狠狠撸

狠狠撸Share a Scribd company logo

組織における「価値観」ネットワークの可視化と 「評価」に与える影響

?
?
Ei Tsukamoto
Ei Tsukamoto

people analytics tokyo #1 TRANS.,inc.

1 of 31
people analytics tokyo #1 組織における「価値観」ネットワークの可視化と 「評価」に与える影響 株式会社トランス 代表取締役 塚本 鋭
筑波大学付属駒場中学?高等学校（1998-2004） 東京大学?大学院 工学系研究科（2004-10） - 機械学習（AI）?複雑ネットワーク ※人工知能学会研究会優秀賞?東京大学工学系研究科長賞（総代）など受賞 株式会社野村総合研究所（2010-12） - コンサルティング事業本部 株式会社クラウドワークス（2013-2018） - 社員番号８?2014年12月上場?子会社副社長 など歴任 株式会社トランス（2018-） 登壇者 略歴
大学でやっていたこと
Copyright ? 2019 TRANS., inc. 3 母集団形成 面接 適性検査 入社後活躍 退職応募 離職 採用 マネジメント タレント マネジメント 面接結果 適性診断 機械学習 （AI） 入社後活躍 早期退職 ＡＩが採用候補者の入社後活躍?早期退職を予測する ピープルアナリティクスサービス「TRANS.HR」
自社における「活躍?定着人材」を “再現性”のある形で、採用できていますか？
Copyright ? 2019 TRANS., inc. 5 「採用基準」と「入社後評価」の関係が分析されておらず、 適切な「採用基準」が作れていない 高評価 19% 「面接」における“高評価者”の 入社後評価（X社） 入社”前”の「高評価者」のうち 入社”後”の「高評価者」は【19%】 「適性検査?ストレス耐性」が 低い人の退職率（Y社） 退職率 17% 在職率 83% 「ストレス耐性」が低くても 【83%】は退職していない
Copyright ? 2019 TRANS., inc. 6 既存の従業員のデータから、応募者を予測 データが蓄積され、さらに精度が高まる 従業員データ （適性診断?面接結果） ※部署?職種 予測モデル （機械学習） 応募者データ 予測結果 高評価確率：80% 早期退職率：30% データ 蓄積 （入社）
Copyright ? 2019 TRANS., inc. 7 適性診断×機械学習（ＡＩ） によって 入社後評価?早期退職を高精度で予測できることを実証済み WebサービスＡ社（200名） 広告系Ｂ社（1000名） 不動産系Ｃ社（1000名） IT系Ｄ社（2000名） 早期 退職者 10% 早期 退職者 62% 早期 退職者 12% 早期 退職者 49% 高評価者 25% 高評価者 84% 低評価者 9% 低評価者 64% 利用前 TRANA.HR 利用前 TRANA.HR 利用前 TRANA.HR 利用前 TRANA.HR
「相性（価値観）」と「評価」は どのくらい関係するのか？ （を可視化してみた） ※ネットワークの良い点は”可視化”
Copyright ? 2019 TRANS., inc. 9 「２つの主張」のどちらが正しい？ 会社の価値観に マッチする人を 採用するべき 組織には 多様性が重要
Copyright ? 2019 TRANS., inc. 10 「価値観」の「関係性」と「活躍」を可視化してみる 価値観 「適性診断」の結果を利用 ※今回は、弊社の「TRANS.適性診断」の結果を利用 関係性 「適性診断」の差を「類似度」としてスコア化 活躍 「人事考課」の結果を利用 ※「高評価」「普通評価」「低評価」は 「人事考課」の一定期間の平均により３分割
Copyright ? 2019 TRANS., inc. 11 「相性（価値観）」と「評価」は どのくらい関係するのか？ １．部下と上司の関係性 ２．组织全体における関係性 ３．「価値観」と「评価」の関係性
１．部下と上司の関係性
Copyright ? 2019 TRANS., inc. 13 「評価」のネットワークを可視化 社長
Copyright ? 2019 TRANS., inc. 14 「評価」のネットワークを可視化 リンク（エッジ）の太さ ＝ 類似度
