9190 hr.eduwill.net

뉴노멀시대의HR전략

1.저성장시대의성장전략:사업포트폴리오및조직관리

2.고령화시대에대응한보상제도의개선:임금피크제의도입

3.협업활성화를위한평가제도의개선:집단지성에기반한평가운영

4.Global&Multibusiness운영을위한조직의다양성및갈등관리

5.고객접점관리조직의혁신

6.BigData시대와HRAnalytics

2015년11월호

뉴노멀시대의HR전략

6.BigData시대와HRAnalytics

HRStudyⅠ

성공한 리더들이 인사와 관련해서 가장

빈번하게 언급하는 말은 아마도 ‘인사(人

事)가 만사(萬事)’일 것이다. 우리는 이 말

이 인사의 중요성을 일컫는 것이라고 알

고 있다. 하지만 그 말의 숨겨진 의미가 자

신은 정말 인사에 대해서 잘 알고 있으며,

또한 인사를 잘하고 있다는 자기 확신이

라는 점은 눈치채지 못한다. 대부분의 경

우 이러한 확신의 근거는 자신이 그 지위

에 오르기까지의 경험을 통해서 습득한

통찰력과 직관으로 인사에 정통하고 있다

는 착각이다. 많은 리더들이 이러한 오만

과 편견을 가지게 된 배경에는 인사 업무

가 사실(fact)에 근거한 분석과 예측이 아

닌, 경험과 논리에 기초한 업무라는 인식

이 깔려 있다.

오늘날 국내 기업들이 직면한 인적자원

관리상의 가장 큰 문제는 첫째 기업의 성

과와 HR 간의 통찰력 있는 분석자료를 제

공하지 못한다는 점이고, 다음은 HR의 성

과를 보다 가시적으로 제시하는데 미흡하

다는 사실이다. 이러한 한계를 극복하기

위해서는 무엇보다도 HR 분야에 있어서

도 계량적인 분석의 활성화가 시급하다.

KPMG가 45개국의 1,400명 임직원을 대

상으로 실시한 조사에 의하면, 전체 응답

자의 57%가 HR Analytics의 효용성에 대

해 긍정적인 인식을 가지고 있는 것으로

나타났다. 또한 이 분야에 대한 투자 계획

이나 역량 개발의 의지를 표현한 응답자

역시 적지 않았다.

HRAnalytics활성화의걸림돌과선결과제

그렇다면 유난히 HR 분야에 있어서 데

이터에 기반한 인적자원의 운영(data based

HR)이 지지부진한 이유가 무엇일까?

기업들이 HR 업무에 계량적인 분석 기

법을 적극적으로 적용하는데 있어서 대표

적인 걸림돌은 다음의 세 가지이다.

우선 데이터 quality와 접근성의 문제이

다. 기업이 보유한 HR 데이터가 일관성이나

신뢰성이 결여되어 있거나, HR 데이터가 전

뉴 노멀 시대의 HR 전략 6. Big Data 시대와 HR Analytics

사적으로 통합되어 관리되지 못함으로써 필

요한 정보의 제공이나 접근에 문제가 발생

한다. 기업이 지나치게 다양한 변수를 포함

한 HR DB의 구축을 목표로 할 경우 HR 코

드(code)가 복잡하거나 방대해져서, 역설적

으로 DB에 입력된 데이터가 미완성되는 문

제가 발생할 수 있다. 또한 조직 간의 합병이

나 분할로 인한 데이터 모델이 복잡해지기

도 하고, 그 과정에서 데이터가 손실되기도

한다. 간혹 데이터의 소유를 개인의 경쟁력

으로 인식하여, 자신만이 전유하고자 하는

욕심이 데이터의 공유를 가로막기도 한다.

다음으로는 데이터 연관성 및 효율성

의 문제이다. 기업들이 관리하는 HR에 대

한 일반적인 정보들이 단순히 임직원의 기

초적인 인력 통계(demographic variables)

로 구성된 경우가 많다. HR의 중요성을 강

조하는 기업들에 있어서도 재무적 성과

나 운영 지표(operation index)와 HR의 연

관성을 보여주는 인적 자본 지수(Human

Capital Index)를 관리하지 못하는 경우

가 많다. 기업의 재무적 성과에 대한 정보,

HR 하위 기능들(sub functions)에 대한 다

양한 지표(index), 그리고 인적 자원의 양

과 질에 대한 다양한 데이터의 확보는 HR

Analytics의 필요조건이다.

