企業運営データ（データを通じて企業運営に関する洞察を得るにはどうすればよいか？）

データを通じてビジネス運営に関する洞察を得るにはどうすればよいでしょうか?

製造業の情報化の歴史を振り返ると、財務ソフト、ERP、SCM、CRM、PDMなどのアプリケーションシステムが次々と市場に参入してきました。これらのソフトウェアは、さまざまな面で企業の経営レベルの向上に役立っていますが、労働効率をどれだけ向上させたのか、企業のコスト削減にどれだけ役立ったのか、どのようなメリットを生み出したのかを答えられる企業は多くありません。

以下の内容は、人材ホームの「製造業人材のデジタル化白書」をもとにまとめたものです。

上記の質問に答えるには、企業は対応するモデルを確立する必要があり、そのモデルはデータに基づいています。データは長期にわたる蓄積が必要です。データが包括的であればあるほど、分析はより正確になり、モデルの信頼性が高まり、モデルの指針となる価値が高まります。しかし、多くの企業ではモデルがないだけでなく、データも散在しています。こうした企業では、データを活用するどころか、統計の収集や分析も困難です。具体的な症状は次のとおりです。

（１）データ収集が十分に包括的ではなく、効果的に統合できない。社内情報システム間でデータの関連付け、統合、接続を行うための統一プラットフォームがなければ、生産、販売、在庫などのさまざまなリンクが連携できず、各リンクにおけるデータの真の価値を十分に発揮することが難しくなります。多くの HR システムは基本的なレポート作成に限定されており、システム間でデータを統合したり、何が起きているかを完全に理解するための分析を可能にしたりすることができません。

（２）報告書データは長年にわたり蓄積されており、管理が困難であり、手作業による報告書作成は非効率的である。週次、月次、四半期、年次レポートは長年にわたって膨大な量に蓄積されており、データレポートの編集、作成、分析は非常に骨の折れる作業です。緊急にレポートが必要な場合、関係する担当者は残業しなければならないことが多く、事前の準備なしにリーダーのデータ要件にタイムリーに応えることは困難です。レポートの作成には大量のデータの処理が伴い、面倒なプロセスであり、人為的エラーも発生しやすくなります。

（３）データの分析と可視化が不足している。ほとんどの工場におけるデータ活用の欠点は、生産データは表示されるだけで相関分析が実行できないことです。従来のデータレポートに依存しているため、最終的な出力結果は大量のデータを含む表となり、現在のビジネス状況をリアルタイムかつ直感的に提示することができません。製造業の生産プロセス、品質、コスト管理はすべて手作業で行われるため、生産システムや管理システムからの最新データとの同期が難しく、リアルタイムのデータインサイトを生成したり、製造データの詳細なマイニングを行うことも不可能です。

（4）従来のデータ分析モデルでは、インテリジェント時代のデータマイニングのニーズを満たすことができません。製造業におけるデータ分析は、効率が低いため、主に生産などの重要な部分に集中しています。さまざまな部門のすべてのデータをあらゆる角度から同時に分析することは不可能です。最後に、財務、人事、ビジネスなどの部門にデータのサポートと支援を提供することは困難です。従来のデータレポートの分析結果の配信は一方向です。誰もがデータアナリストが提供するものしか見ることができず、双方向の効率的なフィードバックを通じて、希望するデータ視覚化チャートを柔軟に取得することは不可能です。

散在したデータには意思決定の価値はありません。問題と解決策を見つけ、科学的な意思決定を促進するには、データを洞察に変換する必要があります。人材管理分野におけるビッグデータの応用は、正確な管理、従業員行動の予測、組織の有効性の向上につながります。

例えば、企業はデジタル変革のプロセスにおいて、機械や設備などのデジタルインフラの改善に重点を置きますが、実際には、企業が「人」や「人材」をより合理的に扱うことに役立ちます。生産工程では、熟練工や高度に熟練した作業者に大きく依存する工程が多くあることが多いのですが、何を「熟練」とみなし、何を「高度に熟練」とみなすかを測定・定量化することは非常に困難です。しかし、人、金、物、物などの重要な要素をインターネットを通じて結び付け、「人」と「人的効率」に関するデータベースを徐々に生成することができれば、初心者のトレーニングに重要な役割を果たす可能性があります。これは、製造業における人材不足という長年の「制約」の解決に役立つだけでなく、重要な技術の継承にも役立つでしょう。

データ分析の難しさは、システム統合の難しさと、それに対応する人材と技術的アプリケーション経験の不足にあることがわかっています。解決策は、測定可能な主要指標と適切な提示方法を見つけることにあります。以下の提案があなたにインスピレーションを与えるかもしれません。

推奨事項 1: データ サイロの排除を最優先とし、従業員がデジタル化の意図を理解し、協力できるようにします。テクノロジー インフラストラクチャを簡素化および統合することで、単一のソースから複数の形式でデータを保存、処理、分析できるようになります。中核となる重要なデータを接続し、包括的なデータに基づいて詳細な洞察を得ることで、ビジネス開発を促進したり、問題を早期に特定して事前に介入して調整したりすることができます。 HR 部門内でデータ マインドセットを開発します。従業員が簡単に情報を共有できるデジタル空間やデジタル通信チャネルを作成します。分析およびデータ視覚化ツールに投資し、データ主導のイノベーションを奨励し、報いるために必要なスキルとトレーニングを従業員に提供します。

推奨事項 2: データ ウェアハウスを整理し、コア HR システムを統合および合理化します。データの正確性と関連性を確保するために、データのクリーニングと整理に投資してください。人事データと従業員データを会社の長期的なビジネス目標と一致させ、人事部門が達成する戦略的価値を高めます。社内の HR データをファイアウォールの外部からのデータで補完し、従業員の動向と傾向を 360 度で把握します。ビッグデータ分析は、トレーニング、報酬、パフォーマンス、福利厚生、労使関係などの側面でも活用され、戦略を調整し、正確な管理を行い、従業員の行動を予測し、リスクを防ぐための対応するモデルを確立する必要があります。応用例: ビッグデータに基づいて従業員エンゲージメントの主な推進要因を分析し、従業員エンゲージメントの向上に効果的な要因と効果のない要因を理解し、対応するモデルを確立して従業員エンゲージメントを予測し、関連する人事決定にデータサポートを提供します。

推奨事項 3: 洞察に基づいて行動し、データに基づいて HR プログラム、ポリシー、ソリューションを継続的に改善します。あらゆる人材決定の中心にデータを置きます。報酬データを使用してパフォーマンスを推測し、従業員の意見に基づいて従業員エクスペリエンスを設計することを検討してください。スキル レベルを非常に細かく推測し、各従業員に合わせた個別のスキル開発プランを作成します。 HR 担当者がビジネス データと従業員データを結び付けて、従業員に関するより戦略的な洞察を得られるよう支援します。データ型によって次元と機能が異なります。詳細については以下の表をご参照ください。

これでこの問題の共有は終了です。前号の内容を知りたい場合は、過去の記事を確認してください。このシリーズはオリジナルです。再印刷が必要な場合はご連絡ください。次号でも引き続き第20号をお届けします。上記内容は、人材ホームの「2021年 製造業人材デジタル化白書」をもとにまとめたものです。