몇 년 전만해도 의료계를 뜨겁게 달구던 인공지능 의사 왓슨이 시장에서 사라졌다. 처음 왓슨이 국내에 도입될 당시에는 의사를 대체하게 될 것이라는 의견도 있었으나 환자의 건강에 주는 이점보다 의사가 진료를 함에 있어서 환자정보를 다시 입력해야 하는 불편함도 있었고 또한 초기 병원 마케팅에는 도움이 되었지만 이 왓슨을 활용하는 것이 병원수익에도 좋은 영향을 미치지 못했던 것이다.이렇듯 디지털 헬스케어 시장은 의료인이 사용하지 않으면 성공하기 어렵다는 의견이 많은데 People Analytics 또한 분석이 주는 통찰에 비해 기존의 HR이

몇 년 전만해도 의료계를 뜨겁게 달구던 인공지능 의사 왓슨이 시장에서 사라졌다. 처음 왓슨이 국내에 도입될 당시에는 의사를 대체하게 될 것이라는 의견도 있었으나 환자의 건강에 주는 이점보다 의사가 진료를 함에 있어서 환자정보를 다시 입력해야 하는 불편함도 있었고 또한 초기 병원 마케팅에는 도움이 되었지만 이 왓슨을 활용하는 것이 병원수익에도 좋은 영향을 미치지 못했던 것이다.이렇듯 디지털 헬스케어 시장은 의료인이 사용하지 않으면 성공하기 어렵다는 의견이 많은데 People Analytics 또한 분석이 주는 통찰에 비해 기존의 HR이 활용하기에 불편하지 않은지? PA를 하는 것이 우리의 조직에 비즈니스적으로 도움이 되는지? 에 대한 고민이 필요하다.이를 위해서는 HR과 Analytics 사이에서의 균형과 조화가 필요한데 오늘은 이 둘이 서로 대체되는 관계가 아닌 상호 보완하며 시너지를 낼 수 있는 방법에 대해 이야기해 보겠다. 객관적 분석 - 주관적 통찰데이터분석 과정을 문제정의 → 가설 수립 → 탐색적 분석 → 가설 모델링 → 시각화 및 리포트 작성 → 커뮤니케이션과 피드백 으로 정의할 수 있는데 각 과정마다 객관적 분석과 주관적 통찰이 필요한 비중이 다른것을 볼 수 있다. 특히 데이터분석의 시작은 비즈니스적 문제정의와 가설 수립에서 시작되는데 이러한 문제정의와 가설 수립은 사람과 조직에 대한 통찰이 있을 때 더 좋은 발견을 할 수 있다. 그러한 이유로 People Analytics 뿐 아니라 많은 데이터 분석가들은 자신이 속한 산업과 비즈니스 도메인 지식을 쌓기 위해 많은 노력을 하고 있다또한 분석의 결과에 있어서도 주관적 통찰에 따라 다른 영향력을 미치는데 예를 들어 HR과 마케팅에서 비슷한 분석을 통해 “우리 조직의 고성과자의 특징은 이러하다.” 와 ”우리회사의 충성고객들은 이러한 특징을 가지고 있다.” 라는 결론을 도출하였을 때 마케팅에서는 특정 군집에 STP마케팅 즉, 시장 세분화(Segmentation), 표적 시장 선정(Targeting), 위상 정립(Positioning)을 통해 해당 영역에서의 매출을 극대화하는 것이 비즈니스적으로 더 좋은 선택일 수 있으나 HR에서는 이러한 분석결과가 나왔다고 특정 조직이나 특정 출신의 인재만을 채용하는 것이 D&I(다양성과 포용성)에 안 좋은 영향을 미치거나 심지어 차별로 이어질 수 있기에 성과를 내지 못하는 리더도 성과를 내는 리더로 만들기 위한 어려운 길을 택하는 것이 더 바람직한 것인지 많은 고민을 해야 한다.또한 데이터에 스토리를 만드는 것 또한 주관적 통찰이 필요하다. 쉬운 예로 물컵에 물이 반이 있을 때 “반밖에 없네”와 “반이나 있네”처럼 같은 분석결과도 누구나 같은 결과와 영향력을 발휘하는 것이 아니다. 몇 년 전부터 HR에서 유행하는 “심리적 안전감” 역시 에이미 에드먼슨 교수의 사람과 조직에 대한 통찰 없이 데이터만 바라보았다면 나오기 힘들었을지도 모른다.