Copyright ? 2019 TRANS., inc. 15 「評価」のネットワークを可視化 リンク（エッジ）の太さ ： 類似度 ノードの枠色 ： 評価（高評価／普通評価／低評価）
Copyright ? 2019 TRANS., inc. 16 「部下」と「上司」は、 【似すぎ】ても【異なりすぎ】ても、評価が悪くなる？ 部下の平均評価 上司と部下の類似度高い （似ている） 低い （異なる）
Copyright ? 2019 TRANS., inc. 17 「部下」と「上司」は、 【似すぎ】ても【異なりすぎ】ても、評価が悪くなる 中途入社 （リーダー以上） 新卒入社 （メンバー） 部下の平均評価 上司と部下の類似度 部下の平均評価 上司と部下の類似度 ※性格一致度0~60%は、 役員による評価で異常値 高い （似ている） 低い （異なる） 高い （似ている） 低い （異なる）
２．组织全体における関係性
Copyright ? 2019 TRANS., inc. 19 「価値観の類似度」によるネットワークを可視化 社長
Copyright ? 2019 TRANS., inc. 20 「価値観の類似度」によるネットワークを可視化 （評価） ノードの枠色 ： 評価（高評価／普通評価／低評価）
Copyright ? 2019 TRANS., inc. 21 「価値観の類似度」によるネットワークを可視化 （クラスタリング） ノードの枠色 ： 評価（高評価／普通評価／低評価） ノードの色 ： クラスター（４つ）
Copyright ? 2019 TRANS., inc. 22 「価値観」によって、高評価／低評価になりやすいタイプがいる ※ただし、採用には使いにくい 0% 10% 20% 30% 40% 50% 60% 70% 80% 90% 100% 黄 紫 青 緑 高評価 普通評価 低評価 ノードの色 ： クラスター ※評価（高評価／普通評価／低評価） クラスターごとの評価分布
３．「価値観」と「评価」の関係性
Copyright ? 2019 TRANS., inc. 24 組織ごとに重要となる「価値観」を限定することで より「高評価タイプ」と「低評価タイプ」がわかれる 0% 10% 20% 30% 40% 50% 60% 70% 80% 90% 100% 黄 紫 青 緑 高評価 普通評価 低評価 「全ての価値観指標（６軸）」による クラスターごとの評価分布 （階層化クラスタリング） 「特定の価値観指標（4軸）」による クラスターごとの評価分布 （教師あり学習） 0% 10% 20% 30% 40% 50% 60% 70% 80% 90% 100% A B C D 高評価 普通評価 低評価
Copyright ? 2019 TRANS., inc. 25 「評価」に強い影響を与える「価値観」ネットワークを可視化 ※「高評価」と「低評価」の価値観は、真逆ではない ノードの枠色 ： 評価（高評価／普通評価／低評価） ノードの色 ： クラスター（４つ） 挑戦?外向 挑戦?達成 達成?感性
まとめ
Copyright ? 2019 TRANS., inc. 27 「相性（価値観）」と「評価」は どのくらい関係するのか？ 部下と上司 組織全体 価値観と評価 部下と上司には、適した価値観の組み合わせがある ※似すぎても、異なりすぎても、評価が悪くなる 組織では「高評価／低評価」になりやすい価値観がある ※「高評価」と「低評価」の“価値観”は、真逆ではない 組織ごとに「重要となる価値観指標」がある ※「重要指標」が一致していれば、他は多様でＯＫ
Copyright ? 2019 TRANS., inc. 28 「２つの主張」のどちらが正しい？ 会社の価値観に マッチする人を 採用するべき 組織には 多様性が重要 組織として重要な「価値観」はマッチさせ、 それ以外の価値観は多様であることが望ましい（？）
Copyright ? 2019 TRANS., inc. 29 （ご協力のお願い） 「ITベンチャー向け適性診断」”無料”トライアル企業を募集 応募者データ 予測モデル予測結果 従業員 データが 少ない １企業における 価値観 ITベンチャー 全体の価値観 共通部分を定量化することで 未来予測の精度を高める ご興味持っていただける方は、お声がけいただくか、 弊社HP（ https://hr.trans-suite.jp/ ）よりお問い合わせください！
組織における「価値観」ネットワークの可視化と 「評価」に与える影響

