지난 11월 07일, HR Digital Transformation을 통한 전략적 HR 의사결정을 주제로 세 번째 EY X Wanted 콜라보 웨비나가 진행되었습니다. HR Analytics의 다양한 활용 사례들을 바탕으로, 우리 조직에서의 HR Analytics 도입 준비를 위해서는 어디에 주안점을 두고 어떻게 변해야 하는지 소통이 이루어졌습니다.
지금까지 HR 영역은 상당 부분, 인사담당자의 경험과 직관에 기반하여 운영되어 왔습니다. 과거 HR의 역할은 공채 신입으로 들어온 비교적 획일적 모습의 조직 구성원들을 관리하는데 중점을 두었지만, 현재는 다양한 인재를 적시에 채용하고 유지하는 것이 중요한 시대입니다. HR은 빠르게 변화하는 경영환경을 이해하고 대응할 수 있는 미래 지향적인 역할을 수행해야 하며, 다양한 내·외부 데이터를 종합적으로 해석하여 인사이트를 확보할 수 있어야 합니다. 이러한 요구에 발맞추어 최근 급속도로 발전하고 있는 디지털 도구들 덕분에 데이터 기반 HR이 한층 가까워졌습니다. 과거 대비 다양한 데이터들에 대한 수집, 축적, 가공, 분석이 용이해져 HR Analytics 접근 문턱이 낮아졌습니다.
[HR Analytics 활용 사례]
본 기고에서는 인사담당자님들과 새로운 아이디어를 나누고자, 아직까지는 보편적으로 활용되고 있지 않거나 도입 초기 단계인 몇 사례들만 대표적으로 말씀드리고자 합니다.
전통적으로 분석해온 HR데이터는 개인정보, 발령정보, 직무정보, 평가정보 등의 개인속성형 데이터입니다. 이러한 데이터들은 1년에 1~2번 정도 제한적으로 생성되는 데이터로 빅데이터 시대라는 말이 무색하게, 데이터의 양 측면에서 한계가 무척 컸습니다. 최근에는 디지털 도구의 발전으로 협업/행동 데이터, 비정형 데이터, 외부 시장 데이터 등을 망라하여 분석이 가능해지고 있으며 이에 따라 데이터 기반 HR의 지평이 넓어지고 있습니다.
- 협업/행동 데이터
- 팬데믹 이후 협업, 일하는 방식, 시간관리에 대한 관심도가 더욱 높아졌습니다. 협업 Tool 내 채팅, 메일, 회의일정 등의 데이터를 통해 많은 인사이트를 도출하여 활용 가능합니다. 조직 내 네트워크 구조 파악을 통해 누가 협업의 중심에 위치해 있는지, 그리고 부서간 협업 수준은 어떠한지에 대해 파악할 수 있습니다. 이를 토대로 작업 흐름을 최적화하고 Key Man을 Change Agent로 활용하여 협업을 강화합니다. 또한, 생산성을 개선하기 위해 부서별 회의 데이터를 종합적으로 분석하여 불필요한 회의관행을 개선하는 레포트를 제공하며, 협업 강도와 근무시간 외의 협업 근무 현황을 파악하여 번아웃 리스크를 사전에 예방합니다. 이러한 데이터 기반의 분석은 개인이 관리해야 할 영역을 조직 차원에서 효과적으로 개선하는 데 도움이 됩니다.
- 비정형 데이터
- 인재 이동이 활발해지면서 각 인재의 특성을 파악하고 적절한 위치에 배치하는 것이 중요해졌습니다. 발령 이력과 평가 등의 기본 데이터 외에도 Self-Resume, 평가 코멘트 등의 비정형 데이터를 활용하여 심층적인 인재에 대한 이해가 가능합니다. Word Cloud와 Network Map은 강조되는 키워드를 직관적으로 파악하는 데 유용하며, 텍스트 군집 분석 및 토픽 모델링을 통해 해당 인원의 보유 경험 및 역량을 Leveling 할 수도 있습니다. 시스템 내 축적된 비정형 데이터를 배치와 육성에 효과적으로 활용 가능합니다.
