다양한 인사이트를 주는 HR 커넥터 모임

안녕하세요! HR커넥터 1기로 활동하고 있는 E조의 조장을 맡고 있는 (주)이수 HR팀 이진우입니다. 먼저 뭔가 거창한 논평같은 제목에 이끌려 들어오셨다면 삼가 사죄의 말씀 올립니다. 눈치채셨겠지만 E조의 주제는 PA(People Analytics) 입니다. 네 사실 지금도 겁이 납니다. 사무실의 MZ 중 M을 맡고 있지만 그래도 아직까지는 트렌드에 민감해야한다고 생각하는 1인이기에 희망주제를 덜컥 1지망으로 PA를 넣었습니다. 그래도 커리어 중 가장 오래된 채용을 넣었어야 했을까요? 막상 10월 8일 운명의 발대식이 다가오니 마음이 급해지더군요. 코딩을 배워야할지, 따로 이러닝이라도 좀 듣고 가야할지, 급한 마음에 옆자리에 앉은 후배의 책상에서 발견한 '파이썬으로 챗봇만들기'라는 책을 좀 뒤적입니다만 이제와 무슨 의미가 있었겠습니까. 아! 참고로 HR커넥터 1기의 발대식은 정말 오랜만에 시간의 흐름을 잊을 정도로 꽉찬 시간이었습니다. 이렇게 다양한 분야의 다양한 경력 그리고 다양한 매력을 가진 분들과 한 공간에 존재할 수 있는 것인가라는 생각을 했죠. 심지어 제가 속한 E조는 업종도, 업무 스코프도, 관심분야도 심지어 사는 지역도 완전히 다릅니다. 어쩐지 그래서 첫번째 멘토로 강연에 나서신 이중학교수님이 I&D(포용성과 다양성)을 강조하셨나봅니다. <언제나 합리적인 합리화를 경계하게 해주시는 이중학교수님의 강의> 하필 많은 추천도서 중에 불안세대를 찍은 것은 제 마인드가 불안해서일까요 서론이 길었습니다만, 그리하여 이번 아티클의 진짜 제목은 **<열정 넘치는 초보 HRer들의 우당탕탕 PA 도전기 ⓛ>**입니다. E조의 매력을 한가지 더 말씀드린다면 HR커넥터의 6개조 중에 평균 HR커리어가 가장 낮습니다.(아마도요..? 3.8년이니까..?) 전형적인 인사이드 서포터인 제가 조장을 맡은 것만 보아도 E조는 매우 수평적이며, 뭐든지 다 할 수 있고, 뭐든지 처음부터 해야 하는걸 잘 아시겠죠? 주제를 정하는 것부터 쉽지 않았습니다. 뭔가 PA를 활용하여 의미있으면서도 각자가 관심있는 실무에 바로 적용할 수 있는 결과물을 만들어 내고 싶은 것은 알겠는데, 그래서 무엇을 어떻게 분석해야할지 감이 잡히질 않았어요. 어느새 10시 반이 되어가는 시간, 끝내 주제를 정하지 못하고 집으로 향하면서, 저는 딱 하루만 *10번째 사람(Tenth Man)이 되기로 했습니다. *10명 중 9명이 동일한 결론이 나더라도 나머지 1사람(10번째 사람)은 무조건 모두에 대해 반대와 비판을 제기하는 소수의견으로 만장일치의 맹점을 공격하는 사람 ✅ 네 '월드워 Z'에 나왔던 이야기 맞습니다 왜 이렇게 주제를 정하기가 어려웠을까. PA가 우리에게 맞는 주제일까. 지금이라도 채용으로 가야하나 그래서 PA를 시작하기도 전에 고민해본 PA를 HR 실무에 적용하기 어려운 이유들에 대해 말씀드려보고자 합니다. 1. PA는 문제를 해결하기 위해 존재하지 않음(...?) HR 뿐 아니라 비즈니스 커리어가 어느정도 쌓이신 분들은 <이것도 저것도 한번 생각해볼까?> 와 <그래서 이제 어떻게 하지?>의 간극을 잘 아실거라고 생각합니다. 여전히 제가 쓰는 보고서의 많은 공수가 바로 저 간극을 해결하기 위해 쓰이고 있죠. 꽤 많은 PA와 관련된 개념정리에서 공통적으로 보이는 것이 'PA는 Solution이 아니다'라는 문장입니다. PA를 수행하는 과정에서 Solution을 찾아가거나, PA의 결과를 어떻게 활용하여 적용할 것인지는 여전히 그것을 다루는 분석자의 역할이라고 합니다. 따라서 우리는 '어떤 PA를 할 것인가'에 앞서, **<우리가 공유하고 있는 문제의식은 무엇이며 어떤 이슈와 니즈가 있고, 이를 PA를 통해 접근할 방법이 있는가?>**에 대해 한층 더 진지하게 생각해야 했습니다. PA는 만능열쇠가 아니니까요. 2. 주제가 먼저냐 가설이 먼저냐 그래도 E조는 겨우 주제를 하나로 모으는데 성공했습니다! 1) 채용효과성 검증, 2)조직문화 개선, 3)교육효과성 진단, 4)평가와 보상 4가지 분야에 대해 적합한 데이터 분석방법을 통해 PA를 실행해보고 실무적용가능성과 인사이트를 확보하자! 