スプレッドシートの突き合わせをやめる：Microsoft Fabric で統合 HR レイクハウスを構築する

By Mirko Peters · 2026-08-11

ポッドキャストへようこそ。給与データのエクスポート、人事情報システム、IT の退職手続きスプレッドシートの行を手作業で突き合わせ、人員数が合わない理由を探して何時間も費やしたことがあるなら、あなただけではありません。HR や people operations のチームは、世界中で分断されたデータセットに溺れています。このコンパニオン ブログ記事では、最新のエピソードを掘り下げ、Microsoft Fabric を使って統合 HR レイクハウスを構築する方法を具体的に解説します。このガイドを読み終える頃には、サイロ化したスプレッドシートから離れて最新のアーキテクチャを採用することで、組織が意思決定の単一の信頼できる情報源を得られることがわかるはずです。

Automatically translated with AI from the original post. Read the English original

ポッドキャストへようこそ。給与データのエクスポート、人事情報システム、IT の退職手続きスプレッドシートの行を手作業で突き合わせ、人員数が合わない理由を探して何時間も費やしたことがあるなら、あなただけではありません。HR や people operations のチームは、世界中で分断されたデータセットに溺れています。このコンパニオン ブログ記事では、最新のエピソードを掘り下げ、Microsoft Fabric を使って統合 HR レイクハウスを構築する方法を具体的に解説します。このガイドを読み終える頃には、サイロ化したスプレッドシートから離れて最新のアーキテクチャを採用することで、組織が意思決定の単一の信頼できる情報源を得られることがわかるはずです。

音声による議論を詳しく聞き、これらの概念を実際に分解して解説する内容は、関連するポッドキャスト エピソードをぜひご覧ください：HR Analytics with Fabric and Dynamics 365 Human Resources。

問題を一文で言うと

HR、給与、勤怠データがサイロ化していると、数値が食い違い、意思決定が遅れ、リスクの兆候を見逃します。

リファレンス ブループリント（Fabric + D365 HR）

取り込みとステージング

• ソース： Dynamics 365 HR（従業員、職務、入社/退職、組織）、給与/福利厚生 SaaS、勤怠/休暇、IT の ID/退職手続き、エンゲージメント/サーベイ（eNPS）、採用/ATS。
• パイプライン： API やフラット ファイル向けの Dataflows Gen2。定期的な全件読み込みと増分読み込みを実行します。
• ストレージ： OneLake / Lakehouse のレイヤー
  • Bronze： 生のスナップショット（そのまま）
  • Silver： クレンジングと標準化済み（ID、日付、コード）
  • Gold： 分析向けに整合させた HR モデル

モデル化と提供

• 整合済みエンティティ： Employee、Job、OrgUnit、Hire、Termination、LeaveBalance、LeaveRequest、TimeEntry、CompensationBand、DiversityAttributes、AccessProvisioning、SurveyResponse。
• キーとマッピング： 正規の EmployeeId（HR/給与/IT の GUID を対応付けるクロスウォーク）、PositionId、ManagerId、OrgPath。
• セマンティック レイヤー： 地域や組織の役割ごとに行レベル セキュリティを設定した、認定済みの Power BI データセット。

利用と行動

• ダッシュボード： HR コントロール パネルと役割別ビュー（HRBP、TA、給与、DEI、経営層）。
• アラートと自動化： SLA 違反、休暇の異常、退職手続きの漏れを検知するための Power BI/Power Automate。
• 予測： 離職/燃え尽き症候群のリスクと入社オンボーディングの遅延予測のための AutoML/Azure ML。

必須のダッシュボードと指標

1) 人員数と異動

• アクティブ人員（正社員/パートタイム/契約）、純増減、入社/退社、社内異動、欠員率。
• 品質チェック： HR と IT のアカウントの比較（実在しないユーザー）、給与同期の差異。

2) オンボーディングの SLA

• 採用までの期間、入社までの期間、プロビジョニング完了（アカウント、デバイス、アプリ）、初日の準備状況。
• アラート： SLA を超過したステップ、7 日目/30 日目/60 日目/90 日目のマネージャーとの面談の未実施。

3) 休暇と稼働状況

• 発生額と残高の比較、計画済みと突発的な休暇、残業/代休（TOIL）、チームや季節ごとの休暇の急増。
• コントロール： マイナス残高、給与の不一致、コスト センターのずれ。

4) 離職と定着

• 自発的/非自発的離職率、勤続期間の区分、重要人材の流出、退職理由。
• 先行指標： 欠勤の急増、低い eNPS、昇進の停滞、管理されていない残業。

5) DEI のインサイト

• 階層/組織/拠点別の構成比、採用ファネルでの離脱、給与帯の分布。
• プライバシー： 少数データの非表示と集計のしきい値。

6) コンプライアンスと監査

• 退職手続きの SLA（アカウントの無効化）、必須研修の修了率、データ アクセス ログ。

Gold レイヤーのデータ モデル（初期セット）

ファクト：

• FactHeadcountSnapshot、FactHire、FactTermination、FactOnboardingStep、
  FactLeaveBalance、FactLeaveRequest、FactTimeEntry、FactCompChange、FactSurveyScore

ディメンション：

• DimEmployeeMasked、DimOrgUnit、DimJob、DimManager、DimGeo、DimDiversityAttr、DimCalendar

リネージのリンク:

従業員 ↔ 職務／組織（時系列、SCD2）。入社 → プロビジョニング → 初回サインイン。休暇発生 ↔ 給与転記。

照合地獄を防ぐデータフローのパターン

• ID の突合表: 一度構築し、ゴールドテーブルとして保持します。HR、給与、IT の ID を結合するために使用します。
• コードの正規化: 職務、等級、休暇の種類、コストセンターを標準のリストに統一します。
• 日付の統一: UTC、会計カレンダー、効力日付付きの SCD（雇用、報酬）を使用します。
• 増分更新: 変更された行のみ（入社／退職イベント、残高）を更新します。
• 品質ゲート: 重複する従業員 ID、管理者が不在の従業員、負の残高、将来日付の退職を検出します。

セキュリティ、プライバシー、ガバナンス

• PII の最小化: 生年月日や社会保障番号を除外し、マスク済みの DimEmployee を使用します。
• RLS: HRBP の担当範囲、地域、組織ツリーごとに制御します。ゴールドレイヤーとセマンティックモデルには秘密度ラベルを適用します。
• 少数データの保護: しきい値未満の DEI 区分は非表示にし、「データが不足しています」と表示します。
• データ契約: 鮮度の SLA、スキーマ変更ポリシー、テーブルごとの所有者とスチュワードを定義します。
• 監査: データ更新、機密性の高いビジュアルへのアクセス、すべてのエクスポートイベントを記録します。

アラートと自動化（コピー＆ペーストで使えるスターター）

• オンボーディングの違反: 手順が SLA を超過 ➜ 管理者と IT に通知し、チケットを自動作成します。
• 休暇の異常: ベースラインと比べて X% を超える急増 ➜ HRBP にアラートを送信し、人員配置のリスクを確認します。
• 退職時の未処理: 退職済みなのに M365 アカウントが有効 ➜ 直ちに無効化し、確認を行います。
• 人数の不一致: HR の在籍者数と給与支払い対象者数が不一致 ➜ 給与オペレーションに照合タスクを割り当てます。
• 残業による疲労: 残業時間が 3 週間にわたりしきい値を超過 ➜ 管理者に働きかけ、ウェルネスのリソースを案内します。

予測機能の追加（基盤が安定してから）

• 離職リスクモデル: 特徴量は、勤続年数、等級と比べた報酬差、管理対象の人数、欠勤と残業、サーベイの傾向、昇進までの待機期間です。
• オンボーディング遅延の予測: 役割、拠点、ベンダーごとに、ボトルネックとなる手順を予測します。
• 燃え尽き症候群の早期警告: 残業、週末勤務、低い eNPS、休暇の先送りを組み合わせて評価します。

原則: 説明可能な特徴量、公平性のチェック、オプトインによるパイロット、行動前の人によるレビュー。

14 日間のクイックスタート

1～3 日目 ソースに接続（Dynamics 365 HR、給与のエクスポートまたは API、勤怠・休暇）。
4～6 日目 ID の突合表を作成し、シルバーレイヤーでデータをクレンジングし、ゴールドレイヤーで統一されたエンティティを作成します。
7～9 日目 RLS を適用した認定済みセマンティックモデルを公開し、在籍者数とオンボーディングのダッシュボードを作成します。
10～11 日目 アラートを設定します（オンボーディングの SLA、退職時の未処理）。
12～14 日目 給与と IT のデータと照合し、データ契約を文書化したうえで、経営層向けのデモと次のステップのバックログを用意します。

よくある落とし穴と対処法

• ID の不一致: 突合表を作成して維持します（名前やメールアドレスに依存しないでください）。
• スプレッドシートの乖離: 認定済みデータセットをロックし、場当たり的な抽出を控えるよう徹底します。
• PII の散在: ディメンションで従業員をマスクし、ラベルとエクスポート制御を適用します。
• 初日からのモデリングのやりすぎ: まず人数とオンボーディングの SLA を公開し、その後に休暇、DEI、離職へと段階的に拡張します。
• アラート疲れ: 価値の高いルールを 3～4 件から始め、重大度とクールダウン期間を追加します。

よくある質問

Q: Dynamics 365 HR がなくても実施できますか？
A: はい。HRIS、給与、ATS のエクスポートや API には Dataflows Gen2 を使用できます。レイクハウスのパターンは同じです。

Q: データの更新頻度はどのくらいが適切ですか？
A: 人数と DEI は毎日、オンボーディングと休暇は 1～4 時間ごと、コンプライアンスと退職は準リアルタイムで更新します。

Q: 機密性の高い DEI データをどのように保護すればよいですか？
A: 安全な粒度で集計し、少数データの非表示を適用したうえで、RLS と秘密度ラベルを徹底します。

Q: 予測には data scientist が必要ですか？
A: まず AutoML と解釈しやすい特徴量から始めてください。必要性が高まった段階で Azure ML へ移行します。

おわりに

Microsoft Fabric で統合された人事レイクハウスを構築することは、スプレッドシートによる突き合わせ作業の負担を根本から解消する有効な方法です。データを Bronze、Silver、Gold の各レイヤーに体系的に移行することで、データのサイロ化を防ぎ、従業員の機密情報を保護し、信頼性の高い運用ダッシュボードを活用できるようになります。これらの手法の実装について詳しく知りたい方や、さらに実践的なヒントを得たい方は、関連エピソードのHR Analytics with Fabric and Dynamics 365 Human Resourcesをぜひお聴きください。今日から人事分析を強化し、終わりのない手作業による突き合わせを手放して、確信を持って組織の戦略的な意思決定を進めていきましょう。