More Related Content

組織における「価値観」ネットワークの可視化と 「評価」に与える影響

  • 1. people analytics tokyo #1 組織における「価値観」ネットワークの可視化と 「評価」に与える影響 株式会社トランス 代表取締役 塚本 鋭
  • 2. 筑波大学付属駒場中学?高等学校（1998-2004） 東京大学?大学院 工学系研究科（2004-10） - 機械学習（AI）?複雑ネットワーク ※人工知能学会研究会優秀賞?東京大学工学系研究科長賞（総代）など受賞 株式会社野村総合研究所（2010-12） - コンサルティング事業本部 株式会社クラウドワークス（2013-2018） - 社員番号８?2014年12月上場?子会社副社長 など歴任 株式会社トランス（2018-） 登壇者 略歴
  • 4. Copyright ? 2019 TRANS., inc. 3 母集団形成 面接 適性検査 入社後活躍 退職応募 離職 採用 マネジメント タレント マネジメント 面接結果 適性診断 機械学習 （AI） 入社後活躍 早期退職 ＡＩが採用候補者の入社後活躍?早期退職を予測する ピープルアナリティクスサービス「TRANS.HR」
  • 6. Copyright ? 2019 TRANS., inc. 5 「採用基準」と「入社後評価」の関係が分析されておらず、 適切な「採用基準」が作れていない 高評価 19% 「面接」における“高評価者”の 入社後評価（X社） 入社”前”の「高評価者」のうち 入社”後”の「高評価者」は【19%】 「適性検査?ストレス耐性」が 低い人の退職率（Y社） 退職率 17% 在職率 83% 「ストレス耐性」が低くても 【83%】は退職していない
  • 7. Copyright ? 2019 TRANS., inc. 6 既存の従業員のデータから、応募者を予測 データが蓄積され、さらに精度が高まる 従業員データ （適性診断?面接結果） ※部署?職種 予測モデル （機械学習） 応募者データ 予測結果 高評価確率：80% 早期退職率：30% データ 蓄積 （入社）
  • 8. Copyright ? 2019 TRANS., inc. 7 適性診断×機械学習（ＡＩ） によって 入社後評価?早期退職を高精度で予測できることを実証済み WebサービスＡ社（200名） 広告系Ｂ社（1000名） 不動産系Ｃ社（1000名） IT系Ｄ社（2000名） 早期 退職者 10% 早期 退職者 62% 早期 退職者 12% 早期 退職者 49% 高評価者 25% 高評価者 84% 低評価者 9% 低評価者 64% 利用前 TRANA.HR 利用前 TRANA.HR 利用前 TRANA.HR 利用前 TRANA.HR
  • 10. Copyright ? 2019 TRANS., inc. 9 「２つの主張」のどちらが正しい？ 会社の価値観に マッチする人を 採用するべき 組織には 多様性が重要
  • 11. Copyright ? 2019 TRANS., inc. 10 「価値観」の「関係性」と「活躍」を可視化してみる 価値観 「適性診断」の結果を利用 ※今回は、弊社の「TRANS.適性診断」の結果を利用 関係性 「適性診断」の差を「類似度」としてスコア化 活躍 「人事考課」の結果を利用 ※「高評価」「普通評価」「低評価」は 「人事考課」の一定期間の平均により３分割
  • 12. Copyright ? 2019 TRANS., inc. 11 「相性（価値観）」と「評価」は どのくらい関係するのか？ １．部下と上司の関係性 ２．组织全体における関係性 ３．「価値観」と「评価」の関係性
  • 14. Copyright ? 2019 TRANS., inc. 13 「評価」のネットワークを可視化 社長
  • 15. Copyright ? 2019 TRANS., inc. 14 「評価」のネットワークを可視化 リンク（エッジ）の太さ ＝ 類似度
  • 16. Copyright ? 2019 TRANS., inc. 15 「評価」のネットワークを可視化 リンク（エッジ）の太さ ： 類似度 ノードの枠色 ： 評価（高評価／普通評価／低評価）
