HR은 어떤 데이터를 활용할 수 있을까?
HR에서 데이터를 활용하는 방법 (채용, 근태, 퇴사 데이터 등)
최근 많은 포지션의 채용 공고에서 "데이터"와 관련된 내용을 찾아볼 수 있습니다.
데이터 분석가가 아닌 마케팅이나 세일즈 MD와 같은 포지션에서도 쉽게 찾아볼 수 있는데요.
HR 관련 채용 공고에서도 쉽게 '데이터'와 관련된 키워드를 찾아볼 수 있습니다.
채용 공고 예시1)
- HR 데이터 수집 및 분석, 시사점 분석을 통해 Action Item을 도출하고 유관부서 및 각 HR기능들과 협업하여 각종 HR 제도를 지속적으로 고도화 해요.
채용 공고 예시 2)
- Conduct research, quantitative analysis, data modeling, data mining, and the presentation of data to see beyond the numbers and understand trends to drive strategic decisions around people
HR 과 데이터
- 우리 제법 잘 어울리나요?
Human Resource라는 이름처럼 HR은 사람에 대한 일입니다. 사람들은 모두 다르고, 감정적인 요소들이 개입되기 때문에 HR은 정성적인 업무라는 이미지를 가집니다. 하지만 사람을 둘러싼 많은 것들이 디지털화되며, 많은 것들이 데이터화되었습니다. 내가 취해간다는걸 나보다 애플워치가 먼저 알고는 '심장 박동이 평상시에 비해 높습니다' 라고 알려주는 세상입니다.
HR에서 주로 활용하는 데이터는 사실 최근에서야 수집되기 시작한 종류의 데이터는 아닙니다.
근속기간, 처우, 퇴사시기 등 이전에도 측정 가능했던 지표들로도 충분한 인사이트를 추출할 수 있습니다.
물론, 재택 중 화면이 깨어있는 시간, 점심 식사 소요 시간, 행사에 대한 집중도 분석과 같이
새롭게 수집 가능해진 데이터의 종류도 존재합니다.
사람의 감정, 관계적인 부분을 모두 정량화시킬 수는 없지만,
생각보다 많은 지표들로 이런 관계적인 징후를 감지하고, 조치를 취하거나 제도를 만들 수 있습니다.
그렇다면...
HR에선 어떤 데이터를 어떤 방식으로 활용할 수 있을까요?
1. 채용 데이터
목적: 채용에 들이는 비용(리소스) 최소화 / 채용 효율 극대화
데이터 종류: 채용 단계별 리드타임 / 포지션별 채용 속도 / 지원경로 및 채용 단계별 합격율
예시)
00사 A팀에서 진행한 채용 프로세스의 합격율을 정리해보았습니다.
서류에서 1차 인터뷰가 진행되는 비율은 10% (100명 기준 10명)
1차 인터뷰에서 2차 인터뷰로 넘어가는 비율은 50% (10명 기준 5명)
2차 인터뷰에서 최종 합격으로 넘어가는 비율은 20%입니다. (5명 기준 1명)
> 1차 인터뷰의 기준을 높이는 것을 고려해봐야할 수 있습니다.
> 동일한 포지션의 채용을 진행할 때, 서류가 200개 정도 들어왔을 때 20명은 1차 인터뷰를 통과해야 최종적으로 2명 정도를 채용할 수 있음을 예측할 수 있습니다.
위의 데이터들은 예시처럼 포지션 오픈에서 채용까지 걸리는 시간을 예측하고,
이를 바탕으로 채용 계획을 세우는데도 활용할 수 있으며
HR 팀의 채용 계획을 수립하고 조직 전체의 확장성을 예측하는데도 활용할 수 있습니다.
보유하고 있는 채용 점수나, 평가자의 평균 점수와 같은 데이터를 통해서는 보다 복합적인 인사이트를 추출해낼 수 있습니다.
2. 퇴사 관련 데이터
목적: 리텐션 이슈로 인해 발생하는 비용(퇴직금, 미사용연차수당 등) 예측 / 내부 제도 및 보상 프로그램 개선
데이터 종류: 재직 기간 / 퇴사시기 / 퇴사사유
예시) 00사의 연도별 퇴사자 추이
> 조직 개편, 시장 상황, 성과 등의 데이터와 퇴사자 추이 비교
3. 재직 관련 데이터
목적: 조직 구성 분석 / 다양성 검증 / 복리후생을 포함한 HR 프로그램 기획
데이터 종류: 인구 통계학적 특성 / 연령 / 팀별 인원 구성 / 재직형태 / 시기별 인원구성 / 부서 이동 / 승격 혹은 강등
예시) 전사의 연령, 자녀 구성을 기반으로 한 복리후생 기획
- 전사 중 4050 비율이 40% / 해당 연령대의 자녀 비율이 80%이상이라면 다른 복지보다 학비 지원 등이 리텐션에 도움이 될 수 있다.
- 연령과 자녀 구성을 동시에 고려하여 복리후생 기획
4. 보상 관련 데이터
목적: 형평성, 동기부여를 고려한 보상 패키지 구성 / 외부 보상 트렌드와 비교
데이터 종류: TCOW / 복리후생을 포함한 간접비 / 급여 범위 별 인원수 / 회사 비용 예측
예시) 채용 트렌드를 반영한 보상 패키지 구성
- 데이터 활용에 대한 관심 증가로 F 역량을 가진 사람에 대한 전반적인 수요 증가
- 해당 역량을 우수한 정도로 갖춘 인재에 대한 패키지 인상 고려
- 외부의 패키지(처우) 관련 데이터, 외부의 포지션에 대한 관심 수준 파악 필요
분석 방법
엑셀을 통해 위와 같은 분석을 실행하기 위해선
사용하고 있는 ERP, 출입시스템, 평가 툴 등에서 개별적으로 축적된 데이터들을 추출해야합니다.
데이터가 생성되는 곳과, 데이터를 분석해보는 곳이 다르기 때문인데요.
최근 많은 ERP들이 각자 플랫폼에 누적된 이용자의 데이터들을 분석, 시각화하여 제공하고 있습니다. Workday, SAP successfactors 등이 대표적인데요.
규모별, 나라별 도입하기 적합한 툴들이 달라지죠. 다음 글에선 데이터 분석, 시각화 기능을 사용자 친화적으로 제공하고 있는 HRIS를 정리하고 소개해보고자 합니다.
워크데이, 밤부HR, SAP successfactors 등 우리 회사에 적절한 HRIS를 고민하고 계셨다면
다음 글을 참고해주세요! (다음글이 안보인다면 아직 업로드가 안된걸겁니다..ㅎㅎ)
� HR 스터디에 관심 있으시다면?
https://brunch.co.kr/@minjumin/12
#HR데이터 #HRIS #Peopleanalytics #HR #HRBP #데이터분석 #데이터활용 #채용데이터 #HR분석 #HR전략 #인사데이터 #보상분석 #연봉테이블 #근태데이터 #근태데이터분석 #복리후생기획 #평가보상 #평가보상기획 #퇴사율 #리텐션 #조직다양성 #workday #워크데이 #HRIS비교
