データ分析の研修を受けても、現場社員は職場に戻ると元の作業に追われ、学んだことを試す時間がない。現場社員をデータ人材（データを分析して仕事に生かせる人）に育てようとする企業の多くが、こうした壁に当たっています。
リスキリング（仕事に必要な新しい技能を学び直すこと）が一部の意欲的な人だけで止まる、教える人も時間も足りない、という症状も多く見られます。一方で、製造現場の社員をデータを扱える人材に育て、改善の成果まで出している企業もあります。
この記事では、現場社員のデータ人材化でよく起きる症状と、その原因の分類をまず整理します。
そのうえで、ダイキン工業、旭化成、JFEスチール、中小メーカーの大塚セラミックスの4社を取り上げます。原因ごとにどう手を打ったかを公開情報から読み解き、自社で始めるときの進め方までをまとめます。
現場社員のデータ人材化でよく起きる3つの症状
データ人材の育成がうまく回っていない職場には、似た症状が見られます。1つ目は、研修は修了したのに、現場の仕事が何も変わらないという症状です。
統計やPythonの講座を受けても、職場に戻ると元の作業に追われ、学んだことを試す題材も時間もないまま忘れてしまいます。
2つ目は、取り組みが一部の人で止まる症状です。もともとITが得意な若手や、自主的に勉強する人だけが伸び、ラインの中核を担うベテランや他部署には広がりません。その人が異動や退職をすると、分析の仕組みごと止まってしまいます。
3つ目は、そもそも教える人と時間がない症状です。データ分析を現場の言葉で教えられる人は社内に少なく、人手不足の職場では受講のために持ち場を離れること自体が難しくなります。
こうした状況は統計にも表れています。IPA（情報処理推進機構）の「DX動向2025」では、DXを推進する人材の量が「不足している」と答えた日本企業が85.1%にのぼりました。
厚生労働省の能力開発基本調査でも、約8割の事業所が人材育成に何らかの問題を抱えていると回答しています。
人材が足りないと感じながら、育てる仕組みが追いついていない企業が多数派です。
※能力開発基本調査の問題点の内訳は、問題があるとした事業所を100とした複数回答の割合です。
DX動向2025で目を引くのは、人材が足りないと答えながら、育成施策について「特に支援はしていない」企業が36.6%あった点です。この割合は、米国やドイツと比べて突出して高いものでした。
人が足りないことは分かっていても、育てる側の仕組みが用意されていないというのが多くの企業の実情です。
データ人材と呼ばれる人の役割や、身につけたいスキルの全体像については、製造業のリスキリングとDX人材の記事で整理しています。この記事では、育成が止まる原因と、それを乗り越えた企業のやり方に焦点を当てます。
うまくいかない原因は4つに分けられる
3つの症状をさかのぼると、原因はおおむね4つに分類できます。どの原因で止まっているかによって、打つべき手はまったく変わります。研修の中身を良くしても、原因が「使う場がない」ことなら成果は出ません。
症状は同じに見えても、原因は「入口」「学ぶ途中」「学んだ後」に分かれます。
※複数の原因が重なっていることがほとんどです。まずは最も手前で止まっている原因から手を打ちます。
①行き先の人材像がない
最も多いのが、「とりあえずDXの研修を受けさせる」という始め方です。育てた人に何を任せるのかが決まっていないため、受講者も上司も、学んだ後に何をすればよいか分かりません。
DX動向2025でも、日本企業はDXを推進する人材像を「設定していない」割合が米国・ドイツに比べて非常に大きいと指摘されています。
IPAのデジタルスキル標準は、全員向けのDXリテラシー標準と、ビジネスアーキテクトやデータサイエンティストなど5類型を定めたDX推進スキル標準に分かれています。
こうした公的な物差しを借りて、自社の人材像を言葉にするのが最初の一歩です。
②学ぶ時間と指導役がない
日本政策金融公庫総合研究所が中小製造業で働く1,500人に行った調査では、リスキリングの予定がない人が挙げた障壁は、多い順に次のとおりでした。
- 「意欲の維持・向上」44.9%
- 「時間の確保」39.2%
- 「お金の確保」35.7%
意欲の問題に見えても、実際には一人で学び続ける難しさが大きいと考えられます。能力開発基本調査で「指導する人材が不足している」が最多だったこととあわせると、学ぶ時間を業務として確保し、相談できる相手をつけることが欠かせません。
③学んだことを使う場がない
