離職予測AI 見出し

勤怠データを活用し、AIで従業員の異変を早期察知!
6ヶ月後の離職・休職リスクを予測します
離職リスクを見える化して 早期の離職対策

社内に眠っているデータを活用し、従業員の離職・休職を先回りして予防する「離職予測AI 」で離職防止の新しいアプローチを!経験や勘だけでない客観的なデータに基づく意思決定をサポートします。
※予測する期間は、要望に応じて調整可能です。

サービスの効果や有効性を無料で体験!
今すぐPoCパートナーに応募する

本サービスの有効性や実用性を
更に確認するため
概念実証(PoC)を行っていただける
パートナーを募集しています

こんな課題はありませんか?

  • 企業の課題 コスト
    社員が定着しない

    離職がもたらすコスト(採用、育成、欠員、退職)の負担が大きい。一人当たりの採用にかかる費用の平均は、新卒「93.6万円」 中途「103.3万円。採用コストは増加傾向にあり、2018年と比較すると約20万円の増加(※1)

  • 企業の課題 メンタルヘルス
    メンタルヘルス不調での
    休職が増えている

    メンタルヘルスの知識や認識を持っていないため、兆候に気づくことができない(※2)メンタル面等の理由での求職者1人あたりに追加的にかかるコストは422万円(※3)

  • 企業の課題 離職者・休職者の傾向の把握
    離職・休職する従業員の傾向や
    働き方の傾向を把握したい

    離職の原因やその背景を理解していないため、適切な施策を講じることができない

※1:出典:リクルート「就職白書2020」
※2: 一定の過程を置いて定量的なコスト面での試算を行ったものであり、状況に応じ個別企業の実際のコストは異なってくる点に留意する必要があります。
※3:出典:平成20年4月9日発表「企業が仕事と生活の調和に取り組むメリット」. 男女共同参画会議 仕事と生活の調和(ワーク・ライフ・バランス)に関する専門調査会

離職予測AIとは

従業員の勤怠データ、離職‧休職者データからAIモデルを作成し、従業員⼀⼈ひとりの離職リスクを予測します。
AIモデルを⽤いることで、⼈の経験や感覚だけでは⾒逃してしまう従業員の不調の兆候を捉えることができます。

離職予測AI概要
※提供頂くデータの質‧量によって予測精度は変わります

開発の背景

メンタルヘルスの重要性の⾼まり

近年、従業員のメンタルヘルスは重要性が⼀段と⾼まっています。ストレスの多い職場環境、⻑時間労働、⼈間関係のトラブルが従業員の⼼の健康を損ない、結果として不本意な離職や休職に追い込まれるケースが増えています。職場でのハラスメント、パワーハラスメントやセクシャルハラスメントは、メンタルヘルスに深刻な影響を及ぼし、退職や休職を余儀なくされる状況も⽣じています。このような望まない離職や休職は、経済的困難を引き起こし、最悪の場合、貧困へのリスクを⾼めることになります。

開発背景 メンタルヘルス

より良い組織づくりの必要性

これらの問題を解決するためには、より良い組織を作り、未然に防⽌することが重要と考えます。従業員のメンタルヘルスを守り、ハラスメントによる離職や休職を減らすことは、組織の持続可能性と競争⼒を維持する上で重要な課題です。

サービスへの取り組み

私たちは、従業員が安⼼して働ける職場環境の構築をサポートするサービスを提供しています。この取り組みを通じて、組織の健康と従業員の幸福を⾼めることを⽬指しています。⼀⼈ひとりが満⾜して働ける環境を実現することで、組織全体の成⻑と発展に繋がると信じています。

開発背景 組織の強化

離職予測AIが選ばれる4の理由

  1. 1

    効果的な⼈事施策の策定

    選ばれる理由 効果的な人事施策

    離職リスクの⾼い従業員や部⾨を特定し、ターゲットを絞った⼈事施策を実施できます。従業員の抱える問題や悩みを早期に把握し、より的確なサポートや研修を提供できます。

  2. 2

    データに基づく意思決定

    選ばれる理由 データ活用

    客観的なデータに基づき、⼈事戦略の優先順位を決定することができます。

  3. 3

    ⼿間の軽減

    選ばれる理由 コストの削減

    従業員は新たにアンケートを記⼊するなどの⼿間が発⽣しないため、業務に集中することができます。

  4. 4

    継続的なモニタリング

    選ばれる理由 継続的なモニタリング

    勤怠データは継続的に収集されるため、⻑期的なトレンドや変化をモニタリングすることができます。

従業員の継続的な活躍は、企業の成⻑に不可⽋です。⼈事データや勤怠データなどを基に、各従業員の離職‧休職リスクを分析‧分類します。これにより、リスクの背後にあるパターンを明確に捉え、パターン毎に具体的な施策の提案が可能となります。離職や休職の早期の要因特定と適切なサポートにより、組織の健全性を向上させ、従業員の定着率を⾼めることが期待できます。

