導入事例

ハイパフォーマー適性のモデル化と選考

大手金融A社

学歴の高い人材を選んで採用しても、高い成果につながらない

  • 導入前の課題大学の水準と、仕事の成果にギャップあり
  • 導入時のソリューションパーソナリティ適性と営業成果の関係性をモデル化
  • 導入後の成果・検証営業成果と学力偏差値の関係性を検証

導入前の課題

大学の水準と、仕事の成果にギャップあり

  • ① 大学の水準と、仕事の成果にギャップあり A社は営業職採用において、必ずしも上位大学出身者が高い営業成果を上げているわけではないことが人事部内で議論となっていました。
  • ② 社員をモデルに“成績の背景”を分析 そこで、優績者と非優績者の性格を「適性検査eF-1G」によって測定し、特徴を把握しました。
  • ③ 自社の“独自の基準”で 人材を選考 採用プロセスに、性格検査【eF-1G】を導入。
    分析結果を自社独自の基準として、採用候補者を、適性ランクA~Eの5段階で判定。
    大学の水準にとらわれない選考を進めました。

導入時のソリューション

パーソナリティ適性と営業成果の関係性をモデル化

  • ④ 適性ランクと営業成績の検証へ 入社してから3年経過した際の各自の営業成績と、採用時に判定されていた適性ランク判定との関係を、検証しました。
  • ⑤ AランクとDランクの間に“20%の差”が 採用時、Aランクと判定された群と、Dランクと判定された群の間には、営業成績(契約件数)において、約20%の差があることが確認されました。
    ※Eランクは採用せず
  • ⑥ 仕事の“成果の再現”に成功 また、BランクとCランクの間にも、約10%の差が確認されたことからも、自社独自の適性判定によって、仕事の成果の再現に成功したと言えます。

導入後の成果・検証

営業成果と学力偏差値の関係性を検証

  • ⑦さらに 学力と営業成績の検証へ 導入時の課題に立ち戻り、3年目の営業成績と、採用時に掌握していた学力偏差値との関係を検証しました。
  • ⑧ 採用時の学力との相関は ほとんどナシ その結果、営業成績と学力偏差値との相関係数は「0.025」となって、ほとんど相関性が無かったことが、明らかとなりした。
  • ⑨ 確証に基づく 採用選考を実現 より上位の大学を指向しがちな採用活動において、単なる大学のブランドや、学力にとらわれず、仕事の成果を体現できる要件を見つめた採用が、取り組まれています。

優績者たちをモデルにした採用活動で、仕事の成果を再現しました

まずはお気軽にお問い合わせください。

その他の記事