新卒日本企業のピープルアナリティクス 日立製作所の新卒採用改革
ここ数年、日本企業におけるピープルアナリティクスの取り組みは、大企業からベンチャー企業に至るまで加速的な勢いで増え続け、その進化のスピードはとどまるところを知らない。前回までは欧米での先進事例やトレンドを中心にお伝えしてきたが、本稿からは、日本企業における実際の取り組みについて、各企業へのインタビューを通じて伝えていきたいと思う。今回は、従業員数約33万人を有し、人事領域においてこれまでもさまざまな先駆的な施策を打ち出してきた日立製作所の取り組みを紹介する。
日立製作所では、以前から人事領域におけるデータ分析に着目しており、2016年には自社における新卒採用にピープルアナリティクスの考え方を取り入れた。今回は、実際の取り組みの概要から、得られた効果、苦労話に至るまで、本取り組みを牽引した人財企画部 タレントマネジメントグループの中村亮一氏に話を聞いた。
「とがった人材」を
データ分析で定義する
2004年人事総務への仕事を希望し、日立製作所へ入社。同年、関西支社総務部へ配属され、労務・福利・人事・教育と幅広く人事総務業務へ従事した後、2010年から東京本社へ異動、約4年半技術系の採用業務に携わる。2015年2月より、現在のIT部門の人事担当として採用・ダイバーシティ・人員管理などの業務をメインに担当するほか、同部門のデータアナリティクスマイスター
北崎 まずは貴社でのピープルアナリティクスにおける取り組みの概要を教えていただけますか。
中村 私たちが、まず取り組んだことは、人材のデータ分析を通じた新卒採用改革になります。
具体的には、社内のハイパフォーマーの特徴分析や、過去の採用プロセスの分析から得られた定量的な情報を、どういったタイプの人材をどの程度採用するのかという人材タイプ別のポートフォリオづくりに活用し、新卒採用における選考基準や選考の再設計を行いました。
北崎 近年、欧米を中心として採用におけるデータ分析は一つの大きなトレンドとなってきていますが、貴社がそうした取り組みに踏み込んでいった特徴的な背景があるのでしょうか。
中村 当社は現在、変革期を迎えていて、事業そのものが大きく変わろうとしています。合わせてさまざまなプロセスや社内環境も変化している中、採用している人材が変わっていないな、という感覚がありました。当然ながら、こうした変化に対応していくため、いかにして「とがった人材」や「優秀な人材」を取るかという議論はなされていましたが、当初、その定義は非常に漠然としたものでした。
そもそも、「SE」や「営業」といった職種によっても“優秀さ”の意味は異なります。また当社は電力・交通といった重電分野からITまで多くの事業を擁しているため、求められる人材の定義は非常に多岐にわたります。それを可視化し、採用を変えないといけないという問題意識が大きかったですね。また、採用選考において何を基準にするか明確に伝わっていなかったため、面接官や採用担当者の過去の成功体験にもとづいて、採用可否が判断されるようなケースも少なくなかったと思います。事業が変わっていく中、過去の成功体験だけに縛られずに、いかにして採用すべき人材を見極めていくべきか、そのための一つの手段として「データの力」を使ってみようという判断になりました。
「肌感覚」に合うまで
データを議論する
北崎 なるほど。事業的な変化にいかに追いつく採用をするかという課題を突き詰めた結果が、こうした取り組みにつながったのですね。具体的にはどのような分析をされたのでしょうか。
中村 まずは、社内の人材の適性診断のデータの分析を使用し、実際に「優秀」「とがってる」と言われる人材がデータ面から見て、どういった特徴があるのかを洗い出そうとしました。具体的には現在の事業と、今後の事業をイメージしながら縦・横軸から4象限に分けて人材のタイプ分けを行っているのですが、この結論に至るまでは、分析結果と自分たちの「肌感覚」と照らし合わせ、納得いくまでディスカッションを行い、仮説としたタイプ別のハイパフォーマー人材へのインタビューから得られた定性的な情報を加味するなど、試行錯誤が繰り返されました。
ここで得られた情報は非常に重要なもので、自社の事業戦略を推進していくにあたり、充足している人材、不足している人材を明らかにすることができ、採用において「事業成長のために本当に必要な人材は、どういったタイプの人材で、どの程度の規模が必要になるのか」という人材のポートフォリオから、採用すべき人材要件、選考基準に至るまで、データを基軸にして一貫性をもって定義することができました。
