株式会社Spelldata

在宅勤務

女性採用に力を入れる理由

パフォーマンスチューニングの専門企業

株式会社Spelldataの代表取締役社長である竹洞たけほら陽一郎です。
Spelldataがどうして女性の採用や、女性のキャリア形成・構築に力を注いでいるのか、説明します。

データ分析で理解する雇用の理想

独立行政法人経済産業研究所の「雇用の流動性は企業業績を高めるのか：企業パネルデータを用いた検証」

離職率が高い傾向になる企業

売上高経常利益率

企業の累計による分析

「タイプ A」
定着率が低く、メンタルヘルスが悪く、年功的な賃金体系で、教育訓練の重視度合いが相対的に低いといった特徴がある。また、離職率や中途採用のウエイトが比較的大きく、企業規模が小さいのも特徴的といえる。
「タイプ B」
定着率は中程度で、メンタルヘルスは悪く、年功賃金の割合が非常に小さいものの、教育訓練は重視している特徴がある。また、これらの企業では離職率は高く、中途採用も活用しているほか、非製造業の割合が多い。
「タイプ C」
定着率が高く、メンタルヘルスがよく、年功賃金の割合が中程度で、教育訓練を重視しているといった特徴を共有している。離職率や中途採用の活用度合いが低く、製造業の割合が若干高いことや利益率が高いことも特徴といえる。

流動性が相対的に高いタイプ A やタイプ B の企業に対して、タイプ C の企業はいわゆる日本的雇用慣行型と特徴づけることができる。
また、タイプ B に比べるとタイプ A は定着率がより低く、教育訓練を重視していないという点で、いわゆる「ブラック」企業のような特徴があると解釈できる。

なお、タイプ A は年功的な賃金体系の要素が強くなっているが、雇用の流動性が高い状況では年功賃金体系を設定することで、昇給による人件費増加を抑えることができるという意味で、「ブラック」企業の特徴と整合的と考えることもできる。
一方、タイプ B は、総合的に見てタイプ A とタイプ C の中間で、特徴としては成果主義の度合が強いタイプと位置付けることができる。

男性が活躍できる会社ならいくらでもある

日本は依然として国際比較で男女格差が大きい国です。世界経済フォーラムのGlobal Gender Gap Report 2025では、日本は148か国中118位という評価でした。
これは「男性が活躍できる会社はすでに多い一方で、女性が専門性と裁量を存分に発揮できる職場が不足している」現実の裏返しでもあります。

Spelldataは、難易度の高いパフォーマンスチューニングという専門領域で、性別に関係なく実力を発揮できるフラットな環境を整備し、そのギャップを埋めます。

当社が女性採用を重視するのは、社会課題の是正という公益性に加え、実務上の合理性（専門職の拡充・多様な視点の導入・品質向上）に明確な根拠があるからです。

人生のイベントが男性よりも複雑な女性

日本の女性の就業率は「M字カーブ」と呼ばれる年齢別の谷が伝統的に指摘されてきましたが、近年は谷が浅くなり台形化が進んでいます。
一方で、潜在的な就業希望者の規模は依然として大きいのが現実です。
厚生労働省「雇用の分野における女性活躍推進等に関する参考資料」令和5年
総務省「労働力調査」）

Spelldataは、在宅・裁量・成果基準を基本とする働き方で、ライフイベントと高度専門職の両立を設計します。
再学習（Re-skilling）や体系化された育成プロセス、時間制約下でもパフォーマンスを最大化できる標準化（SOP・テンプレート・自動化）を重視し、キャリアの断絶を最小化します。

子ヤギと狼

専門性の高い少数精鋭の現場では、心理的安全性が品質と速度を左右します。
多様なメンバーが安心して意見できる場を保つには、「弱い立場になりがちな人を守る設計」が必要です。
ここでの「子ヤギ」は新参者・若手・育休復職者・スキル転換中のメンバーなど、「狼」は無自覚なハラスメントや手続き無視、属人化の圧力の比喩です。

行動規範とレビュー基準の明文化
コード・設計・計測のレビュー基準を文書化し、発言者ではなくエビデンスで判断。
非同調圧力を抑える仕組み
非同期コミュニケーション、少数意見の拾い上げ。
時間資源の平等
会議は録画＋要約、決定は議事と根拠を残し、欠席者も同じ情報量で追いつける。
評価はアウトカム(成果物)と再現性
勤務時間や声の大きさではなく、計測値・SLO改善・再現可能な手順化を評価軸に。

この「守りの設計」は、特定の属性を優遇するためではなく、専門性の獲得・維持に集中できる健全な土台をつくるためのものです。
結果として、女性を含む多様な人材が能力を最大化でき、チーム全体の品質が上がります。
（多様性と業績の相関：McKinsey 2023）

小さな企業ですが、大きな仕事

Spelldataは小規模ながら、社会インフラのような大規模システムの信頼性・性能・セキュリティに直接効く「統計的品質管理×計測×改善」に特化しています。
少数で大きな成果を出すために、次の原則を徹底します。

  1. エビデンス・ファースト：仮説ではなく計測。Navigation TimingやAPM・ベンチ・実利用ログなど、外形的に検証可能な指標で意思決定。
  2. 再現性：改善手順はSOP化し、誰でも同等品質に到達可能なドキュメントと自動化を整備。
  3. 育成への投資：短期の属人技ではなく、長期のスキル資産に投資。M字カーブでの一時離脱があっても復帰時にキャッチアップできる教材・ラボ環境を用意（厚労省資料が示す潜在労働力の活用）。
  4. リモート前提の設計：在宅前提のプロセス・ツール・セキュリティで、地域・時間の制約を最小化。

この設計は、女性比率を高めるための「特別扱い」ではなく、少数精鋭で最大の品質インパクトを出すための合理です。結果として多様性が高まり、国際比較で遅れが指摘される日本のジェンダーギャップの是正にも微力ながら寄与します（WEF 2025、日本の順位に関する要約記事：nippon.com）。