People Analytics を始める前に整えるべき3つのこと
分析ツールやAIを入れる前に、「答えたい経営の問い」「データの定義」「意思決定への接続」を整える。People Analytics の初期段階で、使われないダッシュボードと信頼の毀損を避けるための準備を、人的資本開示の枠組みと個人情報保護の要件をもとに整理する。
- 公開
- 読了目安
- 約4分
- 執筆
- People AI Lab 編集部
この記事の要点
- 01People Analytics は「経営が答えを必要としている問い」から始める。問いがないまま入れた分析ツールは、見られないダッシュボードになる。
- 02分析より先に、在籍・部署・等級・退職などの基本項目の定義を揃える。定義が揃っていないデータにAIを使っても、もっともらしい誤りが増えるだけである。
- 03分析結果が「誰の、どの意思決定に、いつ使われるか」を事前に決め、従業員への説明と利用目的の範囲を確認してから運用に入る。
「人事データを分析して経営に提言したい」という動機で People Analytics を始めた組織の多くが、最初につまずくのは分析手法ではありません。分析ツールを導入し、ダッシュボードを作ったものの、経営会議で見られない。あるいは、退職予測の結果をどう扱うかで現場と揉める。原因は、分析の前に整えるべきことが整っていない点にあります。本記事では、People Analytics の初期段階で整えるべき3つのことを、編集部の見解として整理します。
本記事は法的助言ではありません。個人情報の取り扱いについては専門家にご確認ください。
1. 「答えたい経営の問い」から始める
People Analytics の出発点は、データでもツールでもなく、経営が答えを必要としている問いです。問いの例を挙げます。
- 事業計画に対して、来期の人員はどの職種で足りなくなるか
- 早期離職が多い部署に共通する条件は何か
- 管理職の登用基準は、実際の成果と整合しているか
- 採用チャネルごとの入社後の定着と活躍に差はあるか
問いが決まると、必要なデータ、分析の粒度、結果を使う人が決まります。逆に、問いがないまま「まず全部のデータを可視化しよう」と始めると、誰も見ないダッシュボードが増え、更新されなくなります。
問いを見つけるには、経営会議や事業部長との対話で「今、人に関して判断に迷っていること」を聞くのが早道です。人事が想像する問いと、経営が実際に困っている問いは、しばしばずれています。
2. データの定義を揃える
分析を始めると、最初の数週間はほぼ「定義合わせ」に費やされます。よくある定義のずれを挙げます。
| 項目 | ずれの例 | 決めておくこと |
|---|---|---|
| 在籍 | 休職者、出向者、契約社員を含むか | 分析目的ごとの母集団の定義 |
| 部署 | 兼務者の所属、組織改編前後の対応 | 基準日と、改編時の読み替え表 |
| 等級・役職 | 制度改定前後の対応、職種別の等級体系 | 対応表と、比較可能な期間 |
| 退職 | 定年、契約満了、グループ内転籍を含むか | 「自己都合退職」の定義 |
| 評価 | 評価者の違い、相対化の有無 | 比較に使える範囲の明示 |
定義が揃っていないデータに生成AIや機械学習を使うと、もっともらしい説明が付いた誤った結果が出てきます。AIは定義のずれを教えてくれません。ここは人が決める仕事です。
実務的には、次の順序を推奨します。
- 問いに必要なデータ項目だけを対象にする（全項目を整備しない）
- 項目ごとに定義・基準日・出所（どのシステムのどの項目か）を一覧にする
- 定義の責任者を決め、変更時の更新手順を決める
3. 意思決定への接続を設計する
分析結果は、誰かの意思決定に使われて初めて価値を持ちます。そして、人に関する意思決定にデータを使うことは、従業員との信頼関係に直結します。運用に入る前に、次を決めておきます。
誰の、どの意思決定に使うか
例えば「退職リスクの分析」の結果は、経営が人員計画に使うのか、マネージャーが個別面談に使うのか、人事が制度改定に使うのかで、必要な粒度も、扱いの慎重さも変わります。個人を特定できる粒度で現場マネージャーに渡す場合は、個人への影響が大きく、後述の利用目的と説明の要件が厳しくなります。
利用目的の範囲内か
個人情報保護法は、個人情報の利用目的をできる限り特定し、その範囲内で取り扱うことを求めています。エンゲージメントサーベイのために取得した回答を、個人の評価や退職予測に使うことは、取得時に示した利用目的を超える可能性があります。分析を始める前に、使うデータの取得時の利用目的を確認し、超える場合は目的の変更手続きや本人への通知を検討する必要があります。また、個人情報保護委員会は生成AIサービスへの個人情報の入力について注意を喚起しており、外部のAIサービスで人事データを分析する場合は、契約条件と入力範囲の確認が必要です。
従業員にどう説明するか
法的義務の有無にかかわらず、「どのデータを、何のために分析し、結果をどう使うか」を従業員に説明することが、制度の受容を左右します。説明していない分析が後から知られると、サーベイの回答率や率直さが下がり、People Analytics 全体の基盤が揺らぎます。説明と異議申し立ての仕組みの設計は、人事データをAIで扱う際のガバナンス設計の「第4層：説明」を参照してください。
集計の下限を決める
少人数の部署では、属性の組み合わせで個人が特定できます。「5名未満の集計は表示しない」など、集計の下限を最初に決めておくと、匿名化の過信による事故を防げます。
最初の一歩：小さく、問いから
3つの準備を整えたうえで、最初の分析は次の条件を満たすものを選ぶことを推奨します。
- 経営が答えを待っている問いである
- 必要なデータ項目が少なく、定義を揃えやすい
- 結果の使い方が明確で、個人への直接的な影響が小さい（例：人員計画、採用チャネルの比較）
分析ツールや AI 機能を持つ HR ツールの選定は、この最初の分析が回ってからで遅くありません。ツール選定の観点はHR×AIツールを選ぶ際の評価基準を参照してください。
おわりに
People Analytics の成否は、統計手法やツールの性能より、「問い」「定義」「意思決定への接続」という地味な準備で決まります。この3つが整っていれば、AIは強力な補助になります。整っていなければ、AIはもっともらしい誤りを速く生むだけです。まずは経営が困っている問いを一つ見つけるところから始めてください。
出典・参考資料
- [1]ISO 30414:2025 Human resource management — Requirements and recommendations for human capital reporting and disclosure（2018年版の改訂版）（ISO） 参照 2026-09-09
- [2]個人情報の保護に関する法律（e-Gov法令検索） 参照 2026-09-09
- [3]生成AIサービスの利用に関する注意喚起等（個人情報保護委員会） 参照 2026-09-09
この記事について
本記事は、下書き・構成整理・文章校正の一部に生成AIを利用し、編集部が出典を確認したうえで内容を検証・編集しています。 最終確認：People AI Lab 編集部。詳しくはAI利用方針と編集方針をご覧ください。誤りにお気づきの場合は情報訂正ポリシーに沿ってご連絡ください。