導入事例

C社(大手IT系 ※社名非公開)

入社前に「早期退職リスク」を4倍の確率で検知可能に

IT関連 1,000~10,000人 退職リスク予測 退職率低減

・会社名:C社(※社名非公開)
・従業員数:1,001~1万名
・業種:IT関連
・導入目的:退職率低減、退職リスク予測

導入のポイント

・戦略設計は自社内、データ分析は外部化して、人的リソースを最適化
・適性検査×機械学習のモデルで、通常の4倍の確率で退職を予測可能に

設計は自社内・データ分析は外部化して、リソースを最適化

なぜTRANS.HRを導入されたのですが?

ピープルアナリティクスの領域にはずっと興味を持っており、情報収集を進めていました。自社でも分析を進めていたのですが、データ分析の専門家の知見も入れたいと考え、TRANS.HRのエンタープライズプラン(コンサルティングサービス)を導入しました。

自社内の分析とTRANS.HRをどのように使い分けられていますか?

HR系のデータを扱えるデータサイエンティストは、採用が難しいため、自社内で分析する部分とアウトソースする部分をわけて考えています。自社内では主に戦略の設計と意思決定を行い、機械学習(AI)など複雑な分析部分はアウトソースする形で、適材適所にリソース配分をすることを心がけています。

適性検査×機械学習で、通常の4倍の確率で退職を予測可能に

TRANS.HRを導入して、効果的だった分析を教えてください。

退職者の分析は、これまでも取り組んできたのですが、適性検査を使った早期退職予測は、初めてだったので、興味深い結果でした。

退職者全体で分析するとあまり傾向がなかったのですが、部署ごとに分析することで、早期退職者に明確な傾向があることがわかり、通常の退職率の4倍の確率で早期退職を発見できるモデルを構築することができました。

退職予測モデルについて、今後はどのように運用されますか?

これまでは配属の際にデータを用いていませんでした。今回の分析で、部署ごとに早期退職しやすい傾向があることがわかったので、事業責任者とデータを共有して、配属の際に早期退職しやすい組み合わせにならないように、モデルを活用していく予定です。

データ×AIの未来予測を、今すぐ体験する

30日間無料でご利用いただけます。

β版を無料で試してみる