COVID以来、"大辞任" について、世界経済フォーラムによる詳細な分析を含め、数え切れないほどの記事が書かれています。 この調査でわかった重要なことのひとつは、自発的に仕事を辞める人をこれ以上増やさないためには、企業は従業員を職場に引き込む努力をしなければならないということです。 結局のところ、従業員はどの企業にとっても最も貴重な資産であり、従業員が退職すると、同僚や企業全体に打撃を与えます。
しかし、従業員のエンゲージメントを調査するとなると、中核となるリソースとしてデータに頼る企業はほとんどありません。 この5年間で、アナリティクスや機械学習を利用して、顧客やサプライチェーンに関するより深く広範な洞察を得る経営者は増えましたが、従業員に関するデータはまだ不足していることが多いのです。 その代わりに、人事担当者は採用やコーチング、育成に重点を置く傾向があり、意思決定のためにデータの代わりに"直感" を使う必要があります。
ビジネス界で最も秘匿されている秘密の1つは、人的資本データを解き放つことが成長とコスト削減につながるということです。 企業価値向上における重要な役割が広く認識されるにつれ、主要なCHROがデータへの依存度を高めているのも不思議ではありません。
CEOの89％が、CHROは長期的な利益成長を推進する上で中心的な役割を果たすべきであると回答しています！
(本レポートの詳細は、Accenture.comのこちらをご覧ください：エグゼクティブの成長としてのCHRO）
人事部門だけでなく、その他の中核部門においても、データ中心主義を強化することで、トップラインの成長など、ビジネスに好結果をもたらします。 その一例として、ある世界的なフランチャイズ小売企業は、Databricksとアクセンチュアの協力のもと従業員データのマイニングを行い、1年半足らずで追跡可能で定量化可能な価値を生み出すことに成功しました。
データを活用することで、いかに従業員がそれぞれの役割で成長し続け、その成功を収益につなげることができるか、そして同時に本当に優れた人事慣行を示すことができるかについて、この大箱の多国籍小売企業が学んだいくつかの重要な教訓をご紹介します。
デジタルトランスフォーメーションへの道のりで、この小売企業は共有データクラウド基盤を構築していました。 その過程で、企業のCHROは、"人的資本"に関する企業目標を追跡する緊急の必要性を表明しました。
この変革の旅が始まるまで、この組織では、人事領域におけるデータの使用と可用性の両方が、体系的な方法ではなく、場当たり的な方法で管理されていました。 一度依頼されたインサイトや分析は、入手に数週間から数ヶ月を要し、フォローしにくいデータの注意書きが含まれ、他の単発の依頼と比較すると、結果が調和していない（対応していない）ことがあります。
この小売企業は、詳細なビジネスニーズを変革の一筋の光として、実 用的な従業員データの収集に注力し、データへのアクセシビリティと洞察の価値の両方に優先順位をつけるためのワークショップに貴重な時間を費やしました。
重要な目標は、従業員の旅路のさまざまな変節がビジネスに直接影響を与える方法を揃えることでした。 具体的には、在職中のさまざまな段階にある人材が、どのようにして最終的な成果を上げることができるかを理解することを目指しました。
チームが検証した仮説のひとつは、従業員が契約期間を終えたり、正社員が退職を考えたりすると、製品の品質が低下する（販売価格が下がる）というものでした。 例えば、季節請負業者は、出発時間が近づくにつれ、生産量と製品の品質が著しく低下しました。 人事担当者にとっては、このような事態をどのように回避できるかを示す洞察が必要でした。
機密性の高い人事データを適切に取り扱うために、Databricksはレイクハウス・アーキテクチャに構築されたデータインテリジェンスプラットフォームで救いの手を差し伸べました。 Databricksによって、この小売業者はオリジナルのソースデータを3つのレイヤーに分け、"シルバー" データ（構造化データ、クリーンデータ、消費可能データ）のみでマイニングを開始することができました。 個人を特定できるようなデータを扱わないため、不可逆的なハッシュ化技術を使用し、従業員個人を追跡できないようにしました。
