[HR Digging] 피플애널리틱스
'감'에서 '확신'으로
안녕하세요.
퍼실리테이션 연합동아리 Round Table 5기 기획컨텐츠팀 OCC 참여자 윤효원입니다.
이번 글에서는 피플애널리틱스에 대해 다뤄보고자 합니다.
과거 HR은 인사담당자의 '경험'과 '직관'에 의존하는 경향이 컸습니다. "왠지 이 후보자가 우리 회사와 잘 맞을 것 같다"거나 "최근 부서 분위기가 예전만 못하다"는 식의 막연한 판단이 주를 이뤘죠. 하지만 복잡해진 비즈니스 환경에서 이러한 주관적 판단은 리스크를 동반합니다.
이제 기업은 조직의 문제를 ‘감’이 아닌 ‘데이터’로 진단하고, 그에 대한 근거 있는 해석을 시도하기 시작했습니다. 그 변화의 중심에 바로 <피플애널리틱스(People Analytics)>가 있습니다.
1. 피플애널리틱스(People Analytics)란?
피플애널리틱스(People Analytics)란 데이터 분석 기법과 기술을 활용해 조직 내 인적 자원 관리와 관련된 의사결정을 지원하는 접근 방식입니다. 즉, 조직 내에서 발생하는 다양한 인적자원 관련 데이터를 분석하여, 의사결정을 보다 합리적이고 일관되게 만들기 위한 접근 방식을 의미합니다.
피플애널리틱스는 사람을 숫자로 단순화하거나 통제하기 위한 도구가 아닙니다. 오히려 그 목적은 사람과 조직을 더 정확하게 이해하는 데 있습니다. 이직률, 몰입도 점수, 성과 평가 결과와 같은 수치들은 그 자체로 정답이 되기보다는, “왜 이런 결과가 나왔을까?”라는 질문을 던지게 만드는 출발점이 됩니다.
즉, 피플애널리틱스는 HR의 판단을 대신하지 않습니다. 대신, 그 판단이 설명 가능하도록 돕는 근거를 제공합니다. 즉, 다양한 HR 영역에서 데이터를 바탕으로 실행 가능한 인사이트를 도출하고, 보다 실효성 있는 의사결정을 가능하게 하는 역할을 합니다.
2. 피플애널리틱스의 활용
피플애널리틱스는 단순한 수치 기록을 넘어, 채용부터 퇴사에 이르기까지 HR 전 과정에서 중요한 의사결정의 기준으로 활용되고 있습니다. 조직의 특성에 따라 활용 방식은 다양하지만, 특히 다음의 세 가지 영역에서 그 효과가 뚜렷하게 드러나고 있습니다.
(1) 채용: 데이터 기반의 인재 관리
채용은 오랫동안 HR 영역에서 가장 ‘직관’에 의존해온 분야 중 하나입니다. 지원자의 스펙, 면접자의 인상, 대화의 흐름, 분위기와 같은 직관적인 요소들이 최종 판단에 큰 영향을 미치곤 했습니다.
피플애널리틱스는 바로 이 지점, 즉, ‘직관의 함정’에서 벗어나게 도와줍니다. 단순히 이력서를 스캐닝하는 기술을 넘어, 우리 조직에서 실제로 성과를 내는 사람들의 특징은 무엇인지 데이터를 통해 역추적하는 과정을 가능하게 합니다. "어떤 역량을 가진 사람이 우리 팀에 들어왔을 때 가장 행복하게 오래 일하는가?"라는 근원적인 질문에 대해, 이제 기업은 '감'이 아닌 '증거'로 답하기 시작했습니다.
- 구글 사례: 데이터 분석을 바탕으로 한, 채용 기준 변화
과거 구글은 스펙(학벌, 시험 성적 등)을 기준으로 채용했습니다. 그러나 지원자의 입사 후 성과와 지원 당시의 스펙 간 상관 관계를 분석한 결과, 두 변수 사이에는 유의미한 상관관계가 거의 없는 것으로 나타났습니다. 대신 데이터가 가리킨 고성과자의 공통점은 '학습 능력(Learning Ability)'과 '겸손함(Humility)'이었습니다.
이후 구글은 지원자 필수 자격에서 학위를 제외했고, 구글의 채용 기준은 '무엇을 아는가'에서 '어떻게 배우는가'로 완전히 이동하게 되었으며, 지원자의 학점이나 전공보다는 실제 업무 능력을 중심으로 검증한다고 밝혔습니다.
(2) 성과관리: 데이터 기반의 과정 중심 성과관리
전통적인 성과관리는 1년에 한 번, 등수를 매기는 '심판'의 시간이었습니다.
하지만 피플애널리틱스를 활용한 성과관리는 단순히 매출 수치만 확인하는 것이 아니라, 성과를 내는 사람들의 숨겨진 업무 패턴과 협업의 밀도를 데이터로 읽어냅니다. 즉, 피플애널리틱스를 통해 고성과 직원의 특성을 분석하여 효율적인 성과관리 방안을 도출할 수 있습니다.
