[데이터로 보는 인사이야기. 이중학 (2021)] 책 리뷰
이중학, & Steven Kim. (2021). 데이터로 보는 인사이야기. 플랜비디자인.
저자 배경 : 가천대학교 경영학부 교수(HR 데이터분석 전공). 전 롯데인재개발원 DT인재육성팀장. 실무와 이론을 겸비한 피플 애널리틱스(People Analytics) 전문가
- 조직 내부 다른 기능들 (전략, 재무, 마케팅 등)은 데이터를 토대로 의사결정하려는 노력을 꾸준히 기울여 왔음. HR도 직관 (벤치마킹, 뉴트렌드, 권위자)에만 의존하는 경향을 탈피해야 함
- 기존의 익숙한 업무 및 의사결정이 다소 ‘불편한’ 방식으로 바뀌어야 한다. 이는 ‘시도’에서 시작된다.
예) 새로운 HR제도 도입 → 효과성/만족도 측정 → 그래프, 평균, 분산 비교 등
- 데이터 분석 목적은 중요한 의사결정 or 조직원들에 대한 정확한 이해가 매우 중요하다. 따라서, 결과에 대한 해석과 동료들과의 토론이 중요하다.
HR Analytics 혹은 People Analytics란? 채용, 승진, 교육, 평가, 보상 등 데이터를 활용하고 분석하여 시사점을 도출하고, 이를 바탕으로 과학적 의사결정을 내리려는 노력 또는 활동 (김성준, 2013)
왜 People Analytics가 중요한가?
- 사람은 불확실성이 높은 환경에서 경쟁 우위를 가져올 수 있는 중요한 자산. 이 자산을 조직 전략과 연계해서 역량 향상, 지속 유지는 어려우면서도 매우 중요한 활동임 (Mohammed, 20219)
- 이렇게 중요한 자산과 관련된 역할을 수행하는 HR에서 의사결정을 더 기술적, 예측적, 최적화하는 것이 중요함.
1. 구글에서의 People Analytics 활용 (라즐르복 Lazlo Bock,, 2015)
선발 시, 지원자의 프로필에 최적화된 인터뷰 질문 알고리즘으로 도출 및 활용
어떤 구성원들이 승진하지 못하고 4년 내 그만둘 것인지 예측 모델 개발
성공적인 리더 특성 도출 (옥시전 프로젝트)
2. 채용 Scene에서의 데이터 활용
[성격진단 AI 솔루션]
풍선불기 게임을 통해 위험 감수 성향 및 회복탄력성 측정, 화상면접 구술정보를 문자로 옮겨 역량 측정 등
- 어휘 가설(Lexical Hypothesis)? 사람이 사용하는 단어, 형용사를 통해 가치와 성격을 추론할 수 있다
[일본 A사]
고성과자들이 보이는 주요 단어 패턴 이용 → 서류전형에 활용, 효과성 입증
⇒ ① 채용 시 측정한 것이, 근무하면서 측정한 대로 발휘되는지 타당화 연구 대부분 부족
② 조직은 혼자 일하는 것이 아니므로, 개인 특징은 예측력이 떨어짐
⇒ 뇌과학, AI 등… 컨설팅 사를 무조건 믿지 말고 ‘측정하는 바를 제대로 측정하는가’에 대한 타당도와, ‘일관성 있게 측정 결과를 보여주고 있는가’ 하는 신뢰도를 체크해야 함
[참고] 채용 관련 주요 논문
지난 100년간의 채용도구의 성과 예측 타당도 연구를 종합한 결과에 따르면 인지능력검사가 미래 성과를 예측하는데 가장 높은 타당도를 보임. (Schmidt, Oh, & Shaffer, 2016)
지난 100년(1916~2015) 동안의 고용 테스트 데이터를 모두 모아 분석(메타분석)
