大量かつ専門的なデータ分析を高速化。大手システム企業A社の実例
人事図書館館長・吉田洋介さんによる連載第4回。今回のテーマは「データ分析領域でのAI活用」。
エンゲージメントサーベイやストレスチェック——人事部門には膨大なデータが集まるものの、「分析の専門人材がいない」「外注すると予算の7〜8倍」という壁に阻まれてきました。
ある大手システム企業は、この難題をAIで突破。50部署分の個別分析レポートを、1部署あたり15分で完成させるプロセスを構築しました。データ分析のスペシャリストがいなくても、高度な分析が可能になる道筋とは？
様々なデータに溢れる人事
近年ではエンゲージメントサーベイ、パルスサーベイなどを実施する企業も多くなっています。「従業員エンゲージメント市場に関する調査（2024年）」（矢野経済研究所）によると前年比135.8％でマーケットが成長していることからも導入企業が増えていることは間違いないでしょう。
それ以外にも勤怠、ストレスチェック、人事考課、適性検査、業務工数、研修アンケート、人事イベントアンケートなど人事は様々なデータに溢れています。
データの扱いに長けた人が必要な現状
これらの定性、定量データは存在するだけではあまり大きな価値を発揮しません。様々なデータを適切に分析することで、事業推進に価値ある情報として扱われるようになります。
例えばデータ主導の『人材開発・組織開発マニュアル』（経営書院）に代表される人事のデータ分析に関する素晴らしい書籍が人事の実務面をサポートしてくれます。
様々なデータの意味、特性を捉え、事業の目的と照らし合わせて意味を読み取り、経営・管理職・一般社員など相手により表現を整えてレポートすることは一定の専門性が必要です。
そのため、人事コンサルタントやサービスベンダーに分析を依頼しているケースや分析までセットになったサービスを利用する、ということも多いのではないでしょうか。
しかし、すべてを外注するとコストが大きくなりすぎてしまったり、新鮮なデータを翌日の打合せで扱うなど小回りを利かせるのが難しくなってしまいます。
人事の内部にデータの扱いに長けた人がいるだけで、人事が保有するデータ資産は大きく価値を増すことは間違いないのですが、そうした人材が配置されていない、育っていないのが実態かと思います。
大手システム企業A社の取り組みと成果
システム企業のA社でも同様の状況がありました。定期的にとっているエンゲージメントサーベイデータがあり、人的資本開示の潮流からも外部に現状スコアを示し、目標値の実現を目指しています。
経営層は社員がいきいき働くことを大切にしているため、今年度からは各部署が自ら課題を設定し、主体的に改善に向けた行動をとるよう促していました。
◆問題意識
全社的な取り組みを本気度高く実行していくことはできているのですが、二つの大きな問題に突き当たっていました。サーベイベンダーから提供されるデータは全社状況とローデータのcsvファイルのみで、全部で50にわたる部署の個別課題を設定するには扱いづらい形式でした。
そのデータをまとめて外部に分析発注すると現予算の7-8倍となってしまい現実的ではありません。とはいえ、各部署の課題設定がずれてしまえば、全体の目標には届かなくなってしまいます。
◆取り組んだこと
A社にもデータ分析のスペシャリストはいませんでした。しかし、AIを積極的に活用し業務効率化を進めている人事メンバーがいたため、この課題をAIで解くことにチャレンジをしました。その作業工程を分解すると、以下のようになります。
① 分析の目的と調査内容、項目をAIに理解しやすいよう入力する
② 定量データ、定性データをAIに読み込ませる
③ 期待するアウトプットの形式を入力する
④ 部署ごとのアウトプットを一つずつ生成する
⑤ 内容に間違いがないか検算する
⑥ 各部署に報告する担当が、レポート内容を確認する
上記の①~⑤の工程ごとにAIプロンプトを作成し、⑥の行程のみ人間が工数をかけて行うという体制を整えました。
◆成果、反応
上記の取り組みを通じて、１部署あたりのレポートを最終確認前まで約15分で完成させるプロセスが構築できました。
作業手順が簡単なため、外注に出しても安価に抑えられるほか、人事メンバーは各部署にどのように報告するか、という最も重要な点に注力できるようになりました。
結果として総費用はほぼ予算通りに収まり、人事メンバーも他業務に大きな影響を及ぼさない範囲で各部署への個別レポーティングが実施できました。
部署ごとの課題設定も適切な質感で行うことができ、実施後1-2カ月で翌年に向けて変化が起こっていく兆しが多くみられています。
