社外秘。 開示しないでください。
数字で見る人事
PNC Financial Services Group は、人事部門に自動化と分析をもたらしました。 JMP® は、社内の成功を評価し、公平性を高め、業績を向上させ、離職率を削減するのに役立ちます。
____________________________________________________________________________
チャレンジ:人事決定における主観性を減らす取り組みとして、PNC は人事 (HR) に対して、分析と自動化を採用するという非伝統的なアプローチを採用しています。 初期のベンチマークによって人事分析の真の可能性が示唆されたとき、PNC の経営陣は、これまで分析を委託していたサードパーティのコンサルティング会社に代わる、より持続可能でコスト効率の高いソリューションを模索しました。 しかし、分析を社内に導入するには、Excel よりも強力なツールが必要でした。
解決: JMP® 統計検出ソフトウェアは、PNC の人事アナリストが内部労働市場データを処理し、洞察を導き出すのに役立つ完全な分析ワークフローを備えた幅広い機能を提供します。 ソフトウェアのデータ管理ソリューションに加えて、インタラクティブなデータ視覚化プラットフォーム Graph Builder は、データ内のパターンを見つけて、戦略的な人事決定に役立つ結果を伝達するのに特に役立ちます。 JMP を使用することで、人事アナリストは、性別、人種、年齢などの混乱要因ではなく、業績とリスク管理の評価に基づいて給与が決定されるようにしています。
結果: PNC の人事に対する分析的アプローチは、同社の業績指標の改善、資本の増加、離職率の削減に役立ちました。 そして、PNC の人事指標および分析担当ディレクター兼上級副社長であるジェイ・ウィルキンソン氏は、チームのアウトソーシング予算の削減に加えて、JMP がこれらの成功の重要な要因であると述べています。 「コンサルティング会社は、JMP を使用することでより優れた、あるいは同等の分析を行うために、25 万ドルを請求していました。 JMP ならそれが可能であり、それほど時間もかからないとわかっていたので、[その作業を] 社内に持ち込んだのです。」
____________________________________________________________________________
人事 (HR) と分析は伝統的な組み合わせではないかもしれませんが、テクノロジーがビジネスのあらゆる側面により緊密に統合されるにつれて、2 つの分野は予期せぬとはいえ生産的な融合に向けて融合しつつあります。 「私たちは非常に複雑な世界に住んでおり、人事も例外ではありません」と PNC ファイナンシャル サービス グループの上級副社長兼 HR メトリクスおよびアナリティクス ディレクターのジェイ ウィルキンソンは言います。 人事部門は長い間、従業員のパフォーマンスとインセンティブ構造に関するデータを収集してきましたが、このデータを実際の資産として認識することはほとんどできていないと彼は説明します。 しかし、PNC は別のアプローチをとっています。
「私たちは、銀行としての財務指標、つまりデータという中核事業の言語で取り組んでいます」とウィルキンソン氏は言う。 「その結果、私たちは表現力の拡大を含め、人材の驚異的な成功を実現することに貢献しています。」主観的なパフォーマンス指標に依存するのではなく、データに注目して洞察を明らかにすることで、HR 企業全体がより客観的になり、最終的に全体的な公平性と仕事の満足度が向上すると彼は言います。 人事意思決定に対するデータ主導のアプローチは、従業員の基本給を決定し、過去の給与格差を修正し、優れたパフォーマンスを評価し、人材定着の問題を特定、理解、さらには予測するのに役立ちます。
アナリティクスを導入しようとする人事部門の取り組みは、今や米国最大の銀行の一つとなった PNC のような金融サービス大手でも注目を集めている。 ウィルキンソン氏は、事実と証拠を使用して才能に基づいた議論を行うために、会社の経営陣に報告する際に、統計分析によりチームの信頼性が得られると述べています。 その自信と、チームがもたらした定量的な成功は、人材の成長の加速につながります。
グラフ ビルダーの探索的分析は、データ精度の問題の特定と解決に役立ちます
