社員の離職率を下げたい、離職を防止したいというのは多くの企業に共通する悩みかと思います。本記事では離職率の分析のポイントや分析ツール比較について解説します。

離職防止によくある悩み

社員の離職防止を行うときの悩みは以下の3つに大別されるかと思います。

①分析に関する悩み

（例）
・どの部署・役職で離職率が高いのか分析できていない
・何が原因が離職率が上がっているのか分析できていない

②集計に関する悩み

（例）データをダウンロードしてExcelで分析しようとすると手作業が大変

③施策に関する悩み

（例）離職率を下げるためにどんな施策を行えば良いか分からない

この記事では①②を中心に解説します。

離職分析のポイント

セグメントごとの離職率を調べる

離職率の高いセグメントはどこかを分析します。離職率が他に比べて高いセグメントのほうが改善インパクトが大きいため、優先的に対策する必要があります。

セグメントとしては社員の基本情報（性別、部署、役職、等級、職種、入社年度など）が有効です。

※以下に記載するグラフは、クラウドワークスで開発している人事分析ツールHuman & Humanで出力したものです（詳細は後述）。

↑職種ごとの離職率。営業の離職率が高いことが分かる。

↑職種・年代ごとの離職率。20-30歳、50-60歳の営業の離職率が高いことが分かる。

離職率と人事データの相関を調べる

離職率の高いセグメントを発見したら、離職率と人事データ（残業時間、労働生産性、等級滞留年数、エンゲージメントスコアなど）を紐付けて分析します。これにより、どの指標が離職率と影響するのか把握できます。

エンゲージメントスコアとの相関を分析する場合は、人事データと紐付けてのエンゲージメントスコアの分析のポイントもご覧ください。

↑離職率と残業時間の相関を表す散布図。

離職者の平均勤続年数を調べる

離職者の平均勤続年数を確認することで、離職率が高い原因をより具体的に把握できます。

（例）
・平均勤続年数が短い場合→新入社員が定着しておらず、入社後のフォローやオンボーディングに課題がある
・平均勤続年数が長い場合→ベテラン社員が退職しており、社員のキャリア形成やライフスタイルの変化に課題がある

↑離職者の勤続年数ごとの分布。離職者の多くは3年以内に辞めていることがわかる。

離職率の推移を調べる

離職率の上昇原因がいつから発生しているのか把握できます。

（例）
・ある時期から離職率が上昇した → その時期に原因が発生した（組織や人事制度の変更、残業時間の増加など）
・高い離職率が長期間続いている → 慢性的に原因が存在している（昔からの残業体質、低賃金など）

↑男女別の離職率の推移。男性の離職率が一定なのに対し、女性のそれがある時期を境に急上昇していることが分かる。

分析後のアクション

原因に対する仮説を立てる

上の分析プロセスを元に、離職がなぜ起きているかの仮説を立てます。

データだけを見ても仮説が立てづらい場合、360度評価・サーベイの回答内容などの定性情報を調べたり社員にヒアリングするのも有効です。

アクションプランを考える

仮説を踏まえて、それを解決するためのアクションを考えます。例えば、以下のようなアクションが考えられます。

（例）
・残業時間が長い→業務効率化のためのスキル研修、ツール導入、業務の見直し
・職場の人間関係が不仲→チームビルディング研修を行う、1on1を導入する

離職率と人事データの変化を時系列で見る

アクションを実施した後、離職率や相関の強いデータの変化を定点観測します。アクションから数値に反映されるまでタイムラグがあることが多いので、しばらく様子見が必要です。

もし時間が経過しても数値が変化しない、またはわずかな変化しか見られない場合、原因の仮説やアクションを見直しましょう。

分析例

離職率をセグメントごとに調べた結果、以下の結果を確認できた
・開発部門の社員が離職率が高い
上のセグメントについて人事データとの相関分析を行った結果、以下の結果を確認できた
・離職率と残業時間の相関が強い
・離職者の平均勤続年数が3年と短い
・開発部門の新入社員が増えた2年前から離職率が上昇している
上記の結果から、以下の仮説を立てた
・開発部門の若手社員が残業過多で疲弊している
以下のアクションプランを立てて実行した
・開発部門の若手向けのスキル研修
・残業削減のための制度設定（ノー残業デーなど）
離職率の変化を定期的（3ヶ月後、6ヶ月後など）に調べる

