で分ける」

この考え方が主流でした。

しかし、過去の考え方とは異なり、
現在の人事の考え方は、

「従業員のパフォーマンスや満足度」

これが中心となり制度設計がされるべきと
されています。

たしかに組織を作るのは個々の従業員なので、
彼らの満足度が低ければ組織全体としての
パフォーマンスが上がりませんよね。
今後はこのESを中心に考える
組織制度設計が大切になるというのは
すごく納得しました。

人事の考え方が変わっているように、
人事システムの考え方も変化しています。

この図は人事システムの詳細が
書いてあるものなのですが、
まず各プロセスによって目的が異なります。

▫業務の効率化を目的
・工程のデジタル化
・データ収集

▫意思決定の効率化を目的
・データの統合や可視化
・インサイト提示

▫組織改善を目的
・改元施策実行

過去は業務の効率化を目的として
様々な工程があったものの、
それぞれの工程が分断されていたため、
全体感を捉えることは出来ませんでした。

しかし、前述の人事の考え方の変化があり、
現在は全体のデータが統合・可視化され、
インサイトが提示されるようになりました。

このデータとファクトを基に
様々な意思決定がされることを
総じてピープルアナリティクスと言います。

現在は
工程を別々のものと考えるのではなく、
全体像を把握・理解した上での
データやファクトによる経営判断が
求められているのです！

【2.ピープルアナリティクスを導入する最大のメリット】

ピープルアナリティクスを導入する
最大のメリットはスライドの通り、

"あやふや"な意思決定が多い
人事領域を科学すること

ここにあります。

具体的に言うと、

・入社後トップ人材は
どの採用チャネルから来ることが多いのか？

・リモートワークの影響は
どの部署にどの程度あるのか？

などが挙げられます。

従来はなんとなく定性的に考えていたことも、
ピープルアナリティクスを導入することで、
定量的に考えることができるので、
明確な根拠を持ってアドバイスや意思決定が
できるようになります。

