統計学は実は採用でも最強の学問でもある

何を隠そうｗｗｗ別に隠してもいなかったのですが、最近は心理学者っぽく言って頂ける機会が増えてきたのですが、主席データサイエンティストというのが私の肩書でもあるのですｗｗｗ

データサイエンスってなんだろ？って思う方も多いと思いますが、簡単に言うと数学的思考や統計学的思考から、ビジネスを数字から確率論的に成功に導くというのが私の得意技でもあるのです。

さてこの得技をいかして、採用を統計学で考え成功した時のお話をしていきたいと思います。これはいつものように「5分でできる」とはいかないのですがｗｗｗ是非ぜひ採用する際の参考にしていただければと思います。

今回はデータ分析を利用した「採用」という話をしていきますが、実は離職改善だったり、業務効率改善にも活かすことが出来ちゃうのがこの統計学を使うデータ分析/データサイエンスなんです。最近では看護学校でも統計学やデータサイエンスを教える事も増えているようですし、医療で言えばエビデンスを基に語るとなると、このデータ分析を基にした数字周りというのは看護師/訪問看護師様にとっても切っても切り離せない関係性にもなってきました。

関東圏の病院や訪問看護ステーションの採用周りや、利用者分析、社内満足度調査は約80件ほど対応させていただいており、このコラムでは最後に、データサイエンスで採用成功した例を伝えていきたいと思っています！！凄く面白い事例があるのですが、文字数次第では第二回、第三回と切り分けて授業していきます！！

授業となると、実は個別でレッスンをすることもありますので、ご興味ありましたらそちらも何なりとお申し付けくださいませ。

データ分析や統計学を元にした看護師様のお仕事探しをご希望なら
分析で有名な看護求人JOBSで相談する事が間違いありません。
今なら相談料無料でサービスを受けることができるのでコチラをクリックしてみてください。

細かく話していくとまさに書籍レベルで以上に読みにくいコラムになってしまうので、まずはざっくりと。難しそうに聞こえちゃいますが、実は簡単なんですよｗｗｗ
質問の多かった所は細かく次回コラム以降でお伝えしていきたいと思います。

統計学的に自分自身のベストな転職先に興味があればこちらをクリックしてください。
過去のデータベースから、AIと統計学が一番失敗しない転職先をご提案できます。

１：とにもかくにも、数と率はセットで見る

例えばバスケットボール選手・・・3ポイントシュート成功率100％の伝説の名シューター

例えば野球選手・・・代打でのバッティングは10割（100％）の代打の神様

さあさあ、どうですかこんな事あると思いますか？

答えを言ってしまえば、これは嘘偽りなくあり得るのです。
ではちょっとだけ、前提条件を付けてみましょうか？

バスケットボールの名シューター。3ポイントシュート成功率100％です。
そうです、1本シュートをうって、1本入りましたｗｗ
つまり1/１の100％ですｗｗｗ

代打の神様も同様に考えてみますか。
代打1回しか実は経験がないのです。でもその1回でヒットを打つことが出来ました。
つまり1打数1安打なので打率は10割ですｗｗｗ

そんな詐欺臭いｗｗｗと思いますが、算数の問題ですｗ
嘘偽りなく100％のシューターなんですよｗ

NBAの名シューターである、ステフィンカリーでも約45％くらいだった記憶です。
伝説のバッターと言えば、やはりイチロー選手ですよね？イチロー選手の生涯代率をみたら3割2分2厘でした。つまり32.2％って事です。

皆さんがバスケの監督だったら、ステフィンカリーと伝説の名シューターどちらを試合に使いますか？野球でも同様です。日本シリーズで1打逆転の場面。イチロー選手と、代打の神様どちらを代打で選びますか？