人事における自動化と分析はまったく前例のないものではありませんが、これまでの最良の例のほとんどは、内部労働市場に関する学術研究から得られています。 そのため、ウィルキンソン氏が最初に PNC の人事部門に分析的思考を注入する運動に乗り出したとき、彼には学ぶべき先行モデルがせいぜいほとんどありませんでした。 ウィルキンソン氏によると、彼のチームはカテゴリデータ、連続データ、テキストデータを検討することを想定しており、手持ちのツールよりも統計的に優れ、より視覚的なプラットフォームが必要でした。 そこで彼らは、JMP® 統計検出ソフトウェアに目を向けました。
「JMP は、業績評価のテキストから多様性に関する電子メール、給与データに至るまで、あらゆる種類のデータの分析をサポートしています」と彼は説明します。 「そして、JMP では人事データを売上などのビジネス データにリンクできるのも素晴らしい点です。 JMP は本当に素晴らしいツールであり、使い方も簡単です。」
JMP は、コードフリーまたはコードライトのプラットフォーム内にエンドツーエンドの分析ワークフロー全体を含めるように設計されており、アクセスと準備から分析とレポートに至るまで、さまざまなデータの課題を解決します。 ウィルキンソン氏によれば、乱雑なデータセットの管理がおそらく最大のハードルとなる人事環境では、この多様性が非常に重要です。
HR データが個々の投稿者によって追加または変更された場合、アナリストは意味のある変更と意図しないデータ入力エラーを区別できない場合があります。 したがって、ウィルキンソン氏のチームは、堅牢な分析を開始する前に、変動や偏りを調査する必要があります。 JMP は、インタラクティブな視覚化プラットフォームである Graph Builder を使用して、データ探索と外れ値分析を通じてデータの問題の複雑さを解明するのに役立ちます。
「データ マイニングのすべてのステップを考慮すると、最初のステップは常にデータを取得して視覚的に考えることです」とウィルキンソン氏は説明します。 「分布を必ず理解してください。 異常値はありますか? 実際のデータはどのようなものですか? 決してそのステップを飛ばさないでください。」外れ値が表面化した場合、結果が歪む前に調査して修正できると同氏は付け加えた。
データがクリーンアップされ、分析の準備が完了すると、Graph Builder を使用してウィルキンソン氏と彼のチームが実験と調査を行い、主要な人事問題についてさらに微妙な洞察を生成できるようになります。 たとえば、チームは離職率の問題があるかどうかだけでなく、どの従業員の離職率が高いのか、どのような離職率が観察されているのか、過去数週間または数か月で離職率の傾向がどのように変化したかなどをチームが尋ねることができると同氏は説明する。 グラフ ビルダーのドラッグ アンド ドロップのシンプルさは、創造性を高め、質問をさまざまな角度から見ることを促進します。 「JMP の良いところは、写真、グラフ、表を使用してデータを分析し、ストーリーを伝えることができることです」とウィルキンソン氏は言います。
Text Explorer は、これまで十分に活用されていなかったパフォーマンス レビューのテキスト データから重要なビジネス上の洞察を引き出します
人事部門は、業績レビューの形で、年間を通じて信じられないほどの量の非構造化データを収集します。 多くの企業では、テキスト データから有意義なビジネス価値を大規模に活用するには時間と労力がかかりすぎるため、この情報はこれまで利用されてきませんでした。 さらに、ガイドのない手動アプローチでは、パフォーマンス データにバイアスが生じ、洞察が役に立たなくなる可能性があります。 しかし、JMP はその計算を変更します。
たとえば、このソフトウェアの Text Explorer プラットフォームは、非構造化データの評価に役立つ度数表やワード クラウドを作成します。これは、パフォーマンス レビューからの自由回答テキストを分析するための理想的なツールです。 Wilkinson 氏は、彼のチームが Text Explorer を使用して、より再現可能で統計的に健全な方法で洞察を抽出し始めた方法について説明します。 そして、その価値は明らかです。「生産性の向上や売上高の削減に貢献できれば、それは私たちの投資の大きな倍増になります」と彼は言います。 「私たちは生産性と維持率の分析に JMP を使用しており、私たちが行っているソーシャル ネットワーク分析の一部にも JMP をリンクし始めています。 これらはすべて、会社にとって非常に優れた ROI をもたらします。」
