HR 애널리틱스의 성공적 정착을 위한 길잡이

HR 애널리틱스에 대한 관심이 높아지고 있지만 여러 이유에서 국내 기업의 도입이 활발하지 못한 상태다. HR 애널리틱스가 성공적으로 정착하기 위해서는 한 번에 획기적인 결과를 도출하는 데 기대하기보다 현상을 과학적으로 검증하여 정성·정량적 피드백을 받아서 규칙과 절차를 만들어 나가는 것이 중요하다.

HR과 성과와의 관계에 대해 많은 연구가 이뤄지고 있다. 이 연구들은 HR의 체계적 활용이 직원의 역량강화와 동기부여를 통해 더 큰 헌신, 낮은 이직률, 높은 생산성과 서비스 수준, 그리고 재무적 성과와 관련이 있다는 것을 밝히고 있다.¹⁾ 또한 연구결과는 우리에게 HR이 기업의 성과에 영향을 미치는 주요한 요소 중 하나라는 자신감을 준다.

한편 많은 기업에서 조직의 슬림화가 진행되면서 예전보다 더 적은 인력이 HR부문의 많은 역할을 감당하게 됐다. 따라서 HR부문은 경영진·현업관리자·직원의 니즈에 보다 집중해야 한다. 다양한 이해관계자와의 커뮤니케이션을 통해 이슈를 명확히 확인하고 문제 해결을 위한 객관적이고도 신뢰할 수 있는 솔루션을 제공하는 것이 중요하다. 이를 위해서 과학적인 기법에 기반을 둔 분석 및 예측능력은 필수조건인 만큼 이를 뒷받침하기 위한 Tool의 발전도 중요하다.

HR 애널리틱스의 필요성

HR 애널리틱스(HR Analytics)는 학문적인 연구의 성과와 방법론을 기업 측면에서 더 실무적이고 미시적으로 적용하는 기법이다. 이를 통해 다양한 형태로 기업 내외부에 산재해 있는 데이터를 통계적·기술적 방법으로 분석하여 의사결정에 인사이트를 제공하는 것이다. HR 애널리틱스의 목표는 HR제도 또는 인적자원이 다양한 형태와 수준의 성과에 미치는 영향을 분석하고 예측하여 효과적이고 효율적으로 비즈니스 니즈에 대응하는 데에 있다.

최근 리서치²⁾에 의하면 그 중요성에 동의하는 기업이 대다수인데도 불구하고 아직도 소수의 기업만이 HR 애널리틱스를 잘 활용하고 있다고 응답했다. 여전히 빈약한 데이터, 기술 부족, 변화를 추동할 수 있는 사례 등의 이유로 선뜻 시도하지 못하는 기업이 더 많다. 국내에서도 HR 애널리틱스에 대한 관심이 늘고 있지만 실제 국내에서 시스템을 구축한 사례나 분석사례가 활발하게 공유되지는 않고 있다.

그 이유는 첫째, 구축사례 자체가 드물기 때문이다. 필자 역시 국내 사례를 찾고자 했지만 'S사에서 채용 관련 분석 및 예측시스템을 구축한다더라' 식의 풍문만 존재할 뿐 실제로 어떻게 활용했는지에 대한 구체적인 사례를 접할 수는 없었다. 둘째, 분석결과가 HR부서 담장 밖을 넘어가기 위해서는 여러 위험요소가 있다. 먼저 데이터 자체의 법적 문제가 없어야 하고, 기존 HR 정책상의 오류와 관련이 없으면서, 직원을 자극하지 않고, Showing 하기에 그럴듯한 사례가 있어야 한다. 아직은 이런 성과를 내기에는 분석의 내공이 충분히 쌓이지 않았다고 보여진다.

본 원고에서는 국내 많지 않은 사례와 Google의 너무 거창하고 대단한 사례 사이에서 HR 애널리틱스의 적용을 고민하는 기업에 필자의 프로젝트 사례를 바탕으로 HR 데이터 분석 시 유의사항에 대한 몇 가지 조언을 드리고자 한다.

