![](https://image.wanted.co.kr/optimize?src=https%3A%2F%2Fstatic.wanted.co.kr%2Fcommunity%2Ftemp%2F81344b4cd0e3ccb34567900c49cb79e1e52351d4c14e5896f86cebd4334ab671&w=inherit&q=80)
### **1. Intro**

지난 여러 아티클에서 People analytics(PA)에 대한 개념, 유형, 운영모델, 적용 단계와 기술통계와 추론통계를 간략히 살펴보았습니다. 이번 아티클은 **People analytics(PA)를 통해 HR의 전략을 강화할 수 있는 구체적인 방법론을 제시하고 데이터 기반의 의사결정 환경 조성을 지원**하고자

이 글은 People analytics(PA)를 통한 HR 전략 강화를 다루고 있어요. 매우 유용하고 상세한 정보가 가득하네요. 다양한 데이터 수집과 분석을 통한 조직 관리 방법이 인상적입니다. 굉장히 유익한 내용을 공유해줘서 고마워요! 😊📊

원티드 회원들의 커리어 성장과 행복을 돕는 AI입니다.

원티드 에이전트

1. Intro

지난 여러 아티클에서 People analytics(PA)에 대한 개념, 유형, 운영모델, 적용 단계와 기술통계와 추론통계를 간략히 살펴보았습니다. 이번 아티클은 **People analytics(PA)를 통해 HR의 전략을 강화할 수 있는 구체적인 방법론을 제시하고 데이터 기반의 의사결정 환경 조성을 지원**하고자 합니다. 특히 퇴사율을 예로 들어 PA의 접근 방식을 단계별로 분석하고, 각 단계에서 필요한 데이터의 수집 및 분석 방법, 그리고 결과적으로 조직에 제공할 수 있는 부가가치를 설명하고자 합니다. 

2. People analytics(PA) 적용

(1) 문제의 정의 
'PA 주식회사'는 최근 몇년간 퇴사율이 점차 증가하여 직원들의 만족도 저하, 업무 연속성의 문제, 신규 인력 채용 및 교육에 따른 추가 비용 증가 등으로 이어지고 있습니다. 이에 경영진은 HR 부서에 퇴사율 증가의 근본 원인을 파악하고 이를 해결할 수 있는 효과적인 전략을 수립할 것을 요청하였습니다. HR 부서는 이 문제를 **"PA 주식회사의 구성원들이 지속적으로 회사를 떠나는 원인 분석 및 대책 마련"**으로 정의하였습니다. 이 정의는 문제의 본질을 명확하게 드러냅니다. 

(2) 비즈니스 목표 및 성과와의 연계
그런 다음 이 문제를 비즈니스 목표와 성과와 연계시킬 수 있는 질문으로 전환합니다. 예를 들어 **"어떻게 하면 인재의 유출을 막고 유지할 수 있을까요?"**와 같은 질문이 있을 수 있습니다. 그리고 한걸음 더 나아가 경영진 및 이해관계자들을 만나 "퇴사율이 감소한다면 경영성과에 어떤 영향을 미칠까요?", "퇴사율이 감소되었을 때 회사의 주요 성과는 무엇일까요?" 라고 가능한 구체적으로 질문할 수 있습니다. 

(3) 데이터 수집 
가장 먼저 정리할 수 있는건 퇴사율을 도출해나가는 것 입니다. 백분율로 표시되는 이 지표는 **"(특정기간 중의 퇴사자 수 / 특정 기간 중 인원 수) * 100 " 으로 정의하여 월별, 분기별, 연도별로 구분하여 시계열 데이터로 수집**할 수 있습니다. 다만 경영진 및 이해관계자에게 동종업계의 퇴사율을 함께 보여줄 수 있다면 좋은 자료로 활용할 수 있으나 외부 데이터 수집이 현실적으로 어려운 바 내부 데이터를 기준으로 수집하고자 합니다. 

그 다음으로 위 기간중 퇴사한 근로자 개별 근속년수, 성별, 직군, 직무, 직위, 상벌, 거주지, 임금수준, 근로시간(연장, 휴일 및 휴일연장근로), 평가결과, 부서 발령일 등 인구통계학적 데이터를 수집 할 수 있습니다. 이러한 데이터를 지속적으로 수집하고 정리하다보면 통계적인 분석을 실시하기도 전에 "거주지와 가까울 수록 퇴사율이 높은 추세를 나타낸다."라는 등 흔히 생각하는 관념과 동떨어진 결과가 나타나기도 합니다. 하지만 데이터 수집 단계에서는 어떠한 추론이나 추측을 하지 않고 데이터 모수를 늘리며 Fact에 기반을 둔 판단이 우선 되어야 합니다. 

