蓄積データを解析して、すでにこのような取組みを進めている企業があるそうです。
この取組には一理あります。
業績とマネジメント力の分析を行うと、営業職においては強い正の相関が見られます。つまり、出来る営業マンは良いマネジャーになれるのです。
一方、企画職においては、業績とマネジメント力は無相関でした。
仕事の出来る企画マンが良いマネジャーになるかはわかりません。
そして、技術職では、業績とマネジメント力がなんと逆相関だったのです。仕事の出来る技術者は良いマネジャーになれないのです。
このような、実情に対し、人の見極めが有効なのは営業職のような正の相関がある場合です。
逆に、無相関、負の相関において多くのケースで人は判断を間違います。
採用活動においても同様でしょう。
米グーグルでは分析により大学の成績評価GPAや超難問の試験結果と入社後の業績は無関係だったとわかり採用基準を大きく変えたそうですが、人は一見、相関がありそうなことを判断の拠り所にしてしまうことが少なくありません。
ゆえに、分析結果が、無相関であったり、逆相関であると大きな驚きを感じるのです。
これは、人が予測を間違う要因のひとつです。
線形（Y=ax）はとてもシンプルで世の中の現象で比較的多くみられる法則ゆえに、予測において有利なモデルとして、判断のデフォルトになっているとも考えらます。
いづれにしても、AI含め、分析における発見とは直感と異なる無相関や負の相関をみつけることとも言えるでしょう。
成長も非線型です