주제 명확화 : 관계자들의 니즈가 뚜렷하지 않다

사실 필자가 참여한 프로젝트도 전사 차원의 빅데이터 활용 계획에 부응하기 위해 HR부서에서 "그럼 우리도 한번 해볼까?"는 차원에서 시작된 것이다. 그러다 보니 선정된 주제가 명확하지 않았다. 프로젝트 사전미팅에서 주제를 채용·육성·문화 등으로 크게 분류하여 미리 선정하겠다는 고객사의 말에 데이터 진단만 열심히 하면 될 것으로 생각했다. 하지만 막상 확인해보니 주제가 명확하지도 않았고 심층적인 고민을 통해 도출된 주제도 아니었다. 따라서 주제를 정하는 데 상당한 시간이 걸렸다.

처음에 제시된 주제 중 하나는 '어떤 인력을 채용해야 회사의 성과에 기여할 수 있는가'였다. 단순히 생각하면 학력·경력·역량 등 인적특성과 성과와의 관계를 확인하는 주제라서 적절한 주제라고 생각하기 쉽다. 하지만 분석을 위해서는 몇 가지 문제가 있다. 먼저 회사의 성과와 인력의 특성 사이에는 많은 블랙박스가 있다. 원인과 결과 사이에 너무 긴 경로가 놓여있어서 관련성이나 인과성을 논하기에 무리가 있다. 일반적으로 채용을 포함한 인적자원관리는 직원의 역량, 동기부여의 수준 등 인적자원 성과에 영향을 미치고 조직의 성과(프로세스 효율화, 고객성과)를 거쳐서 최종적으로 재무성과에 영향을 미친다.³⁾ 이러한 이유로 개인의 특성과 회사의 성과와의 관계를 보는 것은 그 사이의 매개성과를 고려하고 시차를 고려한 잠재 성장모형 등 복잡한 통계방법을 활용해야 하기에 적절하지 않다. 따라서 더욱 가까운 인적자원 성과(역량수준·만족도·몰입도·평가등급 등)와의 관계를 먼저 확인하는 것이 바람직하다.

분석의 대상도 고려해야 한다. 만약 채용에 참여한 모든 지원자를 대상으로 선택한다면 성과와의 관계를 보는 것은 불가능하다. 성과 관련 데이터는 합격하여 입사한 인력에 대해서만 관리되기 때문이다. 또한 불합격자의 데이터는 개인 정보보호 등의 이슈로 채용절차가 완료되면 파기돼 데이터 자체를 확보하기에도 어려움이 따른다. 따라서 우리가 필요로 하는 인재를 명확히 정의하고 있는지, 인재의 모집활동이 효과적인지, 정의된 인재상에 맞춰 역량을 파악하고 평가할 수 있도록 다양하고 효과적인 선발을 하는지 등 채용의 적절성을 확인하는 주제로 변환하여 분석할 필요가 있다.

반대로 채용절차를 거쳐서 합격한 인력을 분석대상으로 본다면 채용의 적절성과 효과성을 보는 것이 아니라 단지, 고성과자의 특성 중 채용과 관련된 특성(예를 들어 입사성적, 출신학교, 채용경로, 경력여부 등)과 성과와의 관계를 확인하는 것이 된다. 결론적으로 기존에 제시받은 주제를 채용의 적절성 확인, 채용특성과 개인성과와의 연관성 파악의 둘로 나눠 주제를 선정했다. 기타 성과를 입사 후 어느 시점의 성과를 채택할 것인지, 입사 몇 년 차를 대상으로 할 것인지 등도 고려할 사항이다.

데이터 품질 : 빅 데이터가 아닌 스몰 데이터

구글처럼 고성과 리더의 행동특성을 알고 싶어도 행동특성을 확인하고 변수화 할 데이터를 확보하는 것은 힘든 일이다. 따라서 고성과자의 특성을 보는 분석은 주로 학벌·학위·경력여부·근속연수 등 인적특성에 의존할 수밖에 없다. 당연히 모형의 설명력도 떨어지고 무언가 새로운 것을 확인하기에 한계가 있을 수밖에 없다.

