[인사-22002] HR Analytics의 중요성과 그 적용 사례

Ⅰ. HR Analytics의 중요성 증대

"A study carried out by Deloitte, found that organisations that use people analytics to support business decisions see 82% higher three-year average profits than their low-maturity counterparts(Bersin by Deloitte, 2017). Whilst other research shows that companies that invest in analytics are paid back $13.01 for every dollar spent(Nucleus Research, 2014)"

출처 : HR Analytics and How to Get Started(2019)

2010년대 이후 빅데이터의 대두로 말미암아 HR 애널리틱스 분야가 주목받기 시작하면서 세계의 여러 글로벌 기업에서는 HR 애널리틱스 전담 부서와 담당자가 생겨나고 있는 추세이다. 2018년 베인 앤 컴퍼니(Bain&Company)에서 미국, 영국, 독일의 HR 담당자 500명을 대상으로 설문을 실시하였는데 답변한 HR 담당자 87%가 앞으로 디지털 기술이 HR의 근본을 바꿀 것이라는 점에 동의하였다.

 

최근 현대자동차, Toss, 카카오, 네이버 등 국내의 주요 기업에서도 인사기획·평가 및 보상·교육 등 HR 담당자를 채용함에 있어 R언어 혹은 파이썬 등 데이터 분석 경험이 있거나 그러한 수업이나 기능이 있는 지원자를 우대하여 채용을 진행하고 있다는 점 역시 이러한 추세를 반영하고 있다.

 

김상준 기차, "디지털, 디지털".. 설 자리 더 좁하지는 은행 영업맨, 머니투데이, 2022. 1. 3.

 

특히 코로나 이후 가속화 되고 있는 디지털트렌스포메이션으로의 움직임은 일하는 방식과 조직구조를 함께 변화시키고 있다는 점이 눈여겨 볼만 하다. 디지털트렌스포메이션은 핀테크 등 금융권부터 시작해 제조업 분야까지 퍼지고 있으며 최근에는 디지털 헬스케어 산업으로까지 그 영역을 확장 중이다.

 

따라서 앞으로의 HR영역 역시 이러한 대세적인 흐름을 피할 수 없을 것으로 보인다.

 

Ⅱ. HR Analytics 적용 사례

 (1) 유니레버(Unilever)

유니레버는 채용 과정 중 HR 애널리틱스를 활용하는데, 먼저 채용과정 중 지원자는 뇌 인지 과학의 원리가 적용된 온라인 게임을 수행하여야 한다. 컴퓨터 알고리즘은 지원자가 게임 속에서 보인 행동, 태도 등을 분석하여 향후 직무 적합성, 업무수행 태도 등을 예측한다.

 

게임에서 통과한 지원자는 그 다음 관문으로 AI 면접을 실시하게 되는데, 여기서 컴퓨터는 지원자의 직무에 관한 답변을 분석하여 그 지원자의 응답 결과에 녹여진 감정, 진실성 등을 추출하여 조직 적합성을 판별한다. 이러한 『기계 면접관』을 통과하면 그제서야 진짜 인간 면접관을 만나 최종 면접 후 입사 여부를 결정하게 된다.

 

유니레버에 따르면 이러한 채용 절차 덕분에 기존 4개월 정도 걸리는 채용기간을 4주로 단축시킬 수 있었고 지원자들과 그 서류를 스크리닝하는 시간을 약 75%가량 줄일 수 있었다고 한다.

※ 물론, 이러한 방법이 과연 유능한 인재를 확보하는데 효과성이 있는지는 잘 모르겠다. 실제 AI 면접 기법을 도입한 회사들에게 그 효과성을 물어보면 대다수 HR 담당자들은 고개를 갸우뚱 거리는 대답을 하곤 한다.

---

반응형

---

 (2) 오라클(Oracle)

오라클은 클라우드 환경 기반으로 인사관리 프로세스에 소셜 기능을 도입하였다. 이를 구체적으로 설명하면 채용 및 인력개발 시 우수한 능력을 발휘하고 있는 직원들의 공통적인 특성을 추출하고, 이와 유사한 패턴을 보이는 지원자를 선별하여 동일한 직군에 배치하는데 여기서 활용되는 Data를 트위터 등 소셜에서 가지고 오는 것이다. 

 

전통적인 기업들이 지원자의 이력서나 자기소개서만을 검토하고 있을 때 오라클의 경우 그 지원자가 SNS에서 어떤 글을 작성하였고 보유하고 있는 친구의 특성이 무엇인지 등 소위 우리 기업에서 성공하는 인재의 '성공 DNA'와 부합하는 특성을 가지고 있는지를 검토하여 채용 여부를 결정하거나 오히려 해당 후보자에게 접근하여 지원을 권유하는 것이다.

 

우리나라에서도 보험사들이 SNS 분석을 통한 고객 맞춤 서비스를 제공하고 있기는 하나 상기와 같은 SNS 분석을 통한 채용 결정은 개인정보보호법 및 채용절차법 등에 저촉될 가능성이 있어 보이므로 우리나라에 적용하기에는 아직 시기상조로 보인다.

 

 

Ⅲ. 실제 HR Analytics 적용 경험 정리

아래에서 소개할 적용 유형과 기법은 필자가 실제 HR 컨설팅을 수행하면서 적용하였거나 적용안으로 고려했던 분석기법들이다. 향후 분석을 고려하고 있다면 아래 내용을 참고하여 도움되었으면 좋겠다.

 

1. 변화관리 대상집단 특성 발굴 : 의사결정나무(Decision Tree) 분석
2. 임금결정요인 분석 : 랜덤 포레스트(Random Forest) 알고리즘을 통한 임금지급 결정 요인 도출
3. 임금정책선 추정 : 단순 회귀분석(Simple Regression)을 통한 임금정책선 추정
4. 승진 확률 예측 : 로지스틱 회귀분석(Logistic Regression)을 통한 승진예측
   

   

   구글(Google)의 로지스틱 회귀분석을 통한 승진확률예측 모델 도출

5. 조직문화 진단 : 텍스트마이닝(감성분석, 특성추출, 주제분석 등)을 통한 비공시적 커뮤니케이션 채널 분석
6. 역할(직급) 모델링 : 군집분석(Cluster Analysis)을 통해 조직 내 역할등급 또는 직급체계 구축
7. 조직 내 CDP 진단 : 연관성분석(Association Analysis)을 통한 인사이동 원칙 추출
8. 인사평가제도 진단 : 일원 및 이원 분산분석(ANOVA)을 통한 인사평가 문제점 진단
9. 교육 등 효과성 진단 : 대응표본 T 검정(T-test)을 통한 제도 도입 또는 교육에 따른 효과성 검증
10. 조직구조 진단 : 사회연결망분석(SNA)을 통한 부서 간 업무 중첩 여부 및 연결 강도 파악
11. 인력계획 : 시계열 분석(Decompose Model 혹은 ARIMA)을 통한 향후 필요 인력 수 예측
12. 기타 : 상관관계분석, 기초통계량 분석, 데이터 시각화 등을 통한 문제점 진단 및 분석