データ分析は、自分の職場のデータで一度でも成果を出すと一気に定着します。逆に、練習問題だけで終わると、現場に戻った瞬間に「うちのデータは汚くて使えない」「分析しても判断は変わらない」と元に戻りがちです。
DX動向2025でも、米国とドイツは「学んだことを業務に活かす仕組み、工夫を用意している」の回答率が高く、日本との違いとして挙げられています。学ぶ題材そのものを、自社の現場の課題にするのが効果的です。
④続ける・広げる仕組みがない
最初の数人が育っても、その先の段階や役割がなければ取り組みは広がりません。学んだ人の仕事内容や評価が以前と同じままなら、スキルを身につけた人ほど社外に活躍の場を求めることにもなります。
公庫の調査では、リスキリングに取り組んだ人の60.2%が今後も取り組む予定だと答えた一方、取り組まなかった人では6.2%でした。一度学んだ人は学び続けやすいため、最初の成功体験を段階的な仕組みにつなげることが重要になります。
ここからは、これら4つの原因に実際の企業がどう手を打ったのかを、公式発表や公的機関の資料をもとに見ていきます。
ダイキン工業｜業務から離して2年間学ぶ企業内大学
空調機大手のダイキン工業は、2017年12月に企業内大学「ダイキン情報技術大学（DICT）」を設立しました。特徴は、新入社員を2年間、通常の業務から離して学ばせるという大胆な時間の使い方です。新入社員は毎年100名規模で入学します。
新入社員は2年かけて学びと実践を往復し、既存社員には階層別の講座を用意しています。
※2024年4月時点で新卒コース440名、既存社員向けコース約1,300名が受講済み（厚生労働省「学び・学び直し」特設サイトの事例より）。
「時間がない」を正面から解決した
多くの企業が業務の合間に学ばせようとして挫折するなか、ダイキンは学ぶこと自体を仕事にしました。
1年目は特定の事業部門に配属されず学びに集中し、2年目に部門へ配属されて課題解決のプロジェクト研修に取り組みます。原因②の「時間がない」を、制度として取り除いた形です。
2年目のプロジェクト研修は、原因③の「使う場がない」への手当てにもなっています。教室で学んだ技術を実際の部門の課題で試し、その経験をもとに修了後の配属希望を出せるため、学びと配属先の仕事がつながりやすくなります。
既存社員にも階層別に広げた
DICTは新入社員だけの仕組みではありません。
ダイキンの公式発表では、育成を3つに分けています。既存の業務部門メンバー向けの「AI活用人材」、新入社員を一から育てる「AI技術開発人材」、既存エンジニア向けの「システム開発人材」です。
全従業員向けのデジタル技術のeラーニングもあります。
育成数は2023年度末までに1,500名に達し、2025年度末には2,000名を目標に掲げています。厚生労働省の事例紹介によると、社長表彰の直近49件のうち13件に履修生や修了生が関わっていました。
学んだ人が現場の成果に関わっていることが、社内で見える形になっている点も、取り組みが続く理由の一つといえます。
旭化成｜全員の底上げと現場のパワーユーザー
総合化学メーカーの旭化成は、「デジタル人材4万人化」を掲げ、グループの全従業員を対象にデジタル人材の育成を進めています。中心にあるのが、2021年に始めた独自の「DXオープンバッジ」制度です。
学習の到達度を5段階の電子証明で見える化し、全員が目指す水準をLevel3と明確に決めた点が特徴です。
全員をLevel3まで引き上げ、その上に現場と専門の人材を重ねる設計です。
※人数は受講者数、2023年11月末時点（旭化成 DX戦略説明会資料、2023年12月）。オープンバッジは11言語で海外にも展開しています。
現場から選んだパワーユーザーを6か月で育てる
全員の底上げとは別に、製造現場でデータ分析を担う「パワーユーザー（PU）」を育てるプログラムがあります。
旭化成の公式noteによると、オープンバッジのデータ分析領域で一定以上の知識を持つ人を、製造・生産・品質保証・営業など部門を問わず各現場から選抜します。
選ばれた人は6か月間のOJTで、自分の職場が抱える課題をもとにデータの収集、可視化、統計分析を行い、改善アクションから効果が出るまでを現場と一緒に進めます。学ぶ題材がそのまま自部署の課題なので、学んだ後に使う場を探す必要がない仕組みです。
この育成を経たPUは延べ370人にのぼります。成果の一例として、製造ラインの立ち上げ時間の短縮に取り組んだテーマでは、発足から2か月で関連する因子を特定し、立ち上げ時間を平均3〜4時間短縮しました。
