06. HR Analytics (HR 데이터분석) 실행의 8 Steps

I. 들어가며 

An approximate answer to the right problem is worth a good deal more than an exact answer to an approximate problem.
애매한 문제에 대해 확실하게 답변하는 것보다 명확한 문제에 대해 애매하게 답변하는 것이 훨씬 낫다. - 수학자 존 투키

 

비즈니스 환경의 다양성(diversity)과 변동성(variability)이 점점 커지면서 여기저기서 발생하는 HR 이슈의 늪에서 정신을 똑바로 차리고 성장하기 위해선 데이터와 경험을 잘 활용해야 한다. 모순이나 엉뚱한 분석을 하게 되면 그 분석에 기초하여 이후에 이루어지는 업무에 시간과 인력을 낭비하고 동시에 비즈니스 기회도 놓칠 수 있다. 제한된 시간에서 최적의 결과를 내기 위해서 구체적으로 HR 데이터 분석 실행의  8가지 단계를 정리해보려고 한다. 

 

온크에서 출판한 이재진 작가님의 비즈니스 파트너 HR 애널리틱스 책을 읽고 몇 가지 계속 학습하고 싶은 것이 있어 리뷰 겸 기록해본다.

 

II. 요약 

HR analytics 실행의 8 Steps은 ① 비즈니스 문제 정의 ② 가설 설정 ③ 데이터 수집 ④분석 실행 ⑤ 인사이트 도출 ⑥ 보고 (스토리텔링) ⑦ 의사결정 및 실행 ⑧ 평가 및 피드백이 있다. 이하에서 상세히 적어보고자한다! 

(지난 포스팅 HR analytics 3Stages : 클릭)

 

III. HR analytics 8 Steps

[Step 1] 비즈니스 문제 정의

 

 첫 번째 스텝으로 비즈니스가 문제 정의를 내려야한다. 여기저기에 널려있는 데이터를 분석하는 시도 속에서 인사이트를 발견할 수도 있다. 그러나 비즈니스 문제정의가 선행되어야 하는 이유는 ① 조직이 '실제로 처한 구체적인' 문제와 관련이 없으면 지지자(프로젝트 스폰서)를 얻을 수 없으며 ② 의미 있는 결과를 도출하기도 어렵고 ③ 가설이 없으면 어떤 데이터를 선별해야 할지 관련성, 변수 선정이 쉽지 않아 ④ 인력, 시간의 낭비가 발생할 수 있다.

 

 이렇게 비즈니스 문제정의 과정에서 '비즈니스에 대한 이해(Domain Knowledge)'가 중요한데, 이는 업, 회사 내부에 대한 지식을 말한다. HR팀이 차별성을 가질 수 있는 부분으로 담당자는 도메인 지식과 분석 역량을 두루 길러야 유의미한 문제 해결이 가능해진다. 

 

[Step 2] 가설 설정 

 

 문제 정의가 되었다면 가설을 설정해야한다. 데이터 분석 이란 '가설을 검증'하는 과정이기 때문이다. 가설은 '평서문'으로 이루어져 있어야 하고 검증 결과 '맞다/아니다'로 결론 지을 수 있어야 한다. ('만약 ~한다면 ~할 것이다'의 형태)

책에서 나온 예는 '신입직원 중 30% 이상이 1년 이내 퇴사하는 문제가 있다(비즈니스 문제)'면 '신입사원의 급여를 10% 인상하면 퇴사율이 10% 이내로 줄어들 것이다'라는 가설을 세울 수 있는 것이다. 

 

 이렇게 가설을 세우는 이유는 가설과 연관된 데이터를 빠르게 수집할 수 있어서 의사결정까지 시간을 단축할 수 있기 때문이다.

 

 더불어 가설을 설정하기 위해서는 '경험/직관', '업에 대한 지식'이 상당히 중요하며 이러한 인사이트를 계속 쌓아야 유효한 가설을 세울 수 있다.

 

[Step 3] 데이터 수집 

 

 가설이 나왔다면 이제 그 가설을 검증할 데이터를 수집하여야한다. 데이터 수집을 위한 Data warehouse를 관리하기 위해 ① 데이터 거버넌스(Data governance)에서 조직 내 데이터 취합 규정을 마련하고 ② 담당자를 세우고 ③ 실제 HR 관련 데이터를 꾸준히 수집하고 관리해야 한다. 이런 단계들이 잘 실행되고 있다면 데이터 전처리(Pre-processing)에 시간을 거의 쓰지 않고 바로 Data warehouse에서 필요한 데이터를 선별하여 사용할 수 있다.

 

 그치만 무엇보다 중요한 것은 데이터 객관성을 유지하는 것이다. 담당자는 데이터를 조작하지 않도록 해야 한다. 오염된 데이터는 신뢰할 수 없는 결과를 만들어 내기 때문이다.