チームがビジネス価値を高めるために必要なデータを選択する際、詳細な分析を実行する能力を確保するために、データが可能な限 り正確でクリーンであることを確認することが不可欠でした。 [NP1]
最初の段階として、小売業者は8つの異なるHRデータソース（すべて適切にマスキングされ、デザインによって要約されています）を概説しました。 その中には次のようなトピックも含まれていました：
このデータをマイニングする際、この小売企業のデータチームは、人事領域だけでなく、顧客満足度や売上など、ビジネスの他の領域にわたるさまざまなソースの情報を簡単にまとめることができるようにしました。 プライバシー保護された個人データをビジネス全体でリンクさせる機能に加え、経営陣はすべての情報をタイムリーに更新することも求めました。
新たに流入してくる人々と、同様に重要なことですが、去っていく人々の両方を把握することは、"人通貨" の定番となっています。 経営陣は退社の理由を綿密に追跡し続けており、従業員の退社の早期指標となり、全体的な事業成果で追跡可能ないくつかのきっかけが特定されています。
これらのトリガーが小売企業で特定されると、チームは最も「退職しそうな」プロフィールを予測するAIモデルを作成することができ、これは組織全体で大きな成功を収めました。ビジネス全体の成功にとって従業員の定着が重要であることを考えると、これらのKPIを本部の外でフランチャイズ加盟店と共有することは非常に重要でした。
Databricksのコア機能が、この旅を可能にし、簡単で、迅速に拡張できるようにした方法はたくさんあります。 Databricksのスケーラビリティ、シンプルさ、そしてどのクラウド上でも実行できる能力の組み合わせは、異なる国や地域でメトリクスやフォーマットを共有する際に役立ちました。 その結果、この小売企業は、（従来から利用可能な）売上高の比較や、採用、求人状況、役割の移動における人的資本の測定など、他のシナリオでこのソリューションを活用する多くの機会を見出しました。
この小売業者は、Databricksのシンプルさが採用にも役立つことを発見しました。 チームは、応募者のスキルを素早く読み取り、すぐに評価できるよう、履歴書の上にモデルをチューニングしました。 これにより、履歴書のレビュー、能力の評価、採用のためのさまざまな人材レベルへの候補者の迅速な移動が容易になりました。
そのために、自然言語処理用のAIアルゴリズムを使用して、応募書類の膨大な量のテキストを読み、スキル、資格、役割の説明、求人情報、能力を特定します。
ジェネレーティブAIのパワーを人事データに適用すると、データをよりよく解析し、読みやすい形で表示するためのモデルを段階的に提供することができます。 これにより、人事チームは無作為に履歴書を選択し、候補者のトップスキルと能力を迅速に特定することができます。人材担当者は、幅広い能力をスキャンし、より迅速に直接関与し、意思決定のスピードを上げることができるようになりました。
その過程で、小売業者のチームはDatabricks独自の機能をいくつか利用しました。 あるチームメンバーは、"データが爆発的に増加する時代において、今後 Databricks 以外を使用することは考えられません。"と説明し、別のメンバーは、"データサイエンティストとして 25 年が経ちますが、モデルの作成と実行がこれほど簡単だとは信じられません。
小売業者のデータチームは、この結果に最も興奮しています。 現在、チームは高度なアナリティクスを駆使して、顧客満足度のスコアと継続的なトレーニング・イニシアチブとの相関関係を特定し、数多くの数値化された改善につなげています：
私たちは皆、デジタル化のスピードが加速し続ける世界で生活し、仕事をしています。 従業員の定着とエンゲージメントを目指す企業にとって、従業員のインサイトを収集・活用することは想像以上に簡単であり、ビジネスと長期的な従業員満足度の双方にとって想像以上に有益であるということは、最も知られざる秘密の1つです。
もっと詳しくお知りになりたい方は、アクセンチュアの「仕事の未来」をご覧ください。