마지막으로 HR 데이터의 분석기술상의

문제이다. 기업 내 HR 담당자들은 타 분야

에 비하여 통계적 분석이나 계량적 분석

의 역량이 부족할 뿐 아니라, 계량적 분석

을 위한 다양한 소프트웨어의 활용 스킬

(skill) 역시 부족하다. 또한 기업들은 여전

히 HR Analytics를 실무에 적용하기 위한

적절한 교육을 등한시한다.

따라서 기업 내에서 HR Analytics를 활

성화하기 위해서는 다음과 같은 개선이 우

선되어야 한다. 우선 기업들은 HR 관련 정

보의 수집 능력을 강화해야 한다. 기본적

인 HR 데이터의 수집뿐만 아니라, 사업의

성과, 사업 전반의 중요 프로세스들과 HR

활동 간 상관관계를 보여줄 수 있는 다양

한 지표들의 도입이 절실하다.

다음으로 사내 HR 관련 정보의 통합과

공유의 활성화가 필요하다. 정보의 통합을

위해서는 클라우드 시스템이나 ERP 솔루

션을 활용하여 일관성 있고 신뢰할 수 있

는 HR DB를 구축하는 것이 필요하고, 직

원들이 필요한 정보를 적시에 편리하게 활

용할 수 있는 IT 인프라를 구축하는 것이

필요하다.

다음으로 기업의 HR 담당자들은 수집

된 정보를 목적에 맞게 분석할 수 있도록

역량을 개발해야 한다. HR Analytics는 통

계적 분석 역량뿐만 아니라 다양한 계량

적 모델링 기법과 분석 기법을 필요로 한

다. 그중 가장 기본이 되는 것은 통계적 분

석 기법에 대한 지식이다. 통계적 분석의

출발은 데이터를 수집한 모집단(母集團)

의 분포와 대표값의 특성에 대한 이해이

다. 예를 들어 모집단이 정규 분포(normal

distribution)인지 아니면 멱함수 분포

(Power Law distribution)인가에 따라서

분석 대상의 특성을 잘 표현하는 대표값

(평균, 최빈치, 중위수, 산포도 등)의 선택

과 해석이 달라지게 된다. 따라서 통계적

기법을 활용한 HR Analytics에 있어서 어

렵고 복잡한 통계기법의 적용에 앞서 분석

대상이 되는 집단의 분포함수와 대표값을

포함한 기초 통계량에 대한 정확한 이해가

우선되어야 한다.

기업이 HR Analytics 역량을 확보하기

위해서는 계량적 분석 기술을 가진 전문가

를 내부적으로 육성하거나 채용해야 한다.

HR Analytics specialist는 다양한 계량적

분석 기법에 대한 지식과 아울러 HR 업무

에 대한 높은 전문성도 겸비해야 한다. 또

한 사내 IT 시스템이나 HR DB에 관한 상

당한 전문적 지식은 아니라도, 기본적으로

기업이 운영하는 시스템에서 필요한 데이

터를 추출하고 관리할 수 있는 역량을 갖

추는 것이 필요하다.

HR르네상스는HRAnalytics의활성화로부터

HR Analytics의 출발점은 ‘Right

questions, right insights’이다. 이를 위해서

는 우선 각 조직이 직면한 HR 관련 이슈를

문제나 가설의 형태로 정리해야 한다. 문제

나 가설이 정의되면, 이를 변수들 간의 관

계로 표현하는 연구모형을 설정한다. 다음

단계는 적절한 분석 방법의 선택이다. 모형

에 포함된 변수의 개념을 명확히 한 후 새

로운 측정도구(measurement)를 개발하거

나 기존에 존재하는 데이터를 활용하여 변

수들의 측정치(데이터)를 모집(혹은 DB에

서 추출)한다. 구체적인 분석 방법의 선택

은 기본적으로 연구 모형과 수집한 데이터

의 특성에 기초해서 통계적 방법이나 적절

한 계량적 기법 중에서 선택할 수 있다. 이

를 위해서 통계적 방법과 다양한 계량적

모델링에 대한 포괄적이고 심도 있는 지식

을 겸비한 HR Analytics specialist의 역할

이 중요하다. 선택된 기법을 적용하여 도출

된 분석 결과를 통해서 기업이 직면한 HR

이슈나 문제의 해결책을 도출하게 된다.

