HR과 미래를 공부하자 ;)

13. 데이터 드리븐 리포트 작성 절차 - ON AIR 분석 절차 본문

HR 인사 노무

13. 데이터 드리븐 리포트 작성 절차 - ON AIR 분석 절차

HR과 미래 2024. 2. 6. 00:27

I. 들어가며

꼼꼼함과 치밀한 스토리텔링을 요하는 HR 데이터 분석 업무는 어렵지만 일단 해내면 성취감이 큰 업무인 것 같다.

정성적인 것들을 정량화하고, 그 안에서 추이를 발견하여 다른 사람을 설득하는 것. 특히 나의 가설과 기준이 공감을 이끌어낸 경우 성취감이 느껴진다. 

 

이런 관심사가 높아지는 요즘 HR insight에 흥미로운 제목이 있어 클릭해보았다. ​데이터 드리븐 리포트 책을 집필하신 이상석님의 아티클이었다. 어떤 방향으로 어떻게 데이터 드리븐 리포팅을 하는지 간단히 정리해보려고 한다. 

 

II. 데이터 드리븐 리포트

1. 정의 

'문제 정의 ▹ 데이터 수집, 정제, 분석 ▹ 스토리텔링과 시각화 ▹ 설득을 끌어내는' 일련의 과정

 

2. 필요 조건 

- 숫자 : 숫자만 빼곡히 있는 것이 아닌, 데이터가 스스로 말하도록 하는 것. 이해를 방해하는 것을 최소화한다.

 

- 직관과 경험 : BCG 창립자 브루스 핸더슨은 '비즈니스의 최종 선택은 항상 직관적이다. 그렇지 않으면 모든 문제 해결은 수학자의 몫이 되었을 것이다.'라고 말했다고 한다. 직관은 '과거 수많은 경험을 현재 의사결정 및 행동에 연결하는 체계적 방법'으로 효과적인 의사결정의 필수 요소이다. 

 

- 분석도구 : 분석을 간결하게 시각화해 의사결정에 도움이 되는 것은 분석 자체보다 중요한 '보고'의 목적. 이를 통해 의사결정자에게 직관적인 도움을 줄 수 있어야 퀄리티가 높은 리포팅이다.

 

- 도메인 지식 : (분석 그 자체가 아닌) 데이터에 대한 전문 지식이 있어야한다. 없다면 실무자와 적극적인 소통을 통해 문제의 본질을 찾아 해결하는 태도가 중요하다. 

 

3. 작성 방법 : ON AIR 

'ON AIR 분석 절차'에 따라 데이터 드리븐 리포트를 작성할 수 있다. 

Objective : 목표(가설) 설정 

Necessary data : 데이터 선정 (데이터수집, 데이터정제)

Analytics : 분석 방법 결정 (EDA, 분석 툴) 

Interpretation : 해석 및 검증 

Report : 보고 

 

III. 나가며

'훌륭한 팀을 어떻게 데이터화 할 것인가', '리스크 정도를 어떻게 정의할 것인가' 등등 HR 관련 기획안을 쓸 때면 정말 많은 가설과 고민이 필요하다는 것을 느끼고 있다. 그렇지만 하나하나 인사 정보를 뜯어보면서 스토리 텔링을 만드는 것도 나름 재밌는 것 같다. 앞으로도 이런 툴이나 생각의 흐름을 많이 학습하고 싶다는 생각이 든다. 

 

끝으로 얼마전에 우연히 보게된 People analytics 채용공고를 한 번 메모해보려고 한다. 

역할 :
- 전 HR 영역의 다양한 i)데이터 분석을 통해 인사 제도나 인사 운영을 개선할 수 있는 ii)인사이트를 발굴하고 iii)의사결정을 지원
- 데이터 분석 (RPA, 대시보드)
- 분석 PoC(Proof of Concept)로 방법론 설계  

자격요건 : 
- 통계, 수학, 컴퓨터공학 전공 
- Python, R, ML/DL 프레임워크(Scikit-learn, PyTorch 등) 활용 역량

 

확실히 데이터 분석의 목적은 설득 = 의사결정 지원인 것 같다. 더불어 앞으로는 HR 직무도 이과나 공대 출신들이 더 많아 지지 않을까 생각도 든다. 커리어를 잘 쌓지 않으면 밀려날 것이 두렵기도 하지만 이런 흐름을 즐기면서 역량을 쌓는 것도 즐거울 것 같다. 내일도 10% 더 성장할 수 있길 바라며

 

단어

EDA : 탐색적 데이터 분석. 데이터에 대한 탐색과 이해를 바탕으로 분석해야한다는 것. (클릭

RPA : 로보틱 프로세스 자동화 (클릭)

PoC(Proof of Concept) : 기술의 실용성이나 유효성을 입증하는 것 (클릭)

 

출처 

https://www.hrinsight.co.kr/view/view.asp?in_cate=112&gopage=1&bi_pidx=36109

https://brunch.co.kr/@datadriven/6

 

※공부하는 측면에서 써보았는데 부족하거나 빠진 것들이 있을 수 있습니다. 늘 배우고 있는 사람이라 의견 주시면 적극 반영하겠습니다.

728x90