最終的に、ここで得られた情報と、当社に応募する学生の適性診断の情報とマッチングをかけて内定判断などの分析を行っているのですが、実際に面接官とも合否判断の場において、新機軸に基づき共通語として会話ができたと感じました。2017年卒採用においては、結果として、内定者のタイプが大きく変化し、コンピテンシー項目の平均値も上がりました。現在では本取り組みの社内での認知度も上がっており、エントリーシートのテキストマイニングも含めたさらなる分析に今後取り組んでいく予定です。
「面白い」と思わせれば
抵抗は起きない
北崎 ピープルアナリティクスに対して懐疑的である企業も少なくないと思うのですが、貴社ではどうでしたか。
中村 私が所属するICT事業部門のCHRO（人事担当責任者）が「どんどんやってほしい」と応援してくれまして、予算面を含めて多くのサポートを得られたことが後押しになりました。また、これまでの採用活動は、やはりどこかで指針が不明確な部分もあったので、むしろ明確な観点をデータで示すことは面接官達に好意的に受け入れられました。
年末にICT事業部門の社員約1万人にも同様の人材タイプ診断に協力してもらったのですが、タイミング的に忘年会の話題の種になり、相互理解の一助となったようです。もちろん「どういう会社にしたいか」や「そのためにどういうタイプを増やしたいか」という部分については異論も多いですが、データを活用すること自体への抵抗は少なくなったと感じています。
あと、個人的には、抵抗を抑えるために重要なのは、周囲に「面白いな」と思わせることだと思っています。情報をオープンにすることで、現場でも人事でも「データでこんな面白いことができるのか」と認識してもらうことがポイントだと思います。社内事例で積極的に紹介するといったようなアピールを私自身も行い続けているのですが、こうした積み重ねにより、理解者を増やしていくことも大事だと思っています。
人事部門を超えて
共創することが重要
北崎 取り組みにおいて一番苦労した点はどういったところでしょうか。
中村 どういうものを創りたいかという仮説はあったのですが、どこから手を付けるべきかわからなかったことですね。周囲にそれを伝えることも難しかったですし、社内で取り組んでいる人ももちろんいないので、他部門や社外を含め色々な方の助言をもらいながら進めていきました。
北崎 人事だけでがんばりすぎない、ということが大事になるのでしょうか。
中村 そうですね。時に人事は想いが先行してしまい、幹部に説明するためのデータを作ってしまうこともあると感じているのですが、経験値や勘で答を先に考えてしまうと見落としてしまうことも多いと思っています。実際に今回の分析では、人事部門の他に、データアナリティクス専門の部署からのサポートを得ながら進めていましたし、今後もピープルアナリティクスの強化を検討していますが、そのプロセスは人事に閉じないメンバーを集めて、色々なアイデアを取り込んでいきたいと思っています。
ピープルアナリティクスは
人事がビジネスパートナーになる
最後の機会
北崎 最後に、今後ピープルアナリティクスに取り組む企業に向けてメッセージをお願いします。
中村 個人的には、日本企業の人事は、現場からどんどんその必要性が弱まっているように感じています。こうした中で、ピープルアナリティクスは本当の意味で人事が経営者や現場のビジネスパートナー＊になるチャンスだとも感じています。当社でもグループ会社に今回の取り組みを広げる動きをしており、現場に人事の価値を高めていくための武器として、うまくピープルアナリティクスを活用していきたいですし、他社の皆様の参考になるような試金石をうまく作っていけたらと思っています。
ピープルアナリティクスは、我々人事がこれまで見ていたものとは異なる景色を見る絶好の機会だと思っています。まずはそれを楽しんでほしいと思います。
＊ビジネスパートナー：事業部門が構築した人材ポートフォリオに対し、その人材の調達戦略（採用・育成・配置）を組み立てる、事業オーダーメイドの人事戦略機能
インタビュアー：PwCコンサルティング合同会社ディレクター 北崎 茂
共同執筆：PwCコンサルティング合同会社シニアアソシエイト 古川 琢郎
（出所）株式会社日立製作所 2016年度有価証券報告書