それぞれの部署からは「自部署の現状がよくわかった」「ここまで的確に分かるものなんですね」「まるでうちの内情を見てきたかのようです」と分析の的確さに対する高い評価の声が続々と集まりました。
◆今後に向けて
A社では更に複数のサーベイやデータを組み合わせることで、上司が1on1をより効果的に行えるようサポートするメンバーのカルテの作成や、入社者の適性検査分析、退職予測など様々な分析をAIを使って進めようとしています。
複雑に思えるデータが扱いやすくなったことにより、人事が社内外に提供できる示唆が大きく増えました。その成果を生かし、この先、更に効果的な提言につなげていきたいと考えているそうです。
評価の納得感を高める際のAI活用プロンプト例
以下にA社の取り組みを参考にした汎用的なサーベイ分析プロンプトを紹介します。回答されたcsvデータなどが綺麗になっているか（ラベルの付け方が曖昧ではないか、データ欠損が激しくないかなど）をご確認の上ご利用ください。
①分析の目的と調査内容の理解プロンプト
あなたは組織開発の専門家として、従業員エンゲージメントサーベイの分析を支援します。
【分析の目的】
- 全社で実施した従業員サーベイの結果から、各部署ごとに固有の課題を特定する
- 各部署が実行可能な改善アクションを導出する
- 全社目標達成に向けて、部署ごとの重点施策を明確化する
【調査概要】
以下の情報を教えてください:
1. サーベイの実施時期と対象者
2. 調査項目のカテゴリー(例:エンゲージメント、職場環境、マネジメント等)
3. 各カテゴリーに含まれる具体的な質問項目
4. 回答形式(5段階評価、自由記述等)
5. 全社目標値や重視する指標
6. 部署の分類方法(事業部、機能別、拠点別等)
上記の情報を順番に入力してください。すべて確認後、分析の準備が整ったことをお知らせします。
②データ読み込みプロンプト
それでは、サーベイデータを読み込みます。以下の手順で進めてください。
【ステップ1:定量データの読み込み】
CSVファイルをアップロードしてください。ファイルには以下が含まれていることを想定しています:
- 回答者ID(匿名化済み)
- 部署コードまたは部署名
- 各質問項目への回答(数値)
- 回答日時
- その他属性データ(任意)
ファイルをアップロード後、私は以下を実行します:
1. データ構造の確認(行数、列数、項目名)
2. 欠損値の確認
3. 各部署の回答者数の確認
4. 基本統計量の算出(全社平均、標準偏差等)
【ステップ2:定性データの読み込み(ある場合)】
自由記述のデータがある場合は、別途アップロードしてください。
- 回答者ID
- 部署情報
- 自由記述の内容
それでは、定量データのCSVファイルをアップロードしてください。
③アウトプット形式の設定プロンプト
各部署向けの分析レポートのアウトプット形式を定義します。
【標準レポート構成】
以下の形式で各部署のレポートを作成します。カスタマイズが必要な場合は指示してください。
---
# [部署名] エンゲージメントサーベイ分析レポート
## 1. サマリー(エグゼクティブサマリー)
- 部署の総合スコア(全社比較)
- 強み上位3項目
- 改善優先度上位3項目
- 重点推奨アクション(1-2つ)
## 2. 詳細分析
### 2.1 カテゴリー別スコア
- 各カテゴリーのスコアと全社平均との比較
- 偏差値または標準偏差での位置づけ
### 2.2 強みの分析
- 全社平均を大きく上回る項目(+0.5ポイント以上)
- 維持・強化すべき要因の考察
### 2.3 課題の分析
- 全社平均を下回る項目(特に-0.3ポイント以上の差)
- 改善インパクトの大きい項目の特定
- スコアが低く、かつ重要度の高い項目の優先順位付け
## 3. 定性データ分析(該当する場合)
- 自由記述から抽出されたキーワード
- 主要な意見のカテゴリー分類
- 定量データを補足する具体的な声
## 4. 推奨アクション
- 短期(1-3ヶ月)で取り組むべき施策(2-3つ)
- 中期(3-6ヶ月)で取り組むべき施策(1-2つ)
- 各施策の期待効果
## 5. 参考データ
- 回答者数と回答率
- 全社平均との詳細比較表
---
【出力形式】
- Markdown形式で作成
- グラフや表は必要に応じてテキスト表現またはMarkdown表形式で表現
- A4で3-5ページ相当の分量
上記の形式でよろしいでしょうか?修正点があれば指示してください。
確認後、部署別レポート生成に進みます。
④部署別レポート生成プロンプト
それでは、[部署名]のレポートを生成します。
【生成手順】
以下のステップで分析を実行し、レポートを作成します:
1. 対象部署のデータ抽出
- 部署コード/部署名:[具体的な部署名を指定]
- 該当する回答データをフィルタリング
2. 統計分析の実行
- 部署の各項目平均値の算出
- 全社平均との差分計算
- 標準偏差・偏差値の算出
- 回答分布の確認
3. 課題の優先順位付け
- インパクト×緊急度マトリクスでの評価
- 改善余地の大きい項目の特定
- 部署特性を考慮した解釈
4. 定性データの分析(該当する場合)
- 当該部署の自由記述を抽出
- 頻出キーワードの抽出
- 定量データとの整合性確認
5. アクション提案の作成
- 部署の特性(事業内容、チーム規模等)を考慮
- 実行可能性の高い施策を優先
- 他部署の成功事例を参照(可能な場合)
6. レポート生成
- 前述の標準フォーマットに基づいて作成
- 数値の正確性を担保
- 客観的かつ建設的な表現を使用
[部署名]を指定してください。レポートを生成します。
※複数部署を連続で処理する場合は、1部署ずつ生成することを推奨します。
⑤検算・品質チェックプロンプト
生成したレポートの正確性を検証します。以下の検算を実行してください。
【検算チェックリスト】
□ **データ整合性チェック**
1. 部署の回答者数は正しいか?(元データと照合)
2. 各項目の平均値計算は正しいか?(サンプルで再計算)
3. 全社平均値との差分は正しいか?
4. パーセンテージ表記に誤りはないか?
□ **論理整合性チェック**
5. 「強み」として挙げた項目は実際に全社平均を上回っているか?
6. 「課題」として挙げた項目は実際に全社平均を下回っているか?
7. 優先順位の根拠は明確か?(スコア差、重要度等)
8. 定性データと定量データに矛盾はないか?
□ **推奨アクションの妥当性チェック**
9. 提案されたアクションは特定された課題に対応しているか?
10. アクションは部署の状況・特性に即しているか?
11. 実行可能性は現実的か?(リソース、期間等)
□ **表記・形式チェック**
12. 部署名の表記は正しいか?
13. 数値の小数点以下の桁数は統一されているか?
14. グラフ・表の数値とテキストの記載に齟齬はないか?
15. フォーマットは標準形式に準拠しているか?
【検算の実行】
上記のチェックリストに基づき、[部署名]のレポートを検証してください。
検証結果を以下の形式で報告してください:
- ✓ 問題なし:項目番号
- ⚠️ 要修正:項目番号、内容、修正案
- ❌ 重大な誤り:項目番号、内容、修正案
検算完了後、必要に応じてレポートを修正します。
様々なデータに溢れる人事
近年ではエンゲージメントサーベイ、パルスサーベイなどを実施する企業も多くなっています。「従業員エンゲージメント市場に関する調査（2024年）」（矢野経済研究所）によると前年比135.8％でマーケットが成長していることからも導入企業が増えていることは間違いないでしょう。
それ以外にも勤怠、ストレスチェック、人事考課、適性検査、業務工数、研修アンケート、人事イベントアンケートなど人事は様々なデータに溢れています。
データの扱いに長けた人が必要な現状
これらの定性、定量データは存在するだけではあまり大きな価値を発揮しません。様々なデータを適切に分析することで、事業推進に価値ある情報として扱われるようになります。
例えばデータ主導の『人材開発・組織開発マニュアル』（経営書院）に代表される人事のデータ分析に関する素晴らしい書籍が人事の実務面をサポートしてくれます。
様々なデータの意味、特性を捉え、事業の目的と照らし合わせて意味を読み取り、経営・管理職・一般社員など相手により表現を整えてレポートすることは一定の専門性が必要です。
そのため、人事コンサルタントやサービスベンダーに分析を依頼しているケースや分析までセットになったサービスを利用する、ということも多いのではないでしょうか。
しかし、すべてを外注するとコストが大きくなりすぎてしまったり、新鮮なデータを翌日の打合せで扱うなど小回りを利かせるのが難しくなってしまいます。
人事の内部にデータの扱いに長けた人がいるだけで、人事が保有するデータ資産は大きく価値を増すことは間違いないのですが、そうした人材が配置されていない、育っていないのが実態かと思います。
大手システム企業A社の取り組みと成果
システム企業のA社でも同様の状況がありました。定期的にとっているエンゲージメントサーベイデータがあり、人的資本開示の潮流からも外部に現状スコアを示し、目標値の実現を目指しています。