구체적으로 HR Analytics가 적용될 수

있는 분야를 예로 들면 다음과 같다.

시장급여 조사와 급여체계의 설계는 전

통적으로 HR Analytics가 적용되고 있는

분야이다. 자사의 현 급여 수준에 대한 회

귀선이 도출되면, 이를 시장평균과 같을

▶ [그림 1] HR Analytics에 대한 KPMG 설문조사 결과

KPMG & EIU Survey

57%

HR팀의 Data Analytics의사용율이 3년 전보다 증가함

31%

Data Analytics 지원을 위한새로운 기술을 도입함

28%

향후 3년간 Data Analytics와 같은 새로운 기술에 중점을 둘

의양이 있음

‘인사가만사다’라는말에숨겨진함정

9392 hr.eduwill.net

HRStudyⅠ

경우와 비교해서 현 급여수준의 전반적인

경쟁력에 대해 도식화할 수 있다.

인력수급계획 분야 역시 HR Analytics

의 도입이 가장 절실한 분야 중에 하나이

다. 전통적으로 기업들은 직무분석을 통

해 미시적 수준에서 적정 인력을 산정하거

나, 통계적 분석(회귀분석 혹은 시계열 분

석)에 의존해서 거시적 인력 수요를 예측

했다. 하지만 이러한 방법들은 과거 지향

적인 직무분석과 미래 지향적인 수요 예측

의 연관성을 찾는 데 한계가 있다. 이러한

한계의 극복을 위해 최근 선진 기업들은

시스템 다이내믹스(System Dynamics)라

는 계량적 기법에 기반해서 전략적 인력계

획을 수립하고 있다. 시스템 다이내믹스에

기반한 인력계획은 인력구조와 규모에 영

향을 미치는 다양한 변인들(전략, 조직구

조, 직급 체계, 생산성, 시간 등)을 총체적

으로 고려하는 혁신적 방법론이다. 시나리

오 분석을 통해 인력계획상에서 도출된 다

양한 이슈를 기반으로, 각 단위 조직의 역

할과 책임에 따라 효율적으로 업무를 수행

할 수 있는 전략적 인력운영계획의 수립이

가능해졌다.

기업들은 전략 목표(strategic goal)의 달

성 여부를 모니터링하기 위해서 조직 성과

관리 시스템을 운영하고 있다. 하지만 설정

한 성과지표(KPI)가 기업의 전략 목표 달

성 여부를 적절하게 대표하는가라는 문제

가 최근 제기되고 있다. 통계적 기법의 하

나인 구조 방정식 모형(Structural Equation

Modeling)을 통해 전사 성과지표의 타당성

에 대한 통계적 검증이 가능하다. SEM은

기존에 설정된 성과지표가 전략 지도상의

각 전략/성과요인을 충분히 대표하고 있는

지에 대하여 통계적으로 검증할 수 있으며,

이를 통해 설명력이 낮은 성과지표를 대체

하여 신뢰성 높은 성과측정이 가능하다.

직원들의 역량 개발을 위한 대표적인 방

법 중의 하나가 CDP(Career Development

Plan)이다. 하지만 많은 기업들이 CDP 제

도의 실효성에 대해서 의구심을 갖고 있

다. 이 문제를 분석하기 위해 직원들의 전

환배치 기록에 네트워크 분석(Network

Analysis)을 적용할 경우 새로운 통찰

(insight)을 얻을 수 있다. 기존의 전환배

치가 직원들의 역량, 지식, 스킬(skill)의 유

사성을 바탕으로 한 기능들의 하위 집단

(sub-group)을 형성하는지 판단할 수 있

으며, 직무 전문성 개발을 위하여 유사한

기능 간 인력 이동 시 핵심 직무와 유효한

경력 경로 역시 발견할 수 있다.