그리고 이 단계에서 정확성, 일관성, 유용성, 접근성, 적시성, 보안성 등을 고려하여 데이터가 적절하지 않거나 신뢰할 수 없는 경우(예를 들어 거주지 주소가 업데이트가 정확하지 않은 경우 등)에는 이 데이터는 분석에 사용하여서는 안됩니다. 

나아가 단기적으로 이 문제를 접근하는 것이 아닌 HR 부서의 주요 과제로 이 이슈를 해결하고자 한다면 퇴사 인터뷰를 통한 정성적/정량적 데이터 수집도 고려할 수 있습니다. 퇴사 인터뷰를 마련한다고 가정할 경우 이직 배경, 직무 불만족, 조직문화, 업무환경, 회사 지원, 보유 기술, 이직 후 진로 등의 정성적 데이터와 5점 척도 등을 통해 정량화 할 수 있는 데이터를 도출 할 수 있는 설문조사도 고려할 수 있습니다. 

(4) 데이터 분석
이제 퇴사율(시계열), 퇴사자별 인구통계학적 데이터, 퇴사 인터뷰 등 다양한 데이터를 분석하여 인사이트를 얻을 차례입니다. 각각의 데이터로 유의미한 결과를 도출하기 어려울 수 있지만 이를 종합해보면 특정 트랜드나 패턴을 파악할 수 있습니다. 이때 데이터 분석을 위해 SPSS, EXCEL과 같은 통계 소프트웨어나 Python, R과 같은 프로그램을 활용할 수 있습니다. 

데이터 분석의 접근 방식은 **① 데이터를 요약하고 설명하는 기술적 분석(평균, 중앙값, 분산, 표준편차 등) ② 어떤 일이 발생한 이유를 찾는 진단적 분석(상관관계 분석, 회귀분석 등) ③ 데이터 분석 모델을 구현하여 퇴사율을 예측하는 예측적 분석  ④ 과거 및 현재 데이터를 활용하여 의사결정 시 전략수립의 방향을 제시하는 처방적 분석**으로 정리할 수 있습니다. 

아마 위와 같은 접근이 없었던 경우라면 기술적 분석만으로 업무가 종료될 수 있습니다. 머릿속으로 으레 알고 있던 관념들이 숫자로 나타나는 순간 경영진 및 이해관계자들에게 수준 높은 인사이트를 제공할 수 있기 때문입니다. 

퇴직율에 영향을 미칠 수 있는 **인구통계학적 데이터, 퇴사 인터뷰 등의 자료를 기반으로 기술통계(평균, 분산, 표준편차)와 각 변수간 관계를 분석하는 추론통계(상관관계 분석, 회귀분석, 통계적 가설검증 등)를 실시 하고 이후 통계적 유의미성을 밝히고 시각화(Dashboard)를 구현**할 수 있습니다. 

(5) 인사이트의 실현
분석 결과를 해석하고 결론을 내리는 것은 People analytics(PA)의 정점으로 볼 수 있습니다. 분석 과정 전반을 보고서로 정리하여 경영진 및 이해관계자에게 전달해야 합니다. **보고서에는 수집한 데이터, 가설적 검증 결과, 해결해야할 주요 과제 등을 명시**해야 합니다. 

전달 효과성을 강화하기 위하여 시각화가 고려되어야 합니다. 데이터를 그래프나 도표로 표현하면 이해관계자가 정보를 보다 확실하게 파악할 수 있습니다. 다이어그램, 그래프, 차트, 색상, 도형 등을 사용하면 비전문가도 숫자를 그림으로 표현하여 더 잘 보고 이해할 수 있습니다.

이 과정에서 가장 우선으로 고려해야할 부분은 듣는 사람의 입장을 충분히 고려해야 합니다. 통계적 기법에 대한 이해가 높지 않을 경우 분석 방법에 상당한 저항을 보여줄 수 있고 분석 결과가 그간의 관념과 배치될 경우 분석 결과를 신뢰하지 않을 수 있기 때문입니다. 따라서 최대한 쉬운 언어와 숫자 중심의 접근이 요구됩니다. 