하버드 경영대학원의 에이미 에드먼슨(Amy Edmondson) 교수가 박사과정 1학년 때 병원조직을 연구하는 프로젝트에 참여했다. 의료과실을 낮추는 조직을 개발하는 것이 과제였다. 그런데 에드먼슨 교수는 이상한 사실을 발견했다. 일반적인 예측과는 달리 팀워크가 좋은 팀에서 의료과실이 더 많은 통계가 나온 것이다. 이를 어떻게 해석해야 할지 난감했다. 그래서 고심 끝에 이런 질문을 추가해 보았다. “자신이 저지른 실수를 기꺼이 보고할 수 있습니까?”팀워크가 좋은 팀은 이 질문에 대해 긍정적인 대답이 많았고, 팀워크가 나쁜 팀은 반대로 부정적인 응답이 많았다. 의료과실은 이 질문의 응답 결과와 상관관계가 매우 높았다. 팀워크가 좋은 팀은 의료과실을 노출하고 그에 대해 토의하고 또 공개적으로 대책을 논의하고 했던 것이다. 그래서 의료과실이 많은 것으로 집계가 되었다. 반면에 팀워크가 나쁜 팀은 자신의 실수를 감추기 바빴고, 혹시 잘못된 것을 보았다 해도 서로 모른 척했다. 이 팀이 의료과실이 적은 이유는 과실이 없어서가 아니라, 과실을 숨겼기 때문이었다. 『두려움 없는 조직』 다실북스



