人事の品質改善：従業員離職率の低下

データ駆動型のプロセス改善イニシアチブは、通常、製造業などの業界に関連付けられます。ただし、統計とデータ分析を使用して問題を解決するプロセスは、あらゆるビジネス機能にメリットをもたらす柔軟性を備えています。リーンシックスシグマのマスターブラックベルトのジェフ・パークスは「リーンシックスシグマは、トランザクションおよびサービスベースの環境で成長してきました」と述べています。「たとえば、人事の分野に品質改善の手法を適用する機会がありました。」 パークスは最近のリーンシックスシグマのプロジェクトで、Minitab Statistical Softwareの強力なツールに頼って、航空宇宙エンジン部品の大手メーカーの従業員の離職率の高さを把握し、削減することに着手しました。

従業員の離職率、つまり転職率は、従業員が会社を辞める率です。新入社員の採用と研修に関する費用のため、離職率の高さは企業にとって問題となり、非常にコストがかかります。

リーンシックスシグマのマスターブラックベルト、ジェフ・パークスは、Minitab Statistical Softwareを使用して、航空宇宙エンジン部品の大手メーカーの重要な人事問題を解決しました。

2009年、オハイオ州の航空宇宙エンジン部品の大手メーカーは、15～18パーセントの通常の離職率を示し、同社が拠点を置く地域の一般的な製造業界の人員減少率を反映していました。しかし、2009年の米国経済の低迷は同社の離職率の増加に追い討ちをかけ、30パーセント以上に急上昇しました。地域および全国的に失業率が高まっていたことから、経営陣は離職率は大幅に下がるだろうと予想していました。同社の品質改善の取り組みを率いたパークスは「離職率の高さは非常に大きな問題でした」と語ります。「それは、人事部門だけでは把握できない、より深刻な問題が社内に存在することを示唆していました。」

メーカーの人事担当者は通常、従業員の退職理由を把握する手段として退職面接に頼っていました。これらの面接からは多くのことが学べますが、従業員が警告なく退職したときは退職面接を行うことができません。そして、作業が非常に手間のかかる時間単位の製造環境では、従業員が予告なく辞めることは珍しくなく、退職理由に関する情報をほとんど、あるいは全く残さないことも珍しくありませんでした。メーカーは、過去2年間に予告なく退職した従業員に関する基本的なデータをまとめており、パークスはデータを分析して、突然の離職について得られる洞察を確認する作業に取り掛かりました。

同社は2年間で100人の従業員を雇用しましたが、この新規採用者のうち、32人が予告なく退職しています。会社は、従業員の性別、職位、給与分類、勤務シフト、製造経験の年数、通勤期間など、新入社員一人ひとりに関する基本情報を把握していました。パークスは、給与分類（時間給対給与）と勤務シフト（第1シフト対第2シフト）で退職した従業員の割合に統計的に有意な差があるかどうかを確認するために、Minitabで仮説検定を実施しました。彼は、従業員の離職行動のパターンを明らかにすることを望んでいましたが、分析では変数の割合の間に統計的に有意な差は示されませんでした。

パークスは、Minitabのチャートを使用して、離職傾向のある従業員について会社が収集した生データを視覚化することができました。上記のヒストグラムは、2年間の新入社員の通勤距離の分布を示しています。

パークスの調査は、そこで終わりませんでした。彼は生データをさらに調査し、退職した従業員の多くが、以前製造業の経験があり、通勤にさまざまな距離を移動していた女性であることに気付きました。Minitabを使用して、性別、製造経験の年数、通勤距離が、従業員が退職したかどうかと相関しているかどうかを調べました。この場合、パークスが評価したいと考えていた反応、つまり辞めるか辞めないかは二値的であり、取り得る値は2つだけでした。パークスは、Minitabの強力な二値ロジスティック回帰分析により、どの変数が退職する可能性を高めたかを予測できる統計モデルを作成できました。

分析により、従業員の通勤時間が統計的に有意であることが明らかになりました。Minitab分析の結果、パークスは通勤距離に基づいて、従業員が退職する可能性を予測する回帰方程式を作成することができました。彼は、この方程式を使用して48キロメートルまでの距離を分析し、通勤距離が19キロメートルの地点までは従業員が退職する確率にほとんど影響を与えないことを発見しました。19キロメートルで、従業員が辞める確率は18パーセント以上に増加しました。「そして、20キロメートル（約30～45分の通勤距離）になると、辞める確率は92パーセント以上に跳ね上がります」と、パークスは語ります。「通勤距離が20キロメートルを超える場合、従業員が退職することはほぼ確実です。」

Minitabの強力なロジスティック回帰分析により、パークスは予告なく仕事を辞めた従業員と相関する要因を特定できました。

メーカーの人事部は、パークス氏の分析結果を使用して製造職の面接プロセスを刷新しました。彼らは、潜在的な従業員の通勤距離をより詳しく調べ始め、このことを採用決定前に考慮しました。

パークスは、データによって離職率の上昇と高い失業率の時代の間の矛盾が説明されていると考えています。「この分析は、景気後退の間、経済状況が非常に悪かったため、人々が手当たり次第に仕事に応募していたことを示唆しています」とパークスは言います。「そして従業員は通勤が大変だと気づくとすぐに他の仕事を探し始め、辞めてしまうことが多かったというわけです。」

パークスは15年以上Minitabを使用していて、このソフトウェアがあらゆるスキルレベルやさまざまなバックグラウンドを持つ人が使用できることを好んでいます。「Minitabのおかげで、統計能力がまだ未熟な何百人ものベルト保有者を指導し、さまざまな事業分野で品質改善プロジェクトを完了することができました」と彼は言います。「使いやすさと統計的検出力の点で、Minitabのツールは市場最高の統計パッケージです。」