人事をデータで見る。問題は、何と接続するのかということ。
人事もデータで見るべきだ。
これは、もうほとんど反論しにくい言葉になっている。
離職率。
残業時間。
有休取得率。
エンゲージメントスコア。
採用単価。
内定承諾率。
評価分布。
昇格率。
研修受講率。
管理職比率。
女性管理職比率。
たしかに、見た方がいい。
勘だけで人事をやるより、データを見た方がいい。
印象だけで語るより、数字を確認した方がいい。
一部の声だけで判断するより、全体の傾向を見た方がいい。
ただし、ここで一つ大きな問題がある。
人事データは、数字を見ただけでは意味を持たない。
問題は、データを見ることではない。
そのデータを、何と接続して読むのかである。
データは、単独では黙っている。
離職率が高い。
この数字だけでは、まだ何も分からない。
採用ミスマッチなのか。
上司との関係なのか。
評価への不満なのか。
報酬水準なのか。
職務内容の不一致なのか。
成長実感の欠如なのか。
組織の将来性への不安なのか。
そもそも業界構造として流動性が高いのか。
同じ離職率でも、意味はまったく違う。
残業時間が多い。
これも同じである。
業務量が多いのか。
人員が足りないのか。
会議が多いのか。
上司の意思決定が遅いのか。
本人の仕事の進め方に課題があるのか。
顧客対応の構造が重いのか。
成果を出す人に仕事が集中しているのか。
数字は、現象の入口にすぎない。
数字そのものが答えを持っているわけではない。
だから、データを見る人事に必要なのは、集計力だけではない。
接続力である。
人事データは、制度と接続して読む。
まず、人事データは制度と接続して読む必要がある。
たとえば、評価分布を見る。
高評価者が少ない。
低評価者が少ない。
ほとんどが真ん中に集まっている。
この時、単に「評価が甘い」「評価が厳しい」と言っても意味がない。
見るべきは、評価制度が何を見えるようにして、何を見えなくしているかである。
成果を見ているのか。
行動を見ているのか。
役割期待を見ているのか。
成長度を見ているのか。
協働貢献を見ているのか。
上司の印象を見ているのか。
評価分布は、社員の実力だけを映しているわけではない。
制度の見方を映している。
昇格率も同じである。
誰が昇格しているのか。
どの部署から昇格者が出ているのか。
どの属性が昇格しにくいのか。
どの職種が詰まっているのか。
これは単なる人員データではない。
組織が、誰に未来を渡しているのかを示すデータである。
データは、制度と接続して初めて、人事の認知地形を映し始める。
人事データは、マネジメントと接続して読む。
次に、人事データはマネジメントと接続して読む必要がある。
エンゲージメントスコアが低い。
この時、会社全体の施策だけを考えると、少し粗い。
見るべきは、どの職場で、どの上司のもとで、どの項目が下がっているのかである。
仕事の意義が低いのか。
成長実感が低いのか。
承認実感が低いのか。
心理的安全性が低いのか。
業務負荷が高いのか。
上司への信頼が低いのか。
同じスコア低下でも、打ち手は変わる。
成長実感が低いなら、仕事の任せ方やフィードバックを見る。
承認実感が低いなら、上司の観察と言語化を見る。
心理的安全性が低いなら、発言後の扱われ方を見る。
業務負荷が高いなら、業務設計と意思決定の詰まりを見る。
つまり、データは管理職の振る舞いと接続する必要がある。
人事データを見ているつもりで、実は管理職の言葉、判断、配分、関わり方を見ている。
ここを外すと、データは施策の言い訳になる。
エンゲージメントが低いから、イベントをやる。
心理的安全性が低いから、研修をやる。
離職率が高いから、面談を増やす。
それで改善することもある。
しかし、本丸がマネジメントの癖にあるなら、施策を増やすほど現場は疲れる。
データは、施策へ飛ばす前に、マネジメントへ接続する必要がある。
人事データは、事業と接続して読む。
人事データは、人事部門の中だけで読んではいけない。
事業と接続して読む必要がある。
たとえば、営業部門の離職が増えている。
人事だけで見ると、採用ミスマッチ、上司、報酬、労働時間の話に見える。
もちろん、それもある。
しかし、事業側で何が起きているのかを見なければならない。
売りにくい商材になっていないか。
顧客の購買行動が変わっていないか。
営業プロセスが複雑化していないか。