그러므로 People Analytics 담당자는 데이터를 좋아하되 맹신하지 않고 데이터보다 사람과 조직을 먼저 볼 수 있는 통찰을 갖추었을 때 더 멋진 People Analyst로 성장할 수 있을 것이다. 데이터 – 인사제도 기획PA담당자가 주로 만나는 개발자는 HRIS개발자 및 DB엔지니어일 것이다. 기존 HR도 HRIS 개발자와 소통을 많이 하는데 모든 시스템은 보이지 않는 곳에 데이터 형태로 쌓여있다. 또한 그 데이터들은 우리가 상상하지 못한 곳에 연결되어 있는 경우도 많기에 HR에서 평가나 보상 등의 제도를 변경하고자 할 때 변경된 제도로 인한 프로세스와 시스템의 변경이 기존 DATA에 어떤 영항을 주는지 체크해 주어야 한다.하지만 여기서 데이터가 인사제도보다 우선시되는 일은 지양해야 한다. 예로 인사제도가 바뀌어 직군 정보가 바뀐다고 했을 때 데이터의 수정으로 생기는 불편함이 아무리 크더라도 인사제도 변경의 걸림돌이 되는 일은 없어야 한다는 것이다.또한 데이터 분석을 통해 현상을 설명하거나 예측하게 되는데 그 것의 종착지는 인사제도 기획으로 이어져야 한다. 예를 들어 핵심인재들의 코호트 분석을 통해 한 직무에서 머무르는 기간이 4~5년 사이에 가장 높은 이직율을 보인다는 분석결과를 도출하였다면 그것을 도출한 것으로 끝내는 것이 아닌 한 직무에서 4년 이상 근무한 임직원은 FA자격을 부여해 사내이동을 자유롭게 하는 인사제도까지 기획하여 보고하는 것이 영향력에서 큰 차이를 보인다. 나의 분석 - HR동료 분석환경 구축데이터 분석이라는 장벽은 생각보다 높지 않다. 실제로 많은 도메인의 사람들이 SQL이나 코딩, 통계나 BI Tool 최근에는 클라우드 조금 공부하면 어느 정도의 데이터 분석을 할 수 있으며 인터넷에서도 쉽게 배울 수 있다. 또한 고차원의 분석을 제외하고 왠만한 머신러닝 모델도 몇 주 정도 공부하면 충분히 분석할 수 있는 과제들이 많으며 다양한 Tool이 등장하면서 예전보다 쉬운 방법으로 같은 결과를 낼 수 있는 세상에 살고 있다. 하지만 조직에서 코딩이나 하드 스킬을 공부하는 사람은 많이 보았어도 실제로 여러 영역에서 분석을 잘 하는 사람들은 매우 드물다는 것을 수년간 보았을 것이다.그럼 왜 어려운 걸까? 그건 바로 분석환경이다. 환경은 물리적 환경과 문화적 환경으로 나누어 볼 수 있는데 오늘은 물리적 환경만을 이야기해 보면 인사 데이터에 대한 체계와 거버넌스를 관리하고 있는지 살펴보면 좋다. 특히 HR데이터는 HRM, HRD, 조직문화의 영역마다 파편화 되어있거나 자격증 코드처럼 같은 종류의 마스터코드가 채용과 사원명부 각각의 시스템에 다른 코드 값으로 활용되고 있는 경우도 많다. 그렇기에 PA담당자는 HR 데이터에 대한 거버넌스를 가지고 개인정보 보안과 시의적절한 데이터 제공이라는 두 부분의 균형을 맞추며 HR영역의 동료들이 비즈니스적 문제로 고민을 하고 있을 때 적절한 데이터를 제공해 줄 수 있어야 Data Driven HR을 향한 우군을 확보할 수 있다.또한 마케팅에서는 데이터 분석에 대한 지식이 없어도 데이터기반으로 시장조사를 할 수 있는 플랫폼과 Tool들이 많이 생겨나고 있는데 본인 또한 채용, 리더십진단, 조직문화 진단 등 각 영역의 HR동료가 자신의 데이터만 삽입하면 원하는 대시보드가 나타나고 여러 필터를 통해 직접 분석을 할 수 있도록 구축하는 활동을 많이 하고 있다. 그렇게 되면 다음부터는 PA담당자의 도움 없이 다른 raw데이터를 갈아 끼우는 것 만으로도 자신이 원하는 분석을 할 수 있게 된다. 즉 그림처럼 화려한 조명이 있다고 할 때 People analytics 담당자는 전기배선과 조명기구를 만들고 HR동료들이 DATA라는 전구만 갈아 끼우면 원하는 결과를 얻을 수 있는 플랫폼을 구축해주는 역할도 동료들의 분석환경을 높이는 좋은 방법이라 할 수 있다.이렇듯 분석이라는 장벽은 점점 쉬워지고 있기에 앞으로는 분석만 하는 데이터 분석가를 넘어 분석환경도 좋게 만들 수 있는 데이터분석가가 더 오래 살아남을 것이다. 그렇다면 PA담당자는 무엇을 하는 사람일까? 나는 People Analytics 또는 HR Analytics라는 직무명에서 말하는 것처럼 HR과 Analytics 사이에서 균형과 조화를 맞추고 커뮤니케이션 하는 사람이라고 생각한다. 그렇기에 PA를 함에 있어서 우리는 많은 선배들이 갈고 닦은 HR이라는 땅을 밟고 Analytics라는 이상을 좇고 있는지 HR이라는 땅을 떠나 Analytics라는 이상만을 좇는 것은 아닌지 항상 곱씹어 보길 바란다.

法古創新 (법고창신) : 옛것에 토대(土臺)를 두되 그것을 변화(變化)시킬 줄 알고 새 것을 만들어 가되 근본(根本)을 잃지 않아야 한다.