年間で数千万円分の生産機会の損失を避けられたとしています。
専門部署が伴走して指導役不足を補う
PUの取り組みは、現場任せにはなっていません。デジタル共創本部が各テーマの進捗を管理し、高度な分析手法の提案や、分析結果を現場のアクションに落とし込む支援を担っています。
現場の人がすべてを一人で解く必要はなく、難しい部分は専門人材に相談できる体制があることで、原因②の指導役不足を補っています。人材像（原因①）、使う場（原因③）、段階的な仕組み（原因④）までをそろえた事例といえます。
JFEスチール｜4階層で役割を分けたデータサイエンティスト養成
鉄鋼大手のJFEスチールは、2019年10月に社内データサイエンティストを養成する階層別の教育体制を発表しました。製鉄所は大量のセンサーデータが日々生まれる現場です。
全員に同じ研修を受けさせるのではなく、立場ごとに求めるレベルを4つに分けたのが特徴です。
少数の専門家から全社員まで、役割ごとに教える内容を変えています。
※人数は2019年10月の発表時点の計画。社内データサイエンティストを2020年度末に350名程度へ増やすとしていました。
現場のエンジニアを「伝道者」にした
この体制で注目したいのが、製造現場のエンジニアを「DS伝道者」と位置づけた点です。研究所の専門家だけが分析できても、現場の設備や操業の事情が分からなければ、分析結果は使われません。
現場を知るエンジニアが高度なツールを使えるようになれば、自分の職場の課題を自分で分析し、周りに広げる役割を担えます。
名前のとおり、専門家と現場の間をつなぎ、データ活用を職場に伝える人という位置づけです。原因①の人材像と、原因④の広げる仕組みを、階層の設計そのもので示した形です。
職種別の高度DX人材へ発展
その後、取り組みは職種別の育成へと広がっています。JFEホールディングスのサステナビリティ情報では、次の3区分で、800名を超える高度DX人材を認定したとしています。
- ビジネスイノベーター：業務プロセス改革を進める
- データサイエンティスト：AI・機械学習で高度なデータ活用を行う
- デジタルデザイナー：ローコードツールを活用する
同じ鉄鋼業では、日本製鉄も2025年までにスタッフ系社員全体の2割程度（1,000人以上）をデータサイエンティストとして育成する目標を掲げていました。データが多く、設備が大きい業種ほど、現場の技術者を分析の担い手にする動きが目立ちます。
大塚セラミックス｜工場長が外部講座で学び、赤字の原因を突き止めた
ここまでの3社は大企業ですが、中小企業でも現場の人がデータ人材になった例があります。
茨城県下妻市でファインセラミックス部品を製造する大塚セラミックス（従業者45人）の事例は、日本政策金融公庫総合研究所のレポートで紹介されています。
社内に講座を持たなくても、外部の講座とメンターを使えば1人から始められることを示す事例です。
自社のデータと外部の学びを組み合わせ、赤字製品の改善につなげました。
※日本政策金融公庫総合研究所「アンケートと事例にみる中小製造業のリスキリングの実態」（2024年12月）をもとに作成。
自社の赤字という「使う場」が最初からあった
同社は2015年にISO9001を取得したのを機に、品質・コスト・納期のデータを集めるようになりました。管理会計を導入すると、どの製品が赤字かが分かりやすくなります。
社長の大塚喜一郎さんは、収益力を高めるにはさらなるデータ分析が必要だと考え、工場長の新井英夫さんとデータ活用の可能性について議論を重ねました。
新井さんが受講したのは、茨城県の「いばらきリスキリングプロジェクト」の一環であるデータサイエンティスト育成講座です。
統計学の基礎やExcelでの分析、Pythonを学び、最終回には自社のデータを使った分析結果をもとに経営課題の解決プランを発表します。
学ぶ題材が最初から自社の課題だったことが、成果につながった大きな要因です。
メンターの一言で分析の切り口が変わった
講座の後半は、メンターの伴走を受けながらプランの実現に取り組む実践型のプログラムでした。メンターからは、最終的な不良品の数ばかりを見るのではなく、どの工程で発生しているのかを細かく分析してはどうかと助言を受けます。
そこで工場内に温度や湿度を測るセンサーを導入し、工程ごとの作業環境と不良品の数を分析しました。その結果、赤字の原因は焼成工程での作り過ぎにあると分かります。
