データサイエンスとはさまざまな場面で蓄積される多様なデータを整理・分析し、ビジネスなどの実社会で活用することです。私の研究はその中のピープルアナリティクスという分野です。

ピープルアナリティクスでは、従業員の属性や業務上の成果、勤務時間の動態や研修受講の有無とタイミングなど、主に従業員に関わるデータを用います。これらを分析して、人事や組織の課題を可視化して、解決へと導く研究です。

経験や勘に頼っていた人員配置をデータ分析で実施する

人事部門では、うつ病など心の病気による休職者や退職者の増加が長年の課題になっています。この課題の解決策の一つとして、従業員の適材適所の人員配置があります。これは、従業員のスキルや性格、人間関係などを考慮した上で、その人に合う部署や職種に配置しようというものです。これまでは、人員配置を決める人の経験や勘に頼る部分が大きく、それが欠点でした。

データ分析で適材適所の案が示されるようになれば、経験や勘のみに頼らない人員配置ができるようになります。上司と部下が人事異動について面談をする場合も、可視化されたデータを基に「なぜ、この部署に異動して欲しいのか」という説明ができるので、異動を命じられる側も納得感を持って冷静に話が聞けるでしょう。

このようにピープルアナリティクスの活用が期待される一方で、日本での導入からまだ日が浅いこともあり、人事関連データをどのようにどこまで扱ってよいか、どのような分析を実施すると効果的かなどの知見が蓄積されていません。私の研究はまさにここを探ることにあります。

研究方法は、利用可能な項目を精査しピープルアナリティクスに使えそうなデータの抽出と、ビジネス課題解決のための仮説を立てるところからスタートします。プライバシーの問題から使用できないデータも多く、使用可能なものをどう組み合わせれば、役立つかを考える視点が重要です。

データサイエンスの普及のため、専門家の育成に注力

私はこれまで企業に所属しながらデータサイエンスに取り組んできました。キャリアカウンセラーとしての知見を基に人材育成に取り組んできた経緯もあり、従業員が健康で生き生きと働ける環境が、当事者はもちろん、企業や組織にとっても一番望ましい形であると実感しています。１人でも多くの人が幸せになれる職場環境を目指し、研究に取り組んでいきたいと考えています。

私は、過去に大学の休学者の要因分析を実施したことがあります。ここでは学生が何限に授業を履修しているか、図書館はどの程度利用しているかなどさまざまなデータを使った中で、健診データから肥満度をあらわすBMI（ボディ・マス・インデックス）の年度変化という項目を作成。その結果、急激に太ったり痩せたりと、BMIが多く変化した後は休学する確率が数倍上がり、その他の項目より重要な指標であるという結果が得られました。これもデータサイエンスの一つです。

現在、私はピープルアナリティクスを含むデータサイエンスの普及のために欠かせない、専門家の育成にも注力しています。2023年４月からスタートした大学院の応用データサイエンス学位プログラムには、現役の学生に加え、多くの社会人が在籍しています。彼らとともに新しい歴史を作っていきたい、と意気込んでいるところです。

この一冊

『幸福優位　７つの法則』
（ショーン・エイカー／著、高橋　由紀子／訳　徳間書店)

成功した人が幸せになるのではなく、幸せだと思える人が成功している……。アメリカで話題になったポジティブ心理学の理論が分かりやすく紹介されています。職場のメンタルへルスにも役立つ内容が含まれ、現在の私の研究にもつながっている、思い出深い本です。

※この記事の内容は、2023年5月時点のものです