経営層は社員がいきいき働くことを大切にしているため、今年度からは各部署が自ら課題を設定し、主体的に改善に向けた行動をとるよう促していました。
◆問題意識
全社的な取り組みを本気度高く実行していくことはできているのですが、二つの大きな問題に突き当たっていました。サーベイベンダーから提供されるデータは全社状況とローデータのcsvファイルのみで、全部で50にわたる部署の個別課題を設定するには扱いづらい形式でした。
そのデータをまとめて外部に分析発注すると現予算の7-8倍となってしまい現実的ではありません。とはいえ、各部署の課題設定がずれてしまえば、全体の目標には届かなくなってしまいます。
◆取り組んだこと
A社にもデータ分析のスペシャリストはいませんでした。しかし、AIを積極的に活用し業務効率化を進めている人事メンバーがいたため、この課題をAIで解くことにチャレンジをしました。その作業工程を分解すると、以下のようになります。
① 分析の目的と調査内容、項目をAIに理解しやすいよう入力する
② 定量データ、定性データをAIに読み込ませる
③ 期待するアウトプットの形式を入力する
④ 部署ごとのアウトプットを一つずつ生成する
⑤ 内容に間違いがないか検算する
⑥ 各部署に報告する担当が、レポート内容を確認する
上記の①~⑤の工程ごとにAIプロンプトを作成し、⑥の行程のみ人間が工数をかけて行うという体制を整えました。
◆成果、反応
上記の取り組みを通じて、１部署あたりのレポートを最終確認前まで約15分で完成させるプロセスが構築できました。
作業手順が簡単なため、外注に出しても安価に抑えられるほか、人事メンバーは各部署にどのように報告するか、という最も重要な点に注力できるようになりました。
結果として総費用はほぼ予算通りに収まり、人事メンバーも他業務に大きな影響を及ぼさない範囲で各部署への個別レポーティングが実施できました。
部署ごとの課題設定も適切な質感で行うことができ、実施後1-2カ月で翌年に向けて変化が起こっていく兆しが多くみられています。
それぞれの部署からは「自部署の現状がよくわかった」「ここまで的確に分かるものなんですね」「まるでうちの内情を見てきたかのようです」と分析の的確さに対する高い評価の声が続々と集まりました。
◆今後に向けて
A社では更に複数のサーベイやデータを組み合わせることで、上司が1on1をより効果的に行えるようサポートするメンバーのカルテの作成や、入社者の適性検査分析、退職予測など様々な分析をAIを使って進めようとしています。
複雑に思えるデータが扱いやすくなったことにより、人事が社内外に提供できる示唆が大きく増えました。その成果を生かし、この先、更に効果的な提言につなげていきたいと考えているそうです。
評価の納得感を高める際のAI活用プロンプト例
以下にA社の取り組みを参考にした汎用的なサーベイ分析プロンプトを紹介します。回答されたcsvデータなどが綺麗になっているか（ラベルの付け方が曖昧ではないか、データ欠損が激しくないかなど）をご確認の上ご利用ください。
①分析の目的と調査内容の理解プロンプト
あなたは組織開発の専門家として、従業員エンゲージメントサーベイの分析を支援します。
【分析の目的】
- 全社で実施した従業員サーベイの結果から、各部署ごとに固有の課題を特定する
- 各部署が実行可能な改善アクションを導出する
- 全社目標達成に向けて、部署ごとの重点施策を明確化する
【調査概要】
以下の情報を教えてください:
1. サーベイの実施時期と対象者
2. 調査項目のカテゴリー(例:エンゲージメント、職場環境、マネジメント等)
3. 各カテゴリーに含まれる具体的な質問項目
4. 回答形式(5段階評価、自由記述等)
5. 全社目標値や重視する指標
6. 部署の分類方法(事業部、機能別、拠点別等)
上記の情報を順番に入力してください。すべて確認後、分析の準備が整ったことをお知らせします。
②データ読み込みプロンプト
それでは、サーベイデータを読み込みます。以下の手順で進めてください。
【ステップ1:定量データの読み込み】
CSVファイルをアップロードしてください。ファイルには以下が含まれていることを想定しています:
- 回答者ID(匿名化済み)
- 部署コードまたは部署名
- 各質問項目への回答(数値)
- 回答日時
- その他属性データ(任意)
ファイルをアップロード後、私は以下を実行します:
1. データ構造の確認(行数、列数、項目名)
2. 欠損値の確認
3. 各部署の回答者数の確認
4. 基本統計量の算出(全社平均、標準偏差等)
【ステップ2:定性データの読み込み(ある場合)】
自由記述のデータがある場合は、別途アップロードしてください。
- 回答者ID
