報告データの分析・活用術｜ヒヤリハットを対策に変える方法

「報告は集まるけど、分析する時間がない…」

ヒヤリハット報告を集めても、データが眠っていては意味がない。報告を分析し、対策につなげて、初めて事故を防げる。

でも、日々の業務に追われて、分析まで手が回らない現場が多い。

この記事では、限られた時間で効果的にデータを分析・活用する方法を解説する。

データ分析の基本的な考え方

データ分析の目的

データ分析の目的は、「感覚」を「根拠」に変えること。

感覚的な判断：

• 「最近、転倒が多い気がする」
• 「高所作業は危ない」
• 「新人はミスが多い」

データに基づく判断：

• 「転倒報告が前月比150%。雨天時に集中している」
• 「高所作業の報告は全体の35%。特に足場作業が多い」
• 「入社1年未満の報告は40%。教育プログラムを見直す必要がある」

分析の基本ステップ

1. データを集める：報告を継続的に収集
2. 傾向を見つける：パターンや偏りを発見
3. 原因を探る：なぜその傾向が出るのか考察
4. 優先順位をつける：どこから対策するか決める
5. 対策を打つ：具体的なアクションを実行
6. 効果を検証する：対策後の変化を確認

分析に必要な視点

データを見るときの基本的な視点：

効果的な分析手法

手法1：トレンド分析

報告件数の推移を時系列で見る。

見るポイント：

• 増加傾向か、減少傾向か
• 季節変動はあるか
• 急激な変化はあるか

解釈の例：

• 増加→安全意識の向上（報告が活発化）OR 危険の増加
• 減少→対策の効果 OR 報告意欲の低下
• 急増→新しい作業開始、環境変化

手法2：パレート分析

「重要な少数」を見つける。80%の問題は20%の原因から来る（80:20の法則）。

分析方法：

1. 報告を種類別に分類
2. 件数の多い順に並べる
3. 累積比率を計算
4. 上位20%が80%を占めていないか確認

活用：

• 上位項目に集中して対策
• リソースを効率的に配分

手法3：クロス分析

2つの軸でデータを分析する。

分析の例：

• 時間帯 × 報告種類
• 場所 × 4M分類
• 天候 × ヒヤリハット件数

発見の例：

• 「昼食後の時間帯に、Man（人）要因が集中している」
• 「雨天時に、転倒・滑りの報告が3倍になる」

手法4：比較分析

異なるグループを比較する。

比較の軸：

• 現場間の比較
• チーム間の比較
• 期間の比較（今月 vs 先月、今年 vs 昨年）

活用：

• ベストプラクティスの発見
• 問題のあるエリアの特定
• 対策効果の検証

📱 安全ポスト+でデータ分析を効率化

「安全ポスト+」は、報告データの分析をAIがサポート。

• 報告内容を自動で4M分類
• ダッシュボードで傾向を可視化
• 時系列、場所別、種類別の分析が簡単
• レポート出力機能で資料作成も効率化
• 無料プラン：QR 3つまで、AI分析10回/月

