目次：読みたい項目を選ぶ
全体像・読み進め方を確認する
データの集計と、意思決定への利用を分ける
ピープルアナリティクスは、人や組織のデータを分析し、人材に関する判断へ役立てる取り組みです。ダッシュボードを作ることや個人をランキングすること自体が目的ではありません。何を改善したいか、指標で何が分かり何が分からないかを先に定めます。
採用・配置・育成等の判断は個人への影響が大きいため、データの利用目的、範囲、正確性、公平性にも配慮が必要です。予測精度の高さと、施策を実施して改善することは別の課題です。
独自ケース：研修受講者は退職率が低かった
架空の会社で、受講者100人中5人、未受講者100人中15人が一年以内に退職したとします。観測された退職率は5%と15%で差は10ポイント。しかし意欲の高い人が自分で受講した、上司の支援がある部署ほど参加した、という説明が残ります。
細部は図を左右に動かして確認できます。
図の内容を文章で読む
観測された差と、研修の効果は同じではない。受講者 5%。未受講者 15%
各群100人の架空例。棒は観測比率で、研修の因果効果を表しません。
さらに職種や勤続年数の構成が異なれば単純比較は難しくなります。どの人が参加対象だったか、いつ受講し、いつ退職を数えたかもそろえる必要があります。
効果を確かめるには、比較できる条件を作る
実務で可能な範囲で、対象の条件と時期をそろえ、受講前の差や業務環境を記録します。無作為な割当てが難しければ、比較の限界を残します。個人へ不利益を与える試験を安易に勧めるものではありません。
何の判断を改善するか
母集団・期間・交絡を確認
必要な範囲だけ扱う
効果と不利益の両方を見る
細部は図を左右に動かして確認できます。
図の内容を文章で読む
分析の前に、目的と使い道を限定する。目的を決める：何の判断を改善するか。指標と比較を設計：母集団・期間・交絡を確認。権限と利用を点検：必要な範囲だけ扱う。施策後に再確認：効果と不利益の両方を見る
一般的な学習用の考え方で、個別の労務・法的判断を代行しません。
集計で見えることと、本人への判断を混同しない
ある属性群の離職が多くても、その属性の個人を不利に扱う根拠にはなりません。働く条件や制度の差を調べる入口として使い、少数集計から本人が特定される危険も考えます。
人的資本の開示は人的資本、相関から因果へ飛ぶ誤りは検証の設計へ。数字のきれいさより、判断の根拠と限界を説明できることを目指します。
条件を変える：予測できても、介入で改善するとは限らない
退職の確率が高い人を予測するモデルがあっても、その人へ面談を増やせば退職が減るとは限りません。予測に効く変数が、変えられる原因でない場合があるためです。予測と介入の効果を分け、本人への不利益や誤判定の負担も考えます。
例えば残業時間と離職に関係があっても、業務の繁忙や上司の支援が共通の原因かもしれません。データにない要因を無視して、残業時間だけを数値上減らせば改善するとは言えません。記録されない持帰り作業が増えれば、むしろ観測が悪化します。
分析計画には結果を誰が見て何に使うかも書きます。個人の相談記録を集め過ぎず、集計でも再特定の可能性を確認します。精度の高い分析を作ることと、信頼される人材施策を運用することを、同時に考える必要があります。
次の学習と確認資料
考え方を確認したら、問題・解説の見本、登録不要の無料6問を確認できます。教材条件は料金ページで確認してください。
この記事の図・数値・ケースは編集部独自の学習用です。公式問題や過去問の再現ではなく、出題頻度や合格を保証しません。当サイトは非公式の対策サービスです。
確認資料：CIPD：People analytics（2026年10月21日確認）。図解と練習例は当編集部が別途作成しています。
無料の6問で、問題と解説を試しましょう
6科目から1問ずつ。会員登録なしで独自問題と解説を体験できます。科目全体の実力や本番スコアを判定するものではありません。続けて学びたい方は、無料登録後に残り16問へ進めます。
▶ 登録不要・無料の6問を始める※本サイトは独立した非公式の試験対策コンテンツであり、株式会社グロービス／GMAPの公式サービスとは関係ありません。試験の形式や出題範囲は実施回・実施企業により異なる場合があります。