いやいや・・・・さすがにそれは簡単でしょ・・・
バスケならカリーだし、野球ならイチロー選手だし・・・当たり前じゃないっすか・・・

改めて聞きますよ。当たり前ですか？？ネームバリューに負けてませんか？だって100％ですよ。

うーん・・・確かに率を見るとそうなんだけど、なんだろうモヤモヤした気持ちｗｗｗ

わかりますわかりますｗ違和感ありますよね。
※この例えばなしが看護師様向けじゃなくてもうしわけありません。

その違和感は大正解です！！つまり率しか見ていないと、このように数字に騙される事があるのです。

もちろん逆もしかりで「数」だけ見ていても、数字に騙されてしまう時があるのですよね。

例えば「完治率、満足度100％の伝説の看護師」という肩書があったとしましょうかｗｗ
この伝説に疑義を伝えるのであれば、そもそも患者は何人見たのだろうか？と一人看護師て、一人完治して、満足してもらったらそりゃ100％ですが・・・

「おいおい、看護師でたった一人だけ患者を診るなんてあるかい！！」という看護師様のご指摘通り、一人しか見たことない伝説の看護師だったら、逆にやばいですよねｗｗｗ

例えば
「100名が成功した魔法の投資術教えます」とか「100万人が就職難民となっています」とかとか。キャッチコピーとしてこのような事を伝えることはあると思いますが、事実をきっちりと伝えるという文脈からで言えば、「100名が成功した魔法の投資術ですが、1万人が挑戦しました。つまり成功率は1％ですｗｗｗ」ってなったらｗ「全然すごくないじゃんｗ」って思えますよね？

つまり「数」と「率」は常にセットで数字は見るようにしてください。特に母数（N数）が書いていない数字は要注意です。

では簡単に採用で考えてみましょう！！
統計学やデータサイエンスをするときは、大きな数字（そもそもの目的）をセグメント毎に分けていくと、採用成功しているのか課題があるのかが少しずつ見えてきます。

参考までに昔研修をした資料の一部を添付しておきますね。

こんな感じですｗ
こんな感じと言われても「なかなかわからないぞ！！」は、ごもっともｗｗｗ

なので看護師様の採用というケースで少し次の章でトレーニングしてみましょう！！

まずはこの章で覚えていただきたい事は「数」と「率」と「母数」はいつもセットと考えるようにするという事です。どちらか1つだけだったら、むむむ！！これは怪しいな！！と考えるようにしてください。

採用コンサルタントや個別で統計学レッスンを希望（1都3県）される方はコチラからご連絡ください。
※病院や訪問看護ステーションの採用コンサルタントだけではなく、一般企業の購買分析なども実績としてございます。

それではこんな弊社をこんなキャッチコピーにしてみましょうか？？

採用コンサルティング満足度97.2％の
伝説のコンサルが統計学を駆使して採用成功に導きます。

さて、勘の良い皆さんならもう気が付きますよねｗｗ

データ分析や統計学を元にした看護師様のお仕事探しをご希望なら
分析で有名な看護求人JOBSで相談する事が間違いありません。
今なら相談料無料でサービスを受けることができるのでコチラをクリックください。

２：分析の目的（採用成功）と変数を考えてみる（重回帰分析ができるようになります）

ズバッといきますよ！！さあ統計学を使ってデータ分析するぞ！！と思ったら一番最初にやるべきことがあるのです。

「当たり前だー！！」とルフィーがナミを助けるがごとく叫んでくれれば問題なしですｗｗ※ワンピースファンの方しかわからないような例えで申し訳ありません。

これが当たり前ではない方が実は結構多いのですよ。。。

というのも、分析だったりデータサイエンスはエクセルを使ったりtableauを使ってみたり、様々なソフトを使うのですが、目的なくただただ、足し算してみたり割り算してみたりが多くて「それ何やってるの？」の問いに対して「いや。。。なんとなく。。。」という返答が実は多かったりして。

数字でエビデンスを出すので文章は不要だと思われますが、まずはしっかりと文章で目的を明確にすることです。

例えば
・「看護師の採用における、資格ごとの入職率を出し、プロセス上の課題を明確にし改善し、入職数を最大化する」とか
・「利用者の満足度と、継続率の相関を数値化し、継続率に影響のある変数を明確にする」とか

目的の為の分析になっているかどうかを、常に意識していないと、作業の為の業務になってしまい本筋を外してしまう可能性が非常に高いのです。これらを分析の目的なので「目的変数」なんて表現をします。

