離職予兆を可視化するKPI設計とダッシュボード運用：ピープルアナリティクスと人的資本経営の統合的アプローチ
人材不足が深刻化するなか、離職防止は人事部門だけの課題ではなく、事業継続や企業価値を左右する経営課題になっています。
厚生労働省の「令和7年雇用動向調査」によると、2025年の離職率は13.7％でした。一般労働者は11.4％、パートタイム労働者は19.9％となっており、業種や雇用形態による差も大きくなっています。
しかし、離職率は従業員が退職した後に判明する「結果指標」です。離職率が悪化してから対策を始めても、現場の負担増加や技能流出、採用・教育コストの発生を防げない場合があります。
そこで注目されているのが、従業員の状態変化を複数のKPIで捉え、対話や職場改善につなげるピープルアナリティクスです。
ただし、目的は「退職しそうな社員を当てること」ではありません。データから組織の変化を早めに捉え、働きにくさや成長機会の不足を改善することが本来の目的です。
本記事では、離職予兆を可視化するKPIの選び方、ダッシュボードの構成、アラート後の1on1、個人情報保護、AI利用時の注意点まで解説します。
離職予兆を可視化する必要性
離職率だけでは対応が後手に回る
多くの企業では、次のような指標が人事会議で使われています。
- 離職率
- 平均勤続年数
- 有休取得率
- 平均残業時間
- 欠勤率
- 採用人数
これらは組織の状態を把握するうえで重要ですが、結果が現れた後に確認する指標が中心です。
たとえば、年間離職率の上昇が判明した時点では、すでに複数の社員が退職しています。残された社員の負担増加や職場への不信感が広がっている可能性もあります。
離職防止では、結果指標に加えて、離職につながる前の変化を捉える「先行指標」が必要です。
離職予兆は一つのデータでは判断できない
残業時間が増えたからといって、直ちに退職リスクが高いとは限りません。繁忙期や一時的なプロジェクトが原因の場合もあります。
パルスサーベイの回答が低下した場合も、業務への不満だけでなく、体調や家庭環境など、会社側が安易に推測すべきではない事情が含まれる可能性があります。
そのため、離職予兆は単独の数値で判断せず、次のような複数の変化を組み合わせて確認します。
- エンゲージメントの変化
- 業務負荷の変化
- 休暇や勤怠の変化
- 1on1の実施状況
- キャリア形成や学習機会
- 異動・昇進・評価に対する納得感
- チーム単位の人員構成や業務集中
重要なのは、AIやシステムによるスコアを事実とみなさないことです。スコアは対話の必要性を示す参考情報であり、本人の退職意思を断定するものではありません。
離職予兆KPIの3階層
離職予兆ダッシュボードでは、KPIを「結果指標」「先行指標」「運用指標」の3階層に分けると整理しやすくなります。
| 階層 | 目的 | 主なKPI |
|---|---|---|
| 結果指標 | 発生した離職と組織への影響を確認する | 自己都合離職率、早期離職率、重要人材離職率、平均勤続年数 |
| 先行指標 | 離職に至る前の職場変化を捉える | パルスサーベイ、残業時間の変化、欠勤・遅刻、有休取得、1on1実施率 |
| 運用指標 | アラートが支援につながっているか確認する | 初回対応時間、面談実施率、支援完了率、改善率、誤検知率 |
結果指標
自己都合離職率
自己都合離職者数を、対象期間の平均在籍者数で割って算出します。
自己都合離職率 ＝ 自己都合離職者数 ÷ 平均在籍者数 × 100
会社都合退職、定年退職、契約期間満了などを分けることで、組織改善の対象となる離職を確認しやすくなります。
早期離職率
入社後90日、半年、1年、3年など、期間を区切って確認します。
早期離職が特定部署や採用経路に集中している場合、採用時の情報提供、配属、教育、上司との関係などに課題がある可能性があります。
重要人材離職率
一律の離職率だけでなく、事業継続に影響する職種や技能を持つ人材の離職を把握します。
ただし、「重要人材」という区分が従業員の固定的な格付けにならないよう、対象基準と利用範囲を明確にする必要があります。