People Analytics 101 9편: 8Q8A이어보기

People Analytics 101 모두 보기

몇 년 전만해도 의료계를 뜨겁게 달구던 인공지능 의사 왓슨이 시장에서 사라졌다. 처음 왓슨이 국내에 도입될 당시에는 의사를 대체하게 될 것이라는 의견도 있었으나 환자의 건강에 주는 이점보다 의사가 진료를 함에 있어서 환자정보를 다시 입력해야 하는 불편함도 있었고 또한 초기 병원 마케팅에는 도움이 되었지만 이 왓슨을 활용하는 것이 병원수익에도 좋은 영향을 미치지 못했던 것이다.이렇듯 디지털 헬스케어 시장은 의료인이 사용하지 않으면 성공하기 어렵다는 의견이 많은데 People Analytics 또한 분석이 주는 통찰에 비해 기존의 HR이 활용하기에 불편하지 않은지? PA를 하는 것이 우리의 조직에 비즈니스적으로 도움이 되는지? 에 대한 고민이 필요하다.이를 위해서는 HR과 Analytics 사이에서의 균형과 조화가 필요한데 오늘은 이 둘이 서로 대체되는 관계가 아닌 상호 보완하며 시너지를 낼 수 있는 방법에 대해 이야기해 보겠다. **객관적 분석 - 주관적 통찰**데이터분석 과정을 **문제정의 → 가설 수립 → 탐색적 분석 → 가설 모델링 → 시각화 및 리포트 작성 → 커뮤니케이션과 피드백** 으로 정의할 수 있는데 각 과정마다 객관적 분석과 주관적 통찰이 필요한 비중이 다른것을 볼 수 있다. 특히 데이터분석의 시작은 비즈니스적 문제정의와 가설 수립에서 시작되는데 이러한 문제정의와 가설 수립은 사람과 조직에 대한 통찰이 있을 때 더 좋은 발견을 할 수 있다. 그러한 이유로 People Analytics 뿐 아니라 많은 데이터 분석가들은 자신이 속한 산업과 비즈니스 도메인 지식을 쌓기 위해 많은 노력을 하고 있다또한 분석의 결과에 있어서도 주관적 통찰에 따라 다른 영향력을 미치는데 예를 들어 HR과 마케팅에서 비슷한 분석을 통해 “우리 조직의 고성과자의 특징은 이러하다.” 와 ”우리회사의 충성고객들은 이러한 특징을 가지고 있다.” 라는 결론을 도출하였을 때 마케팅에서는 특정 군집에 STP마케팅 즉, 시장 세분화(Segmentation), 표적 시장 선정(Targeting), 위상 정립(Positioning)을 통해 해당 영역에서의 매출을 극대화하는 것이 비즈니스적으로 더 좋은 선택일 수 있으나 HR에서는 이러한 분석결과가 나왔다고 특정 조직이나 특정 출신의 인재만을 채용하는 것이 D&I(다양성과 포용성)에 안 좋은 영향을 미치거나 심지어 차별로 이어질 수 있기에 성과를 내지 못하는 리더도 성과를 내는 리더로 만들기 위한 어려운 길을 택하는 것이 더 바람직한 것인지 많은 고민을 해야 한다.또한 데이터에 스토리를 만드는 것 또한 주관적 통찰이 필요하다. 쉬운 예로 물컵에 물이 반이 있을 때 “반밖에 없네”와 “반이나 있네”처럼 같은 분석결과도 누구나 같은 결과와 영향력을 발휘하는 것이 아니다. 몇 년 전부터 HR에서 유행하는 “심리적 안전감” 역시 에이미 에드먼슨 교수의 사람과 조직에 대한 통찰 없이 데이터만 바라보았다면 나오기 힘들었을지도 모른다.

