Optic View
Foundation DBベースのAI分析事例 — エンゲージメント予測、組織リスク、文化統合、人員診断
組織診断Survey エンゲージメント予測 (誤***)
組織診断サーベイ結果をAI Modelingし、エンゲージメントタイプを予測して改善課題を抽出。SHAP What-Ifシミュレーターで要因別影響を分析。
1,007名
分析対象
57.8%
エンゲージメント
34.6%
要注意
K-MeansSHAPWhat-If
アパレル業界 HR Analytics (S***)
アパレル業界 HR Analytics. H-Sモデル ベース 심화 分分析, 組織別 詳細 診断, 件選定 シナリオ シミュレーション.
331名
分析対象
44名
組織数
4種
タイプ
H-SモデルH-S分析組織診断
Cross-Company Prediction (O***)
基準モデル（S*** 255名）の回答パターンで他社（O*** 45名）のHR実績を予測。タイプ別評価等級・市場報酬パーセンタイルの転移を検証。
255名
学習データ
45名
予測対象
0.554
F1 Score
K-MeansCross-Company検証
M&A文化統合リスク診断 (も***)
T**+T**合併後の文化的距離を測定し、4つのエネルギークラスターに分類、Quiet Quittingリスクを早期検知。
1,717名
分析対象
23.9%
シニカル離脱
+51%
文化距離
t-SNEK-MeansIsolation ForestGBM SHAP
組織リスク早期検知 (波***)
3年縦断データ分析により2024年時点で検知可能だったリスクシグナルを実証。リーダーシップ・パラドックスを検証。
671名
分析対象
18.8%
リスク群
20/22
悪化領域
PCAK-Means3年縦断
人員水準診断 + エンゲージメント予測 (題***)
SHAPベースの説明可能AIでエンゲージメントの主要ドライバーを分析。What-ifシミュレーションで改善シナリオを予測。
1,203名
分析対象
3.76
エンゲージメント
+3.4%
改善予測
K-MeansSHAPOLSシミュレーション
RAGベース AI仮説自動生成 (誤***)
サーベイ+人事制度+報酬データをRAGで統合し、AIが仮説を自動生成して根拠をマッチングする実験的PoC。
46x62
データ規模
4種
投入データ
3~5分
処理時間
RAGLLM実験的PoC