成果が出るまでの時間が長くなっていないか。
既存の評価指標が、今の売り方に合っているか。
トッププレイヤーの成功体験を、全員に求めていないか。
人が辞めているように見えて、実は事業モデルが人に合わなくなっていることがある。
人材の問題に見えて、実は事業の変化に人事制度が追いついていないことがある。
これはかなり大事である。
人事データを、人事の中だけで読むと、人の問題に見えすぎる。
でも、事業と接続して読むと、構造の問題が見えてくる。
人が弱いのか。
仕組みが古いのか。
戦略が変わったのに、評価と育成が変わっていないのか。
この切り分けが、人事データ活用の核心だと思う。
人事データは、時間と接続して読む。
データは、ある時点だけで見ると誤る。
時間と接続して読む必要がある。
たとえば、エンゲージメントが下がった。
その瞬間だけを見ると、何か悪いことが起きたように見える。
しかし、実際には違う場合がある。
組織変革の途中かもしれない。
厳しいフィードバックが始まった直後かもしれない。
評価基準を明確にした結果、曖昧な安心が減ったのかもしれない。
優しい放任から、責任ある対話へ移行している途中かもしれない。
一時的にスコアが下がることが、必ずしも悪いとは限らない。
逆もある。
スコアが高いからといって、健全とは限らない。
厳しい対話が避けられているだけかもしれない。
衝突が表に出ていないだけかもしれない。
上司が優しいふりをして、決めることから逃げているだけかもしれない。
データは、時間の流れの中で読む。
何が起きる前か。
何が起きた後か。
何の移行期か。
何を手放す途中か。
何を獲得する途中か。
人事データは、状態だけでなく、変化過程を見るために使う。
ここを外すと、人事は短期の数字に振り回される。
数字で見ることで、存在しない問題を増やしていないか。
もう一つ、注意したいことがある。
数字で見ることは、問題を発見する力を持っている。
しかし同時に、存在しない問題を増やす力も持っている。
たとえば、部署別にエンゲージメントスコアを見る。
ある部署だけ少し低い。
すると、その部署に問題があるように見えてくる。
上司に問題があるのではないか。
チームに不満があるのではないか。
人間関係が悪いのではないか。
早急に改善施策が必要なのではないか。
もちろん、本当に問題がある場合もある。
しかし、必ずしもそうとは限らない。
たまたま難しいプロジェクトの直後かもしれない。
厳しい顧客対応が続いた時期かもしれない。
評価基準を明確にしたことで、一時的に甘い安心が減ったのかもしれない。
むしろ、健全な緊張が表に出てきただけかもしれない。
数字は、差を見せる。
差が見えると、人はそこに原因を探したくなる。
そして、原因を探し始めると、問題がある前提で現場を見るようになる。
これが危ない。
データは、問題を発見するだけではない。
問題らしきものを作り出すこともある。
特に人事データでは、この危険が大きい。
人の感情、関係性、成長、信頼、納得、疲労、葛藤は、もともと揺れる。
揺れるものを数字にすると、揺れが問題に見える。
低いところが悪く見える。
高いところが良く見える。
平均との差が意味を持っているように見える。
前回との差が、すぐに改善や悪化に見える。
しかし、すべての差が問題ではない。
すべての低下が悪化ではない。
すべてのばらつきが異常ではない。
人事が問うべきなのは、数字に差があるかどうかだけではない。
その差は、介入すべき問題なのか。
観察すべき変化なのか。
自然な揺らぎなのか。
成長過程の痛みなのか。
制度変更によって一時的に表に出た反応なのか。
ここを見極めなければならない。
数字を見るほど、問題を増やしてしまう人事がある。
本当はまだ問題ではないものに名前をつける。
現場に説明を求める。
管理職に改善を迫る。
施策を増やす。
会議を増やす。
サーベイを増やす。
そして、現場はこう感じる。
また人事が、数字を見て仕事を増やしてきた。
これはかなりまずい。
データ活用が、現場の信頼を失う瞬間である。
人事データを見る時は、問題を見つける目だけでは足りない。
問題にしない勇気もいる。
まだ判断しない。
もう少し観察する。
現場の文脈を聞く。
時間の流れで見る。
数字ではなく、意味の変化を確認する。
データは、問題の証拠ではない。
問いの入口である。