> 하버드 경영대학원의 에이미 에드먼슨(Amy Edmondson) 교수가 박사과정 1학년 때 병원조직을 연구하는 프로젝트에 참여했다. 의료과실을 낮추는 조직을 개발하는 것이 과제였다. 그런데 에드먼슨 교수는 이상한 사실을 발견했다. 일반적인 예측과는 달리 팀워크가 좋은 팀에서 의료과실이 더 많은 통계가 나온 것이다. 이를 어떻게 해석해야 할지 난감했다. 그래서 고심 끝에 이런 질문을 추가해 보았다. “자신이 저지른 실수를 기꺼이 보고할 수 있습니까?”팀워크가 좋은 팀은 이 질문에 대해 긍정적인 대답이 많았고, 팀워크가 나쁜 팀은 반대로 부정적인 응답이 많았다. 의료과실은 이 질문의 응답 결과와 상관관계가 매우 높았다. 팀워크가 좋은 팀은 의료과실을 노출하고 그에 대해 토의하고 또 공개적으로 대책을 논의하고 했던 것이다. 그래서 의료과실이 많은 것으로 집계가 되었다. 반면에 팀워크가 나쁜 팀은 자신의 실수를 감추기 바빴고, 혹시 잘못된 것을 보았다 해도 서로 모른 척했다. 이 팀이 의료과실이 적은 이유는 과실이 없어서가 아니라, 과실을 숨겼기 때문이었다. 『두려움 없는 조직』 다실북스

