人事・データ分析担当者向けに、HRデータの収集・統合、相関と因果、バイアス、プライバシー、仮説検証の知識を20問で確認するテストです。
ピープルアナリティクスの目的、妥当性と信頼性、交絡要因（疑似相関）、データ倫理（プライバシーと透明性）、アルゴリズムによるバイアス再生産、A/Bテスト（RCT）の概念、データのサイロ化と名寄せ、サバイバーバイアスの回避、分析結果の現場実装などを扱います。経験や勘だけでなく、データドリブンに人事施策を判断する力を確認します。
人事領域における「ピープルアナリティクス（People Analytics）」の本来の目的として、最も適切なものはどれか。
ピープルアナリティクスの成熟度（分析のレベル）を分類する際、「なぜその問題が起きたのか（原因究明）」を特定する分析フェーズはどれか。
「最近、若手社員の離職が増えている気がする」という現場の感覚をデータで検証・可視化（記述的分析）する際、最初に行うべき適切なアプローチはどれか。
従業員に関するデータを収集・分析する際、倫理的および法的（個人情報保護法）な観点から最も留意すべき事項はどれか。
採用選考のプロセスにおいて、「適性検査のスコア」が「入社後の実際のパフォーマンス」をどの程度正確に予測できているかを統計的に検証する指標として、最も適切なものはどれか。
ある企業で「社内研修の受講時間が長い社員ほど、営業成績が高い」という強い正の相関関係がデータから確認された。この結果から人事部門が導き出すべき解釈として、最も論理的に適切なものはどれか。
離職率の推移をデータで分析する際、全社の平均離職率だけを見るのではなく、特定の切り口でデータを分割（セグメンテーション）して傾向を深掘りすることが重要である。実務上有効な切り口として不適切なものはどれか。
従業員意識調査（エンゲージメントサーベイ）において、回答を「記名式」にするか「匿名式」にするかの選択に関する説明として、最も適切なものはどれか。
AI（機械学習）を用いて「過去の採用合格者のデータ」から自社で活躍する人材の予測モデルを構築した。この予測モデルの運用において、最も警戒すべきリスクはどれか。
「退職リスクスコア」などの予測データを現場のマネージャー（管理職）に提供する際、データ分析部門（HRBP等）が取るべきコミュニケーションとして、最も適切なものはどれか。
ラクテス編集部
ラクテスはクラウド上で簡単にテスト作成・実施ができるサービスです。
.png){kind=logo}
今すぐ無料でお試し
プライバシーポリシー ・利用規約にご同意の上送信してください
