人事コンサルタントの視点

　前編では、人材要件定義の際によく用いられるデータ分析手法について解説しました。今回はデータ分析を用いて要件定義を行う際、よくある課題について解説します。

データ分析のよくある課題

高業績者をどのように定義すればよいかわからない
　前編でもお伝えしたとおり、職務によって「高業績者」の定義は異なります。営業職のように成果が数値化しやすい業務では、業績評価の他、売上数字、新規顧客獲得数、顧客維持率などの情報から、当該職種のパフォーマンスを端的に表す指標を採用すべきです。数字で成果が見えづらい職種は、業績評価を用いるのが一般的です。評価そのものに内在する根本的な課題となりますが、人（上司）による主観的な判断が評価に大きな影響を与えている場合、アセスメントデータとの関連性が見えづらくなる可能性があります。どの評価を用いる場合であっても、単年での成果ではなく、複数年の成果を踏まえて高業績者を定義したほうがよいでしょう。

対象人数が少ない
　母集団全員に対して分析が行えない場合、十分なサンプル数を取得することで結果の誤差の幅を縮めることができます。人材要件定義を目的としたデータ分析では、一般的に1グループ100名以上のデータがあると理想的です。難しい場合、最低30名以上の人数を目安にするとよいでしょう。取得できるサンプル数にあわせて、より適切な手法を選択してください。また結果の解釈の際はサンプル数を考慮してください。

相関係数が低い
　物理など自然科学分野では、2つの変数間で絶対値が1に近い相関係数を得ることも稀ではありません。しかし、テスト分析などの社会科学分野で扱う変数にはより多くの誤差が含まれます。心理学で相関係数の値を判断する際、おおよその目安は次のとおりです。 相関係数の絶対値が 0 ～0.2　　ほとんど相関がない 0.2～0.4　　やや相関がある 0.4～0.7　　かなり相関がある 0.7～1.0　　強い相関がある

採用時のアセスメントデータを用いるべきか？改めて社員に受検してもらうべきか？
　採用基準作成のために人材要件定義を行うことが多くあります。すでに採用選考でアセスメントを実施している場合、社員の入社時のアセスメントデータを使うことも多いです。一方で、入社時点（さらに言えば就職活動時点）のアセスメントデータはすでに何年も前のデータであり、それを使用することに抵抗を感じるというご相談を受けることもあります。 　ある企業では、現職者が新たに受検したデータとその対象者の入社時のデータをそれぞれ分析しました。その結果、採用時に「ヴァイタリティ」が高く、現在「統率力」が高い集団が高業績者集団であることが分かりました。採用時には「ヴァイタリティ」が高いという自己認識を持ち、現時点で統率力に自信を持つ集団だったわけです。 　採用時のデータ分析＝入社時点で持っていてほしい能力、現在のデータ分析＝現時点で職務に影響を与える能力（言い換えれば発揮できていない人の能力開発ポイント）を明らかにできると考えられます。採用時のデータを用いることで、入社後活躍する「成長の種」を見つけることができ、現在のデータを用いることで「パフォーマンスに必要な能力」が分かるといえます。

おわりに

　当社ではユーザー向けに無料の分析ツールを公開しており、お手元のアセスメントデータを身近に分析できる環境を提供しています。データ分析は数値で統計的な結果が出るため、一見分かりやすく感じますが、必ず結果の解釈が必要です。分析手法や手順だけでなく、結果の解釈についても多くの経験と知見を持つ当社コンサルタントにぜひご相談ください。