- 마이크로소프트 사례: 감시를 넘어 성장을 지원하는 데이터 기반 코칭 체계
마이크로소프트는 직원들의 단순한 실적이 아닌, 이메일·미팅·집중업무 시간 등의 데이터를 수집하고 분석해 ‘우수 관리자의 특성’과 ‘성과몰입도’ 간의 연관성을 검증했습니다. 그 결과, 정기적인 1:1 면담과 집중 시간 보장이 성과몰입도를 유의미하게 높이는 반면, 근무 외 연락은 몰입도를 급격히 저하시킨다는 사실을 발견했습니다. 이를 바탕으로 성과관리를 ‘감시’가 아닌 ‘지원 중심의 코칭 체계’로 전환했습니다.
(3) 조직문화: 데이터 기반 문화 설계
전통적인 조직문화 관리는 조직의 분위기나 가치가 “잘 정착되고 있는지”를 연 1회 설문이나 정성적인 인식에 의존해 판단하는 방식이었습니다.
하지만 피플애널리틱스가 도입된 조직문화 관리는, 구성원들이 ‘실제로 어떻게 소통하고’, ‘얼마나 안전하게 의견을 나누며’, ‘어떤 관계 속에서 일하고 있는지’를 데이터로 읽어냅니다.
즉, 조직문화를 선언된 가치가 아니라 일상적인 상호작용의 패턴으로 이해하고 관리하는 방식으로 전환되고 있습니다.
- 카카오 PiLab 사례: 사내 소통 데이터로 구축한 건강한 조직문화
카카오의 PiLab(People Innovation Lab)은 인사 데이터 전담 조직으로, HR 데이터를 통해 조직문화를 더 건강하게 만드는 방법을 꾸준히 탐구해왔습니다.
PiLab은 카카오톡과 아지트 등 사내 커뮤니케이션에서 발생하는 소통 데이터를 분석해 조직 간의 신뢰도와 관계의 건강성을 측정하며, 그 결과를 해당 팀에 리포트로 제공해 자발적인 조직 문화 개선을 유도합니다. PiLab은 분석 결과를 강요하거나 수치로 평가하지 않고, 그 대신 데이터를 통해 스스로를 비춰볼 수 있게 만들었고, 그 과정에서 구성원들은 데이터를 통제가 아닌 대화의 수단으로 경험합니다.
3. 피플애널리틱스의 장점과 한계
(1) 장점
피플애널리틱스의 가장 큰 장점은 인사 의사결정을 감이나 직관에 의존하지 않고, 데이터에 기반해 설명 가능하게 만든다는 점입니다. 조직은 HR 데이터를 통해 성과, 몰입, 이탈과 같은 현상을 보다 정교하게 진단하고, 채용·육성·보상 등 인재 관리 전략을 상황에 맞게 조정할 수 있습니다.
또한 예측 분석을 활용하면 성과 저하나 이탈 가능성을 사전에 포착해, 문제 발생 이후가 아닌 이전 단계에서 개입할 수 있기 때문에 불필요한 HR 운영 비용도 줄이고 조직의 지속가능성과 경쟁력 확보에 도움을 줄 수 있습니다.
(2) 한계와 과제
그러나 피플애널리틱스가 모든 문제를 해결해 주는 것은 아닙니다.
데이터 모델은 인간의 복잡한 동기와 관계를 완벽히 설명하기 어렵고, 해석이 단순화될 경우 오히려 왜곡된 의사결정으로 이어질 위험도 존재합니다.
더불어 직원의 행동과 소통 데이터를 다루는 만큼, 프라이버시 보호와 데이터 활용에 대한 신뢰 설계가 선행되지 않으면 감시로 인식될 수 있습니다.
결국 피플애널리틱스의 성패는 기술 그 자체보다, 데이터를 어떤 목적과 기준 아래에서 활용하느냐에 달려 있습니다. 이는 조직이 사람을 통제하기 위한 수단이 아니라, 더 나은 결정을 내리기 위한 보조적 도구로 사용될 때 가장 큰 가치를 발휘합니다.
4. 마무리
피플애널리틱스는 사람을 숫자로 규정하려는 시도가 아니라, 조직이 사람을 더 깊이 이해하기 위한 새로운 언어입니다. 다만 데이터가 아무리 정교해지더라도 최종적인 공감과 결정은 결국 사람의 몫입니다. 피플애널리틱스가 제공하는 객관적인 근거 위에 인사 담당자의 따뜻한 시선과 세심한 공감이 더해질 때, 조직은 비로소 진정한 성장을 이룰 수 있습니다.
데이터를 통해 ‘감’에서 ‘확신’으로 나아가려는 조직의 고민에 이 글이 작은 영감이 되기를 바랍니다.
좋은 것을 더 좋게 만들기 위한 우리의 탐색이,
새로운 가능성을 발견하고 역량으로 발전되는 여정이 되길 바랍니다.
RoundTable 5기 기획컨텐츠팀 OCC 참여자 윤효원이었습니다.
Try, Whatever you want!
▼▼▼▼▼▼▼
더 많은 Round Table의 소식을 만나보세요!
공식 사이트 : https://roundtable.ninehire.site/