People Analytics (HR 분석) 왜 하는가?

People Analytics라고도 하고, HR Analytics라고도 불리우는 것 같은데.

나는 사람관점에서의 분석이라고 생각하기에 People Analytics라는 단어가 더 호감이 간다. 

빅데이터 분석을 통한 경제적/기술적 성과가 두드러지게 보여지기 시작하는 시대가 왔다.

 

약 5년 전 머신러닝 기술에 엄청난 가능성을 발견했었고 입사 초기에 한참 열과 성을 다하려고 했을 때,

막상 내가 속한 기업에서는 관심은 있으나, 매우 먼~ 얘기처럼 다뤄왔기에

몇 번의 try를 해봤지만 일개 막내직원의 idea가 실제 action으로 이뤄지는 것은 거의 불가능에 가까웠다.

그런 환경 속에서 나도.. 일반 사람인지라 점점 그 세계에 적응하고 내가 꿈꿔왔던 세상과는 점점 멀어졌던 것 같다.

그러다 몇 년 전 미국에서 열린 AI관련 Conference 참관을 통해, 너무나도 발전된 모습, 실현된 모습들을 경험하게 되었다. 꿈꾸던 그 모습을 실제로 보니 가슴이 벅차기도 했고, 내가 스스로 점점 세상과 멀어져갔던건 아닐까 싶으면서 부끄러워졌다.

 

어쨌던 푸념이고, 다시 ! 원점으로 돌아와서,

마케팅, 제조업 등 여러 분야에서 성과를 보이기 시작한 빅데이터 기술,

기업의 HR에도 이 기술을 적용하는 것에 많은 기업들이 관심을 보이는 세상이 왔다.

왜일까? 단순히 빅데이터 기술을 쓰고 싶어서? 

 

| People Analytics를 하는 이유

 

직관에 의한 HR 의사결정에서 '근거기반의 의사결정'을 하기 위해서 이다.

 

인재경영과 관련된 활동들은 모두 측정되어야 하고 데이터로 저장해서 관리해야 한다. - 피첸츠(Jac Fitz-enz) -

 

기존까지 데이터를 이용하지 않았던 방법들은 다음과 같은 어려움이 있다.

 

1. 성과를 가시적으로 보여줄 수 없음

2. 인사전략의 효과성을 측정할 수 있는 방법론 부재

 

Data를 활용하게 되면, 데이터 분석을 통해 검증된 결과를 기반으로

성과나 효과성 측정 뿐만 아니라, 의사결정에 도움을 주어 인재 경영을 하는데 있어 Risk를 줄일 수 있다.

 

나는 그리고 또 이렇게 생각한다.

직관으로 내린 의사결정이 그간 좋은 HR 제도와 문화를 만들어 왔지만, 그래도 여전히 풀리지 않은 숙제들이 있다.

그런 문제들에 대해서 이미 아는 이유 말고도 또 다른 근본적 원인이 있지 않을까?

Data기반의 또 다른 분석 결과를 활용하여 좀 더 다양한 관점으로 문제를 해결해보고자 함이 아닐까 생각한다.

 

| People Analytics의 기대효과

 

인재 경영의 본질을 살펴보면 다음과 같다.

 

1. 어떻게 회사의 숨은 인재를 찾을 것인가?

2. 어떻게 좋은 인재들을 확보할 것인가?

4. 어떻게 좋은 인재들을 유지할 것인가?

 

위 인재경영의 본질과 동일하게,

데이터기반의 people analytics로 오는 HR 분야의 기대효과 역시 마찬가지다. 

 

1. 인사 평가의 insight 확보 효과

2. 인재 보유 효과

3. 인재 양성(교육 등)의 효과

4. 인재 식별 효과 (신규/경력직 채용)

 

현재 우리나라의 HR를 보자면 카카오나 국내 기업 몇 군데의 경우, Insight 단계에 있다고 할 수 있지만

대부분의 일반적인 기업들은 아직도 hindsight 수준에 머무르고 있다.

데이터를 활용할 경우,

현재를 판단 뿐만 아니라 미래를 예측하고, 변화하는 상황에 대한 대비책을 세우는데 유용하게 도움이 될 것이다.

 

 

| 데이터 분석 역량 구분

Data 분석을 하기 위해 필요한 역량은 무엇인지 살펴보면 아래와 같다.

 

1. 데이터 기술 역량 

 - 무엇이 일어났는지 데이터로부터 파악하는 역량 (데이터의 요약, 시각화, 상관관계, 기술통계 역량 등

 

2. 진단역량

 - 어떤 문제나 이벤트의 발생원인을 찾아내는 역량 : 문제와 데이터 간의 인과관계 규명 역량 등

 

3. 예측역량

 - 과거의 문제로부터 예견되는 미래를 제시하는 역량

 

4. 인사이트 역량

 - DFS(Desired Future Status) 결정을 위한 통찰력을 제시하는 역량 

 

 

| 데이터 기반 문제 해결 방식

 

분석은 그럼 어떻게 할까?

제조업 같은 분야는 어떤 특정 공정, 특정 사례들에 대한 개선을 하면 되는데

이런 인적관련 문제들에 대해서 생각해보면 기업문화, 인사채용 등 주제들의 범위가 매우 넓고 모호하다. 

 

파레토의 법칙을 빌려서 말하자면, 20:80 처럼, 20%의 문제들이 80%의 기업문화에 효과를 낼 가능성이 있듯,

HR 분석은 Specific한 문제/상황 부터 집중해서 문제를 해결해나간다는 생각으로 접근하는게 좋다고 한다.

 

 

 

USE CASE . 잠재 퇴사자 분석 (Retention)

기본적으로 퇴사를 결심한 이유 중 1위는 '돈', 2위는 'Vision, Career' 등이라고 한다.

과연 '돈'의 기준이 무엇일까? 단순히 평균 연봉으로만 비교해서 문제를 해결하는 것이 아니라

주요 불만을 가지는 연령층, 부양가족 수 등 Target층의 변수를 뽑고, 통계 분석을 해나가는 것이 필요하다. 

 

USE CASE. 기업 문화

구성원들이 실제 회사를 표현하거나, 의견을 제시한 내용들을 기반으로 '텍스트마이닝'을 하는 것은 필수라고 한다.

텍스트 마이닝을 통해 구성원이 가장 자주 쓰는 표현, 특정 영역에 대한 그들의 긍/부정 인식 등을 통해

관련 insight(예; 선호 키워드, 부정적 키워드 등)을 뽑아 기업문화에 활용하는 방안을 찾아야 함. 

 

다음번 포스팅에서 어떤식으로 분석하는지에 대해서 더 세세히 기록해두려 함. 

본 내용은 교육받은 내용을 일부 발췌하여 정리한 내용입니다.