우리가 주식의 등락을 예측하는 프로그램을 개발하였다고 상상해보자. 아마 그런 프로그램을 개발하기 위해서는 전날의 거래량, 동향, 시황, 여러 지표 등을 총 동원하여 개발이 되었을 것이다. 만약 이 프로그램의 정확도가 90% 이상이라면? 우리는 그걸로 만족할 수 있을까?

물론 아니다. 그보다 우리가 이 프로그램을 활용하여 얼만큼의 수익율을 달성했는지가 더욱 중요하다고 할 수 있다. 그렇듯 People Analytics 또한 분석에 대한 측정값만이 아니라 분석을 통해 얻은 가치를 측정할 수 있을 때 문제 해결을 위한 People Analytics로 평가받을 수 있을 것이다.

그러므로 오늘은 어떻게 해야 문제 해결을 위한 People Analytics가 될 수 있는지 함께 이야기해보자

<Mckinsey 문제해결 7단계>

먼저 문제해결 프로세스에 대해 살펴보자 맥킨지 문제해결 7step에 의하면 분석만이 아니라 문제정의부터 해결안 개발까지 7단계로 나누어져 있는 것을 볼 수 있다. 이렇듯 문제해결은 문제에 대한 정의부터 시작하는데 우리가 사격을 할 때 총구가 1도만 어긋나더라도 과녁에서는 큰 차이가 생기듯 처음부터 문제에 대한 정의가 잘못되면 고생을 해놓고도 조직에 아무런 가치를 제공하지 못하는 경우가 발생할 수 있다. 일례로 퇴직자 예측을 한다고 했을 때 우리 조직은 퇴직이 (직급, 나이, 직군, 리더)에 따라 편중되어 있는지? 핵심인재의 이직률이 높아 비즈니스적으로 많은 영향을 미치고 있는지? 에 대해 명확하게 정의 내리지 않고 퇴직자 예측을 진행할 경우 어렵게 진행된 과정이 자칫 여러 임직원의 평판조회수준으로 전락할 수 있다.

그렇기에 분석에 앞서 분석 목표 / 배경 및 목적 / 분석 개요 / 활용 데이터 / 분석 내용 / 기대 효과 / 분석의 한계에 대해서 많은 고민을 하고 방향을 잡는 것이 중요하다.

이번에는 데이터분석 방법론을 통해 살펴보자. 실제로 데이터분석 방법론 중 전세계적으로 가장 많이 사용되는 CRISP-DM(Cross Industry Standard Process for Data Mining) 방법론 또한 우리가 흔히 분석이라고 생각하는 데이터 이해, 데이터 준비, 모델링은 6개 단계 중 절반에 불과하다.

<CRISP-DM>

특히 모델링 이후 평가단계에서는 분석결과와 모델링 과정, 모델 적용성 등을 평가하고 전개과정에서는 이 분석이 실제 비즈니스에서 활용되도록 실 업무에 적용하기 위한 계획을 수립하게 되는데 많은 분석들이 평가단계에서 끝나는 경우가 많다. 그렇기에 힘들게 진행된 분석은 현업에서 활용될 수 있도록 하고 지속적으로 유지보수 할 수 있는 방안을 마련해야 한다. 예로 퇴직자예측을 하였다면 그 예측 모델결과와 기본적인 HR변수들을 통해 다음과 같은 대시보드를 구축하는 것 또한 좋은 방법이라 할 수 있다.

https://public.tableau.com/app/profile/jskang/viz/peopleanalytics_/1_1

이를 통해 우리는 퇴직자 모델에 대한 성능보다는 현업에서 여러명이 이러한 대시보드를 활용하여 인재유지활동을 진행한 결과 실제로 우리 조직의 핵심인재 이탈율이 얼마나 낮아졌는지를 측정할 수 있어야 비로소 People Analytics를 통해 문제를 해결하였다고 할 수 있을 것이다.

우리는 가끔 회의실에서 굉장히 좋은 아이디어에 공감을 하고 칭찬을 주고받는 경우가 있을 것이다. 그런데 아이러니하게  아이디어로 끝났던 것들이 1~2년 후 경쟁조직에서 실행을 하였고 심지어 대박이 났다고 가정해보자. 과연 시장에서는 이러한 아이디어를 먼저 생각한 조직을 창의적이라고 할까? 아니면 조금은 늦었지만 실행에 옮긴 조직을 창의적이라고 할까? 이렇듯 창의적인 것은 회의실에서 완성되지 않는다. 창의적인 것은 그것을 실행한 후에 창의적이었다고 평가받게 된다.

이처럼 People Analytics도 분석으로만 끝나지 않기를 바란다.

People Analytics 101 5편 : 나랏말싸미 다시보기

People Analytics 101 7편 : 커뮤니케이션 이어보기