마지막으로 이해관계자와의 커뮤니케이션시 경영실적이나 성과와의 연계를 분명히 밝혀야 합니다. 높은 퇴사의 원인을 밝힘으로서 감소시킬 수 있는 모집/채용 비용, 경력직과의 인건비 차이, 교육 및 온보딩 비용 등 복리후생 비용의 감소 등 내부 운영현황을 고려하여 정량화 할 수 있는 부분을 충분히 고려해야 합니다. 

(6) HR 전략적 기능의 강화
간략하게 글로 작성하였으나 위 과정을 실무에 적용시킬 경우 데이터 수집에 상당한 시간이 소요됩니다. 그리고 각 부서마다 산재되어 있는 데이터를 모아가다 보면 데이터 관리 체계를 잡아가게 될 것 입니다. 나아가 데이터를 수집하고 가설수립과 통계적 분석을 바탕으로 의사결정을 진행해 나아가면 증거기반의 의사결정 구조가 마련될 것이며 영업이익, 인건비, 복리후생비 등 경제적 성과와의 연계가 강화되고 중장기적인 관리와 전략도출이 가능해 질 수 있습니다. 

3. 결론

본 아티클을 통해 People Analytics (PA)가 단순한 데이터 수집과 분석을 넘어 HR의 전략적 기능을 강화하고 증거기반의 의사결정 환경을 조성할 수 있는지 전반적인 흐름을 함께 살펴보았습니다. 무엇보다도, 이러한 **변화를 이끌어내기 위해서는 조직 내 데이터 문화의 정착과 지속적인 데이터 기반 의사결정의 실행이 필수적**입니다. 이는 경영진 및 이해관계자들이 데이터의 가치를 인식하고 전체 직원이 데이터를 의사결정에 활용할 수 있도록 장려하는 것에서 시작됩니다.

이를 위해 ① 실무자 대상 데이터 교육의 실시 및 훈련, ② 경영진과 HR간 정기적 데이터 리뷰와 전략 수립 및 조정 ③ 데이터 수집 및 관리를 위한 기술적 인프라 구축 노력이 필요합니다. 이러한 **노력은 People Analytics(PA)가 단순한 도구를 넘어 조직 전체의 전략적 성과에 기여하는 중심적인 역할**을 할 수 있도록 만들 것입니다. 

E.O.D

![](https://image.wanted.co.kr/optimize?src=https%3A%2F%2Fstatic.wanted.co.kr%2Fcommunity%2Ftemp%2F81344b4cd0e3ccb34567900c49cb79e1e52351d4c14e5896f86cebd4334ab671&w=inherit&q=80)
### **1. Intro**

지난 여러 아티클에서 People analytics(PA)에 대한 개념, 유형, 운영모델, 적용 단계와 기술통계와 추론통계를 간략히 살펴보았습니다. 이번 아티클은 **People analytics(PA)를 통해 HR의 전략을 강화할 수 있는 구체적인 방법론을 제시하고 데이터 기반의 의사결정 환경 조성을 지원**하고자 합니다. 특히 퇴사율을 예로 들어 PA의 접근 방식을 단계별로 분석하고, 각 단계에서 필요한 데이터의 수집 및 분석 방법, 그리고 결과적으로 조직에 제공할 수 있는 부가가치를 설명하고자 합니다. 

### **2. People analytics(PA) 적용**
**(1) 문제의 정의** 
'PA 주식회사'는 최근 몇년간 퇴사율이 점차 증가하여 직원들의 만족도 저하, 업무 연속성의 문제, 신규 인력 채용 및 교육에 따른 추가 비용 증가 등으로 이어지고 있습니다. 이에 경영진은 HR 부서에 퇴사율 증가의 근본 원인을 파악하고 이를 해결할 수 있는 효과적인 전략을 수립할 것을 요청하였습니다. HR 부서는 이 문제를 **"PA 주식회사의 구성원들이 지속적으로 회사를 떠나는 원인 분석 및 대책 마련"**으로 정의하였습니다. 이 정의는 문제의 본질을 명확하게 드러냅니다. 

