HR Analytics란?

[서문]

지난 3월 17일 프라자호텔에서 팀장님과 함께 다녀왔던 인사관리협회 인사팀장 교류회 참석 후기를 올려봅니다. 프라자 호텔 22층에서 오후 4시부터 약 2시간의 강의를 들을 수 있었습니다. 여기는 3번째 참석한 것 같은데 첫인상은 항상 멋진 경관이 감탄하게 됩니다. 광화문 일대가 한눈에 들어오네요.

- 1번째 강의 : 공문선 원장의 "히든커뮤니케이션 전략"

- 2번째 강의 : 유재성 소장의 "빅데이터와 HR Analytics"

저는 개인적으로 2번째 [빅데이터와 HR Analytics]가 내용적으로 신선하고 저에게 먼가 앞으로 새로운 관심영역이 될 수 있을것 같다는 느낌을 받았습니다. 사실 강의 자체는 굉장히 이론적이어서 아직 실제 현업에서 어떤 방식으로 활용하고 적용할 수 있을지에 대한 내용은 부족했습니다. 그게 현실이기도 하고요. 

빅데이터를 활용한 HR Analytics는 쉽게 얘기하면 이런 개념입니다. 우리가 회사에서 얻을수 있는 기본적인 임직원들의 인사데이터(근태, 가족, 학력, 경력, 나이 등등) 외에도 다양한 빅데이터들 (각종 SNS, 인터넷 기록, 이메일 기록, 그 사람의 출근거리, 취미, 관심영역, 사내에서 몇번 커피를 마시는지, 자리를 몇번 이동하는지 등등)을 축적해 인사적 목적으로 활용하는 방법론입니다. 

예를들면 

[Case 1.어떤 사람이 가장 팀장에 적합할까?]

전통적 방법론 : 

고과우수자, 해당 분야에 사내경력이 기준 이상인 자, 나이/교육수준이 적정수준이 도달한 사람, 주변평판이 우수한 사람 등등

빅데이터를 활용한 방법론(예시) :

기존 HR 데이터 +  

출퇴근거리, 가족사항, 사내 커뮤니케이션 정도

일반화 하기는 어렵지만 먼거리에서 출퇴근 하는 사람은 회사에 대한 만족도가 떨어진다고 예상할 수 있다거나, 

가족중에 취학예정 아동이 있을 경우 회사보다는 아이에게 우선순위를 두고 있을수 있다거나, 

이메일 발송이나 사내 SNS 사용이력, 회사카페 이용이력이 적다면 사내 커뮤니케이션 정도가 낮다고 본다거나 등등... 

물론 그 하나만으로는 유의미하다거나 관계성이 없어보이는 것들을 수만은 데이터의 축적과 경향성을 파악해 인사데이터로 활용할 수 있다는 거죠.

http://panguchisoft.com/

[전통적인 인사데이터분석에 활용되는 지표들_근태, 급여, 고과, 교육 등등]

[Case 2. 금년 입사자 중 어떤 사람이 가장 먼저 퇴사를 할 것인가?]

전통적 방법론 : 

고과가 가장 떨어지는 사람, 교육평가가 가장 낮은 사람, 회사나 직무에 대한 만족도가 가장 떨어지는 사람

빅데이터를 활용한 방법론(예시) : 

기존 HR 데이터 +

출퇴근 거리, 정치적 성향, 취미생활 여부 등등

[이슈사항]

1.데이터 가공 시간, 기술

그런데 이런 빅데이터를 활용할 때 가장 관건은 신뢰성은 우선 차치하더라도 수많은 빅데이터들이 별도의 가공시간이 필요하지 않고 자동적으로 축적, 가공, 활용이 되어야만 한다는 것인데 아직 그런 프로그램이나 활용 사례들이 부족한것 같습니다. 인사담당자 입장에서 우리가 그런 빅데이터를 인사적 결정에 활용하기 위해 수많은 비용과 시간을 들여야만 한다면 결국 활용도가 떨어질 것이 당연하기 때문입니다.

2.사생활 침해

그리고 두번째 관건은 이런 빅데이터들의 사생활침해 여부일 것 같습니다. 우리가 원하지 않고 사전에 동의하지 않은 데이터를 활용해 그것을 회사에서 인사적 결정에 반영한다면 결국은 법적인 문제로 확대될 수도 있지 않을까 생각이 들기 때문이죠.

[결론]

하지만 제 개인적인 생각으로는 결국 우리는 이러한 빅데이터와 인사시스템이 통합되는 방향으로 갈 것 같습니다. 

http://jinjin2.tistory.com/155

최근 이세돌과 알파고의 대국이 이슈였듯이 벌써 기술은 우리가 생각하는 것보다 우리의 지적판단, 인식수준보다 진일보 되어 있는 것 같습니다. 

그리고 개인정보(사생활) 침해의 경우에도 회사에 입사시 근로계약서에 별도 서약서로 명시해 사전 동의만 받는다면 법적인 문제로 해결될 것 같습니다. 그리고 사내에는 이미 다양한 방법으로 우리는 사생활 침해에 노출되어 있습니다. cctv, 사내인터넷망, PC기록, 출퇴근기록, 자리비우는 시간, 커피마시는 횟수, 화장실에 가는 횟수 등등 이미 여러 데이터가 축적되고 있다는 말이죠. 우리가 이런것을 인식하든 못하든 다양한 방법으로 축적되고 있는 데이터들을 통합, 관리, 활용하는 것은 어쩌면 앞으로 당연히 예측될 수 있는 현상인 것 같습니다.

덧붙여서,

블로그를 시작하면서 저는 제 블로그에 [구글 애널리틱스]의 코드를 반영해 두었습니다. 제 블로그는 물론 광고나 상업적 이용계획이 지금은 물론 앞으로도 없지만 저는 도데체 얼마나 많이, 어떤 사람들이 제 블로그를 방문하고 관심을 두고 계신지 궁금해서 참고용으로 종종 모니터링 해오고 있습니다.

그런데 무서운건 이 구글 애널리틱스에서 그런 기본적인 통계치(방문자수, 인기페이지, 재방문비율 등)외에도 인구통계학적(연령, 성별, 지역, 관심사 등) 자료들을 자동으로 보여주고 있다는 점입니다.

[제 블로그 방문자 연령 및 성별]

[제 블로그 방문자의 주요 관심사]

이런걸 보면 우리가 생각하는 것보다 훨씬 빨리 기술은 앞서가고 있는 것 같습니다. 기술적 문제나 활용사례가 적다는 건 곧 얼마든지 해결이 될 수 있다는 말이죠. 그래서 이 시장이 당장은 아니더라도 앞으로 굉장히 유망업종이 될 것 같다는 느낌이 들었습니다.

우리가 어떤 사람의 행동이나 판단을 예측할 수 있다면 그것이 회사같은 조직이나 개인적인 차원에서도 마케팅, 인적관리, 의사결정을 위해 얼마나 큰 도움이 될지 상상해보면 신기하면서도 한편으로는 무섭기도 하네요.

매번 회사에서 똑같은 일만 하다가 이렇게 새로운 기술이나 트렌드에 대해 들어보는건 참 많이 도움이 되는 것 같습니다.