「科学的」人事の衝撃―HRテックで実現するマーケティング思考の人事戦略

三室 克哉・鈴村 賢治・中居 隆による Kindle 書籍。人事部門がデータとテクノロジー(HRテック)を活用し、マーケティングと同じ発想で社員を理解・分析・支援する「科学的人事」の実践フレームワークを提示する。採用・育成・配置・離職防止の全領域をデータで統合管理する構想を、具体的な5ステップ実装ロードマップとともに解説する。

書籍の核心命題

  • 人事のゴール:企業が成果を最大化すること
  • 「人の理解」 = マーケティング:顧客分析と同じアプローチで社員を理解することが科学的人事の出発点
  • 公式:定量データ × 定性データ = 結果 × 理由

顧客の購買行動をデータで分析するように、社員の行動・感情・スキルをデータで把握し施策に活かす。これが「マーケティング思考の人事戦略」の本質。

3大分析領域

1. マインド分析

適性検査の全社員実施が起点。代表的ツール:

ツール開発元
SPI(Synthetic Personality Inventory)リクルート
3Eテストエン・ジャパン
CUBICエージーピー

適性検査結果を多変量解析・データマイニング・AIで解析することで:

2. スキル分析

従来型人事が「感覚的」にスキルを扱うのに対し、科学的人事では成績とスキルの相関を定量的に算出して「本当に成果に結びつくスキル」を特定する。苦手スキルの補完より強みスキルの伸長を優先する合理的アプローチ。

スキルと育成施策(OJT・eラーニング)の連動が欠かせないポイント。eラーニングは受講前後のスコア変化が可視化されやすく、科学的人事との相性が良い。

3. モチベーション分析

日々のモチベーションを頻度高く収集することが重要:

  • シンプルな設問(楽しいか、難しいか、達成感はあるか)
  • 理想は毎日、最低でも週1・月1から開始
  • 時系列データとして蓄積・追跡することが核心

収集方法は「即時性」が重要。問題・不満を感じた瞬間に回答できる仕組みが本音を引き出す。

定性情報の分析にはテキストマイニングを活用

  • 自然言語処理(形態素解析・構文解析・辞書)による非構造化データの解析
  • ポジティブ/ネガティブワードの判別
  • 離職ワードの抽出→予兆スコアリング

離職防止(守りの人事)

退職者の過去アンケートから「離職ワード」を抽出し、現社員の回答とマッチングすることで離職予兆を検知する。テキストマイニングの核心的ユースケース。

金融機関の「解約予兆モデル」と同じ発想。退職してしまった社員の足跡を「次につながるヒント」として活用する。

戦略的人材配置(攻めの人事)

社員情報・スキル・適性・評価・本人の意思を同一プラットフォームに統合し、配置シミュレーションを実施。パラメータ例:

  • 平均年齢
  • スキルスコア
  • 個人売上
  • 人件費

ハイパフォーマーの採用時志望動機と在職中の発言パターンを分析し、採用基準に反映する逆算的アプローチも有効。

科学的人事の5ステップ実装ロードマップ

ステップ内容
ステップ1情報を統合して見える化
ステップ2情報の活用(ステップ1と往復)
ステップ3利用者の拡大(マネジャーへの情報提供)
ステップ4動的データの収集(モチベーション把握)
ステップ5リアルタイムフィードバックによる高成果実現

ステップ1 と ステップ2 は往復が前提。一度で情報収集が完結することはまれ。「統合→活用→統合」のサイクルで網羅性と質を高める。

失敗パターンと成功の鍵

よくある失敗

  • 「目的なし」でデータ収集を開始する
  • 「今あるデータだけ」で推し進める(ほぼ失敗)
  • 100%完璧なデータを揃えようとして着手できない

成功の鍵

  1. 目的ありきでデータを逆算する
  2. 優先度が高く収集しやすいデータから着手
  3. 情報を「管理」ではなく「活用」する発想への転換
  4. 仮説検証と試行錯誤を繰り返す PDCA サイクル
  5. 蓄積→分析→共有→活用のサイクルを回し続ける

人事組織の進化モデル

管理系人事 → 戦略的人事 → 科学的人事(情報活用推進部隊)

最終形:タレントマネジメント推進部が「経営・人事・事業部」の三角形の中心ハブとして機能。各事業部にも人材活用推進担当者を配置し、現場課題を仮説検証で解決する体制。

人事部門の最終的役割:全社的な人材配置・離職防止・採用を横串に通す情報マネジメント部門

人事戦略の攻守フレーム

  • 攻め:最適配置・人材育成・採用支援
  • 守り:離職防止
  • 両輪を同時推進するには情報整備と活用が必要

関連概念