ピープル・アナリティクス（以下PA）とは、従業員に関わるあらゆるデータを活用してより良い人事意思決定をおこなうことで従業員の幸福度を上げ、それに仮にあなたの会社の従業員が今日、「会社を辞めよう」と決意したとします。しかし、その従業員本人すらも自覚していないところで、もっと前から行動に「ある変化」が起きているとしたら。
人材データは退職者の意思が固まる前の「ある変化」を顕在化させている場合があります。それはどういった変化なのでしょうか。今回はエンゲージメントサーベイにも評価にも現れない、「人の行動データ」から心理の変化を読み解く「ONA (Organization Network Analysis／組織のネットワーク分析)」について紹介します。より経営効果の向上を促す様々な施策の総称です。2017年時点でのPwCによる調査結果では、人事担当者の79%がPAに関心があると答えている一方で、現在でも「重要度は高いが緊急度は高くない」、「何から始めれば良いか分からない」、「いろいろ試してはいるが悪戦苦闘している」という声がよく聞こえます。
目次
「ONA (Organization Network Analysis)」とは？
代表的な人事データといえば、「従業員属性」、「採用」、「勤怠」、「給与」、「評価」などが挙げられますが、近年はコミュニケーションデータの有用性が人事領域でも注目されています。その分析アプローチは「ONA（Organization Network Analysis／組織のネットワーク分析)」と呼ばれ、これまでの実証事例でもハイパフォーマーを発掘したり、離職の兆候を予測したりすることに役立てられています。また、コミュニケーションのパターンの集合≒ソーシャルネットワークと捉えると、その成立過程や変遷をひもとくことで、イノベーションに強い組織・チームづくりに向けた適材配置・発掘のヒントも得られます。
なお、コミュニケーションデータの分析でも、会話の内容を洗い出してテキストマイニングする必要があるかというと、必ずしもそうではありません。私たちが今までの経験から、ONAがより示唆に富んでいると考えるのは、誰と誰が、いつ（どこで）、どれぐらいの頻度・密度でコミュニケーション（※1）を取ったかを時系列で追えることです。多くの方は、会話の中身まで特定されることに大きな抵抗感を示されると思いますが、従業員同士の繋がりの多さや太さといった程度の情報で、その人たちの組織における影響力や帰属意識（エンゲージメント）を十分に評価できるのです。
続いて、複数の事例からONAの有用性を考察します。
※1 オンラインであれば、メールやチャットでのやりとり（送受信だけでなく、スタンプといったものでのリアクションも含む）、オフラインであれば、例えば、カレンダー情報から得られる会議の参加有無や、オフィス家具や首から提げた入館証ホルダー内に仕込まれているセンサーによって判別する。
ONAの有用性（1）：離職の兆候や「負の連鎖」の予測
冒頭の例は、実際にUberでメールやチャットなどのオンラインデータを用いて実証した結果、わかったものです。従業員のコミュニケーションパターンの「ある変化」により、離職のリスクをかなりの精度で予測できたのです。その変化とは「退職間近の従業員は社内でのネットワークが縮小し、深くなる（特定の人とだけよくコミュニケーションをとるようになる）」というものでした。別の某金融機関のオフラインデータからも、同様の結果が得られています。
またこれは、自ら辞めた場合でも、辞めさせられた場合でも、共通する変化のパターンであることがわかりました。これはトリガーが企業・従業員のどちら側であれ、従業員が組織に対して帰属意識が薄れると、自己認知よりも早いタイミングで行動やコミュニケーションパターンに変化が現れることの表れです。これはつまり、本人に離職という決断を思いとどまらせる猶予があることを示唆しています。実際にUberではコミュニケーションに上述のような変化が生じた従業員に対して、当人に離職フラグが立っていることは一切匂わせずに、エンゲージメント向上を促すようなプログラムを自動メールで提案するなどの施策を展開しました。
ある従業員の離職は、時に、他の社員に禍根を残すこともあります。特に対象従業員が複数の組織を横断して結節するような役割を担っていた場合（バウンダリー・スパナー）や、多くの社員とのコミュニケーションのハブになっていた場合、その離職はネットワークの均衡を揺るがし、情報の流通を弱めるだけでなく、周囲の社員の士気を損ねるといった「負の連鎖」を引き起こしかねません。