👉 安全ポスト+を無料で試す

対策立案への活用

ステップ1：優先順位をつける

すべての報告に対策を打つことはできない。優先順位をつける。

優先順位の基準：

• 重大性：発生したら被害が大きいか
• 頻度：どれくらい報告されているか
• 対策可能性：対策を打てる余地があるか

重大 × 高頻度 × 対策可能 → 最優先で対策

ステップ2：原因を深掘りする

データから「何が起きているか」は分かる。「なぜ起きているか」を深掘りする。

深掘りの方法：

• 5Why分析で根本原因を探る
• 現場の声を聞く
• 類似事例を調べる

表面的な対策ではなく、根本原因への対策を目指す。

ステップ3：対策を具体化する

対策は具体的に、実行可能なレベルまで落とし込む。

NG：「安全意識を高める」 OK：「毎朝の朝礼で、前日のヒヤリハット報告を共有する」

NG：「注意を促す」 OK：「危険箇所に注意喚起の看板を設置する」

ステップ4：効果を測定する

対策を打ったら、効果を測定する。

測定方法：

• 対策前後の報告件数の比較
• 同種のヒヤリハットが減ったか
• 新たな問題が発生していないか

効果がなければ、対策を見直す。

報告データのKPI管理

KPIを設定する

安全管理のKPI（重要業績評価指標）を設定する。

KPIの例：

• 月間報告件数：20件以上
• 是正率：100%
• 報告から対策完了まで：7日以内
• 重大ヒヤリハット件数：0件

KPIをモニタリングする

設定したKPIを定期的にモニタリングする。

モニタリング頻度：

• 報告件数：毎日
• 是正率：毎週
• 全体傾向：毎月

KPIが達成できない時の対処

KPIが達成できない場合、原因を分析する。

報告件数が少ない場合：

• 報告のハードルが高い？→QRコードの導入
• 報告する動機がない？→フィードバックの強化
• 報告文化がない？→経営者のメッセージ

是正率が低い場合：

• リソースが不足？→優先順位の見直し
• 責任者が不明確？→担当の明確化
• 予算がない？→投資対効果の説明

分析結果の共有

誰に、何を共有するか

情報を受け取る人によって、共有する内容を変える。

経営層向け：

• 報告件数のサマリー
• 重大リスクの状況
• 投資対効果
• 判断が必要な事項

管理者向け：

• 詳細な傾向分析
• 対策の進捗
• リソース配分の提案
• 次月の重点項目

現場向け：

• 具体的な危険箇所
• 自分たちの報告がどう活かされたか
• 明日から気をつけること

共有の頻度とタイミング

• 毎日：重大なヒヤリハットは即時共有
• 毎週：週次の傾向サマリー
• 毎月：月次レポート、安全協議会での共有
• 四半期：経営層への報告、予算検討

共有の方法

• ダッシュボードの画面共有
• レポートの配布
• 朝礼での口頭報告
• 掲示板への掲示

よくある分析の落とし穴

落とし穴1：報告件数だけを見る

報告件数が増えた＝危険が増えた、とは限らない。

報告件数が増えた理由：

• 危険が増えた（悪い傾向）
• 報告意欲が高まった（良い傾向）
• 報告のハードルが下がった（良い傾向）

件数だけでなく、内容も見ることが大切。

落とし穴2：相関と因果を混同する

「Aが起きた時、Bも起きている」（相関）と「AがBの原因」（因果）は別物。

例：

• 「雨の日に転倒が多い」→雨が原因か？
• 実は「雨の日は急いで作業するから」かもしれない

相関関係から因果関係を安易に判断しない。

落とし穴3：異常値を見逃す

平均や合計だけ見ていると、異常値を見逃す。

例：

• 月間報告件数は例年通り20件
• でも、1人が15件報告している
• 他の人は報告していない

個別のデータも確認する習慣をつける。

落とし穴4：分析のための分析になる

分析自体が目的化し、対策につながらないことがある。

対策：

• 分析する前に「何を知りたいか」を明確にする
• 分析結果から「次のアクション」を必ず出す
• 対策につながらない分析はやめる

まとめ

報告データの分析・活用は、安全管理を「感覚」から「根拠」に変える。

分析の基本ステップ：

1. データを集める
2. 傾向を見つける
3. 原因を探る
4. 優先順位をつける
5. 対策を打つ
6. 効果を検証する

効果的な分析手法：

• トレンド分析（時系列の推移）
• パレート分析（重要な少数を特定）
• クロス分析（2つの軸で見る）
• 比較分析（グループ間の比較）

対策立案のポイント：

• 優先順位をつける
• 原因を深掘りする
• 対策を具体化する
• 効果を測定する

集めたデータを眠らせず、対策に変えよう。

現場改善に役立つ関連アプリ

GenbaCompassでは、安全ポスト+以外にも現場のDXを支援するアプリを提供している。

詳しくは GenbaCompass をチェック。