지난 아티클 참고 : https://hr.wanted.co.kr/insights/why-are-you-doing-hr-analytics/
4. HR Analytics 도입 전제조건
(1) 데이터의 의미와 데이터 수집 원칙
데이터(DATA)의 사전적 의미는 ‘현실세계에서 단순히 관찰하거나 측정하여 수집한 사실(Fact) 또는 값(Value)’이며, 정보(Information)의 사전적 의미는 ‘데이터를 의사결정에 유용하게 활용할 수 있도록 처리하여 체계적으로 조직한 결과물’을 의미한다. 즉, 우리가 궁극적으로 관리하여야 할 사항은 데이터가 아닌 정보이며, 의사결정에 유용하고 체계적으로 활용하기 위해 데이터 관리가 필요하다.
실제 HR 실무자가 다루는 데이터는 휴복직, 입퇴사, 평가결과, 임금, 근로시간 등 HR 영역별 데이터 뿐만 아니라 성별, 자격, 주소, 결혼유무 등 인적자료까지 방대한 양을 다룰 수 있다. 데이터 수집 목적과 원칙 없이 여러 데이터를 수집하고 이를 바탕으로 결론을 내리면 특정 결과는 내보낼 수 있어도 이를 검증하거나 내부 이해관계자에게 보고 시 상당한 챌린지를 받게 될 것이다.
따라서 데이터는 객관적인 사실일 뿐 목적에 따라 각기 다르게 활용이 가능함을 인지하고, 데이터 수집원칙을 아래와 같이 세우는 과정이 필요하다.
[참고] 데이터 특성
|
구분 |
세부사항 |
| 정확성(Accuracy) | 오류 없이 실제 정보를 반영하는 것 |
| 일관성(Consistency) | 시스템 내 동일데이터 간에 불일치가 발생 하지 않는 것 |
| 유용성(Usability) | 요구하는 데이터의 범위와 상세화 정도를 충족키는 것 |
| 접근성(Accessibility) | 원하는 데이터를 손쉽게 이용 가능한 것 |
| 적시성(Timeliness) | 데이터 수집의 응답시간, 최신성 유지 등의 품질 요건 대처 |
| 보안성(Security) | 외부 및 내부 요인으로부터 데이터를 보호하는 것 |
데이터 수집 시 ① 데이터의 바이러스 없이 원하는 정보의 추출이 가능한지 ② 데이터 조회 시기 및 시점에 따라 데이터 결과가 달라지는 등 동일 데이터간의 불일치가 발생하지 않는지 ③ HR 실무자가 필요한 시기에 데이터의 즉각적인 수집이 가능한지 등을 고려한 수집 원칙을 설계하여야 한다.
예를 들어 경쟁사와의 비교를 위해 재무적 관점에서 접근이 필요하다고 가정할 시, 주로 데이터를 찾는 곳은 전자공시시스템 내 정기공시 자료일 것 이다. 정기공시 자료를 살펴보면 산업특성에 따라 계정과목이 조금씩 다르고, 재무제표를 입력하는 담당자에 따라 계정 값을 달리 기재할 수 있으며 업데이트는 매년 4월 이후 이뤄진다.
따라서 위 자료를 기준으로 삼을 경우 정확성, 일관성, 적시성에 한계를 나타낼 수 있으므로 이 데이터를 가지고 정보로 전환한다면 활용할 수 있는 범위는 일부 제한이 있을 수 밖에 없다.
(2) IT 인프라의 구축
HR Analytics 관련한 자료를 찾다 보면 대시보드(Dash Board)에 대한 내용을 쉽게 찾을 수 있다. 이는 각 데이터간 연결에 따른 Implication의 도출, 시계열 분석에 따른 시기별 Trend 분석 등을 통해 시각화(Visualization)가 가능하며 한눈에 결과를 보여줌으로서 보다 설득력 있는 제시(제안)이 가능하다.
