인사해볼까요. 데이터로

다른 듯 하지만 비슷한 데이터분석과 HRD

사전적 의미에서 데이터는 재료,자료,논리적 근거를 뜻합니다. 'datum'의 복수형이죠. 통상 사람이나 기계가 만들어내거나 처리할 수 있는 형태로 표시된 의미 있는 정보를 말합니다. 여기서 '만들어내거나 처리할 수 있는 형태로 표시된' 표현은 '기록 혹은 측정하다'라는 조건을 포함합니다. 문자나 도량형처럼 정해진 기준과 방식을 따르면 됩니다. 원형 그대로 보관하는 방식도 가능하겠군요.

의미있다는 표현은 '가치가 있다' 혹은 '쓸모 있다'로 바꿀 수 있습니다. 가치나 쓸모의 정도는 그것을 평가하는 사람에 따라 다릅니다. 데이터 그 자체는 객관성을 담보로 하지만 주관적이면서 가변적인 면도 있는 셈입니다. 분석은 바로 그 객관성에 가미된 주관성에서 출발합니다. 다른 이에겐 별 쓸모없는 데이터가 나에겐 다를 수 있다 느껴지면 한 번 더 눈길을 줄 수 밖에 없거든요.

필드에서 쓸만한 데이터는 의외로 드물다

HR은 사람과 조직, 직무를 다룹니다. 사람과 조직을 다루는 일은 대체로 변수가 많고 유동적이며 때로는 불투명합니다. HRD 역시 예외는 아닙니다. 대표적으로 효과를 측정하고 입증하는 부분이 그렇습니다. HRD는 교육 프로그램을 설계하고 실행하여 받는 피드백을 중심으로 운영되지만, 실제 성과와의 연관성을 밝혀내긴 상당히 어렵습니다. 어려움을 겪는 가장 큰 이유는 수집하고 처리하는 텍스트나 음성 같은 비정형 데이터를 정량 데이터에 기반한 통계 분석기법과 맞추기 어렵기 때문입니다. 더딘 측정지표 개발도 비슷한 이유겠지요.  때때로 막연하다 느껴지기도 합니다.

필드에선 HR에 대한 많은 질문들이 쏟아집니다. 구성원들의 다양한 학습 스타일과 요구를 어떻게 충족시킬 수 있는가? 개인의 성장과 조직의 목표는 어느 수준에서 부합시켜야 하는가? 직무를 중심으로 조직과 사람에 대한 진단과 조언은 가능한가? 등등. 난이도가 높은 반면 분명한 부분은 많지 않습니다. 모든 게 불분명한 상태는 겉보기에는 무한한 가능성처럼 느껴질지라도 사실은 닫혀있는 상태입니다. 어느쪽으로도 나아가기가 쉽지 않거든요.

HR에 쏟아지는 질문에 대한 답은 명확하지 않다

얼핏 보기에 둘은 서로 다른 분야지만 비슷한 구석이 많습니다. 큰 범주에서 데이터 분석과 HRD는 학문의 영역보단 문제해결 과정에 가깝습니다. 데이터 분석은 조직이 당면한 문제를 명확히 정의하고, 수집하고 처리된 데이터를 들여다 보면서 얻은 영감을 통해 해결 방안을 제시하는 과정을 포함합니다. 일례로, 특정 직급의 높은 이직률 문제를 해결한다면 조직 안팎의 유의미한 데이터를 모으고 들여다보면서 현상 혹은 문제의 원인을 파악하고, 이를 기반으로 가장 효율적인 해결방안을 마련하는 것까지가 데이터 분석의 역할이 됩니다.

 HRD는 조직의 성과향상과 구성원의 성장을 목표로 개인, 팀, 조직을 효과적으로 개발하고 관리해나가는 과정입니다. 이 과정에서 교육과 훈련을 통해 여러 단위에서의 문제 해결 능력을 배양하는 데 중점을 둡니다. 역시 이직률 문제를 접근한다고 한다면 구성원이 조직 내에서 성장할 수 있는 다양한 경력개발 방안을 고안할 수 있습니다. 잘만 풀린다면 조직에선 내부 인재를 최대한 활용함으로써 채용 비용을 줄이고 생산성을 유지할 수 있으며, 구성원은 자신의 전문성과 경력을 키워나갈 수 있게 됩니다. 실제 내부 경력 개발을 지원하는 기업들의 직원 유지율이 훨씬 더 높습니다. 이처럼 HRD는 여러 차원의 문제를 정의하고 해결해나가는 일련의 과정을 지칭하기에 태생적으로 문제해결이라는 속성을 가지고 있습니다.

같은 문제해결 과정이다

문제나 현상이 하나의 이론으로 설명되는 경우는 드뭅니다. 그렇기에 데이터 분석과 HRD은 다양한 영역과 얽혀있습니다. 우선 HRD는 이론 자체가 조직 내 인재의 능력을 개발하고, 그들의 성장을 지원하여 조직의 목표 달성에 기여하는데 그 목표를 두고 있습니다. 그래서 심리학, 경영학, 경제학, 조직이론, 교육학, 윤리학 등에 걸쳐있는 간학문적인 성격을 띄고 있습니다. 

데이터 분석은 구조화되거나 비구조화된 데이터에서 유의미한 정보를 추출하고, 이를 바탕으로 패턴을 파악하거나 예측 모델을 구축하는 일련의 과정입니다. 이론적 기반 역시 수학, 통계학, 컴퓨터 공학, 산업 공학 등에 두루 걸쳐있죠. 둘 다 융복합 성격이 짙은 만큼 기본 이론 외 다방면에 관심을 두면 활용에 많은 도움이 됩니다. 

적지않은 카페인을 요구한다는 공통점

인간 행동에 대한 이해가 깊을수록 결과물이 기하급수적으로 좋아진다는 점도 공통점입니다. 실제 더 많은 데이터를 수집하고 최신의 기법을 적용한 결과물보다 대상 집단의 행동 배경과 동기를 파악하고 접근한 결과물이 좋은 경우가 많습니다. 구성원들의 학습 동기, 패턴과 스타일, 선호도를 이해하고 설계한 교육 및 개발 프로그램 역시 더 나은 결과를 기대할 수 있습니다. 작은 차이가 명품을 만든다는 광고문구가 이럴때 적절할거 같군요.

이런 이야기를 해볼까 합니다. 본질적으로 데이터 분석과 HRD 공히 일을 잘하기 위한 과정 혹은 도구니 일 이야기가 되겠군요. 뻔하지 않게 풀어볼 생각입니다.