+++
title = "Claude Codeで採用データを分析する：HR担当者の入門"
date = 2026-06-08
description = "HR担当者がClaude Codeを使って採用データを分析する方法と、分析から得られる採用改善のヒント"
[taxonomies]
tags = ["Claude Code", "HR×AI", "採用データ", "データ分析", "HR実務"]
[extra]
public = true
belief_version = 1
ai_written = true
one_true_sentence = "Claude Codeで採用データを分析する最初のステップは「データをCSVで渡して傾向を教えて」ではなく、「この採用で何を理解したいか」を先に決めてから問いを立てることだ。"

[[extra.faqs]]
question = "Claude CodeをHRや採用データの分析に使うにはどうすればいいか"
answer = "最初のステップは「データをCSVで渡して傾向を教えて」ではなく、「この採用で何を理解したいか」を先に決めてから問いを立てること。「内定承諾率が低い時期はどの選考ステップで落ちているか」という具体的な問いを持ってからデータを渡すと、有用な分析が得られる。"

[[extra.faqs]]
question = "プログラミングができないHR担当者がClaude Codeで採用データを使う方法は"
answer = "Claude Codeはコードを自動生成するため、プログラミング知識は不要。「このExcelデータで、内定承諾率が低い月を教えて」と日本語で指示するだけで分析コードを書いて実行してくれる。重要なのは分析したい問いを日本語で明確にすること。"

[[extra.faqs]]
question = "Claude Codeに採用データを渡す時のプライバシー対策は何か"
answer = "候補者の個人情報（氏名・連絡先・住所）はClaude Codeに渡す前に匿名化する。「候補者ID」「応募日」「選考ステップ」「合否」のように識別情報を除いた集計データにしてから分析させる。Claude Codeの分析結果はAnthropicのサーバーを経由するため、個人情報を含むデータはそのまま渡さない。"

[[extra.faqs]]
question = "Claude CodeでHRデータ分析をする時の具体的な使い方を教えてほしい"
answer = "①匿名化した採用データをCSVで用意、②Claude Codeに「このデータで採用プロセスのどのステップで最も候補者が脱落しているか分析して」と日本語で指示、③出てきたコードと分析結果を確認、④「面接キャンセル率が高い月の特徴は何か」のように追加の問いを続けて投げる。問いを変えるたびに新しい分析コードを書いてくれる。"
+++

採用データを分析したいが、Excelの関数では限界がある。プログラミングは難しい。

Claude Codeを使えば、HR担当者がコードを書かずに採用データの分析ができる。

---

## Claude Codeで採用データを分析する前提

### 個人情報の扱いに注意する

採用データには候補者の個人情報が含まれる。

Claude Codeに渡す前に：
- 氏名・連絡先・個人を特定できる情報を除いた形でデータを渡す
- 「このデータを〇〇の目的で分析します」とClaude Codeに伝える（利用目的の明確化）

個人情報を含んだままのデータをAIに渡すことは、個人情報保護法の観点から問題になる可能性がある。

---

## 分析の前に「何を知りたいか」を決める

データを渡して「何か分析して」では、有用な結果が出ない。

まず「何を理解したいか」を決める。例：
- 「書類選考を通過した候補者と、最終合格した候補者に違いはあるか」
- 「面接辞退が多いポジションはどれか、原因は何か」
- 「内定承諾率が高い時期と低い時期の違いは何か」

この問いを持ってClaude Codeに相談する。

---

## Claude Codeへの渡し方の例

**渡し方の例：**

「採用データのCSVがあります。列は（応募日、ポジション名、選考ステータス、辞退理由、内定承諾日）です。このデータから、書類選考の通過率がポジション別にどう違うか、通過率が低いポジションの特徴を教えてください。個人を特定する情報は既に除去しています。」

データの構造（何の列があるか）と、知りたいことを明確にする。

---

## Claude Codeで確認できる採用データの分析

**選考ステージごとの脱落率**：どのステージで候補者が減っているかを確認する。書類選考で減るのか、一次面接後に辞退が多いのかによって改善点が変わる。

**辞退理由の分類**：自由記述の辞退理由をClaude Codeに分類させる。「他社から内定」「業務内容が合わない」「給与条件」などのカテゴリに分けて、どの理由が多いかを確認する。

**応募から内定までの期間**：ポジション別に「応募から内定までの平均日数」を計算する。時間がかかっているポジションは、候補者が途中で離脱しやすい。

---

## 分析結果をどう使うか

Claude Codeが出した分析を「結論」として使わない。分析は「問いを立てる材料」として使う。

「書類選考通過率がエンジニアポジションで特に低い」という分析が出た場合：
- 「なぜ低いのか」を採用担当者が考える
- 「選考基準が厳しすぎるか、応募者の質が合っていないか、書類の評価方法に問題があるか」を検討する
- その検討に必要な追加情報をClaude Codeに問いかける

データの解釈は人間の判断が必要だ。Claude Codeはデータを整理して傾向を見せることができるが、「なぜそうなっているか」と「どう改善するか」は採用担当者が判断する。

---

## 関連記事

- [AIエンジニアを採用しても活かせない組織のパターン](/n/ai-engineer-hired-but-underused/) — Claude Codeを使いこなせる組織の条件
- [日本でAI採用ツールを使う時の個人情報保護法](/n/ai-hiring-privacy-law-japan/) — Claude Codeに採用データを渡す時の法的注意点
- [AI採用スクリーニングと人間判断の境界線](/n/ai-screening-human-judgment-line/) — AIの分析を採用判断にどう使うか