데이터 관련한 이슈를 요약하면 결국 데이터 확보와 현행화 등 품질의 문제다. 기업이 HR시스템을 별도로 구축하여 운영하기에 비록 정리는 되지 않았지만, 여기저기 찾아보면 충분한 데이터가 있을 것이라는 믿음이 깨지기에는 그리 오랜 시간이 걸리지 않는다. 쓸모 있다고 판단되는 데이터는 실무자의 컴퓨터에 있다. 그것도 분석을 고려하지 않고 근거자료로 보유하고 있고, 담당자가 변경될 때마다 인수인계가 잘 이뤄지지 않아서 연속성이 없는 경우가 많다. ERP상의 데이터도 담당자별로 그때그때 전산부서의 도움을 받아서 자신만의 화면이나 로직을 만들어 사용하는 경우가 많아서 마찬가지로 연속성과 정합성이 매우 낮다. 따라서 데이터가 어디에 있는지를 찾아서 확보하는 데 생각보다 많은 시간이 걸리는 것을 당연하게 생각해야 한다. 실제 프로젝트에서도 가장 많은 시간을 투입한 부분은 데이터 확보, 통합 및 현행화 하는 작업이었다.

이 문제를 해결하기 위해 고객사는 많은 노력을 기울였다. 컨설팅에서 제시한 주제와 데이터 수준에 대한 진단결과를 바탕으로 목적 적합한 데이터 수집을 위해 Key Question을 설정하고 이의 분석을 위한 세부지표(변수)의 데이터를 확보하여 정제했다. 부족한 데이터는 기간계 시스템 간의 연동, 개인보유데이터의 확보 등을 통해 데이터의 확장을 위한 노력을 기울였다. 이와 병행하여 기존의 불합리한 데이터 관리 프로세스를 검증하고 재설계했다.

HR담당자와 일반 직원들의 거부감

고성과 리더의 특성을 파악하기 위해서는 채용, 육성, 이동배치, 평가, 보상 등의 기능별 정성적·정량적 데이터가 종합적으로 확인돼야 하지만 대부분 기업에서 HR의 주요 기능별로 담당자가 지정돼 개별적으로 관리되는 경우가 많다. 또한 신상·평가·급여 등 인사정보는 보안에 민감하다. 따라서 회사의 HR데이터가 HR부서차원에서도 공유가 안 되는 경우가 많다. 통합할 경우 데이터 보안의 문제를 해결하지 못하면 담당자 입장에서는 데이터 통합에 소극적일 수밖에 없다. 그리고 데이터의 통합이 어려운 이유 중 하나는 HR 애널리틱스를 통해 기존에 업무담당자의 부주의와 잘못된 업무수행을 적발하는 형태로 수행되지 않을까 하는 막연한 두려움 때문인 경우도 많다.

일반적으로 빅 데이터 분석을 지금까지 확인하지 않았던 다양한 소스의 데이터를 활용한 분석이라고 이해하는 많은 분이 SNS나 게시판의 데이터 분석을 통해 새로운 통찰을 얻고 싶어 한다. 하지만 내부구성원이 자주 이용하는 게시판이나 SNS 등의 정보를 수집·분석할 경우 필연적으로 조직원의 반발을 살 수밖에 없다. 아무리 단순한 분석의 용도로 사용한다고 할지라도 통제와 감시의 공포를 달래는 것은 어렵다. 직원들의 두려움은 일리가 있다. 지나온 역사가 대부분 그런 우려가 옳다는 것을 증명한다. 따라서 HR부서 내부담당자의 두려움과 HR부서의 고객인 내부직원의 두려움을 적절히 관리하기 위해서는 HR부문 리더의 역할이 매우 중요하고 인사정보의 활용과 관련한 명확한 기준과 가이드라인을 공유하고 설득하는 작업이 병행돼야 한다.

