디지털 HR, 데이터 기반 HR, 피플 애널리틱스 등 다양한 용어의 등장이 암시하듯이 HR 부서에 대한 데이터 분석력 강화 요구는 갈수록 높아지고 있다. 많은 HR 담당자들은 데이터 활용의 중요성에 공감하는 반면 이를 실천하기 위한 준비는 부족하다고 느낀다. 전문가들은 데이터 분석 실행을 위해 많은 준비가 필요한 것은 아니며, 가용한 것부터, 작은 것부터 시작하라고 조언한다.
실제로 데이터 분석에서 중요한 것은 머신러닝, AI 등의 고급 기법의 도입이 아니라 모델을 세우고, 이를 검증할 수 있는 역량이다. 즉, 문제의 원인에 대해서 가설을 세우고, 이를 확인할 수 있는 지표 개발, 측정, 분석을 실행할 수 있는 스킬이 중요하다는 것이다.
지표 개발
신입 사원의 높은 조기 퇴사율이 문제인 상황을 가정해보자. 이 때, 가장 선행되어야 할 것은 문제 명확화이다. 높은 조기 퇴사율을 보이는 대상은 대졸사원인가, 경력직인가, 생산직인가, 사무직인가? 목표 대상에 따라 접근 방식은 달라질 수 있다. 조기 퇴사 또한 그 정의를 분명히 할 필요가 있다. 조기 퇴사는 근속기간이 6개월 미만인 것을 의미하는가, 1년 미만인 것을 의미하는가?
문제를 명확히 정의한 후 실행해야 할 것은 문제 원인에 대한 가정을 검증할 수 있는 지표 개발이다. 경험에 의한 직관, 퇴직 면담(exit interview), 연구 결과 등 내외부 자료를 활용하여 조기 퇴사의 원인을 추론한 후, 이를 조사 문항으로 구성한다. 만약 낮은 직무 적응과 조직 융화가 조기 퇴사를 높이는 원인으로 추정된다면 다음과 같이 문항을 구성할 수 있다.
< 문항 예시 >
Ⅰ. 직무 적응
1. 나의 직무, 역할은 채용 면접 시 설명받은 것과 동일하다.
2. 나는 내가 수행해야 할 업무가 무엇인지 명확하게 이해하고 있다.
3. 나의 상사는 업무 목표와 기대사항을 분명하게 전달한다.
Ⅱ. 조직 융화
4. 나는 우리 회사에서 중요한 가치와 행동규범이 무엇인지 명확하게 이해하고 있다.
5. 나는 동료들로부터 환영받고, 팀의 일원으로 수용된 느낌이 든다.
6. 나는 동료들에게 거리낌 없이 질문을 하거나 업무 관련 정보를 요청할 수 있다.
7. 나의 동료들은 나에게 냉담한 태도를 유지한다.
측정
측정은 동일한 기준, 조건에서 실시되어야 한다. 예를 들면, 위와 같이 조직 적응을 평가하는 조사는 측정일에 따라 결과가 달라질 수 있다. 즉, 입사 후 일주일이 경과한 시점에서 측정한 결과는 입사 6개월 후 측정한 것과는 다를 것이다. 따라서 ‘오리엔테이션 기간을 제외한 업무 시작일로부터 한 달 후’와 같이 기준을 정의하여 일관되게 실시해야 한다.
근속기간 역시 일(日)을 기준으로 측정할지, 월(月)을 기준으로 할지 결정하고, 일을 기준으로 한다면 실제 근무 기간(working day)만 포함시킬지, 주말과 공휴일까지 포함시킬지 동일한 기준을 설정하여 적용해야 한다.
분석
분석을 실시하기 전에 반드시 거쳐야 할 것은 데이터 정제이다. 오류가 있는 데이터나 목적과 관련이 없는 데이터는 분석 결과의 신뢰성과 정확성을 떨어뜨리기 때문이다. 예를 들어, 한 응답자가 문항 예시의 5번과 7번 모두 ‘매우 그렇다’에 체크했다고 가정해보자. 그 참가자의 응답을 신뢰할 수 있는가? 비일관된 응답을 하거나, 지나치게 일관된 응답(예: 문항의 1~100번까지 모두 ‘매우 그렇다’로 응답)을 한 경우에는 응답의 신뢰성을 의심해봐야 한다.
회사에서 해고되거나, 질병으로 인해 퇴사한 사람의 데이터는 포함시켜야 하는가, 제외시켜야 하는가? 위의 예시처럼 조직 적응에 따른 조기 퇴사율을 확인하고 싶다면 비자발적인 퇴사는 분석에서 제외시켜야 하지만, 퇴사 원인 및 유형을 규명하기 위한 조사, 분석일 경우에는 포함시켜야 할 것이다.
다양한 통계 기법에 대한 지식, 기술이 있다면, 보다 의미있는 분석을 실시할 수 있다. 평균분석은 현상을 설명해주는 것에서 그치지만, 차이검증은 부서, 성별, 나이에 따른 차이가 유의미한지, 무시해도 될만한지를 알려주고, 회귀분석을 이용한다면 문제의 주된 원인을 규명할 수 있다.
HR 애널리틱스를 실현한다는 것은 현황 진단에서 끝나는 것이 아니라 개선과제 수립, 실행을 통해 조직 성과에 기여하는 것을 의미한다. 예를 들어, 회귀분석 결과 낮은 직무 적응이 조기 퇴사율을 높이는 것으로 나타났다면, 직무 이해를 높일 수 있는 프로그램을 제공하여 조기 퇴사율 감소를 이끌어 내야 할 것이다.
데이터 분석 스킬의 개발
데이터 분석 역량은 단순히 통계 기법에 대한 지식, 기술을 보유했다기 보다는 무엇을 측정해야 하는가, 어떻게 평가·분석해야 하는가? 를 아는 것이라고 할 수 있다. 이러한 기술은 한두 번 교육에 참여하는 것으로 획득할 수 없고, 실제로 다양한 분석을 경험함으로써 얻을 수 있다. 왜냐 하면, 데이터 분석은 지속적인 탐색이 요구되는 과정으로, 단 한번의 분석으로는 완벽한 결과를 얻기 어려우며, 측정과 분석을 반복하는 과정에서 필요 데이터가 무엇인지, 데이터 수집, 관리는 어떻게 해야 하는지에 대한 통찰을 얻고, 조직 성과에 영향을 미치는 요인을 발굴하고 예측할 수 있게 되기 때문이다.