離職率の分析の課題

データの前処理が大変

離職率と人事データの相関を調べるためには様々なデータが必要ですが、これらは複数のシステムに分散していることがほとんどです（社員情報はタレントマネジメントシステム、残業時間は勤怠管理システム、エンゲージメントスコアはサーベイツールなど）。そのため、

各人事システムからデータをダウンロードする
Excelで各データを突合する
Excel上で集計やグラフ化を行う

という工程を踏むことが多くなります。この1・2の作業を「前処理」などと呼びますが、データの種類や件数が増えるほど前処理の手間も大きくなります（一般的に、データ分析では8割の時間が前処理に費やされるとも言われています）。

Excelでの集計が大変

3の集計・グラフ化についても、色々と切り口を変えてデータを見る度に作業をやり直す必要があります。例えば、

全社の残業時間データを見たい→次に部署別のデータを見たい→次に年代別のデータを見たい
離職率と勤続年数の相関を見たい→次に残業時間とエンゲージメントスコアの相関を見たい

のように色々な分析を行うと、集計やグラフ化だけでも大きな時間がかかります。

分析ツールの比較

上記を踏まえて、離職率を分析する際にはExcel以外の分析ツールを導入することがおすすめです。ここでは2種類のツールをご紹介いたします。

BI（Business Intelligence）ツール

データの統合・集計などに特化したツールです。有名なものではTableau、Power BI、Yellowfinなどです。

メリットとしてはデータの集計・フィルタリング・グラフ化・ダッシュボード作成などの機能が豊富に用意されており、集計や分析がしやすい点です。

出典:【Tableau×人事】人員推移表の作成（毎月自動更新）

一方、デメリットも存在します。

人事用のデータベースの作成、人事データとの繋ぎこみ、レポート作成などをゼロから行う必要があり、導入が大変
システムや分析機能を使いこなすための学習コストが高く、情報システム部やエンジニアの協力が必要

特に、前述の前処理については様々なデメリットがあります。

他の人事システムとAPI連携していないことが多く、人事システムからのデータダウンロード→BIツールへのアップロードなどの手作業が多い
データベースを自由に定義できる分、正しく設計をしないと複雑化し、前処理も大変になる
データの加工などはETLツールを使うか、Excel等で行う必要がある

Human & Human

クラウドワークスで開発しているツールであり、人事データの集計や活用に特化しています。

メリットは以下のようなものです。

人事でよく使うデータや図表を自動集計できる
人事用のデータベースやレポートが標準で用意されているので導入しやすい
学習コストが低いので人事のみでも運用できる

前述の前処理については様々なメリットがあります。

他の多くの人事システムとAPI連携しており、前処理を自動で行える
標準でデータベースが設計されているので前処理も簡単
データの加工などはサポートで対応してもらえる

一方で、BIツールほどの分析の柔軟性が無い点はデメリットです。

比較ポイント

	BIツールがおすすめ	Human & Humanがおすすめ
利用目的	多くの種類のデータを時間をかけて高度な分析や細かいシーンに応じた表現をしたい。	まずは小さくデータ可視化・分析をして、素早く可視化・効率化して、徐々に本格的にしたい。
必要な分析手法	統計的分析手法、Rを用いた分析	時系列・セグメント比較・相関分析
人的リソース	データ設計スキルが豊富な人材を用いたい	専門的なデータ設計スキルを持った人材無しで進めたい
時間的リソース	じっくり時間をかけて構築したい	1ヶ月以内など、すぐにデータ可視化・分析をしたい

Human & Humanについて詳しく知りたい方は、以下より資料請求・トライアル申込お願いいたします。