Augmented People Analytics For Enterprise

ABOUT

心の数字(HeartCount)

人事データの中に隠れていた「明らかではない」パターンを自動で発見して、人(社員)と関わってより客観的で科学的な意思決定をすることができるようにサポートします。

HeartCountはCitizen Data ScientistをためのPeople(HR)Data分析ツールです。 統計やデータ分析についた専門知識がない一般ユーザーも簡単にデータ分析をスタートできます。

FEATURE

Describe, Discover, Predict People Data

エクセルファイルだけアップロードすれば、即時に技術統計、視覚的分析、推論/予測分析などの機能を活用できます。 人と関わった問題について客観的で理解して説明することは変化できる根拠と力になります。

Drill-down

ドリルダウンは重要な情報(KPI/Metrics)に脈絡を付与することです。 様々な条件(部署/職群/在職期間等)で情報を割って分けてみると以前には知らなかった新しい意味を探すことができます。

Driver / Difference

関係分析を通して、Business KPI(指標)と相関関係において、重要な要因(Driver)を定量的に理解できます。 比較分析を通して、任意の二つのグループ間の統計的な特性の差を(Difference)を理解できます。

Micro-Segmentation

特定行為か特性を見せた職員達が密集しているグループを探すことができます。 同質的な集団の特性を具体的に理解するのはBusiness KPIを改善できる段階の始めになります。

Smart Discovery

スマートディスカバリー機能がデータありふれたパタン(示唆点)を自動的に探してあげます。 スマートディスカバリーのアルゴリズムが仮設なしで(Hypothesis-Free)データを可能な全ての場合の数で分析し、一番意味があるパタンを自動的に提示してあげます。

Visual Discovery

道具が考えの速度を追いつかられないとダメです。ハートカウントの視覚的な探検機能を通して、考えの速度でパタンを探検してみてください。 スマートプロットとサーチ機能を通して、変数(要因)の間のパタンを視覚的に探検するか任意の条件と類似度が高い職員達を視覚的に検索することができます。

Predictive Analytics

説明が随伴されていない予測は空虚なんです。データを通して、特定の行為を安定的に説明できると該当行為を予測する予測模型を樹立できます。 模型を改善するためにサーベイ道具を使用し、データを追加的に収集することができます。

Our Approach

HeartCountを通じて偏見と誤解の中に見えなかった隠れた人材を探してください。

問題定義 Problem Definition

科学的な問題解決方式が通常に最善の結果を保証することではありません。でも、既存の問題認識に新しい観点と地平を提示することはできます。開けた心でデータに質問してみてください。もっと良い選択するために必要な情報の中に今まできちんと分からなかったことが何なのか考えてみてください。データに良い質問をすることがデータ基盤の経営の第一歩です。

データ収集 Data Gathering

データで新しい洞察と時事を得るためにビックデータが必ず必要されることではありません。今持っている人事データをエクセル形態でHeartCountにアップロードしてください。持続的で自動化されたデータ送受信のためにHeartCount APIを使うことも可能です。HeartCountが保存、処理する全てのデータは国内情報保安の関連法規によって安全に管理されます。

モデル樹立 Modeling

統計と機械学習(Machine Learning)アルゴリズムを使用して加工したデータを分析/学習して特定の行為(退社、高成果)を理解して、予測できるモデルを樹立します。モデル樹立の過程と結果を透明に提供して予測の原因(関係)をユーザーが理解して他の人に説明できるようにサポートします。

問題解決 Problem Fixing

良いデータを確保して良い分析結果を得ることは、少ない時間と努力が必要なことです。組織構成員のみんなが信頼して共感できる意味がある分析結果を得たら、該当情報を基に人と関わる主な問題(優秀人材採用、確信人材維持など)と関わって決定して行動できます。分析とは、人だちが客観的な情報を得て、それによって選択する基盤を作ってサポートすることです。

モデル改善 Model Improvement

人や機械全て自信の経験と学習を通じて樹立した意思決定のモデルに基盤して未来の仕事についた予測をします。ただし、意思決定のモデルをなかなか変えない人とは異なり、機械は、新しいデータを学習してモデルをこつこつと改善することができます。予測と実際の結果を比較して予測の正確度を提示できて、新しいデータを学習して予測模様の正確度を持続的で改善していくことができます。

Values to Customers

過去を再発見・再定義しなくて、もっと良い世界を夢見ることはできません。

過去の成果が未来の成果を必ず補償することはありません。特定の状況での成果は同一な状況での成果を予測するだけです。 企業固有の価値/文化、与えられた業務と良く合う(best fit)人の資質と力量を理解できないまま、人材の経営をすることは標的の位置も知らずに無茶に矢を飛ばすことと同じです。 感と直感にかたよった人材採用と維持についた意思決定を科学と客観で平均を合わせなければなりません。企業の文化と良く調和する本来の面目と高成果者のパターンを理解して、人材経営に活用したら職員がもっと長く、幸せに、上手に仕事できて、これを通じて業務生産性と企業競争力の向上を叶えます。

該当の職務をもっと長く幸せに良く遂行できる候補は誰なのか?
与えられた組織文化と業務に良く適応できるし、業務遂行に要求される資質/性格/態度を保有した職員を採用して早期退社からによる純損失の最小化、業務生産性の向上

退社リスクが高い職員は誰で、なぜやめようとするのか?
既存の核心人材の退社リスク(Flight Risk)と原因を分析して、重要な職員を継続させるためにどんな職員保有のポリシー(Retention Strategies)を使用するべきなのか決定する客観的な根拠で活用

リーダの特性は何で、誰をリーダで発掘、成長させることなのか?
組織の高成果者(High-Performer)/リーダから共通的で出ているパターンを探して、該当のパターンと類似な成長ポテンシャル(High-Potential)が高く隠された人材を発掘、Gap Analysisを通じた教育/開発業務の活用

Contact

HeartCountについてもっと詳しく分かりたいですか?

HeartCountの機能と技術についてもっと詳しい内容を分かりたいとか Heartcountと関わった消息が必要だったら下記のボックスにEメールアドレスを記入してください。