전통적으로 HR분야에 있어서 기본적인

정보의 수집은 정량인 지표로 측정된 데이

터 보다는 인터뷰, 관찰, 문헌 자료에 의존

해 왔다. 예를 들어 직원 인터뷰나 관찰과

같은 방법들을 통해서 직원 의견이나 종

업원 만족도 등을 조사하였다. 계량적 분

석에서와 마찬가지로 질적 데이터의 분석

에 있어서도 전문성을 제고할 여지는 있

다. 최근에는 컴퓨터 프로그램(혹은 소프

트웨어)의 발전으로 인터뷰나 문헌과 같은

엄청난 분량의 질적 데이터의 계량적 분석

이 가능해졌다. 의미론적(semantic) 분석

을 위하여 파일, 음성녹음, 화상자료와 같

은 질적 자료에 내포된 단어나 문장을 양

적 데이터로 전환할 수 있게 되었다. 이를

통해서 기존의 질적 자료 분석이 갖는 한

계점을 극복할 수 있다. 즉 연구자의 주관

적 판단에 의존한 결과 분석에서 기안하는

판단의 오류나 결과의 왜곡을 방지할 수

있고, 나아가서 통계적 분석이나 여타 계

량적 분석이 가능해 졌다.

HR에 있어서 다양한 계량적인 분석모

델의적용은 HR 업무를 고도화시키고, 나

아가 기업 내에서 HR이 진정한 전략적 파

트너로 기여하는데 디딤돌이 될 것임을 확

신한다.

뉴 노멀 시대의 HR 전략 6. Big Data 시대와 HR Analytics

▶ [그림 2] 회귀분석을 통한 급여 경쟁력 분석 예시 ▶ [그림 4] SEM을 활용한 전략지도 및 KPI 검증 예시

Structural Equation Modeling(SEM) 결과

시장 평균 급여

연 급여의회귀선

연 급여수준의 시장평균과 같을 경우

연 급

여 수

준

$60,000

$55,000

$50,000

$45,000

$40,000

$35,000

$30,000

$25,000 $30,000 $35,000 $40,000 $45,000 $50,000 $55,000 $60,000

▶ [그림 3] SD 기법을 활용한 인력계획 모델링 예시

초기 현원인력증감

채용

현원퇴직

채용 오더

채용계획 오더

채용계획

Index Rate

Index Level

Trigger

FTE

총수입 예측지노동생산성지수

FTE Gap

FTE Job Sum

퇴직 조정

CRP 목표율 자연퇴직율 예측

인력과부족

재무적 관점

고객 관점

내부 프로세스

관점

학습과 성장 관점

경상이익률

EVA 매출액 달성도

수주달성도

고정고객 수

직원 만족도

공개경쟁입찰 구매율

수주잔량

주주총 수익율

전략사업매출액 비율

신사업인당 매출액 외주비/재료비비율

당사제품 적용비용R&D 투자 비율특허 출원 건수 제품 인증 건수 인력 가동율 인당 평균 교육시간

수익성 향상

수익성 중심의 신사업 전문화

최신기술 선점 및 보유기술의 선진화

설계능력 강화

프로세스 혁신을 통한 원가경쟁력 강화

고객니즈를 반영한C/S 강화

주주가치 극대화 수주 증대

고객중심 영업활동강화

직원 삶의 질적향상을 위한

복지서비스 강화

공정하고 투명한 구매프로세스 구축

인적자원의 가치 극대화

해외시장/신사업진출

고객만족도

0.663

0.337

0.456

0.572 0.245

0.447

0.287

0.635

삼정KPMG HCG(Human Consulting Group) 본부장/상무

이승철

▶ [그림 5] 질적 자료의 계량적 분석 절차

1. Interview 결과 부호화

● 분석하고자 하는 이슈에 대한 질문 설정● 답변에 해당하는 인터뷰 내용 부호화(Node 설정)

2. Node Grouping & 속성 부여

● 부호화된 Node 중 유사 아이디어의 Grouping Data/Node별 속성 부여 - 본부, 부서, 직급 등

3. 분석 결과 활용

● Node Report● 빈도 분석/Matrix 분석● 군집 분석/관계 분석 등