グループ3社の勤怠・給与・出向データをそろえる｜人事データ整備と名寄せの事例

グループ会社3社を抱える持株会社の人事グループでは、勤怠・給与・出向のデータが会社ごと、システムごとにばらばらで、そのつなぎ目を人が手と目で埋めていました。週1回の常駐で、勤怠データを3社に自動で振り分ける仕組み、給与データを社労士に送る前に異常を拾う仕組み、出向者の登録漏れを見つける仕組みを順に作りました。人事システムのデータと名前を突き合わせる「名寄せ」を入れたことで、出向者の確認で人が目で見る件数は、実データで58件から36件に減っています（約4割減）。

項目	内容
業種・規模	持株会社グループ（事業会社3社）、人事総務部約28名
対象	人事グループ（勤怠・給与・出向の担当）
期間	2026年4月〜、週1回の常駐
使ったもの	Excelマクロ、勤怠システムと人事システムのCSV、社内のAIツール
結果	出向者確認の要確認件数 58件→36件（実データ）、勤怠データ約630名分の3社振り分けを自動化

導入前、何に困っていたのか？

給与計算そのものは社労士に任せていました。社内に残っていたのは、社労士に送る前のデータの加工と、返ってきたデータの確認です。返却データの確認には4名で丸1日かかり、送る前の加工は1名が1〜2日かけていました。やり方を知っているのはその担当者だけでした。

手間の原因は、データの持ち方にありました。

勤怠システムは3社分をまとめて出力するので、会社ごとに手で分けていた
社員番号の付け方が会社によって違い、変換も手作業だった
出向者の一覧と職制表が別々に管理され、新しく出向した人の登録漏れが請求漏れにつながっていた
人事システム上の社内の姓と、戸籍上の姓が違う人がいて、機械的に突き合わせられなかった

何をしたのか？

いきなり大きなシステムを作らず、毎月必ず発生する作業から1つずつ、データの流れを整えました。

勤怠データの3社振り分け：約630名分のCSVを社員番号の先頭4桁で3社に振り分け、社員番号も自動で変換する。人事システムのCSVを直接読み込む形に作り替えた
給与データの事前チェック：社労士に送る前に、前月との差が大きい人や、こども手当の付け忘れなどを機械が拾う。比べる月は自由に選べ、規程が変わって項目名が変わっても対応表で吸収する
出向者の登録漏れの検知：職制表と出向者一覧を突き合わせる。人事システムと連携して、社内の姓と戸籍上の姓のずれを自動で解消した（名寄せ）

データの流れを整えた3つの仕組み：勤怠の3社振り分け、給与の事前チェック、出向者の登録漏れ検知

検証には、3月分の実データ624件を全件使っています。途中で、ある会社の社員番号に会社の記号が二重に付いている問題が見つかり、変換の決まりを直しています。

職制表がない会社が1社ありました。この会社は、組織図の文字の色（グループからの出向者は黒）を読み取る方法で対応しています。

どんな結果が出たのか？

指標	導入前	導入後
出向者確認で目で見る件数	58件	36件（約4割減・実データ）
勤怠データの3社振り分け	手作業	約630名分を自動で振り分け
給与データの異常の発見	目視	送る前に機械が拾う

出向者の確認ツールは、実データで月次の運用に乗っています。担当の方からは「これになったら、すごくありがたい」という声をいただきました。

しきい値や監視する項目は、人事グループが設定シートで自分たちで変えられるようにしました。保守運用のマニュアルも用意し、当社に頼らなくても回る形にしています。

この事例から言えることは？

生成AIを業務に使う前に、つまずくのはデータです。会社ごと、システムごとにデータの持ち方が違うと、AIに渡す前の段階で人の手が必要になります。この事例では、社員番号の変換と名前の突き合わせという地味な整備を先にやったことで、その後のチェックを機械に任せられるようになりました。

この事例でよくある質問

大きなシステムを入れ替えないと、データ整備はできないのか？

できます。この事例では、今ある勤怠システムと人事システムのCSVをそのまま使い、つなぎ目だけを整えました。システムを入れ替える前でも、毎月の手作業は減らせます。

給与の判定までAIに任せているのか？

任せていません。機械が拾うのは「確認したほうがよい人」までで、最終的な判断は担当者が行います。完璧な自動判定ではなく、見落としを防ぐための仕組みです。

数字の出どころ

要確認件数は、出向者一覧の実データで、名寄せを入れる前と後を比べたものです。導入前の作業時間は、人事グループへの聞き取りで確かめました。社名は伏せています。

社内のデータがばらばらで、AIを使う前の段階で止まっている方は、30分の無料の「AI業務診断」をご利用ください。