焼いてみないと不良の出方が分からないため、現場は受注量を下回らないよう多めに作っていたのです。
原料の種類や調合の割合、気温、湿度などを変数に回帰分析を行い、不良品の発生率を推定できるようにしました。
受注量に対してどれだけ多めに作ればよいかを計算できるようになり、作り過ぎによる廃棄や不良在庫が減り、慢性的に赤字だった製品の一部は黒字化しました。
成果を平易な言葉で伝え、次の人を育てる
新井さんは、分析の過程を数値で細かく伝えるのではなく、効果をシンプルな言葉で説明し、統計の専門用語を使わないよう心がけたといいます。データで判断することへの社内の理解は、こうした伝え方で得られました。
現在は若手従業員2人に、データの集め方や分析の方法を自ら教えています。自分にメンターがいて良かったという経験から、今度は自分が社内のメンターになるという流れです。
原因②の指導役不足を、外部のメンターで乗り越え、次は社内で補う形に変えつつあります。
中小企業が外部の講座を使う場合、国の助成制度で費用の一部を賄えることがあります。対象になる訓練の条件や申請の流れは、人材開発支援助成金を使ったリスキリングの申請手順を参考にしてください。
4社に共通する対策｜原因別に見る打ち手
規模も業種も異なる4社ですが、原因ごとの打ち手を並べると共通点が見えてきます。どの会社も、4つの原因のうち複数に同時に手を打っていることが分かります。
「学ぶ題材を現場の課題にする」は、4社すべてに共通しています。
※各社の公式発表、厚生労働省、日本政策金融公庫総合研究所の資料をもとに作成。記載は公開情報の範囲です。
学ぶ題材を現場の課題にしている
4社に共通する最も大きな点は、学びの仕上げを自社の現場の課題にしていることです。
ダイキンの2年目のプロジェクト研修、旭化成のPUのOJT、大塚セラミックスの講座最終回の発表には共通点があります。いずれも自分の職場のデータで成果を出すところまでを育成の範囲に含めています。
学んだ人の役割を決めている
2つ目の共通点は、育った人の役割が名前や段階で示されていることです。JFEスチールの「DS伝道者」、旭化成の「パワーユーザー」のように、学んだ後に何を担うかが明確だと、本人も周囲も期待を共有できます。
役割を決める前提として、誰がどの業務をどのレベルでこなせるかを把握しておくと、候補者選びが進めやすくなります。現場の力量を一覧にする方法は、スキルマップ（力量表）の作り方で解説しています。
経営が旗を振り、時間とお金を出している
3つ目は、経営が取り組みを後押ししていることです。2年間業務から離す判断も、全社員の到達目標を決めることも、現場の判断だけではできません。
大塚セラミックスでも、工場長の時間を割くことを社長が前向きに受け止め、学び続ける風土をつくることが経営者の仕事だと考えていました。
公庫の調査でも、経営者が会社の将来像を示していると思う人の割合は、リスキリングの予定がある人で42.2%、予定がない人で26.1%と差がありました。会社がどこへ向かうのかが見えていると、社員が学ぶ理由も見えやすくなると考えられます。
自社で始めるときの進め方と注意点
4社の事例を自社に当てはめるとき、大企業と同じ規模の仕組みをいきなり作る必要はありません。大塚セラミックスのように、1つの課題と1人の担い手から始めて、成果が出たら広げるという順番でも十分に成り立ちます。
最初の題材は「データがあり、お金に換算できる課題」
最初のテーマは、すでに記録が残っていて、改善すれば金額で効果を示せる課題を選ぶのが近道です。候補になるのは、たとえば次のような課題です。
- 不良率
- 段取り時間
- ラインの立ち上げ時間
- エネルギー使用量
旭化成の立ち上げ時間短縮や、大塚セラミックスの作り過ぎ削減も、この条件に当てはまります。
逆に、データがほとんど取れていない課題を最初に選ぶと、分析以前のデータ集めで時間を使い切ってしまいます。まずは手元にあるデータで小さく成果を出し、その後にセンサーの追加などを検討する順番が現実的です。
担い手は現場を知る人から選ぶ
担い手には、ITが得意な人よりも、その工程の事情をよく知り、周囲から信頼されている人を選ぶほうが成果につながりやすいといえます。大塚セラミックスでは工場長、旭化成とJFEスチールでは現場の技術者がその役割を担いました。
データ分析は、分析結果の意味を現場の言葉に置き換えられて初めて改善につながります。長年の経験で身につけた勘やコツを数値で裏付けることにもなるため、技能伝承と人材育成の仕組みづくりと組み合わせて考えるのも有効です。