離職後の欠員期間
退職者が出てから後任者が業務を担えるまでの期間を測ります。
離職人数が同じでも、代替が難しい職種ほど事業への影響は大きくなります。
先行指標
パルスサーベイの変化
月1回または四半期ごとに、次のような項目を短い質問で確認します。
- 業務量は適切か
- 上司や同僚に相談できるか
- 仕事の目的を理解できているか
- 成長を実感できているか
- 評価や役割に納得しているか
- 今後も働き続けたいと思うか
絶対値だけでなく、前回からの変化と回答率を見ます。回答者が少ない部署では個人が推測されるおそれがあるため、最低集計人数を設定することも必要です。
1on1実施率と継続率
単に予定を登録した回数ではなく、次の項目を分けて確認します。
- 予定された1on1の実施率
- 延期・中止率
- 前回決めた支援事項の完了率
- 部下側の満足度
- 面談後の状態変化
実施率が高くても、進捗確認や上司の一方的な指示だけでは離職防止につながりません。質を確認するKPIが必要です。
業務負荷の変化
残業時間、休日出勤、有休取得、担当案件数などを確認します。
ここでも、残業時間が一定値を超えたかだけでなく、本人や部署の通常時と比べて急増していないかを見ます。
勤怠の変化
遅刻、欠勤、急な休暇などの変化は、体調不良や職場環境の問題が表れている可能性があります。
一方で、勤怠変化だけで本人の心理状態や退職意思を推測してはいけません。健康情報に関係する可能性もあるため、閲覧者と利用目的を限定します。
キャリア・成長機会
研修受講数だけでなく、次のような状態を確認します。
- 希望するキャリアについて話す機会があるか
- 新しい業務に挑戦できているか
- スキル習得の支援を受けられているか
- 社内公募や異動制度を利用できるか
- 役割や昇進条件が理解できるか
若手社員だけでなく、管理職やベテラン社員にも、役割転換や学び直しの機会が必要です。
ダッシュボード運用を評価するKPI
見落とされやすいのが、ダッシュボード自体の運用状況です。
| 運用KPI | 確認する内容 |
|---|---|
| データ入力率 | 1on1やサーベイなど、必要なデータが揃っているか |
| データ更新遅延 | 古い情報が表示され続けていないか |
| 初回対応時間 | アラートから最初の確認・支援まで何日かかったか |
| 面談実施率 | 必要な対話が実施されたか |
| 支援完了率 | 業務調整、異動検討、研修などが実行されたか |
| 状態改善率 | 支援後に本人・部署の状態が改善したか |
| 誤検知率 | 不要なアラートが頻発していないか |
| 公平性指標 | 特定の年齢、性別、雇用形態などにアラートが偏っていないか |
入力率が低ければ、分析結果の信頼性も下がります。現場の入力負担が大きすぎる場合は、指標を追加するのではなく、取得項目を減らす判断も必要です。
実務で使えるダッシュボード構成
経営層向け画面
経営層向けには、個人名ではなく全社・部門単位の変化を表示します。
- 全社離職率と前年同期比較
- 早期離職率
- 重要職種の離職状況
- 部門別エンゲージメント推移
- 欠員による事業影響
- 採用・教育・欠員に伴う推計コスト
- 支援施策の実施率と改善状況
人的資本KPIは、離職率だけで終わらせず、経営戦略や人材育成方針、社内環境整備方針と結び付けます。
2026年3月に公表された「人的資本可視化指針（改訂版）」でも、人的資本の取組を経営戦略や価値創造と関連付けて捉えることが重視されています。
人事部門向け画面
人事部門では、組織横断的な傾向と施策の効果を確認します。
- 部門・職種・勤続年数別の離職傾向
- 採用経路別の定着状況
- パルスサーベイの変化
- 1on1の実施状況
- 異動・社内公募・研修の利用状況
- アラート後の支援内容
- 支援後の改善率
- アラートの精度と属性別の偏り
個人をランキングする画面ではなく、どの職場環境を改善すべきかが分かる画面にします。
現場管理職向け画面
