CC学校

人材 · COURSE

入社後アンケート分析

1ヶ月・3ヶ月・半年アンケートを集計し、定着率改善の打ち手を提案。

audience

人事・労務

duration

55分

lessons

5 章

reviewed

2026.05

達成目安

  • 全 5 レッスンを読み、コース完了マークを付ける

    未完了

  • クイズ 3 問に挑戦し、正答率 80% 以上

    未挑戦

コース構成

このコースで学ぶこと

  1. 01

    “読まれない”アンケートを読む

    アンケートは取るが分析されないのが定番の失敗。Claude に読ませるだけで、定性データから定着率改善の仮説が出る。

    • 1ヶ月: オンボーディングの摩擦点
    • 3ヶ月: 配属ミスマッチの兆候
    • 半年: 退職予兆スコア
    個人情報マスキングを先に
  2. 02

    個人情報マスキングを先に

    回答に氏名・配属部署・上司名が混じる。マスキングなしで AI に渡してはいけない。最初に必ず置換する。

    text
    @data/survey_2026q1.csv の以下の列を匿名化して新 CSV を出力：
- 氏名 → ID（連番）
- 部署 → 業務領域カテゴリ（営業 / 開発 / コーポレート等）
- 上司名 → 削除
    “読まれない”アンケートを読むテーマ分類と感情分析
  3. 03

    テーマ分類と感情分析

    自由記述を“テーマ × 感情”の 2 軸で分類。Claude は中立的な分類が得意。

    text
    匿名化済み回答を、以下の表で：
| ID | テーマ（教育 / 配属 / 待遇 / 人間関係 / 業務量） | 感情（+/-/中立） | 引用（30 字以内） |
    出力イメージアンケート テーマ分類結果（下書き）
    | ID | テーマ | 感情 | 引用 |
|---|---|---|---|
| 012 | 教育 | - | 研修が駆け足で不安が残った |
| 027 | 人間関係 | + | チームが歓迎してくれた |
| 031 | 業務量 | - | 想定より早く実務が増えた |
…（以下省略 / ※ 個人特定せず部署単位で集計）
    個人情報マスキングを先に退職予兆スコア
  4. 04

    退職予兆スコア

    “辞めそう”の早期発見のために、複数項目から合成スコアを作る。Claude にロジック案を出させ、人事が修正して採用する流れがよい。

    • 業務量への不満 + 配属ミスマッチ + 上司との関係（合算）
    • 閾値超えは 1on1 を 2 週に 1 回に増やす
    • 個人特定はせず、部署単位の傾向を経営に共有
    テーマ分類と感情分析Skill 化と四半期サイクル
  5. 05

    Skill 化と四半期サイクル

    “アンケート配布 → 集計 → 仮説 → 施策 → 効果測定”の四半期サイクルを Skill で運用する。

    手を動かす

    0 / 3

    Lv.6 — チーム

    理解度チェック

    1. Q1.入社後アンケートを AI に渡す『前に』必ずやるべきは？

    2. Q2.退職予兆スコアを部署単位で扱う理由は？

    3. Q3.1ヶ月・3ヶ月・半年アンケートの 3 タイミングが必要な理由は？

    退職予兆スコア

同じカテゴリの他コース

「人材」全コースを見る →