そして次に、その目的を叶えるためにどのような要素があるのかを考える必要があります。
これを説明変数と言います。

ちょっと数学っぽく話した方がわかりやすいかもしれないので記載してみると

例えば目的をシンプルに「入職数の最大化」にしてみましょう。
つまり目的は「入職数」ですね。
まずはココから。そしてもう少し分解すると

目的変数（Y）＝ax+b（説明変数）って表現も可能なのです。
目的変数（Y）＝X(a+b+c)（説明変数）とかだってもちろん大丈夫です。

「入職数（目的変数）＝説明変数」みたいな方程式が出来ると美しいですね。

つまり目的変数（Y）に対してどんな方程式が成り立ちますかって話なのです。
これが説明変数ってやつですね。

段々難しく感じてしまいますよね？？大丈夫です！！安心してください！！
変数という表現をよく使いますが、要は目的を叶えるための変数（要素）が何かを明確にすることです。

例えば採用成功という事で考えると、入職のプロセスやフェイズが変数（採用の為の要素）になりますよね？

なんて大きな流れになりますよね？この「個人情報獲得～入職」までの一連の流れを「プロセス」と呼び、各段階の事を、（ここで言う各数字の事ですね）「フェイズ」と言います。

この入職プロセスの中になる9のつのフェイズが、イメージ的には説明変数になるわけなのですよ。

※説明変数は正確に言えばもっともっとあります。年齢とか資格とかいわゆるデモグラフィックデータってやつも説明変数になりますが、今回は基礎編なのであえて触れていません。

では実際に少し計算してみましょうか！！
プロセスやフェイズの課題を出すときに、まず一番最初にやることから教えていきますね。簡単なのでビクビクせずに一緒にやっていきましょう！！

できましたか？？

もしも個人情報数がわからないです！！って採用担当者様がいたら、それは心を鬼にして言いますが「超やばい」です！！数字で語れないのは「樹海を地図なしで歩く」と同じくらいビジネスでは危険な事です。

「なんか入職しないなー」とか「うちって給料が安いから入職しないのかなー」と思ってしまうだけで、自分たちの採用プロセスの課題をしろうとしないのでとっても危険な事です。

では話を戻して、イメージがつきやすいように実数で考えてみましょうか？

まず個人情報の獲得が1000名だとしましょう。
その中で入職した人数は100名だとすると
展開率は　展開率＝100名入職/1000名の個人情報なので
展開率は10％という事がわかりましたよね？

つまり「y（入職予測人数）=登録数×10%(展開率)」という方程式がまずはできるのです。

では今期の採用20名必要だと仮定しましょう！！何名の個人情報が必要になりますか？
ちょっと考えてみましょう！！

必要な個人情報数は　20名/10％なので200名です！！
なので採用目標を達成するためには、200名の個人情報を獲得する事が出来れば、過去のデータからは採用目標を達成できるという事なんです。

たったこれだけでも、現実的に何をすればいいか見えてきませんか？

と進んだここで第一回の授業を終わりましょう！！さすがに文字数が多くなりすぎてしまいましたので、第二回、第三回と続けていきましょうか？

この数字だとまだ比較もできていないですし、課題も発見できていないので、ここからがまさにデータサイエンティストの腕の見せ所となるわけなんですよ。

注意点としてですがデータ分析やマーケティングは知れば知るほど、細かく出したくなります。
そして細かく出せば出す程、現実との乖離が大きくなります。つまり、全くアクションプランとして現場にフィットしない施策になります。

データ分析というのは、統計学を使って分析する事が目的ではなく、改善するためのアクションプランを出し成果を出すところまでが目的なので、分析だけして何かを成し遂げた気持ちになってはいけませんよ。

独りよがりの分析屋にならないように、現場とのコミュニケーションが
分析スキルよりも大切になりますよ。

それでは第二回を楽しみにしていてください！！

【5分じゃできないｗ】採用担当の為の統計学（実践編）がっつり教えます！！データ分析で課題を発見する～のーち先生の統計学講座～

データを基にした転職支援に興味がある方はコチラをクリックしてみてください。
転職分析のプロフェッショナルの先生がお仕事探しを強力にサポートしてくれますよ。