入口を見つけた瞬間に、問題だと決めつけてはいけない。
人事データは、人の認知地形と接続して読む。
最終的に、人事データは人の認知地形と接続して読む必要がある。
認知地形とは、人が何を見て、何を見落とし、何を危険だと感じ、何を自然な選択肢だと思うかを決めている内面と環境の構造である。
たとえば、キャリア自律の施策を入れた。
しかし、社員が動かない。
この時、「主体性がない」と見るのは簡単である。
でも、本当に見るべきなのは、その人にとってキャリアがどう見えているかである。
選ぶものに見えているのか。
会社に決められるものに見えているのか。
失敗すると戻れないものに見えているのか。
上司に相談すると不利になるものに見えているのか。
そもそも、自分には選択肢がないものに見えているのか。
データは、行動の結果を示す。
しかし、人がなぜその行動を選んだのかは、認知地形を見なければ分からない。
離職率も、エンゲージメントも、評価も、育成も、採用も同じである。
人が何を見ていたのか。
何を選べると思っていたのか。
何を危険だと感じていたのか。
何を諦めていたのか。
ここへ接続して初めて、人事データは人間のデータになる。
データ活用とは、数字を増やすことではない。
人事データ活用というと、つい数字を増やしたくなる。
項目を増やす。
ダッシュボードを作る。
可視化する。
部署別に見る。
属性別に見る。
時系列で見る。
もちろん、それは必要である。
しかし、数字を増やしても、問いが貧しければ見えるものは増えない。
むしろ、数字が増えるほど、分かった気になりやすい。
人事に必要なのは、データを集めることだけではない。
データを何と接続するかを決める力である。
制度と接続する。
マネジメントと接続する。
事業と接続する。
時間と接続する。
認知地形と接続する。
自然な揺らぎと接続する。
この接続によって、同じ数字の意味が変わる。
離職率は、人が辞めた数ではなく、組織が何を失っているかを示す。
残業時間は、働きすぎの指標だけでなく、意思決定や業務設計の詰まりを示す。
評価分布は、社員の優劣だけでなく、組織が何を価値として見ているかを示す。
エンゲージメントは、満足度ではなく、働ける条件の状態を示す。
データは、接続されて初めて問いになる。
問いになって初めて、打ち手になる。
人事は、データを見る人ではなく、接続する人である。
これからの人事に必要なのは、データを扱えることだと思う。
ただし、それは分析ツールを使えるという意味だけではない。
数字を、制度へつなぐ。
数字を、現場へつなぐ。
数字を、事業へつなぐ。
数字を、時間へつなぐ。
数字を、人の見え方へつなぐ。
その接続によって、数字は人事の判断材料になる。
逆に言えば、接続されないデータは、ただの数字である。
見える。
並ぶ。
比較できる。
グラフになる。
でも、現場は変わらない。
人事をデータで見ることは、大事である。
しかし、もっと大事なのは、そのデータが何とつながっているかを問うことだ。
データは答えではない。
データは、問いの入口である。
人事の仕事は、その入口から、人と組織の構造へ降りていくことなのだと思う。
根拠・確認メモ
本稿は、人事データ活用、人的資本経営、組織開発、人事制度、認知地形を接続する概念記事である。
中心命題は、次の通り。
人事データは、単独では意味を持たない。
制度、マネジメント、事業、時間、認知地形、自然な揺らぎと接続して読むことで、初めて実務上の問いになる。
関連する観点:
人的資本経営: 人材に関する情報を、経営戦略や価値創造と接続して見る考え方。
ピープルアナリティクス: 人事データを用いて、人材・組織に関する意思決定を支援する実務領域。
認知地形: 人が何を見て、何を自然な選択肢だと思うかを決める内面と環境の構造。
組織開発: データを診断で終わらせず、対話と変化のプロセスへ接続する視点が必要である。
測定の副作用: 数字で見ることによって、本来は観察すべき揺らぎまで問題化してしまう危険がある。
関連記事
#AI
#人事
#HR
#人事の仕事
#これからのHR
#人的資本
#人的資本経営
#人事データ
#ピープルアナリティクス
#データ活用
#組織開発
#人事制度
#評価制度
#エンゲージメント
#離職
#マネジメント
#経営
#事業
#認知地形
#認知実務理論
#HRテック
#人材開発
#キャリア自律
