はじめに
プレミアリーグのブライトンFCは、三笘薫選手をはじめとする多くの才能を発掘し、その市場価値を大きく向上させてきました。この成功の背景には、独自のデータ駆動型評価システム、心理的サポート、未開拓市場からの発掘戦略、そして段階的な育成プログラムが組み込まれています。
これらの戦略は、企業の人事評価や採用システムにも応用できるのではないでしょうか。ブライトンのアプローチを企業の人事評価のデータ駆動型化に結びつけ、AtlassianのData LakeやAnalytics/ROVOを活用した活動データと評価の融合について提言します。
ブライトンのデータ駆動型選手評価システム
ブライトンは、データ駆動型のアプローチを採用し、競争優位性を高めています。特に、ブライトンが利用しているデータ分析会社「Starlizard」は、AIベースのアプリケーションを用いて選手データを収集・分析し、幅広い基準での評価を可能にしています。このシステムでは、以下のようなデータを収集し、各選手のパフォーマンスや適性を判断します：
技術的データ：パス成功率、チャンス創出数、守備貢献度といったプレーに関する詳細なデータ。これにより、特定ポジションでの最適な選手選びが可能です。
身体的データ：怪我のリスク、スピード、スタミナなど。選手がシーズンを通じて安定したパフォーマンスを発揮できるかを見極めます。
心理的データ：ストレス耐性やメンタルの強さ、環境への適応力など。ブライトンは特に心理面に重視し、選手がチームで最高のパフォーマンスを出せるかを分析しています。
加えて、ブライトンはポジション別に専門スカウトを配置し、各ポジションに特化した評価が行える体制を整えています。これにより、徹底したデータ分析と専門知識を融合し、チームの即戦力となる選手を効率的に発掘しています。
心理面のサポートと環境適応
ブライトンは、選手が新しい環境で迅速に適応できるよう、心理的サポートにも注力しています。心理学やウェルビーイングの専門チームを組織し、選手個々の性格や背景を理解したうえで適切なサポートを提供しています。これにより、選手は試合でのパフォーマンスを最大限に発揮しやすくなり、長期的な成長が期待されます。
独自の発掘戦略と未開拓市場へのアプローチ
ブライトンは、特定のメジャーリーグに偏らず、世界中の未開拓市場に目を向けています。23歳以下の若手選手に注力し、将来性を持つ選手を手頃なコストで獲得することを戦略の柱としています。例えば、三笘選手のようにまだ評価が高騰していない段階での発掘に成功し、結果的にチームにとって価値ある選手へと成長させています。このように、適切な投資で市場価値を引き上げる戦略が、ブライトンの長期的な成功を支えています。
開発とキャリアパス
ブライトンは、選手が即戦力になるまでの育成プランにも独自のアプローチを採用しています。ベルギーのクラブ、ロイヤル・ユニオン・サンジロワーズとの提携を活用し、選手に段階的な成長の場を提供。必要な経験を積んでから本チームに合流するシステムを整え、将来的な活躍を見据えた育成に注力しています。また、各選手のデータをもとに育成プログラムを個別に設計し、選手のスキルや戦術理解の向上を支援しています。
企業での人事評価のデータ駆動型化
このブライトンのアプローチは、企業の人事評価においても応用可能です。従来の人事評価は、上司の主観や定性的な評価に頼ることが多く、客観性や公平性に欠ける場合がありました。そこで、活動データを活用したデータ駆動型の人事評価システムを提案します。
活動データの重要性
社員の日々の業務活動をデータとして収集・分析することで、以下のような具体的な評価が可能になります。
チームでの業務遂行：必要なドキュメントが準備されチーム内でレビューされているか
タスク完了率や遅延率：プロジェクト管理ツールからのデータで、生産性や時間管理能力を評価
ナレッジ共有の貢献度：ドキュメント作成数や閲覧数、社内ドキュメントへの「いいね」の数の傾向値
協働度合い：チーム内でのコミュニケーション頻度や他部署との連携回数を分析
Atlassian Data Lake・Analytics・ROVO（SaaSを横断するAI）の活用
Atlassian製品（ConfluenceやJiraなど）は、多くの企業でプロジェクト管理やナレッジ共有に活用されています。これらのツールから得られる膨大な活動データを有効活用するため、以下の機能を提案します。
Atlassian Data Lake：Enterpriseプランで利用可能なデータ分析基盤。全社の活動データを一元管理し、高度なクエリや分析を可能にします。これにより、社員の業務状況やプロジェクト進行の全体像を把握できます。
Atlassian Analytics機能：リアルタイムでデータを可視化し、ダッシュボードを通じて状況を確認できます。また、カスタムレポートを作成して特定の指標を詳細に分析し、データに基づいた意思決定をサポートします。
Atlassian ROVO（タレントカード）機能：ROVOを用いることで、社員単位の活動データを統合・可視化し、各メンバーの貢献度や成長を把握できるようになります。ROVOはAtlassian 製品だけでなく、GoogleやMicrosoft365・Teams等も横断し情報をサマリできるため個人やチームの強みやスキルの可視化により、育成計画や適切な人事評価に役立ちます。
これらの機能を活用することで、社員の活動データを効率的に収集・分析し、人事評価や育成計画に反映することが可能です。
活動データと評価の融合による新しい人事評価システムの提言
弊社では現在、HR系のSaaSメーカーに提案し、Atlassian Data Lake / Analytics / ROVOで取得した活動データを活用した新しい人事評価システムの構築を検討しています。
提言内容
データ駆動型の評価基準の策定：客観的なデータに基づく評価指標を設定し、公平性を確保
心理的サポートの統合：活動データだけでなく、社員のメンタルヘルスやチーム適応性も評価に含める
未開拓の才能の発掘：活動データ分析を通じて、潜在的な高パフォーマーを早期に発見
長期的なキャリアパスの設計：データに基づく育成プログラムを提供し、社員の成長をサポート
期待される効果
評価の透明性と公平性の向上：データに基づく評価により、主観的なバイアスを排除
社員のエンゲージメント向上：自身の評価が明確になることで、モチベーションが向上
組織全体の生産性向上：適材適所の配置や育成が可能になり、組織力が強化
データ駆動型の人事評価モデルへ
ブライトンの三笘薫選手の発掘に見るように、データ駆動型の評価システムと心理的サポート、長期的な育成戦略は、優れた結果を生み出します。企業においても、このようなデータ駆動型の人事評価システムを導入することで、社員一人ひとりのスキルと振る舞いの両面を的確に評価し、具体的なフィードバックとアドバイスを提供することができます。もしかすると、採用段階で履歴書や職務経歴書以上のデータが入手できるのであればそれは理想でしょうが、現時点ではそこまでオープンな環境ではないので社内のデータ活用が
活動データと評価を融合させる新しい人事評価モデルを採用することで、透明性と公平性の向上だけでなく、組織全体の競争力も強化されると考えます。
ブライトンの見事なリクルート戦略：シーガルズの戦略を解説