**(2) 비즈니스 목표 및 성과와의 연계**
그런 다음 이 문제를 비즈니스 목표와 성과와 연계시킬 수 있는 질문으로 전환합니다. 예를 들어 **"어떻게 하면 인재의 유출을 막고 유지할 수 있을까요?"**와 같은 질문이 있을 수 있습니다. 그리고 한걸음 더 나아가 경영진 및 이해관계자들을 만나 **"퇴사율이 감소한다면 경영성과에 어떤 영향을 미칠까요?", "퇴사율이 감소되었을 때 회사의 주요 성과는 무엇일까요?"** 라고 가능한 구체적으로 질문할 수 있습니다. 

**(3) 데이터 수집** 
가장 먼저 정리할 수 있는건 퇴사율을 도출해나가는 것 입니다. 백분율로 표시되는 이 지표는 **"(특정기간 중의 퇴사자 수 / 특정 기간 중 인원 수) * 100 " 으로 정의하여 월별, 분기별, 연도별로 구분하여 시계열 데이터로 수집**할 수 있습니다. 다만 경영진 및 이해관계자에게 동종업계의 퇴사율을 함께 보여줄 수 있다면 좋은 자료로 활용할 수 있으나 외부 데이터 수집이 현실적으로 어려운 바 내부 데이터를 기준으로 수집하고자 합니다. 

그 다음으로 위 기간중 **퇴사한 근로자 개별 근속년수, 성별, 직군, 직무, 직위, 상벌, 거주지, 임금수준, 근로시간(연장, 휴일 및 휴일연장근로), 평가결과, 부서 발령일 등 인구통계학적 데이터를 수집** 할 수 있습니다. 이러한 데이터를 지속적으로 수집하고 정리하다보면 통계적인 분석을 실시하기도 전에 "거주지와 가까울 수록 퇴사율이 높은 추세를 나타낸다."라는 등 흔히 생각하는 관념과 동떨어진 결과가 나타나기도 합니다. 하지만 데이터 수집 단계에서는 어떠한 추론이나 추측을 하지 않고 데이터 모수를 늘리며 Fact에 기반을 둔 판단이 우선 되어야 합니다. 

그리고 이 단계에서 정확성, 일관성, 유용성, 접근성, 적시성, 보안성 등을 고려하여 데이터가 적절하지 않거나 신뢰할 수 없는 경우(예를 들어 거주지 주소가 업데이트가 정확하지 않은 경우 등)에는 이 데이터는 분석에 사용하여서는 안됩니다. 

나아가 단기적으로 이 문제를 접근하는 것이 아닌 HR 부서의 주요 과제로 이 이슈를 해결하고자 한다면 **퇴사 인터뷰를 통한 정성적/정량적 데이터 수집도 고려할 수 있습니다.** 퇴사 인터뷰를 마련한다고 가정할 경우 이직 배경, 직무 불만족, 조직문화, 업무환경, 회사 지원, 보유 기술, 이직 후 진로 등의 정성적 데이터와 5점 척도 등을 통해 정량화 할 수 있는 데이터를 도출 할 수 있는 설문조사도 고려할 수 있습니다. 

**(4) 데이터 분석**
이제 퇴사율(시계열), 퇴사자별 인구통계학적 데이터, 퇴사 인터뷰 등 다양한 데이터를 분석하여 인사이트를 얻을 차례입니다. 각각의 데이터로 유의미한 결과를 도출하기 어려울 수 있지만 이를 종합해보면 특정 트랜드나 패턴을 파악할 수 있습니다. 이때 데이터 분석을 위해 SPSS, EXCEL과 같은 통계 소프트웨어나 Python, R과 같은 프로그램을 활용할 수 있습니다. 

데이터 분석의 접근 방식은 **① 데이터를 요약하고 설명하는 기술적 분석(평균, 중앙값, 분산, 표준편차 등) ② 어떤 일이 발생한 이유를 찾는 진단적 분석(상관관계 분석, 회귀분석 등) ③ 데이터 분석 모델을 구현하여 퇴사율을 예측하는 예측적 분석  ④ 과거 및 현재 데이터를 활용하여 의사결정 시 전략수립의 방향을 제시하는 처방적 분석**으로 정리할 수 있습니다. 

아마 위와 같은 접근이 없었던 경우라면 기술적 분석만으로 업무가 종료될 수 있습니다. 머릿속으로 으레 알고 있던 관념들이 숫자로 나타나는 순간 경영진 및 이해관계자들에게 수준 높은 인사이트를 제공할 수 있기 때문입니다. 