- 외부 시장 데이터
- 지식 집약 산업에서는 우수 인재의 확보와 유지가 핵심적입니다. 핵심 직무를 선정하고 해당 직무 인원이 자주 퇴사하는 특정 요소(성과, 연봉, 재직 기간 등)를 분석합니다. 이와 더불어 경쟁사 채용 공고 및 헤드헌터 활동을 감지함과 동시에 평소와는 다른 연차 사용 패턴, HR 포털 퇴직란 접속, 재직증명서 발급과 같은 이상 징후를 모니터링합니다. 이를 통해 주요 인원의 퇴직 위험을 종합적으로 관리하고, 선제적으로 리텐션을 위한 솔루션을 마련할 수 있습니다.
[HR Analytics 준비 노하우]
조직 내 HR Analytics를 도입하는데 많은 분들께서 고민 중이실 것으로 생각합니다. HR Analytics를 위해서는 신뢰성 높은 데이터들이 가공 가능한 형태로 다년간 축적되어야 합니다. 가장 기본적인 레포팅 단계에서 예측모델을 운영하는 단계까지 발전해가는데 가는데 통상 5~7년 정도의 시간이 걸린다고 하는 만큼 중장기적 관점의 전사적 지원이 필요합니다. 당장 최고의 분석팀을 데리고 온다고 해도 축적되어 있는 양질의 데이터가 없으면 아쉽게도 할 수 있는 것이 없습니다.
이에 가장 먼저 고려해야 할 것은 우리 조직의 현황을 파악하는 것입니다. EY에서는 Digital HR 성숙도 진단 도구를 보유하고 있는데, HR 영역별 성숙도 및 DT 마인드셋을 진단합니다. 진단 결과 동종산업평균 대비 우리 회사의 준비도를 파악할 수 있고, 우선적으로 갖춰 나가야 할 영역을 설정할 수 있습니다. 예를 들어, 경영진 및 구성원들의 의식 개선이 우선 과제인 경우, 데이터를 축적 가능한 시스템 기반 마련이 우선 과제인 경우, 시스템은 도입하였으나 데이터가 제대로 관리되지 않아 거버넌스 마련이 우선 과제인 경우 등 다양한 결과가 도출됩니다.
진단 후에는 문제정의 및 모델링이 필요합니다. HR Analytics는 단순히 HR 활동의 정당성 입증을 목적으로 하지 않습니다. 조직 내 문제를 해결하고 더 나은 의사결정을 하여 사업/조직 성과 향상으로 이어질 수 있도록 하는 것이 핵심입니다. 이를 위해서는 비즈니스 관점의 이슈에서 시작하여야 합니다. 수익증가, 비용증가, 환경변화 등 비즈니스 이슈에서 시작하고, 더욱 힘을 얻기 위해서는 CEO, 사업부장 등 핵심 이해관계자분들의 의견과 요구사항을 잘 수렴하는 것이 중요합니다.
핵심 이해관계자분들을 먼저 설득할 수 있어야 HR Analytics 실행에 힘을 얻을 수 있습니다.
문제 정의 및 모델링 후에는 데이터들을 어떻게 축적/관리/활용할지, 그리고 의사결정자들이 분석 내용을 기반으로 의사결정 할 수 있도록 어떻게 Dashboard화 할지에 대한 고민들이 필요합니다. 이와 병렬적으로 조직 내 전략적 우선순위가 높고, 데이터 확보가 용이한 과제를 찾아 Pilot Analysis로 효용성을 검증하며, HR Analytics가 조직 내 문제해결에 도움을 준다는 인식을 전사적으로 확산해야 합니다.
이렇게 들을 때에는 선뜻 시작하기가 매우 부담스럽게 들리는 것 같습니다만, 처음부터 거창한 주제를 잡고 시작하지 말고, 조직 내에서 작은 성공경험들을 많이 만들어내는 것이 가장 중요합니다. 특히 위에서 말씀드린 바와 같이 거창한 통계나 분석지식이 없어도 디지털 솔루션들의 발전으로 HR Analytics 도입이 더욱 용이해졌습니다. 그 동안 우리 조직에서 타성적으로 해왔던 것들에 대해 한 번쯤 스스로 질문해보고 데이터, 그리고 데이터 이면의 진실을 고민해보는 나만의 티타임을 가져보는 것은 어떠할까요.