시스템이 먼저일까? "왼손은 거들 뿐"

빅 데이터나 HR 애널리틱스를 위해 Tool의 도움을 받는 것은 필수적이다. R프로그램, Hadoop, SPSS, SAS, STATA 등의 프로그램과 SAP, Oracle 등에서 제공하는 각종 분석에 활용될 수 있는 툴이 많이 있다. 하지만 굳이 새로운 소프트웨어를 먼저 구축할 필요는 없다. 분석 수준과 역량에 맞춰 선택하면 된다. 부득이한 경우 엑셀을 활용해서도 상관분석, 회귀분석 등 기본적인 통계분석은 가능하며 R은 정형·비정형 분석이 가능한 무료 프로그램이다.

본 프로젝트의 경우 BI Software를 설치하고 이를 활용하여 현황파악과 간략한 분석을 하는 것이 1차 프로젝트의 범위였다. 이와 병행해서 주요한 주제에 대한 통계분석을 통해 시사점을 얻고, 이슈에 대한 인터뷰와 필요할 경우 설문 등을 통한 데이터 확보 등의 업무를 수행할 계획이었지만 시스템 구축에 문제가 생기면서 분석을 위한 활동에 담당자가 참여하기 어려운 상황이 됐다. 실제로 분석 작업은 주로 SPSS 프로그램을 활용했으니 사실 현 단계에 분석결과물을 산출하는 데 있어서 시스템의 역할은 미미했다. 물론 시스템구축을 전제로 하지 않았다면 프로젝트 자체가 성사되지 못했을 수 있고, 이러한 시행착오가 향후 HR 애널리틱스 활성화의 밑거름이 될 수 있지만, 시스템 구축에 너무 많은 자원을 소모함으로써 본질인 분석의 품질을 높이는 노력을 하지 못한 것은 두고두고 아쉬운 부분이다.

애널리틱스는 한판승부가 아니다

윗분이나 고객 입장에서는 돈 들여서 하는데 뭔가 획기적인 분석결과가 나오기를 바란다. 허나 어쩌랴, 구글의 '훌륭한 매니저가 되기 위한 8개의 원칙'을 보면 좋은 코치가 되어라, 팀에 권한을 부여하고 세세한 관리를 하지 말라, 팀원의 성공과 개인의 웰빙에 관심을 가져라 등 일반적인 내용이 나열돼 있다. 만약에 국내 기업에서 수많은 인력과 수많은 시간, 비용을 투입한 결과 위와 같은 어찌 보면 당연한 결론이 도출됐다면 최고경영진에게 자랑스럽게 설명할 기회를 얻지 못했을 것이고, 담당자는 그해 평가에서 결코 좋은 평가를 받지 못했을 것이다.

그뿐만 아니라 각 원칙 간의 가중치는 어떻게 되는지, 우리 사업부문과는 맞지 않는다거나 그 결과를 활용하는 데는 신중해야 한다거나 극단적인 사례를 들어서 문제점을 제기하는 등 수십 가지의 결과 활용을 무력화시키는 논리로 활용을 막았을 것이다. Google이 세계적인 벤치마킹 기업이 된 이유는 분석 자체의 중요성을 인정하고, 충분히 투자했으며, 분석보다 더 중요한 것은 시행착오를 겪더라도 분석결과를 현업에 적용하고 활용하기 위한 노력을 인정하는 조직문화에 있다.

HR 애널리틱스가 성공적으로 정착하기 위해서는 한 번에 획기적이고 화려한 결과를 도출하는데 욕심을 내기보다는 현상을 과학적으로 검증하고 그 결과를 다양한 이해관계자와 공유하면서 정성적 또는 정량적 피드백을 받아서 규칙과 절차를 만들어 나가는 것이 더 중요하고 가치 있는 일이라고 판단된다. 따라서 당장 욕심으로 시스템 구축 위주의 사업을 벌이는 것을 지양하고, 필요한 주제를 선정하고 다양한 데이터를 확보하여 분석의 노력을 기울이기를 바란다. 단기적으로 임원이나 상사의 직관을 실무자의 분석능력이 이길 수 없을지도 모른다. 하지만 알파고가 이세돌을 이겼듯이 자신의 업무에 대한 지적 호기심을 가진 실무자의 과학적 분석노력이 상사의 직관을 이길 것이다.

← 자료실 목록으로