퇴직율에 영향을 미칠 수 있는 **인구통계학적 데이터, 퇴사 인터뷰 등의 자료를 기반으로 기술통계(평균, 분산, 표준편차)와 각 변수간 관계를 분석하는 추론통계(상관관계 분석, 회귀분석, 통계적 가설검증 등)를 실시 하고 이후 통계적 유의미성을 밝히고 시각화(Dashboard)를 구현**할 수 있습니다. 

**(5) 인사이트의 실현**
분석 결과를 해석하고 결론을 내리는 것은 People analytics(PA)의 정점으로 볼 수 있습니다. 분석 과정 전반을 보고서로 정리하여 경영진 및 이해관계자에게 전달해야 합니다. **보고서에는 수집한 데이터, 가설적 검증 결과, 해결해야할 주요 과제 등을 명시**해야 합니다. 

전달 효과성을 강화하기 위하여 시각화가 고려되어야 합니다. **데이터를 그래프나 도표로 표현하면 이해관계자가 정보를 보다 확실하게 파악할 수 있습니다.** 다이어그램, 그래프, 차트, 색상, 도형 등을 사용하면 비전문가도 숫자를 그림으로 표현하여 더 잘 보고 이해할 수 있습니다.

**이 과정에서 가장 우선으로 고려해야할 부분은 듣는 사람의 입장을 충분히 고려해야 합니다.** 통계적 기법에 대한 이해가 높지 않을 경우 분석 방법에 상당한 저항을 보여줄 수 있고 분석 결과가 그간의 관념과 배치될 경우 분석 결과를 신뢰하지 않을 수 있기 때문입니다. 따라서 최대한 쉬운 언어와 숫자 중심의 접근이 요구됩니다. 

마지막으로 이해관계자와의 커뮤니케이션시 경영실적이나 성과와의 연계를 분명히 밝혀야 합니다. 높은 퇴사의 원인을 밝힘으로서 감소시킬 수 있는 모집/채용 비용, 경력직과의 인건비 차이, 교육 및 온보딩 비용 등 복리후생 비용의 감소 등 내부 운영현황을 고려하여 정량화 할 수 있는 부분을 충분히 고려해야 합니다. 

**(6) HR 전략적 기능의 강화**
간략하게 글로 작성하였으나 위 과정을 실무에 적용시킬 경우 데이터 수집에 상당한 시간이 소요됩니다. 그리고 각 부서마다 산재되어 있는 데이터를 모아가다 보면 데이터 관리 체계를 잡아가게 될 것 입니다. 나아가 데이터를 수집하고 가설수립과 통계적 분석을 바탕으로 의사결정을 진행해 나아가면 증거기반의 의사결정 구조가 마련될 것이며 영업이익, 인건비, 복리후생비 등 경제적 성과와의 연계가 강화되고 중장기적인 관리와 전략도출이 가능해 질 수 있습니다. 

### **3. 결론** 
본 아티클을 통해 People Analytics (PA)가 단순한 데이터 수집과 분석을 넘어 HR의 전략적 기능을 강화하고 증거기반의 의사결정 환경을 조성할 수 있는지 전반적인 흐름을 함께 살펴보았습니다. 무엇보다도, 이러한 **변화를 이끌어내기 위해서는 조직 내 데이터 문화의 정착과 지속적인 데이터 기반 의사결정의 실행이 필수적**입니다. 이는 경영진 및 이해관계자들이 데이터의 가치를 인식하고 전체 직원이 데이터를 의사결정에 활용할 수 있도록 장려하는 것에서 시작됩니다.

이를 위해 ① 실무자 대상 데이터 교육의 실시 및 훈련, ② 경영진과 HR간 정기적 데이터 리뷰와 전략 수립 및 조정 ③ 데이터 수집 및 관리를 위한 기술적 인프라 구축 노력이 필요합니다. 이러한 **노력은 People Analytics(PA)가 단순한 도구를 넘어 조직 전체의 전략적 성과에 기여하는 중심적인 역할**을 할 수 있도록 만들 것입니다. 

**E.O.D**

인살롱

[PA] #4. 피플 애널리틱스 적용 예시_퇴사율

전략적 사고와 다양한 경험을 가진 '일'잘하는 HR/ER 전문가 & 공인노무사

