社員の定着度予測システムとは何か？ ――先進企業の人材データ活用事例を紹介

採用に関する企業の問題認識

多くの企業の人事担当者にとって、「どうしたら優秀な人材を採用できるのか」という課題は、長年にわたり頭を悩ませてきているテーマであろう。

われわれのクライアントの中でも、採用の準備時期になると、「どうすれば質のよい母集団が形成できるのか」「本当に母集団を広げることに意味があるのか」「内定を出した優秀人材を確実に引き留められる効率的な手段はないのか」など、採用にまつわるさまざまな悩みを聞くことが多くなる。

こうした課題に対して、データアナリティクスの考え方を活用することにより、有効な打ち手を見いだしている企業があることをご存じだろうか。本稿では、まず先進的な企業がどういった取り組みを行っているかを紹介していきたい。

月間10万件の履歴書から
優秀人材を選ぶグーグルのシステム

採用活動におけるデータ分析の活用は、近年特に外資系企業を中心として進みつつある。その代表格となるのはグーグルであろう。

本連載第1回の内容でも触れたように、グーグルでは人材マネジメント上のさまざまな領域にデータ分析の概念を組み入れ、その意思決定に活用してきており、これは採用の領域においても例外ではない。

グーグルの採用といえば「グーグルらしさ」という独特な採用基準を組み入れていることが有名であるが、それ以上に特筆すべきは、月間で10万件という履歴書が送付される時期もあるそのボリュームであり、さらには、その膨大な候補者の中から優秀な人材を見極める選考プロセスである。

グーグルでは、経歴や大学での成績に基づく分析はもとより、採用応募者に対するオンラインでのサーベイを通じて、「コンピュータに関心を持ち始めた年齢」「非営利団体の参加・創設経験」から、「志向性」「判断基準」を見極めるような過去の経験に至るまでの質問を行っており、これらの情報は0～100の範囲でスコア化して採用の判断基準の1つとして活用している。

こうした質問は、過去のハイパフォーマーなどのさまざまなデータ分析の結果に基づいて構成され、数多（あまた）ある候補者の中からグーグルという競争環境に適応できる人材を選び抜く基準の1つとして大きな役割を果たしているのである。

また、石油精製企業であるバレロ・エナジーでは、現場の多様な人材採用ニーズに堪え得る「人材のサプライチェーン」を、データ分析を活用することで構築している。

同社ではまず、各組織の事業計画や実績データの分析を通じて、必要となる人員数やスペック、適切な採用ソース（エージェントなどの採用媒体を指す）を判断するというオペレーションを運営し、採用活動の最適化を実現している。こうした活動は、かつては1人を採用するのにかかっていたコストを、1万2000ドルから2300ドルにまで押し下げるという成果をもたらしている。

人事におけるデータ分析を通じて採用にまつわるコスト削減を図った企業としては、食品サービス事業を手掛けるシスコの例も挙げられる。シスコでは販売員の顧客とのリレーションの深さと従業員満足度が高い関係性にあることを見極め、その推進施策を講じることにより、採用後の定着率を65％から85％に向上させた。結果として新規採用や新人教育にかかるコストをおよそ5000万ドル節減することに成功している。

採用時のデータ活用には
2つのトレンドがある

これら特に有名な事例をあらためて紹介してきたが、こういった事例を俯瞰してみると、採用領域におけるデータ分析には、大きく2つのトレンドがあることが分かってくる。

1つ目は、データ分析により自社で活躍できる優秀人材の特定精度を向上させ、確実に見極めるためのオペレーションを実現しようとしていることである。そして、2つ目は、数多（あまた）の候補者の中から限られた時間・労力で採用活動を行うための「効率化」を実現しようという点である。

昨今、グローバル規模で状況が次々と変化していく中で、必要な質を備えた人材を必要な量、しかもタイムリーに補充していくためには、これまで以上に効率的・効果的な採用手法が求められる。データ分析の活用は、こうした目的を達成するために大きな可能性を秘めているといえる。

「パフォーマンス×定着度予測」
で重点採用対象を特定

では、具体的にはどういった分析手法が存在するのだろうか。複数の外資系企業で実践されている代表的な採用分析アプローチである「採用候補者のパフォーマンス×定着度予測マトリックス分析」をここでは紹介したいと思う。

その目的は至ってシンプルであり、数多くの採用候補者の中から、自社にとって長期にわたり高い貢献を示してくれる可能性の高い人材、つまりは企業にとって必ず欲しい重点採用人材群を見極めることを可能にするものである。

【図表1】に示す分布図は、「採用候補者のパフォーマンス×定着度予測マトリックス分析」の分析結果のイメージを示している。

その分析内容は、採用候補者が将来のハイパフォーマーとなる可能性と、長期にわたり企業にきちんと定着してくれる可能性（定着可能性）の2軸により構成され、候補者を4つの象限に分類することを可能としている。

これらの「可能性」というデータは、自社における過去の採用者の中で、一定期間、自社に定着しハイパフォーマーとなった者（通常は採用3年後のパフォーマンス平均等を見る）の採用時点での特徴を統計化することによって算出されており、各社なりの企業文化・経営環境などを反映させた独自のモデルを作り上げている。

こうして分類された採用候補者は、それぞれの象限に分類される人材に応じて、採用の判断基準や内定後のフォローのアプローチが変わってくる。ハイパフォーマーとなる確率が高く、定着率も高い予測が立てられる採用候補者（第一象限の人材）については、当然ながら重点的な採用対象者として取り扱われる。

また、ハイパフォーマーとなる確率が高いが、定着可能性が低い人材（第二象限の人材）に対しては、積極的な採用を行いながらも、入社後にこまめなキャリア面談によるフォローが必要になるなどの施策が講じられる。

このように、採用におけるデータ分析は、画一的なフォローや施策の実施ではなく、個々人の志向性などに応じたテーラーメイド型の人材マネジメントを可能にするのである。また、こうした分析は、それぞれのタイプの内定者をどの程度の割合で取るかという判断にも用いられる。

採用した人材が全員同じようなタイプであれば、企業としてはこれほど怖いものはない。様々な事業変化に対応していくためには、様々なタイプの人材を一定の比率ずつ保有しておくこと、つまりはダイバーシティの観点が求められてきており、こうした分析は、その適正比率を判断する上でも活用することができるのである。

採用データの活用における
日系企業の課題

では、こうした分析を実現することは容易にできるのだろうか。実際の分析にあたって最も課題となるのは、採用の場合で言えばデータ収集の部分にあるだろう。

例えば、採用候補者レベルでは履歴書をデータ化しておらず紙の情報のみであるといったことや、候補者に関するデータの数や種類が年度や採用プロセスによってバラバラであるといったケースが日系企業には多い。

さらには履歴書や職務経歴書に書かれるような一般的な項目はあるものの、グーグルの例の「コンピュータに関心を持ち始めた年齢」のように、候補者の志向性などを探れるようなデータを保有している企業はほとんどないだろう。

しかしながら、採用という競争環境の激しい世界において差別化を図っていくためには、こうした情報の採取やデータ化に対して愚直に取り組むことが必要になってくるということ、さらには、その着手が企業の人材マネジメント上における新たな競争優位性につながる可能性を秘めているということを、あらためて強調しておきたい。