ONAにより従業員がバウンダリー・スパナーやハブ人材かどうか、また勤怠や評価データなどと組み合わせれば、その人物が実際に周囲の人財の士気を低下させたかも明らかになるでしょう。いずれにせよ離職の予測と対処においては、個別の従業員と会社の関係を1：1で捉えるのではなく、波及効果も見据える必要があります。
そして、ONAは離職以外に、組織の硬直化の予防にも役立てられます。人間にはホモフィリーといって、似た者同士で仲間をつくりたがる傾向があるそうです。価値観や行動規範をそろえるべきステージではポジティブに働きうる性質ですが、あまりに長い期間で同質化が強まると、環境適応能力の低下といった弊害を招きます。ONAに人事属性情報やアセスメントデータ等を組み合わせてクロス分析すれば、健全な新陳代謝を阻む要因仮説や所在を特定できるでしょう。
ONAの有用性（2）：戦略的な人材配置・発掘
（1）の例はリスク予防という観点でしたが、ONAの結果からは、組織の成長戦略に合わせた適材配置・発掘に対する示唆も得られます。
Uberでの別の実証結果では、特に営業職においてはバウンダリー・スパナー（営業職以外とも広いネットワーク接点を持っている）ほど、高いパフォーマンスをあげていることがわかりました。業種・職種・企業の成長ステージによっては異なるインサイトが出る可能性はありますが、顧客への提供価値を構成するバリューチェーン・業務プロセスを（ソーシャルネットワークとして）網羅しているほど、顧客の要望により柔軟に対応できたり、新たな提案を創出しやすかったりするからでしょう。
なお、ここでいう営業職のバウンダリー・スパナーは、営業活動とは関連しないネットワークとも接点をもつという属性から単に油を売っている不真面目な人のように映ることもあるでしょうけれど、イノベーション理論の中には「多方面に “弱い繋がり” （広く薄い）を持っている人は、イノベーター人材に適している」とする向きもあるようです。
「イノベーション＝既存の知の新結合」と考えると、ネットワークを広く携えているほど、組み合わせのパターンも増える可能性が高まります（知の探索）。ただし既知の組み合わせによる創造力だけでは、イノベーションの実現には片手落ちですので、実行力をともなう人材が必要不可欠です。
そこで相棒たりうるのが “強い繋がり” （とても広くはないかも知れないが、濃くて深い）を持つ人材です（※2）。そうした人財はコミュニケーションの濃さから “暗黙知” を効率的に共有しあい、さまざまな根回しや政治を乗り越え、安心安全にトライアンドエラーを繰り返せる土壌づくりができると期待されます（知の深化）。ONAからは “弱い繋がり・強い繋がり” を持つ個人の特定ないし推定まではできるので、例えば新規事業や社内ベンチャー制度の成否データと組み合わせれば、成功するイノベーション組織・チームづくりに対する示唆が得られるでしょう（※3）。
※2 ただし繋がりが強くても、前述の「ホモフィリー」の傾向があると、むしろイノベーションを阻害するリスクはある。
※3 “弱い繋がり・強い繋がり”を持つ人材を特定する上で、ONAは有用なエビデンスとなりうる。しかし、ONAだけで特定できるわけではないことに留意して頂きたい。
最後に
ONAが有用だと考えられるもうひとつの実務的な理由として、わざわざ従業員にサーベイを取ったり現場マネージャーにヒアリングをしたりしなくても、より客観的かつバイアスフリーに、組織や従業員の近未来を占うことができる点にあります。
サーベイ自体が不要になるわけではありませんが、従業員の負荷を考えると年に何回も実施することは難しいですし、悪気はなかったとしても自己申告にはさまざまな認知バイアスがつきまといます。従って組織の危険信号をリアルタイムにキャッチする上では、ONAはより簡便で正直な手段として期待できます。
ただし、これはONAに限りませんが、さまざまな分析アプローチから導かれた結果や示唆は、必ずそうなると未来を保証するものではありません。結果を鵜呑みにしたり断定したりするのではなく、そうなる可能性が高いと留意することが大切です。その留意をもとにしながら、意思決定をより良くすることが重要なのです。
今回のハイライトは、下記の3点でした。
・ONA（組織のネットワーク分析）は、今後、人事領域でも期待されている分析手法
・会話の内容まで踏み込まなくても、十分な示唆を得られる
・離職の兆候や「負の連鎖」の予測、組織の硬直性の診断、また戦略的な人材配置・発掘などへの活用が期待される
