R言語Tidyverseデータ分析入門｜社労士が実践するHRデータ分析の基礎
「Excelでの分析に限界を感じている」「データサイエンスに興味はあるけど、何から始めればいいかわからない」。社労士として人事データを扱う中で、私も同じ悩みを抱えていました。そんな時に出会ったのが、R言語とTidyverseです。この記事では、プログラミング未経験の私が、実務でHRデータ分析を行えるようになるまでに学んだTidyverseの基礎を、初心者目線で解説します。
R言語とTidyverseとの出会い
Excelからの脱却を決意した理由
社労士として、人事データ（従業員の年齢、勤続年数、給与、離職率など）を分析する機会が多くありました。しかし、Excelでの分析には以下のような課題がありました：
- 大量データの処理が遅い：数千行のデータだと動作が重くなる
- 再現性がない：手作業が多く、同じ分析を再現するのが困難
- 複雑な分析が難しい：クロス集計やグループ化が煩雑
- グラフの柔軟性が低い：見栄えの良いグラフを作るのに時間がかかる
「もっと効率的に、正確に、美しくデータを分析したい」という思いから、データ分析ツールを探し始めました。
なぜR言語・Tidyverseを選んだのか
PythonやSQLなど選択肢がある中で、R言語とTidyverseを選んだ理由：
- 統計分析に特化：HRデータ分析に必要な統計機能が豊富
- Tidyverseの直感的な文法：英語の文章のように読めるコード
- 可視化が美しい：ggplot2で論文レベルのグラフが作れる
- 無料：R言語もRStudioも完全無料
- 豊富な日本語資料：学習教材が充実している
Tidyverseとは何か
Tidyverseの概要
Tidyverseは、データサイエンスのワークフローを効率化するR言語のパッケージ集です。以下の主要パッケージで構成されています：
- dplyr：データの絞り込み・集計・変換（SQLのような操作）
- ggplot2：データの可視化（美しいグラフ作成）
- tidyr：データの整形（縦横変換など）
- readr：CSVなどのファイル読み込み
- purrr：関数型プログラミング（繰り返し処理）
- stringr：文字列操作
Tidyverseの哲学：パイプ演算子（%>%）
Tidyverseの最大の特徴は「パイプ演算子（%>%）」です。これにより、処理を「流れるように」記述できます。
# 従来のR言語（ネストが深い） result <- mean(filter(data, age > 30)$salary) # Tidyverseスタイル（読みやすい） result <- data %>% filter(age > 30) %>% summarise(平均給与 = mean(salary))
パイプ演算子は「次の関数にデータを渡す」という意味です。「データを取り出して → 絞り込んで → 集計する」という流れが一目でわかります。
実践：HRデータ分析の基本ワークフロー
ステップ1: 環境構築とデータ読み込み
まず、RStudioをインストールし、Tidyverseをセットアップします。
# Tidyverseのインストール（初回のみ）
install.packages("tidyverse")
# ライブラリの読み込み
library(tidyverse)
# CSVファイルの読み込み
employees <- read_csv("従業員データ.csv")
# データの確認
glimpse(employees)
実務での活用例：
私は給与計算システムからエクスポートしたCSVファイルを、この方法で読み込んでいます。数千行のデータも一瞬で読み込めます。
ステップ2: データの絞り込み（filter）
特定の条件に合致するデータだけを抽出します。
# 30歳以上の従業員だけ抽出 employees_30plus <- employees %>% filter(年齢 >= 30) # 複数条件（AND） it_department_30plus <- employees %>% filter(年齢 >= 30, 部署 == "IT部") # OR条件 young_or_senior <- employees %>% filter(年齢 < 25 | 年齢 > 55)
実務での活用例：
「定年間近の従業員（60歳以上）」や「入社3年以内の若手」など、人事施策のターゲットを絞り込むのに活用しています。
ステップ3: データの集計（group_by + summarise）
グループごとに集計を行う、最も使用頻度の高い操作です。
# 部署ごとの平均給与
dept_salary <- employees %>%
group_by(部署) %>%
summarise(
従業員数 = n(),
平均給与 = mean(給与),
最高給与 = max(給与),
最低給与 = min(給与)
)
# 部署×性別のクロス集計
dept_gender <- employees %>%
group_by(部署, 性別) %>%
summarise(従業員数 = n(), .groups = "drop")
実務での活用例：
部署ごとの人件費分析、男女比の確認、年齢層別の分布など、経営層への報告資料作成に使っています。
ステップ4: データの並び替え（arrange）
データを昇順・降順で並び替えます。
# 給与の高い順に並び替え high_earners <- employees %>% arrange(desc(給与)) # 部署ごとに、給与の高い順 by_dept <- employees %>% group_by(部署) %>% arrange(部署, desc(給与))
ステップ5: 新しい列の追加（mutate）
既存のデータから新しい列を計算して追加します。
# 年齢層の分類を追加
employees_with_age_group <- employees %>%
mutate(
年齢層 = case_when(
年齢 < 30 ~ "若手",
年齢 < 50 ~ "中堅",
TRUE ~ "ベテラン"
),
月給 = 給与 / 12
)
実務での活用例：
賞与計算（基本給×月数）、勤続年数の計算（現在年 - 入社年）など、派生データの作成に活用しています。
データ可視化の基礎（ggplot2）
ggplot2の基本構造
ggplot2は「レイヤーを重ねる」ように、グラフを作成します。
# 基本構造 ggplot(data = データ, aes(x = X軸, y = Y軸)) + geom_グラフの種類() + labs(title = "タイトル") + theme_テーマ()
実践例1: 棒グラフ（部署別従業員数）