現場管理職には、自部署の支援に必要な範囲だけを表示します。
- チーム全体の状態変化
- 業務負荷の偏り
- 1on1未実施者
- 前回の支援事項
- 人事部門への相談が必要な項目
- 推奨される初動対応
給与、健康情報、他部署の個人情報など、業務上必要のない情報は表示しません。
アラート設計で避けるべき失敗
一つの指標だけで警告を出す
「残業時間が増えた」「サーベイスコアが低下した」という一つの変化だけで高リスク判定を出すと、誤検知が増えます。
原則として、異なる種類のシグナルが複数重なった場合に確認対象とします。
閾値を全社で固定する
業務量や繁忙期は部門によって異なります。全社一律の閾値だけでは、必要な変化を見逃したり、不要なアラートが増えたりします。
法令上の基準を守ったうえで、通常時からの変化、部門特性、繁忙期などの背景を組み合わせます。
アラートを出して終わる
ダッシュボードに赤色の警告を表示しても、管理職が何をすればよいか分からなければ改善につながりません。
アラートには、次の行動を併記します。
- まず業務負荷を確認する
- 1on1を設定する
- 人事担当者へ相談する
- 業務分担や納期の調整を検討する
- キャリア面談を案内する
- 必要に応じて産業保健スタッフにつなぐ
アラートを人事評価に直結させる
離職予兆スコアを昇進、配置、契約更新、査定などの不利益な判断に直接使用すると、従業員の不信感を招きます。
スコアは支援のきっかけとして使用し、最終判断は背景を確認した人が行う必要があります。
アラートを対話につなげる1on1の進め方
1．準備
アラートの内容を断定的に捉えず、確認したい事実を整理します。
「退職を考えているのではないか」と決めつけるのではなく、「最近、業務量や働き方に変化はないか」を確認する準備をします。
2．話しやすい状態をつくる
冒頭から問題を追及せず、最近の仕事や体調、困っていることなどを話せる雰囲気をつくります。
本人が話したくない内容を無理に聞き出してはいけません。
3．前回の振り返り
前回決めた行動や支援について、会社側が実行できているかを確認します。
1on1を継続するには、聞くだけで終わらず、約束した対応を実行することが重要です。
4．対話
上司が一方的に助言せず、本人の認識を確認します。
- 最近、負担が大きいと感じる仕事はありますか
- 仕事を進めにくくしていることはありますか
- 今後、経験したい仕事や身につけたいスキルはありますか
- チームや会社に改善してほしいことはありますか
- 私や会社が支援できることはありますか
5．次の行動を決める
面談後は、実行可能な小さな行動を本人と合意します。
業務量の調整、役割の明確化、教育機会の提供、人事面談、異動希望の確認など、原因に応じた対応が必要です。
「やらかし1on1」を防ぐ3つの注意点
一方的に評価・説教する
上司が過去の失敗や自身の成功体験を長く話すと、部下は本音を話せなくなります。1on1は評価面談ではなく、部下の課題や成長を支援する場として分けて運用します。
雑談だけで終わる
雑談は信頼関係をつくるうえで有効ですが、毎回それだけでは具体的な支援につながりません。本人の希望に配慮しながら、業務、成長、職場環境についても確認します。
面談を延期し続ける
1on1の頻繁な延期は、「自分との対話は優先順位が低い」というメッセージになり得ます。延期する場合は、同時に代替日時を決めます。
個人情報保護とAIガバナンス
利用目的を具体的にする
離職予兆分析では、勤怠、評価、サーベイ、面談履歴などの雇用管理情報を扱います。
個人情報保護委員会は、本人が自身の情報の扱われ方を合理的に予測できる程度に、利用目的を特定することを求めています。
「人事管理のため」という広い表現だけでなく、次のように明確化することが重要です。
「勤怠、従業員サーベイ、面談実施状況等を分析し、職場環境の改善、業務負荷の適正化および従業員支援に利用します」
AIによる分析を行う場合は、その事実や利用範囲、最終判断を人が行うことも説明します。
必要なデータだけを収集する