 

[Step 4] 분석 실행 

 

 데이터 분석 실행 단계에서 전문적인 스킬 (고급 통계, R, Python 등)보다 프로젝트 가설 검증에 적합한 분석 방법을 선택하는 것이 중요하다. (ex. 상관분석, 회귀분석, Random Forest, Cross-Validation 등) 

(엑셀로도 충분히 가능!)

 

[Step 5] 인사이트 도출 

 

 "Bring me insights, not data (데이터 말고 인사이트 가져오세요)"라는 말이 있다. 데이터 분석의 목적/취지는 결국 '비즈니스 문제 해결'이고 데이터 분석과정(데이터 양, 분석방법, 분석 툴, 대시보드)이 아닌 결과로 소통해야 한다.

 

 그러나 이러한 인사이트가 너무나 당연한 내용이 나와 이해 관계자들로부터 뻔한 사실에 시간을 왜 썼냐는 핀잔을 들을 수 있다. 이러한 상황을 피하고, 더 유의미한 인사이트를 내기 위해선 문제 정의, 가설 설정 단계에서 우선순위와 목적을 명확히 하고 프로젝트 스폰서들과 협의가 되어야 한다.

 

 또한 결과는 액션으로 연결될 수 있도록 구체적인 수치가 포함되어있어야 한다. 예를 들면 '몰입도 1%가 올라가면 매출이 3% 상승한다'는 인사이트보다 '몰입 부분 중 복지 항목 만족도가 낮았고, 이에 식음 서비스 투자비용이 매달 1,000만 원 오르면, 연간 수익이 5억 상승할 것으로 기대한다'는 식의 인사이트라면 '뻔한'내용이지만 구체적인 액션과 결과가 기대되기에 의사결정에 더 유의미한 의사결정이 되는 것이다. 

 

[Step 6] 보고(스토리텔링) 

 

 네슬레 Global people analytics 팀 랄프(Ralf)는 "데이터와 분석 결과와 이해관계자를 모두 이어주는 것은 '스토리텔링'입니다"라고 말했다. 시간이 없고 하루에도 수만은 보고를 받는 의사결정자들에게 '스토리텔링'에 기반한 데이터 분석 보고는 중요하다. 

 

 스토리텔링을 위해 ① 데이터가 아닌 '인사이트', '전략 제안(Recommendation)'이 함께 이루어져야 한다. 이때 하나의 인사이트는 가급적 한 문장으로 작성하고, 하나의 인사이트는 하나의 표현방법(도표, 영상 등)으로 표현하는 것이 중요하다. ② 그리고 가급적 시각화(Visualisation)해서 보고 해야 한다. 포스트잇 연구결과 영상과 그림이 있으면 테스트로만 이루어져 있는 경우보다 60,000배 빠르게 인식하다고 한다. (다만 주객전도로 메시지가 흐려지면 안 된다)

 

[Step 7] 의사결정 및 실행  

 

 분석이 되었다면 의사결정 및 실행이 되어야 한다. 그러나 실행을 해야 하는 직원들은 기존 업무 방식에 대한 관성(inertia)이 있고 자율성/자치권(Autonomy)이 상실되었다고 느낄 수도 있기 때문에 침범에 대한 불쾌감을 느낄 수 있다. 그렇기 때문에 Stage 1의 신뢰 구축이 중요하고, HRA담당자들이 핵심 부서들과의 지속적인 관계쉽(Relationship)이 중요한 것이다. 

 

[Step 8] 평가 및 피드백  

 

 각 인사이트에 따라 실행한 사항(Action)들의 수치적인 ROI(return of investment)를 산출하여 분석과정이 유의미한지 판단할 수 있다. 비즈니스 환경, 사람들 등은 계속 변하기에 분석에 따라 인사제도를 바꿨다면 그것이 결국 문제를 해결했는지에 대해서 집요한 피드백을 해야 한다. 그렇지 않으면 결국 데이터 분석도 '직감'으로 끝나버리기 때문이다.

 

IV. 느낀 것

HR 데이터 분석은 다양한 관점을 모두 복합적으로 가져야 하는 직무 같다. HR에 대한 지식, 기업 내부 다양한 동료들과의 지속적인 관계/신뢰 형성, 업에 대한 이해, 데이터 분석에 대한 역량, 인사이트를 스토리텔링 해야 하는 역량 등..

아무리 AI의 영역이 넓어지지만 결국 회사는 사람들이 운영하고 그 사람을 관리하는 것은 HR 시스템이다. 다양한 역량과 직감을 기르기 위해 많은 노력이 필요한 것 같다! 오늘도 내일도 파이팅~ 

 

배워가는 단계입니다. 많은 조언 부탁드립니다 :)

 

조금이나마 도움이 되셨다면 ♡버튼 꾸욱 눌러주시면 큰~ 힘이 됩니다!