補足として、
タレントマネジメントと
ピープルアナリティクスにも違いがあります。

▫タレントマネジメント
組織の中の従業員のスキルセットや
キャリアパスを把握し、設計すること

▫ピープルアナリティクス
組織の全体構造と傾向を
合理的に把握し、設計すること

要は、
タレントマネジメント→虫の目の分析
ピープルアナリティクス→鳥の目の分析

こういった違いがあるのです。

では次に、ピープルアナリティクスによって
成果を収めた企業はあるのか？
その成果はどのような成果だったのか？
これについて説明していこうと思います。

ピープルアナリティクスによって
大きな成果を収めた企業例として3社挙げます。

①Google

②Uber

③Apple

皆さんご存知のアメリカの企業も
ピープルアナリティクスを取り入れており、
成果を収めています。

例を挙げて、どのような成果だったのかを
説明していきます。

①Google

Googleは

「面接に関する改革」

を行いました。

結果的に、面接官工数の削減や
数億円規模のコスト削減に成功しています。

具体的には、過去Googleの面接では、

・ピアノの調律師は世界に何人いるか？

・象を冷蔵庫に入れるには？

といったフェルミ推定やとんち問題が
主流となっていました。

さらに面接回数は制限がなかったので、
10回以上行われていたこともありました。

しかしここでGoogleは疑問を持ちました。

この面接の問題や回数は
本当に意味があるか？

そこでピープルアナリティクスを活用し
調査をした結果、
あの面接と入社後のパフォーマンスの
相関関係はないということがわかり、
撤廃されました。

他にも、プログラミング試験などの
工数削減もデータ分析で決定しています。

②UBERの例

UBERは

「採用」

においてピープルアナリティクスを
導入しています。

UBERは過去に合計従業員300人を
4500人にまで増やすという
ハイパーグロース期を経験しています。

しかし、ここで問題が発生しました。

採用者のスキルやポテンシャルに
バラツキがある

新入社員の活躍、在籍期間などに
大きなバラツキが発生した原因は、
新入社員を採用した面接官側にありました。

そこでこの問題を解決するために、
ピープルアナリティクスを導入しました。

例えば、面接官側の教育や配置転換、
コーチングなどを行った結果、
この問題は改善され、UBERは
ハイパーグロース期を乗り切りました。

③Apple

Appleは

「離職を察知・予防」

にピープルアナリティクスを活用しました。

結果として、
企業の課題を解決し、
離職を防止することに成功しました。

これにはストーリーがあります。

▫あのAppleが2002年〜2003年頃まで
1株1ドル代と非常に株価が低迷していた。
↓
▫従業員の給料が払えないということで
ストックオプションを活用。
↓
▫その後の2003年終わり〜2006年にかけて、
急激に企業の株価が上昇し、それに伴い
ベテラン社員の株価も上がる。
100人規模で億万長者誕生👑
↓
▫シリコンバレーで多いのが
自社株が上がったタイミングで退社。
ベテラン社員が辞めたら会社の危機、、
↓
▫その人たちが辞めないためにサーベイを
活用し、会社の不満を分析。
その結果、お金ではなく、
意思決定が遅い、ペーパーワークが多いなどの
大企業病であることが判明
↓
▫そこを改善し、大量退職の危機を免れる。

Appleは過去にこのような経験をしています。

この時代にはまだピープルアナリティクス
という言葉はなかったですが、
会社の問題・課題をデータで可視化し、
改善を行うというフローにより
元祖ピープルアナリティクスと
呼ばれています。

これはただの人事データの活用だけでなく、
株価など財務のデータを掛け合わせたことで
離職の危険性を察知し、予防することに
成功しました。

人事データと財務などをクロスして、
アクセス・分析できるようにしたからこその
成功事例ですね！

人事をなかなか定量的に考えることが出来ず、
意思決定をなんとなく行っていた経験は
ないでしょうか？

前述の企業のように、
ピープルアナリティクスを
上手く活用することができれば、
ファクトとデータを用いて、
根拠のある意思決定をすることができます！

では最後にそのデータの活用についてです。

【3.データ活用について】

「データを分析することで
こういうことに気付いた！」

「結果を振り返るときに
データを活用する！」

といった経験をしたことはないでしょうか？

たしかにデータを活用することによって、
様々な気付きを得られ、
成功した根拠も見つかります。

しかし、実際のデータ活用は
"気付き"だけでなく、"指針"を与えます。

何を目的としてデータを取得し、
分析しているのかがわからなければ
何の意味もないですよね。

これをスライドで見ると、

「そもそもやる意味ある？」

といった指針を作り、そこから

・年間面接回数
・面接官の人数
・面接部屋の数
のデータを活用します。

このようにデータというのは、
指針を作って初めて活用できるもの
というように考えることもできます。

4.最後に

以上がピープルアナリティクス論でした！！

最初は単語すら知らなかったので
よくわからなかったですが、
講義を聞くにつれ、
ピープルアナリティクス論もそうですが、

・データとファクトの重要性

・クロスシンキングの重要性

・データ活用は指針を与える

など個人的に多くの学びがありました！

ここではデータ活用までしか
掲載してないですがまだ続きます。

続きが見たい方はHuntercityを
見てみてください🙆

いつもいいね！ありがとうございます☺

ここまで見て頂き、
ありがとうございました！！

以下、Huntercityの紹介です！

【 紹介 】

HUNTERCITYとは

世界の一流人材から実践的な
即戦力スキルを学ベる
ビジネススクールです。

コンテンツは全てオリジナルです。
GAFAを始めとする一流企業で働く
一流人材と共同で
年間１００を超える即戦力スキルを
開発しています。
HUNTERCITYの本社がある
シリコンバレーのネットワークを
フル活用することで
他社には真似できない
圧倒的なクオリティが実現しました。
これから起業する方、
ワンランク上の就職をされる方を始め、
大企業のサラリーマンから社長まで
大満足いただける内容です。

将来的に独立・起業したい。

自社の事業をドライブさせたい

ワンランク上のキャリアを目指したい。

こういった方はぜひ参加するべきです！