取得できる情報をすべて集めるのではなく、目的達成に必要な最小限のデータに限定します。
私的なチャット内容の監視、本人に知らせていない行動追跡、無関係な健康情報の利用などは避けるべきです。
権限を役割ごとに分ける
役割ベースのアクセス制御を採用し、閲覧・更新・出力権限を分けます。
- 経営層：匿名化・集計された全社情報
- 人事責任者：組織横断の分析情報
- 現場管理職：自部署の支援に必要な情報
- システム管理者：運用に必要な技術情報
- 監査担当者：アクセスログと運用履歴
個人情報保護委員会のガイドラインでは、安全管理措置に加え、従業者や委託先に対する必要かつ適切な監督が求められています。
AIの判断を自動適用しない
AIが算出した離職リスクを、そのまま異動、昇進、評価、契約更新などに利用してはいけません。
AI事業者ガイドラインでは、安全性、公平性、プライバシー保護、透明性、アカウンタビリティなどが重視されています。
企業は次の項目を定期的に検証する必要があります。
- 特定の属性に判定が偏っていないか
- 利用データに欠損や偏りがないか
- 本人に不利益な判断を自動化していないか
- 判定理由を人事担当者が説明できるか
- 異議申立てや訂正の手段があるか
- モデル更新後も精度と公平性が維持されているか
90日で始める導入ステップ
1～30日：目的とルールを決める
- 防ぎたい離職と解決したい組織課題を定める
- 利用目的と対象データを整理する
- 従業員への説明方法を決める
- 閲覧権限と保存期間を決める
- 経営、人事、現場、情報システム、法務の責任を整理する
31～60日：少数のKPIで試行する
最初から大量のデータを統合する必要はありません。
- 自己都合離職率
- 早期離職率
- パルスサーベイの推移
- 1on1実施率
- 残業・休暇の変化
- アラート後の初回対応時間
まずは一つか二つの部門で試行し、誤解される表示や現場負担を確認します。
61～90日：対話と改善を評価する
- アラートが支援につながったか
- 管理職が適切に対応できたか
- 不要なアラートが多くないか
- 従業員の不安や不信感を招いていないか
- 特定属性への偏りがないか
- 支援後に職場環境が改善したか
予測精度だけでなく、組織改善への効果を評価します。
人的資本経営へどうつなげるか
離職予兆ダッシュボードは、人事部門の管理画面だけで終わらせてはいけません。
経営戦略を実現するために、どの人材や技能が必要なのか。その人材が定着し、成長できる環境をつくれているのかを確認する経営基盤として活用します。
金融庁の開示ルールでは、人材育成方針、社内環境整備方針、それらに関する指標・目標などの開示が求められています。
離職率だけを開示するのではなく、次の流れを説明できる状態が理想です。
経営課題
↓
必要な人材・技能
↓
定着や育成を阻害する要因
↓
実施する施策
↓
KPI・目標
↓
実績と次の改善
この流れがつながることで、離職防止は単なる引き留め施策ではなく、人材への投資と企業価値向上を結び付ける人的資本経営になります。
まとめ
離職予兆の可視化で重要なのは、退職者を高い精度で当てることではありません。
結果指標、先行指標、運用指標を組み合わせ、組織の変化を早く捉え、対話と職場改善につなげることが目的です。
導入時には、次の点を徹底する必要があります。
- 一つの数値で退職意思を断定しない
- 個人ランキングではなく組織改善を中心にする
- アラート後の行動をあらかじめ決める
- 1on1の回数だけでなく質と実行を確認する
- 利用目的と対象データを従業員へ説明する
- AIの出力を人事判断へ自動適用しない
- アクセス権限、監査、保存期間を管理する
- 予測精度だけでなく支援後の改善を測る
データは、従業員を監視するためのものではありません。現場では見過ごされやすい負担や不安を早く捉え、対話を始めるための材料です。
ピープルアナリティクスによる客観的な分析と、人間同士の対話を組み合わせることで、離職を防ぐだけでなく、従業員が成長しながら働き続けられる組織づくりにつなげられます。
コメント