Q. 수많은 채용 도구(면접, 이력서, 인적성, 추천서 등) 중에서 무엇이 입사 후 성과를 가장 정확하게 맞출까? A. 인지능력검사(=단순 IQ가 아닌, 학습능력을 의미 )
매커니즘 : 높은 인지능력 → 빠른 직무 지식 습득 → 높은 업무 성과
결론(상관계수 $r$, 1.0에 가까울수록 완벽한 예측) : 인지능력검사 (GMA): 0.65 (매우 높음), 구조화된 면접: 0.58, 비구조화된 면접 (일반적인 대화형 면접): 0.38 (생각보다 낮음), 참고인 조회 (Reference Check): 0.26, 근속 연수: 0.18
결론2 : 인지능력검사 + α → 성과 예측력을 더 올림
3. 리더십 Scene에서의 데이터 활용
[G사 사례]
매년 리더십 진단 [전략 수립], [사업관리], [사람 관리] 진행. ‘우수한 리더의 특징’을 찾기로 함
‘우수한 리더 정의’ 상사 및 동료들이 인식하는 리더를 설문 문항을 통해 구분함
"당신 부하직원 중 상위 10% 리더를 뽑아주세요" → 10% vs. 90% 별차이 없음
"네 옆자리 동료 중 상위 10% 리더를 뽑아주세요” → 역량점수차이 10% 이상. 특히 사람관리 (소통, 후배육성) 역량이 압도적 차이를 보임
[P사 사례]
COVID-19 전후 구성원들이 요구하는 리더십의 변화 찾기로 함
구성원 설문 후, 토픽모델링 분석을 통해 분석 진행함
토픽모델링? 똑똑한 추측(베이지안 통계)으로 수많은 글 속 잠재된 주제를 컴퓨터가 스스로 찾아서(머신러닝) 묶어주는 기술
내재적-외재적 보상, 자유로운 소통요구 → 조직 비전 제시, 잦은 소통, 개인 비전 관심
4. DT에서의 활용
국내 기업 J사. 임직원 430명 대상 설문 "기술 발전과 당신의 일자리 변화"
결과 : 2030 실무진은 기술 변화 위기감 높고 준비도 낮음 vs 40대 이상 관리자는 낙관적이고 자신감 높음
원인 : 관리자급은 실무보다 의사결정에 집중하여 급변하는 기술 환경을 피부로 체감하지 못함
반전: 오히려 불안감 느끼는 2030 세대가 새로운 기술 학습(리스킬링) 의지와 동기는 월등히 높음
2030 솔루션: 이들의 높은 학습 의지를 활용해 적극적인 업/리스킬링 진행
40대+ 솔루션: 변화 체감 부족한 리더급에게는 코딩·VR 등 기술 직접 체험 유도로 변화 위기감 인지시킴
5. 팀워크 분석에서의 활용
국내기업 W사. 효과적인 네트워크를 가진 팀을 분석함.
네트워크 업무조언/ 친교/ 밀도(상호작용 강도 및 빈도)(정명호&오홍석, 2007)/ 집중도(구성원 간의 연결관계 편차. 쏠림 정도. Scott, 1991)로 구분하여 분석함
업무조언 및 친교가 높은 팀 vs. 업무조언은 높으나 친교는 낮은 팀
사적 교류(친교) 밀도는 낮아도 업무 조언 밀도가 높은 D팀이 실질적 최고 성과 달성
핵심 원인: D팀은 사적 친분 관계는 약했으나, 서로의 전문성을 믿는 '신뢰 네트워크'가 견고했음
시사점: 고성과 조직을 위해서는 단순한 친목 도모보다 업무적 신뢰 구축이 핵심임
거창한 것부터 시작하지 말자. 작은 ‘분석’부터 시작해 보자.
HR팀 내 동료들끼리 데이터를 서로 요구(?)하고, 같이 봐주자(!)
채용 시, 학습능력 측정 및 구조화된 면접 기획 및 진행은 바로 해보자.
생각해 볼 부분
데이터를 토대로 의사결정 하려는 노력에 대해 내가 해보았던 작은 시도는?
26년에 앞으로 시도해 보고 싶은 시도는?