지난 아티클 참고(1) : https://hr.wanted.co.kr/insights/why-are-you-doing-hr-analytics/지난 아티클 참고(2) : https://hr.wanted.co.kr/insights/hr-analytics2/ 5. HR Analytics 단계별 유형 분류실무에서 담당 임원, 부서장 등 다양한 이해관계자와 HR Analytics 미팅을 진행하면 ‘어떻게 해야하는데?’ 라는 질문이 끊임없이 나오게 된다. HR Analytics의 긴 여정을 떠나기 위해서는 지금 해야하는 것은 무엇인지, 어떤 단계를 거쳐 진행해야하는지 등 이해관계자에게 HR Analytics의 방향성에 대한 전체적인 그림을 그려줘야 한다. 필자는 이러한 질문을 대비하여 아래와 같은 분류표를 기준으로 설명한 바 있다. (참고로 HR Analytics의 유형별 분류는 반드시 단계를 거쳐야 하는것이 아닌 상호배타적인 관계를 가지고 있다는 점을 상기하여 주기 바란다).Adapted from Gartner’s Data Analytics Maturity Model.(1) 기술적 분석기술적 분석(What happened?) 단계는 데이터를 사용하여 과거에 대한 통찰력을 제공하고 ‘무슨일이 있어났는지?’에 대한 질문에 답을 내릴 수 있다. 해당 단계는 다양하게 산재되어 있는 데이터를 유형화하고 시각화하여 전체 데이터 요소보다 짧고 밀도 높은 요약 설명을 가능하게 한다.이때 위 과정을 진행하다보면 ‘이미 지금 하고 있는 것과 다른게 뭐야?’, ‘채용계획, 인건비 관리 등 의사결정시에 이미 Raw Data 를 참고하고 있어’ 라는 질문에 부딪칠 수 있다. 이런 질문의 해답을 얻기 위해 여러 데이터를 단순히 나열하는 것이 아닌 단일 데이터의 유형화 또는 복수의 데이터와의 융합 후 가설을 세울 수 있게 사전설계하는 작업이 필요하다.예를 들어 전체 근로자 퇴직률, 여성 근로자 퇴직률, 퇴직사유 및 퇴직 시기 등을 종합하여 보았을 때 ‘육아휴직 복직 후 여성 근로자의 자발적 퇴직율이 높다’ 라는 결과가 도출이 된다면 이해관계자에게 밀도 높은 설명이 가능하며 기존과 다른 접근방식이라는 점을 보여줄 수 있을 것이다. (2) 진단적 분석진단적 분석(Why did it happen?)은 과거 데이터를 대량으로 분석하고 통계 기법으로 분석 후 이슈에 대한 원인을 제시할 수 있다. 이 과정에서는 결과를 불러온 요인과 사건을 여러 통계적 기법을 바탕으로 분석하게 되며, 향후 해결을 위해 어느부분에 초점을 두어야 하는지를 찾아 낼 수 있다.예를 들어 ‘육아휴직 복직 후 여성 근로자의 자발적 퇴직율이 높다’라는 이슈를 진단하기 위해 이와 연관 있는 다양한 데이터를 수집 및 분석할 수 있다. 출퇴근 거리, 연장근로 발생 비중, 부모와의 동거 여부, 소속 팀의 조직문화 서베이 점수, 부서 재직기간, 회사 근속기간 등 이직 사유에 영향을 미칠 수 있는 다양한 요소를 분석하여 통계적으로 유의미를 밝힐 수 있을 것이며, 이를 바탕으로 육아휴직 복직 후 여성 근로자의 자발적 퇴직율이 높은 이유를 일정 부분 설명할 수 있을 것이다. (3) 예측적 분석예측적 분석(What will happen?)은 진단 결과를 바탕으로 미래에 어떤 일이 일어날지를 회귀분석,인과 예측, 데이터마이닝 기술 등을 바탕으로 다양한 변수간 관계를 분석하고 모델을 구축할 수 있다. 데이터 모델이 갖춰지면 앞으로 개선 가능한 통찰력과 방향성을 제공할 수 있다.예를 들어 부서 재직기간이 짧고, 연장근로 발생 비중이 높은 구성원이 육아휴직 복직 후 자발적 퇴직율이 높게 나타난다면 앞으로 육아휴직 복직 후 어떤 구성원이 퇴사할 확률이 높은지 추론이 가능할 것이다. (4) 처방적 분석처방적 분석(How can we make it happen?)은 기술적, 진단적, 예측적 분석에서 가져온 결과를 바탕으로 최적화 대안을 결정한다. 또한 처방적 분석은 그 일이 일어날 이유도 예측하여 예측을 활용할 조치에 대한 권장사항을 제공하고 회사 또는 이해관계자에게 취해야 할 조치에 대한 조언을 제공한다.예를 들어 처방적 분석을 실시한다면 ‘육아휴직 복직 후 여성근로자의 퇴직율의 감소’의 목적을 가지고 그간 분석한 과거(기술적 분석, 진단적 분석)분석과 미래(예측적 분석) 내용을 종합하여 의사결정의 질을 높이기 위한 대안을 제시할 수 있다. (5) 소결현재 필자는 기술적 분석과 진단적 분석 그 사이에 위치하고 있다. 또한 위와 같은 분류와 접근방식이 HR Analytics의 이론적 내용에 반할 수 있고 통계적 역량이 충분하지 않은 상황에서 예측적 분석과 처방적 분석으로 넘어가지 않을 수도 있다. 다만 이러한 유형별 분류와 분류에 따른 관점은 다양한 이해관계자에게 어떻게 이를 설득시켜야 하며, 보다 실무적인 접근방법이 무엇인지에 대한 숱한 고민이 담긴 내용이며 다양한 케이스들과 의견들이 종합되고 통계적 전문성이 가미된다면 보다 풍부한 내용으로 변모할 수 있을 것이다.확실하게 이야기할 수 있는 것은 ‘데이터가 주는 의미(힘)’는 생각보다 강력하다는 점이다. ① 의사결정을 얻고(첫번째 고민) ② 도입 시 필요한 사항(두번째 고민)을 해결했으면 ③ 이제 어디까지 걸어가야할지를 고민하면 된다. 종착지를 알기 위해서는 내가 걸어가야할 길을 알아야 하고, 위 내용이 HR Analytics을 시작하는 분들에게 조금이나마 길잡이 역할이 되길 희망한다.