그러므로 People Analytics 담당자는 데이터를 좋아하되 맹신하지 않고 데이터보다 사람과 조직을 먼저 볼 수 있는 통찰을 갖추었을 때 더 멋진 People Analyst로 성장할 수 있을 것이다. **데이터 – 인사제도 기획**PA담당자가 주로 만나는 개발자는 HRIS개발자 및 DB엔지니어일 것이다. 기존 HR도 HRIS 개발자와 소통을 많이 하는데 모든 시스템은 보이지 않는 곳에 데이터 형태로 쌓여있다. 또한 그 데이터들은 우리가 상상하지 못한 곳에 연결되어 있는 경우도 많기에 HR에서 평가나 보상 등의 제도를 변경하고자 할 때 변경된 제도로 인한 프로세스와 시스템의 변경이 기존 DATA에 어떤 영항을 주는지 체크해 주어야 한다.하지만 여기서 데이터가 인사제도보다 우선시되는 일은 지양해야 한다. 예로 인사제도가 바뀌어 직군 정보가 바뀐다고 했을 때 데이터의 수정으로 생기는 불편함이 아무리 크더라도 인사제도 변경의 걸림돌이 되는 일은 없어야 한다는 것이다.또한 데이터 분석을 통해 현상을 설명하거나 예측하게 되는데 그 것의 종착지는 인사제도 기획으로 이어져야 한다. 예를 들어 핵심인재들의 코호트 분석을 통해 한 직무에서 머무르는 기간이 4~5년 사이에 가장 높은 이직율을 보인다는 분석결과를 도출하였다면 그것을 도출한 것으로 끝내는 것이 아닌 한 직무에서 4년 이상 근무한 임직원은 FA자격을 부여해 사내이동을 자유롭게 하는 인사제도까지 기획하여 보고하는 것이 영향력에서 큰 차이를 보인다. **나의 분석 - HR동료 분석환경 구축**데이터 분석이라는 장벽은 생각보다 높지 않다. 실제로 많은 도메인의 사람들이 SQL이나 코딩, 통계나 BI Tool 최근에는 클라우드 조금 공부하면 어느 정도의 데이터 분석을 할 수 있으며 인터넷에서도 쉽게 배울 수 있다. 또한 고차원의 분석을 제외하고 왠만한 머신러닝 모델도 몇 주 정도 공부하면 충분히 분석할 수 있는 과제들이 많으며 다양한 Tool이 등장하면서 예전보다 쉬운 방법으로 같은 결과를 낼 수 있는 세상에 살고 있다. 하지만 조직에서 코딩이나 하드 스킬을 공부하는 사람은 많이 보았어도 실제로 여러 영역에서 분석을 잘 하는 사람들은 매우 드물다는 것을 수년간 보았을 것이다.그럼 왜 어려운 걸까? 그건 바로 분석환경이다. 환경은 물리적 환경과 문화적 환경으로 나누어 볼 수 있는데 오늘은 물리적 환경만을 이야기해 보면 인사 데이터에 대한 체계와 거버넌스를 관리하고 있는지 살펴보면 좋다. 특히 HR데이터는 HRM, HRD, 조직문화의 영역마다 파편화 되어있거나 자격증 코드처럼 같은 종류의 마스터코드가 채용과 사원명부 각각의 시스템에 다른 코드 값으로 활용되고 있는 경우도 많다. 그렇기에 PA담당자는 HR 데이터에 대한 거버넌스를 가지고 개인정보 보안과 시의적절한 데이터 제공이라는 두 부분의 균형을 맞추며 HR영역의 동료들이 비즈니스적 문제로 고민을 하고 있을 때 적절한 데이터를 제공해 줄 수 있어야 Data Driven HR을 향한 우군을 확보할 수 있다.또한 마케팅에서는 데이터 분석에 대한 지식이 없어도 데이터기반으로 시장조사를 할 수 있는 플랫폼과 Tool들이 많이 생겨나고 있는데 본인 또한 채용, 리더십진단, 조직문화 진단 등 각 영역의 HR동료가 자신의 데이터만 삽입하면 원하는 대시보드가 나타나고 여러 필터를 통해 직접 분석을 할 수 있도록 구축하는 활동을 많이 하고 있다. 그렇게 되면 다음부터는 PA담당자의 도움 없이 다른 raw데이터를 갈아 끼우는 것 만으로도 자신이 원하는 분석을 할 수 있게 된다. 즉 그림처럼 화려한 조명이 있다고 할 때 People analytics 담당자는 전기배선과 조명기구를 만들고 HR동료들이 DATA라는 전구만 갈아 끼우면 원하는 결과를 얻을 수 있는 플랫폼을 구축해주는 역할도 동료들의 분석환경을 높이는 좋은 방법이라 할 수 있다.이렇듯 분석이라는 장벽은 점점 쉬워지고 있기에 앞으로는 분석만 하는 데이터 분석가를 넘어 분석환경도 좋게 만들 수 있는 데이터분석가가 더 오래 살아남을 것이다.![](https://image.wanted.co.kr/optimize?src=https://hr.wanted.co.kr/wp-content/uploads/2022/09/wedding-1937022_1920-1024x765.jpg&w=680&q=100) 그렇다면 PA담당자는 무엇을 하는 사람일까? 나는 People Analytics 또는 HR Analytics라는 직무명에서 말하는 것처럼 HR과 Analytics 사이에서 균형과 조화를 맞추고 커뮤니케이션 하는 사람이라고 생각한다. 그렇기에 PA를 함에 있어서 우리는 많은 선배들이 갈고 닦은 HR이라는 땅을 밟고 Analytics라는 이상을 좇고 있는지 HR이라는 땅을 떠나 Analytics라는 이상만을 좇는 것은 아닌지 항상 곱씹어 보길 바란다.

> **法古創新 (<mark>법고창신</mark>) : 옛것에 토대(土臺)를 두되 그것을 변화(變化)시킬 줄 알고 새 것을 만들어 가되 근본(根本)을 잃지 않아야 한다.**

**[People Analytics 101 9편: 8Q8A이어보기](https://hr.wanted.co.kr/insights/8q8a/)**

**[People Analytics 101 모두 보기](https://hr.wanted.co.kr/author/sabot/)**

![](https://image.wanted.co.kr/optimize?src=https://hr.wanted.co.kr/wp-content/uploads/2021/11/%25EA%25B0%2595%25EC%25A7%2580%25EC%2583%2581-%25ED%2594%2584%25EB%25A1%259C%25ED%2595%2584-1024x374.jpg&w=680&q=100)

People Analytics 101 8편 : 균형

인살롱

인살롱