人事実務 ✕ DX ✕ AI

企業の人事部で働きながら、人事の仕事をデータと自動化でどこまで変えられるかを試しています。 社労士試験に合格したあと、RとPythonを覚えて、いまは退職予測やハイパフォーマー分析といった ピープルアナリティクスの実装を社内でやっている、というのが立ち位置です。 Kaggleでは Notebooks Master まで行きました。

このサイトに書いているのは、その過程で自分がつまずいたことです。 うまくいった話より、思ったとおりにならなかった話のほうが多いかもしれません。 精度92%のモデルができたと喜んだら退職者を全員見逃していた話や、 サーベイの自由記述をきれいに可視化したのに施策に繋がらなかった話が、そのまま記事になっています。

人事データの分析は、教科書どおりに進まない場面が多いと感じています。 サンプルサイズが小さく、少人数の部署では個人が特定されてしまう。 予測が当たっても「で、その人をどうするのか」という問いが残る。 こういう部分は一般的なデータ分析の解説にはあまり出てこないので、 実務で踏んだところを具体的に書くようにしています。

記事は現在41本。ほかに、人事データを題材にしたRの解説、35資格の試験日を逆算できるカレンダー、 地震情報のモニターを公開しています。どれも自分が使うために作ったものを、そのまま置いてあります。

Rデータサイエンスは、tidyverse と tidymodels の解説を人事データで書き直しているものです。 世の中のR入門は iris や mtcars を題材にすることが多いのですが、 退職者が全体の数パーセントしかいない不均衡なデータや、少人数部署をどう扱うかといった論点は、 そういう教材では出てきません。実際に人事データを触って困ったところを中心に書いています。

資格カレンダーは、自分の受験管理用に作ったものです。 35資格の試験日と申込期間を並べたうえで、1日に確保できる勉強時間を入れると 「今から始めて間に合うか」が出ます。試験日より申込期間のほうが事故が多いので、そこも一覧にしました。 2026年度から情報処理技術者試験がCBTに移行して日程が半年ずれた件は、公式発表を追って独自に表にしています。

地震モニターは、気象庁の発表を P2P地震情報 と USGS のAPI経由で取得して地図に出しています。 参考情報なので、避難の判断は必ず気象庁と自治体の発表に従ってください。