  • 17. Copyright ? 2019 TRANS., inc. 16 「部下」と「上司」は、 【似すぎ】ても【異なりすぎ】ても、評価が悪くなる？ 部下の平均評価 上司と部下の類似度高い （似ている） 低い （異なる）
  • 18. Copyright ? 2019 TRANS., inc. 17 「部下」と「上司」は、 【似すぎ】ても【異なりすぎ】ても、評価が悪くなる 中途入社 （リーダー以上） 新卒入社 （メンバー） 部下の平均評価 上司と部下の類似度 部下の平均評価 上司と部下の類似度 ※性格一致度0~60%は、 役員による評価で異常値 高い （似ている） 低い （異なる） 高い （似ている） 低い （異なる）
  • 20. Copyright ? 2019 TRANS., inc. 19 「価値観の類似度」によるネットワークを可視化 社長
  • 21. Copyright ? 2019 TRANS., inc. 20 「価値観の類似度」によるネットワークを可視化 （評価） ノードの枠色 ： 評価（高評価／普通評価／低評価）
  • 22. Copyright ? 2019 TRANS., inc. 21 「価値観の類似度」によるネットワークを可視化 （クラスタリング） ノードの枠色 ： 評価（高評価／普通評価／低評価） ノードの色 ： クラスター（４つ）
  • 23. Copyright ? 2019 TRANS., inc. 22 「価値観」によって、高評価／低評価になりやすいタイプがいる ※ただし、採用には使いにくい 0% 10% 20% 30% 40% 50% 60% 70% 80% 90% 100% 黄 紫 青 緑 高評価 普通評価 低評価 ノードの色 ： クラスター ※評価（高評価／普通評価／低評価） クラスターごとの評価分布
  • 25. Copyright ? 2019 TRANS., inc. 24 組織ごとに重要となる「価値観」を限定することで より「高評価タイプ」と「低評価タイプ」がわかれる 0% 10% 20% 30% 40% 50% 60% 70% 80% 90% 100% 黄 紫 青 緑 高評価 普通評価 低評価 「全ての価値観指標（６軸）」による クラスターごとの評価分布 （階層化クラスタリング） 「特定の価値観指標（4軸）」による クラスターごとの評価分布 （教師あり学習） 0% 10% 20% 30% 40% 50% 60% 70% 80% 90% 100% A B C D 高評価 普通評価 低評価
  • 26. Copyright ? 2019 TRANS., inc. 25 「評価」に強い影響を与える「価値観」ネットワークを可視化 ※「高評価」と「低評価」の価値観は、真逆ではない ノードの枠色 ： 評価（高評価／普通評価／低評価） ノードの色 ： クラスター（４つ） 挑戦?外向 挑戦?達成 達成?感性
  • 28. Copyright ? 2019 TRANS., inc. 27 「相性（価値観）」と「評価」は どのくらい関係するのか？ 部下と上司 組織全体 価値観と評価 部下と上司には、適した価値観の組み合わせがある ※似すぎても、異なりすぎても、評価が悪くなる 組織では「高評価／低評価」になりやすい価値観がある ※「高評価」と「低評価」の“価値観”は、真逆ではない 組織ごとに「重要となる価値観指標」がある ※「重要指標」が一致していれば、他は多様でＯＫ
  • 29. Copyright ? 2019 TRANS., inc. 28 「２つの主張」のどちらが正しい？ 会社の価値観に マッチする人を 採用するべき 組織には 多様性が重要 組織として重要な「価値観」はマッチさせ、 それ以外の価値観は多様であることが望ましい（？）
  • 30. Copyright ? 2019 TRANS., inc. 29 （ご協力のお願い） 「ITベンチャー向け適性診断」”無料”トライアル企業を募集 応募者データ 予測モデル予測結果 従業員 データが 少ない １企業における 価値観 ITベンチャー 全体の価値観 共通部分を定量化することで 未来予測の精度を高める ご興味持っていただける方は、お声がけいただくか、 弊社HP（ https://hr.trans-suite.jp/ ）よりお問い合わせください！