データ分析_実践の第一歩

　データ分析をするに当たって、まずはシンプルな課題に対して、シンプルな分析を行うことをお勧めします。それにより分析の肌感覚を掴み、小さな成功体験を積むことで、組織内でのデータ活用に対する信頼を得るきっかけにすることができます。

では、「アクションが行いやすく、取り扱いやすいデータをもとにしてできる分析」とはどのようなものでしょうか。

■分けて、見る

　初期のステップとして、「データの可視化」は重要であり、それだけで得られる発見は多いです。
例えば、従業員満足度調査で、入社経路、入社時期、職種などのセグメントに分け、各セグメントの満足度を確認することで、特に満足度の低い層を発見することができ、施策の対象や、その内容を細かに吟味することができます。

■組み合わせて、見る

　複数の変数を組み合わせて見ることで、様々な分析ができます。
例えば、労働時間と従業員満足度の関係を分析したり、管理職のもとに所属するメンバー数と満足度の関係を分析することで適正な管理スパンの参考情報を得たりすることができます。

ポイントとしては、変数同士の関係を散布図で確認することで、線形関係の強さを示す相関係数を確認するだけでは見落としてしまう発見ができる場合があります。

■時系列でみる

　パルスサーベイのように時系列で見ることも、有効な手法です。
　サーベイに対して、肯定的に回答しやすい人、しにくい人がいるので、一時点では把握が難しい場合でも、時系列で見ることで、「回答の肯定度が低下していれば、ベースラインの心的状態に関わらず、コンディションが悪化している」と考えられ、該当する回答者へのフォローのアクションを行うことにつなげられます。

■活躍者分析

　比較的よく行われる分析として、『活躍者分析』があります。例えば、「採用時の見極め基準の設計」や「昇格基準の設計」、あるいは「コンピテンシーの抽出」など、その応用場面は多岐にわたります。

このような活躍者分析は

・目的変数として『活躍状況を表す』変数
・説明変数として『活躍の要因となる』変数

を用いることによって実現できます。

例えば、人事評価などのオペレーションデータ（目的変数）と、適性検査などのアセスメントデータ（説明変数）を用いることができれば、一歩目の分析ができます。

　目的変数が「活躍/非活躍」のような質的変数であれば、t検定を用いることによって、両群で差がある適性や行動特徴を確認できます。
あるいは、目的変数が「目標達成率」のような量的変数であれば、それと適性や行動特徴の相関係数を算出することで、両者の関係を確認することができます。