離職予測AIの特徴

特徴 1

遷移を把握できる

「どの段階で」「どの程度悪くなった」「良くなったか」を把握することができます。特定の時期に離職‧休職リスクの数値が悪化した場合、その時期に何が起こったのかを詳しく調査することで、離職の原因を特定しやすくなります。

離職予測AIの特徴 遷移の把握

特徴 2

離職者‧休職者のグループ化

どのような離職、休職者がいるのか、⼈の感覚ではとらえにくいパターンを⾒つけだします。どのような退職パターンがあり、どのような施策が効率的‧効果的なのか把握することができます。

離職予測AIの特徴 グループ化

特徴 3

離職、休職につながる要因‧パターンを特定し、
各従業員に合わせた
最適な施策
を実践

各パターンに合わせた最適な施策を打つことが可能になります。
離職、休職リスクの⾼い従業員にフォーカスしてケアできるため、施策のコストを最⼩限に抑えることができます。

離職予測AIの特徴 パターンの把握

サービスの流れ

1.過去の離職者・休職者データを収集 2.予測モデルを構築 3.各従業員の離職リスクを予測 4.レポートを提出 5.施策を実施 6.検証
1
過去2年分の従業員の 勤怠データと離職者‧休職者データを提供頂きます。
2
勤怠情報と離職者‧休職者情報から予測モデルを構築します。
3
構築したモデルを利⽤して、勤怠データから離職リスクを算出します。
4
レポートを提出します。
 
5
レポートを元に施策を実施。
 
6
実施後、離職‧休職リスクを予測、施策の効果があるかを検証します。

共同研究の取り組み

中退予防のための教育データ分析を研究されている
⽩⿃成彦先⽣(嘉悦⼤学経営経済学部教授)と共同研究に取り組んでいます。
専⾨的な知⾒‧経験を開発に反映し、組織⼒の向上を⽀援します。

共同研究 ⽩⿃成彦先⽣(東京都市大学 共通教育部 教授)
東京都市大学
共通教育部 教授
⽩⿃ 成彦

東京都市大学 共通教育部 教授
2009年3月慶應義塾大学 政策・メディア研究科 後期博士課程単位取得退学、2023年東京工業大学 環境・社会理工学院修了、博士(工学)。2009年から2023年まで嘉悦大学に所属、2024年から現職。

高等教育機関におけるデータをもとにした中退防止施策を研究テーマにしている。競争的資金として「大学における中退防止を目的とした教育サービス評価モデルの提案」、「 教学データに学生の学内外の人間関係データを組み込んだ中退予測モデルの開発」等を頂いて研究を進めており、大学における中退がなぜ起きるのか、中退をどのように防止できるのかを考え、データサイエンスと人工知能研究をベースにおいた教学施策、中退防止施策の実践を行っている。

サービスの効果や有効性を無料で体験!
今すぐPoCパートナーに応募する

本サービスの有効性や実用性を
更に確認するため
概念実証(PoC)を行っていただける
パートナーを募集しています

よくある質問

データ管理は安全でしょうか?
356 ビットの⾼度暗号化標準 Galois/Counter Mode (AES-GCM) を使⽤して、暗号化して保存し、アクセス権限を厳密に管理しています。
データへのアクセスログを全て記録しており、万が⼀不正アクセスがあった場合は迅速に検出する仕組みを構築しています。
提供する勤怠データのデータ形式を教えてください。
CSV形式でお願いしています。API連携可能な勤怠管理システム(KING OF TIME、ハーモス勤怠 等)を利⽤されている場合は、出⼒サポートも可能です。導⼊前のお打ち合わせ時にお問い合わせください。
貴社から⽀給されるレポートは、どのような頻度になりますか?
1ヶ⽉毎でのレポート提出となります。もっと短い間隔や⻑い間隔での提供も可能です。貴社のご要望に併せて柔軟なアレンジも承っていますので、お気軽にご相談ください。

導⼊の流れ

  1. 1. 導⼊の流れ 問い合わせ
    1お問い合わせ

    まずはお問い合わせフォームよりご連絡ください。2営業⽇以内に、担当者より折り返しご連絡いたします。

  2. 2.導入の流れ 打ち合わせ
    2お打ち合わせ

    お客様のニーズのヒアリングやサービスの説明などを⾏います。

  3. 2.導入の流れ 契約
    3ご契約

    サービス内容にご納得いただけましたら、ご契約。サービス提供を開始させていただきます。

サービスの効果や有効性を無料で体験!
今すぐPoCパートナーに応募する

本サービスの有効性や実用性を
更に確認するため
概念実証(PoC)を行っていただける
パートナーを募集しています

お問い合わせ

    プライバシーポリシーに同意する