JMP の技術スタッフと緊密に連携して、人事環境でテキスト分析を適用する新しい方法を特定および検証した後、ウィルキンソン氏は、将来的には社内での非構造化データの使用を拡大する予定であると述べています。 この影響を加速するために、彼は最近、より堅牢なテキスト分析機能を備えた JMP Pro にアップグレードすることを決定しました。
データ主導の戦略により、インセンティブ計画とパフォーマンスおよびリスク管理の評価が調整されます。
しかし、テキストマイニングは氷山の一角にすぎません。 ウィルキンソン氏は、継続的な給与とインセンティブのデータを分析することは、従業員の報酬の決定と給与の公平な配分の確保という、企業の最も複雑な人事課題の 1 つに対する戦略的アプローチを定義するのに役立つと述べています。 同氏は、裁量による年間インセンティブ計画は生産性の向上を目的として設計されており、理論的には業績およびリスク管理の評価と一致するはずだが、両者の関係を定量的に測定することは歴史的に困難であったと説明する。
しかし、ウィルキンソン氏と彼の同僚が JMP を使い始めると、彼らは、各パフォーマンスレベルの給与分布を視覚化し、平均値が異なることを確認することができました。 また、役職やキャリア レベルなどのパフォーマンスや人口統計上のさまざまな変数によってデータをセグメント化し、各カテゴリに同じ関係が当てはまることを確認しました。 同氏によると、チームは圧倒的に、パフォーマンスレベルの向上が実際に給与の増加につながることを発見したという。この指標は、長期にわたって人事慣行の公平性を検証するために監視できる指標である。
これらの成果は、データのレビューと公平な給与構造の検証を義務付ける雇用機会均等委員会 (EEOC) などの規制当局に同部門が提供する必要がある文書にとっても重要です。 ウィルキンソン氏は、健全な統計アプローチを重視する EEOC などの規制当局に対する PNC の遵守状況を、JMP 出力を使用してチームがどのようにして簡単に報告できたかについて説明します。 「規制当局に（給与と業績の）関係を示すために、非常に優れた地図と直感的なビジュアルを備えた簡潔な成果物を用意することは、非常に証拠に基づいたアプローチです」と彼は付け加えた。
JMP により、PNC は分析を社内に導入することで仲介業者を排除し、コストを削減しました。
ウィルキンソン氏は、従業員の定着や代表の拡大といった無形の価値を PNC にもたらすことに加えて、JMP を人事チームに提供することで、同部門の外部契約への支出を削減することにも役立ったと述べています。 以前は人事部門が分析の多くを外部のコンサルティング会社に委託していましたが、JMP では分析を社内に導入できるようになったと同氏は説明します。 この決定は成果をもたらし、コストを削減し、人事部門のデータ駆動型ソリューションへの注力を強化しました。
「コンサルティング会社は、現在では JMP と同等かそれ以上にできる分析を行うのに 25 万ドルを請求していました。」と彼は言います。 「JMP ならそれができるとわかっていたので、（その作業を）社内に持ち込みました。そして、それほど時間はかかりません。」
このソフトウェアのユーザーフレンドリーなインターフェイスは、広く利用可能な学習リソースと相まって、これまで統計に関する専門知識がなかったチームにとって簡単な代替手段となります。 JMP を定期的に使用しないユーザーでも、JMP が提供する動的な視覚化の恩恵を受けることができます。 ウィルキンソン氏と彼のチームは、この視覚的なストーリーを使用して結果を関係者に提示します。 「（幹部は）数字を詳しく知ることにはそれほど興味がありません。彼らは全体像を知りたいのです」とウィルキンソン氏は言い、PNC は生データをわかりやすい情報に変換するツールの恩恵を受けていると付け加えた。 JMP は、その場にいる全員がデータに基づいた意思決定を一緒に行うための競争の場を平等にし、そのスピードと可視性はデータ アナリストと経営陣の間のギャップを埋めるのに非常に強力です。
「PNC の人事グループは、人材を育成し、企業が業績を達成できるよう支援することに全力で取り組んでいます」とウィルキンソン氏は結論づけています。 「それが人材、多様性、人材採用に関するものであっても、証拠と事実があればすべて可能です。 それが私たちが PNC でやろうとしていることです。」