時間を業務として確保し、相談先を用意する
受講時間は、業務時間の中で確保することを前提にします。週に何時間、何か月間という形で上司と合意しておかないと、繁忙期に真っ先に削られます。
社内に指導役がいない場合は、自治体や大学の講座、メンターの伴走がつく外部プログラムを探すのが現実的です。
近年は生成AIを使ってデータの集計や分析コードの作成を補助する方法も広がっており、製造業の生成AI活用事例のように、現場の分析のハードルは下がりつつあります。
成果の伝え方と、学んだ人の処遇を決めておく
成果が出たら、専門用語を使わずに「何がいくら良くなったか」で社内に共有します。周囲の理解が得られると、次の担い手が手を挙げやすくなります。
あわせて、学んだ人の役割と評価をどう変えるかも、始める前に決めておきたいところです。能力開発基本調査では「人材を育成しても辞めてしまう」が問題点の2番目でした。
育った人が社内で活躍し続けられる道筋を示すことが、辞めない一番の対策になります。対象者の選び方から効果測定までの計画の立て方は、下の記事で6つのステップに分けて整理しています。
まとめ
- 現場社員のデータ人材化は「研修止まり」「一部止まり」「教える人と時間がない」で止まりやすい
- 原因は、人材像がない、時間と指導役がない、使う場がない、続ける仕組みがないの4つに分けられる
- ダイキンは2年間の企業内大学、旭化成は5段階バッジと現場のPU、JFEスチールは4階層で育成した
- 中小の大塚セラミックスは、工場長が外部講座とメンターで学び、赤字製品の改善につなげた
- 4社に共通するのは、学ぶ題材を自社の現場の課題にし、学んだ人の役割を決めていること
データ人材の育成は、研修を選ぶことよりも、学んだ人が現場で成果を出せる場と役割を用意することで成否が分かれます。現場でデータを扱う機会が多い職種としては、生産技術や品質保証、技術テーマとしてはスマートファクトリーがこの記事と深く関わります。
人手不足や働き方など、製造業の人材に関する記事は人材・キャリアのページにまとめています。あわせてご覧ください。
出典
出典・参考資料（11件）を開く出典・参考資料を閉じる
- DX推進人材の不足・育成施策の国際比較：独立行政法人情報処理推進機構「DX動向2025」（2025年6月26日）
- 人材育成の問題点：厚生労働省「令和６年度『能力開発基本調査』の結果を公表します」（2025年6月27日）
- 中小製造業のリスキリング調査・大塚セラミックスの事例：日本政策金融公庫総合研究所「アンケートと事例にみる中小製造業のリスキリングの実態」（日本公庫総研レポートNo.2024-4、2024年12月）
- デジタルスキル標準：独立行政法人情報処理推進機構「デジタルスキル標準」
- ダイキン情報技術大学：ダイキン工業「デジタル時代における製造業の変革～ダイキン情報技術大学におけるAI人材の育成と卒業生の活躍～」
- ダイキン工業の取り組み事例：厚生労働省 職場における学び・学び直し促進ガイドライン特設サイト「企業事例 ダイキン工業株式会社」
- 旭化成 DXオープンバッジ：旭化成「DX戦略説明会 デジタル人材の強化とビジネス変革」（2023年12月7日）
- 旭化成 パワーユーザー育成：Asahi Kasei DX（旭化成公式note）「データ活用の未来へ～旭化成のデータサイエンティスト育成とSPADEの成功事例」（2025年3月31日）
- JFEスチールの階層別教育体制：JFEスチール「社内データサイエンティスト養成のための階層別・系統的教育体制を構築」（2019年10月17日）
- JFEグループの高度DX人材：JFEホールディングス「人材の確保・育成の推進」
- 日本製鉄のDX人材育成目標：日本製鉄「日鉄DX 具体的な取り組み」
NEWSLETTER
選んだ職種・業種に合わせた記事を、週1回メールで
週刊MONOSCOPEは、登録時に選んだ職種・業種に合わせた記事を週1回お届けする無料のメルマガです。
職種・業種を選んで登録へ ›
無料・週1回。登録後に届く確認メールのリンクを押すと登録が完了します。配信はメール内のリンクからいつでも停止できます。
WEEKLY NEWS
今週の製造業ニュース10選
メルマガは職種・業種に合わせた記事。LINEとnoteでは、全員共通の10本を毎週土曜の朝にお届けします。
LINEでニュース10選を受け取るnote今週のニュース10選をnoteで読む ›
コメント