네 일단 그냥 1번부터 한번 해보기로 했습니다. 아까 '파이썬으로 챗봇만들기'의 주인인 후배의 도움을 받아 간단한 채용관련 분석예고편을 만들어보았습니다. 과거 공개채용의 서류평가 결과를 분석하여 최근 평가가 완료된 지원서류의 합격여부를 예측하게 하고, 실제 합격결과와 비교해보았습니다. <머신러닝을 통한 서류평가 모델의 적합성 분석> 좌상단 부분은 평가모델이 불합격할 것으로 예측한 지원자 중 실제 불합격한 인원을 나타냅니다. 꽤 짙은 결과를 보니 우리의 모델은 불합격 예측과 실제 불합격에 대한 정확도는 꽤 높지만, 좌하단의 불합격 예측 중 실제는 합격한 지원자의 비율도 상당한 편입니다. 이 모델은 서류평가 결과 예측 모델로 사용하기에 적합할까요? 우리 회사는 결격자를 철저하게 불합격 시키는 것이 중요할까요, 합격해야 하는 사람이 불합격하지 않도록 구제하는 것이 더 중요할까요? 전자라면 유용하게 사용할 모델이겠지만, 후자라면 다시 검토해보야할 모델로 보입니다. 결국 PA를 HR 실무에 적용하기 위해선 PA를 실행하는 목적의식이든, 그것을 활용하여 검증하고자 하는 가설이든, 어느 한쪽의 정체성을 확실히 해야할 필요가 있다는 것을 느꼈습니다. 3. 신에게는 아직 12가지의 분석방법이 남아있습니다. 벽에 막혔을지언정, 솔직히 또 솟아날 구멍은 있다고 생각했습니다. SHRM24에 다녀오면서 강력하게 요청하여 유료버전으로 다시 태어난 ChatGPT 4o 가 함께했기 때문이죠. 이 시점까지만 해도 뭐든 할 수 있을 것 같았습니다. <우리의 GPT가 나열해준 HR에 사용할 수 있는 통계적 분석방법론들> 물론 이 친구에게 어떤 가설에 대해 적합한 분석방법을 추천받을 수도 있겠죠. 다만 수평적이고 매력적인 E조의 조원 한분이 이런 말씀을 하셨습니다. '소중한 시간, 소중한 리소스를 들여 모인 시간에 최대한 많이 배우고 경험했으면 좋겠습니다!' 네 PA는 생각보다 통계적 방법론에 대한 공부가 필요한 주제였던 걸로 하겠습니다. 사실 분석작업자체는 AI나 분석 툴에 맡긴다고 하더라도, 어떤 주제와 가설에 대해 어떤 분석방법이 적합한지는 결국 인간이 정해야할 문제라고 생각합니다. 갑작스럽지만, 올해 SHRM24에서 많은 분들이 가장 인상 깊은 표어로 뽑았던 문구를 공유해드리겠습니다. AI는 사람을 대체하지 않는다. 다만 AI를 다룰 수 있는 사람이 그렇지 않은 사람을 대체하게 될 것이다 - SHRM24 오늘도 E조는 AI를 다룰 수 있는 사람이 되기 위해 성장하고 있습니다.🫡 4. 그 데이터...받을 수 있어요? 자 우여곡절 끝에 PA의 역할에 대해 깨우침을 얻고, 영감이 넘치는 주제, 그리고 이븐한 가설을 세웠다고 가정해보겠습니다. 이제 분석(Analytics)를 수행해볼 차례인데... 요리도 재료가 필요하듯 분석에는 Data가 필요합니다. 첫번째로 시행하기로 한 <채용 효과성 검증>은 공개채용을 담당하고 있는 제가 데이터 셋(Set)을 공급하려고 계획했습니다. 많은 변수 데이터들이 있겠죠. 나이, 부서, 결혼여부, 경력여부, 급여, 직전급여, 근무평가, 총 근무년수, 일과 생활의 균형, 초과근무 여부, 직무 만족도... 절반 정도는 개인정보에 속하는 민감한 정보라 좀 조심하면 되겠지만 가장 확보하기 어려운 데이터는 '근무평가' 였습니다. 대부분의 HR과 관련된 데이터 분석의 결과가 의미있기 위해서는 주니어들이 접근하기 힘든 평가데이터를 필요로 하다는 것을 깨달았죠. 정보를 취급할 권한이 있는 시니어 담당자가 되거나, 혹은 데이터의 수집과정 자체가 PA에 적합하도록 수집되거나 어느 쪽이 좀 더 신속할지, 혹은 실현가능성이 있는지는 여러분의 판단에 맡기겠습니다. 이제 첫걸음을 떼었지만, 지름길을 찾기보다 정말 이제 막 PA에 입문하셨거나, 관심을 가지기 시작한 분들을 대신하여 저희가 많이 깨지고 구르면서 생생한 후기 전달드리도록 하겠습니다. 앞으로도 E조의 우당탕탕 PA 도전기 많은 관심 부탁드리겠습니다. 두서 없는 끄적임에 관심가져주셔서 감사합니다. 다음 아티클부터는 진짜 정말 PA 이야기로 알차게 채워보도록 하겠습니다. 모든 분들이 행복한 하루 보내시길 기원합니다.