- 部署情報
- 自由記述の内容
それでは、定量データのCSVファイルをアップロードしてください。
③アウトプット形式の設定プロンプト
各部署向けの分析レポートのアウトプット形式を定義します。
【標準レポート構成】
以下の形式で各部署のレポートを作成します。カスタマイズが必要な場合は指示してください。
---
# [部署名] エンゲージメントサーベイ分析レポート
## 1. サマリー(エグゼクティブサマリー)
- 部署の総合スコア(全社比較)
- 強み上位3項目
- 改善優先度上位3項目
- 重点推奨アクション(1-2つ)
## 2. 詳細分析
### 2.1 カテゴリー別スコア
- 各カテゴリーのスコアと全社平均との比較
- 偏差値または標準偏差での位置づけ
### 2.2 強みの分析
- 全社平均を大きく上回る項目(+0.5ポイント以上)
- 維持・強化すべき要因の考察
### 2.3 課題の分析
- 全社平均を下回る項目(特に-0.3ポイント以上の差)
- 改善インパクトの大きい項目の特定
- スコアが低く、かつ重要度の高い項目の優先順位付け
## 3. 定性データ分析(該当する場合)
- 自由記述から抽出されたキーワード
- 主要な意見のカテゴリー分類
- 定量データを補足する具体的な声
## 4. 推奨アクション
- 短期(1-3ヶ月)で取り組むべき施策(2-3つ)
- 中期(3-6ヶ月)で取り組むべき施策(1-2つ)
- 各施策の期待効果
## 5. 参考データ
- 回答者数と回答率
- 全社平均との詳細比較表
---
【出力形式】
- Markdown形式で作成
- グラフや表は必要に応じてテキスト表現またはMarkdown表形式で表現
- A4で3-5ページ相当の分量
上記の形式でよろしいでしょうか?修正点があれば指示してください。
確認後、部署別レポート生成に進みます。
④部署別レポート生成プロンプト
それでは、[部署名]のレポートを生成します。
【生成手順】
以下のステップで分析を実行し、レポートを作成します:
1. 対象部署のデータ抽出
- 部署コード/部署名:[具体的な部署名を指定]
- 該当する回答データをフィルタリング
2. 統計分析の実行
- 部署の各項目平均値の算出
- 全社平均との差分計算
- 標準偏差・偏差値の算出
- 回答分布の確認
3. 課題の優先順位付け
- インパクト×緊急度マトリクスでの評価
- 改善余地の大きい項目の特定
- 部署特性を考慮した解釈
4. 定性データの分析(該当する場合)
- 当該部署の自由記述を抽出
- 頻出キーワードの抽出
- 定量データとの整合性確認
5. アクション提案の作成
- 部署の特性(事業内容、チーム規模等)を考慮
- 実行可能性の高い施策を優先
- 他部署の成功事例を参照(可能な場合)
6. レポート生成
- 前述の標準フォーマットに基づいて作成
- 数値の正確性を担保
- 客観的かつ建設的な表現を使用
[部署名]を指定してください。レポートを生成します。
※複数部署を連続で処理する場合は、1部署ずつ生成することを推奨します。
⑤検算・品質チェックプロンプト
生成したレポートの正確性を検証します。以下の検算を実行してください。
【検算チェックリスト】
□ **データ整合性チェック**
1. 部署の回答者数は正しいか?(元データと照合)
2. 各項目の平均値計算は正しいか?(サンプルで再計算)
3. 全社平均値との差分は正しいか?
4. パーセンテージ表記に誤りはないか?
□ **論理整合性チェック**
5. 「強み」として挙げた項目は実際に全社平均を上回っているか?
6. 「課題」として挙げた項目は実際に全社平均を下回っているか?
7. 優先順位の根拠は明確か?(スコア差、重要度等)
8. 定性データと定量データに矛盾はないか?
□ **推奨アクションの妥当性チェック**
9. 提案されたアクションは特定された課題に対応しているか?
10. アクションは部署の状況・特性に即しているか?
11. 実行可能性は現実的か?(リソース、期間等)
□ **表記・形式チェック**
12. 部署名の表記は正しいか?
13. 数値の小数点以下の桁数は統一されているか?
14. グラフ・表の数値とテキストの記載に齟齬はないか?
15. フォーマットは標準形式に準拠しているか?
【検算の実行】
上記のチェックリストに基づき、[部署名]のレポートを検証してください。
検証結果を以下の形式で報告してください:
- ✓ 問題なし:項目番号
- ⚠️ 要修正:項目番号、内容、修正案
- ❌ 重大な誤り:項目番号、内容、修正案
検算完了後、必要に応じてレポートを修正します。