그러나 분석 수준과 정도에 따라 반드시 대시보드(Dash Board)를 통한 시각화(Visualization)가 필요하다고 생각하지 않는다. 분석 수준이 현 상황을 정리하여 단순하게 현황을 보여주는 기술적 분석 수준이라면 엑셀 혹은 기초 통계프로그램으로도 분석이 가능하다.
그리고 대다수 기업은 사내에서 운영중인 HR 시스템이 존재하고 HR 시스템을 활용하여 데이터의 저장, 관리, 추출이 가능할 것이다. 만일 기술적분석 수준을 넘어서 통계적 기법을 활용하여 이를 진단하는 진단적분석 또는 회귀분석, 시뮬레이션, 인과관계 예측이 필요한 예측적분석일 경우 비교적 높은 IT 기술이 필요할 수 있으나 처음 HR Analytics를 운영하는 실무자에게는 현재 사용하고 있는 엑셀 그리고 내부 HR 시스템만으로도 유의미한 결과를 도출할 수 있을 것이다.
(3) 데이터 분석 역량
HR Analytics에 대한 관심이 많아진 이후 데이터 분석을 다루는 전문가분들을 우연치 않게 만날 기회가 있어서, 이 분들에게 실제 어떤 업무를 담당하는지, 업무를 다루면서 어떤 고민이 있는지를 허심탄회하게 이야기한적이 있다.
데이터와 통계를 전문적으로 다루시는 분들이 느끼는 일종의 한계는 “데이터의 기술적ᆞ통계적 분석은 충분한 역량을 가지고 있으나 데이터가 가지는 의미와 HR 중심의 접근방식에 대한 이해가 부족함” 이었다. 반대로 여러 분야에서 근무하시는 HR 실무진들과 이야기를 나눠보면 정확히 반대로 “HR 중심의 접근은 가능하나, 데이터의 기술적ᆞ통계적 분석은 부족함”으로 정리할 수 있었다.
그럼 HR Analytics의 실무자가 가져야할 기술적ᆞ통계적인 분석 수준은 아래와 같이 요약할 수 있다.
| 구분 | 역량 수준 | 구체적 예시 |
| 기초분석 단계 | 기초 통계 입문수준, Excel 활용 능력 | 평균, 분산, 표준편차 등에 대한 이해 |
| 통계기초 단계 | 기초 통계 강좌 수강, 6개월 미만 수행 경험 | 상관관계 분석, 통계적 유의수준 등에 대한 이해 |
| 다변량 분석 단계 | 고급 통계 강좌 수강, 2년 정도의 수행 경험 | 분산분석, 공분산분석, 회귀분석 등에 대한 이해 |
| 고급 분석 단계 | 3년 이상의 수행 경험 | 구조방정식모형, 위계선형모형 등에 대한 이해 |
※출처: 김성준 (2013) “빅데이터, 인재를 말하다”
나아가 통계적 분석 이외에도 HR Analytics의 실무자는 비즈니스를 정확히 이해해야 한다. 실무(현업)내용을 이해하고 최근 어떤 이슈가 주요 화두인지 내부 커뮤니케이션을 통해 충분히 숙지하여야 하고, 회사의 비즈니스 모델이 무엇이고 재무적 관점에서의 경영상황이 어떠한지를 파악하여야 한다.
즉, 기술적ᆞ통계적 분석의 기초 이해와 실무중심의 환경 이해 그리고 비즈니스 및 재무적 관점에서의 경영상황의 이해가 바탕이 되어야 HR Analytics 관점의 통찰력을 제공할 수 있다고 생각한다.
(4) 소결
지난 아티클을 통해 HR Analytics의 개념과 목적을 이해하였다면, 이번 아티클을 통해 HR Analytics 도입을 위한 필요사항을 ① 데이터의 의미와 데이터 수집 원칙의 수립 ② 분석수준에 맞는 IT 인프라의 구축 ③ 실무자의 데이터 분석 역량의 확보로 정리할 수 있다. 앞으로 HR Analytics를 적극적으로 도입 및 운영하고자 한다면 도입 전 위 사항을 참고하여 사전에 체크해볼 수 있는 기회가 되길 바란다.