dept_count <- employees %>%
group_by(部署) %>%
summarise(従業員数 = n())
ggplot(dept_count, aes(x = 部署, y = 従業員数, fill = 部署)) +
geom_col() +
labs(
title = "部署別従業員数",
x = "部署",
y = "従業員数（人）"
) +
theme_minimal() +
theme(legend.position = "none")
実践例2: 散布図（年齢と給与の関係）
ggplot(employees, aes(x = 年齢, y = 給与, color = 部署)) +
geom_point(alpha = 0.6, size = 3) +
geom_smooth(method = "lm", se = FALSE) + # 回帰直線を追加
labs(
title = "年齢と給与の関係",
x = "年齢（歳）",
y = "年収（万円）"
) +
theme_minimal()
実践例3: ヒストグラム（給与の分布）
ggplot(employees, aes(x = 給与)) +
geom_histogram(binwidth = 50, fill = "#2563eb", color = "white") +
labs(
title = "給与分布",
x = "年収（万円）",
y = "従業員数"
) +
theme_minimal()
実務での活用例：
これらのグラフを経営会議の資料に組み込んでいます。Excelで作るより圧倒的に速く、見栄えも良いグラフが作れます。
私が実際に行ったHR分析プロジェクト
プロジェクト1: 離職率分析
「どの部署、どの年齢層で離職率が高いか」を分析しました。
# 部署×年齢層別の離職率
turnover_analysis <- employees %>%
mutate(年齢層 = case_when(
年齢 < 30 ~ "20代",
年齢 < 40 ~ "30代",
年齢 < 50 ~ "40代",
TRUE ~ "50代以上"
)) %>%
group_by(部署, 年齢層) %>%
summarise(
総数 = n(),
離職者数 = sum(離職フラグ == 1),
離職率 = 離職者数 / 総数 * 100,
.groups = "drop"
)
# ヒートマップで可視化
ggplot(turnover_analysis, aes(x = 年齢層, y = 部署, fill = 離職率)) +
geom_tile(color = "white") +
scale_fill_gradient(low = "green", high = "red") +
labs(title = "部署×年齢層別 離職率") +
theme_minimal()
結果：営業部の20代、IT部の30代で離職率が高いことが判明し、対策を打つことができました。
プロジェクト2: 残業時間の分析
「どの部署で長時間労働が発生しているか」を月次で追跡しました。
overtime_trend <- overtime_data %>%
group_by(年月, 部署) %>%
summarise(平均残業時間 = mean(残業時間), .groups = "drop")
ggplot(overtime_trend, aes(x = 年月, y = 平均残業時間, color = 部署, group = 部署)) +
geom_line(size = 1.2) +
geom_hline(yintercept = 45, linetype = "dashed", color = "red") + # 上限ライン
labs(
title = "部署別 平均残業時間の推移",
x = "年月",
y = "平均残業時間（時間/月）"
) +
theme_minimal()
結果：特定の月に特定部署で急増していることがわかり、業務配分を見直すきっかけになりました。
学習で役立ったリソース
初心者におすすめの書籍
- 「RユーザのためのRStudio[実践]入門」（技術評論社）
- 「Rではじめるデータサイエンス」（オライリー・ジャパン）
- 「前処理大全」（技術評論社）
無料で学べるオンラインリソース
- RStudio公式チートシート：dplyr、ggplot2の関数が一覧できる
- R for Data Science（無料Web版）：Tidyverse開発者による公式ガイド
- Tokyo.R：日本のRユーザーコミュニティ
初心者がつまずきやすいポイントと解決策
つまずき1: パイプ演算子の理解
解決策：「%>%は『データを次に渡す』という意味」と覚える。最初は1行ずつ実行して、データがどう変化するか確認する。
つまずき2: エラーメッセージが英語
解決策：エラーメッセージをGoogle翻訳に入れる。または、Stack OverflowやQiitaで検索すると、日本語の解決策が見つかる。
つまずき3: ggplot2のグラフ調整
解決策：RStudioの「ggplot2チートシート」をダウンロードし、印刷して手元に置く。必要な関数がすぐ見つかる。
R言語を学んで変わったこと
業務面での変化
- 分析時間が1/10に：Excelで半日かかっていた分析が、30分で完了
- 再現性が向上：コードを保存しておけば、同じ分析を瞬時に再実行可能
- 説得力のある資料：美しいグラフで経営層への提案が通りやすくなった
キャリア面での変化
- データドリブンな意思決定ができるようになった
- 社労士 × データサイエンスという希少性の獲得
- プログラミングへの苦手意識がなくなった
まとめ
R言語とTidyverseは、プログラミング未経験者でも習得可能な、強力なデータ分析ツールです。このページのポイントをまとめます：
- Tidyverseの5大機能：filter（絞り込み）、group_by + summarise（集計）、arrange（並び替え）、mutate（列追加）、ggplot2（可視化）
- パイプ演算子（%>%）：処理を「流れるように」記述できる
- 実務活用：HRデータ分析、離職率分析、残業時間分析など
- 学習リソース：書籍、公式チートシート、オンラインコミュニティを活用
- 再現性と効率性：Excelからの脱却で、分析時間を大幅短縮
データ分析のスキルは、どの職種でも強力な武器になります。社労士として人事データを扱う方、Excelに限界を感じている方は、ぜひR言語とTidyverseに挑戦してみてください。
📚 関連記事
この記事が役に立ったら、ぜひシェアしてください！