[정보] HR과 빅데이터

HR과 빅데이터 관련 자료입니다.

내용 참고 하시기 바랍니다.

 

 

HR과 빅데이터 from Seong-Bok Lee

 

1. HR과 빅 데이터 April 2016 Lee, Seong-Bok Application Transformation Consulting Enterprise Services HP Korea
 2.   빅데이터는 대세, 인사관리 분야도 예외가 아님  인사관리 분야는 지금까지 관련 전문가들의 관계와 직관과 감에 의해 이루어짐  데이터를 활용한 분석과 제도의 개선이 대부분 좁은 의미의 인사관리 분야(특히, 인사 기록)에 한정  다양한 데이터 원천과 데이터를 통한 비즈니스 이슈와 문제 해결을 위한 관점으로 확장할 필요  이제 인사관리에서도 데이터에 기반한, 비즈니스의 문제를 해결하기 위한 실질적인 대안을 제시할 수 있어야 함  이미 인사관리의 다양한 분야에서 빅데이터를 활용하기 시작(HR Analytics) 들어가며… 2
 3.  Agenda  새로운 시작 : Moneyball  인사관리의 새로운 흐름  인사관리 분야에 빅 데이터 도입  HR Analytics  활용 사례  소셜 네트워크와 인사관리 3
 4.  새로운 시작 : Moneyball 데이터의 경제학, 경기의 규칙을 바꾸다
5.  “Moneyball : The Art of Winning an Unfair Game” Michael Lewis가 Oakland Athletics 야구단의 Billy Beane 단장과 그의 보좌관 Paul DePodesta에 관하여 쓴 책으로 2011년에 영화로 만들어짐 5 선수 선발과 관련된 지난 100년간의 야구 관계자(선수, 관리자, 코치, 스카우트, 지원팀 포함)들의 집단 통념은 주관적이었고 종종 오류가 있었다. 도루, RBI, 평균 타율은 19세기 통계학의 유물일 뿐이다.
6.   Oakland Athletics는 최고의 선수를 살 돈이 없었다. 그래서 경쟁력 있는 선수를 찾을 다른 방법을 찾아야만 했다.  Billy와 Paul은 팀을 꾸리는 데 분석적이고 통계적인 sabermetrics* 방법을 적용하여 과거의 집단 지혜와 많은 야구 스카우터와 경영진의 믿음을 거부하고 오로지 기록에 근거해서 선수들을 선발했다.  데이터 수집과 분석을 통해 역량에 비해 연봉이 과소평가되고 있는 선수들을 영입했고, 드래프트할 선수들을 판단했다. Moneyball - 새로운 시작 Oakland Athletics는 빅 구단과 비교해서 통계적으로 더 나은 지표(예, OPS; 출루율과 장타율)를 사용하기 시작 *Sabermetrics는 야구에 특화된 통계분석으로, 경기를 통해 기록된 야구 통계와 같은 객관적인 증거를 가지고 분석한다. 이 용어는 Society for American Baseball Research의 약어인 SABR에서 유래했다. 6 <출처: “Big Data in HR: Insight on the Meaning and the Opportunity”, Donna Quintal / Glen Cathey>
 7.   야구에도 경제학이 필요하다!  2002년 시즌 당시, Oakland Athletics 선수들의 연봉 총액은 약 4,100만 달러. 이에 비해 뉴욕 양키스의 연봉 총액은 1억 2,500만 달러  Oakland Athletics는 American League의 서부지구에서 상반기 시즌에 20연승을 하여 American League 최고 기록을 세웠다.  이제는 메츠, 양키스, 파드레스, 카디널스, 레드삭스 등 많은 구단이 데이터 분석가 채용 Moneyball – 데이터의 경제학 2002년, 아메리칸 리그에서 기적이 일어났다  오늘날 선발, 고용, 채용, 면접, 인재관리 분야에서 모범사례(Best practice)라고 받아들이는 많은 것들이 과거의 통념, 즉 보통 진실이라고 받아들여지는 아이디어나 설명에 기반하고 있다.  하지만, 과거의 통념은 제대로 조사되거나 테스트되지 않은 채 많은 사람들에게 폭넓게 받아들여지고 있어서 문제가 심각하다. 이건 진실이 아니다. The Moneyball approach is a real opportunity for HR Department today 7 <출처: “Big Data in HR: Insight on the Meaning and the Opportunity”, Donna Quintal / Glen Cathey>
 8.  Principles of Moneyball • 승리와 직접적으로 상관관계가 있는 기술(skill) 분석 • 시장에서 저평가된 주요 기술 발견 • 이기는 팀을 만들기 위해 지식을 활용 • 상황 통계자료 수집 • 사실에 근거하여 가정을 객관적으로 검증 • 분석과 그 결과를 가지고 전략 수정 • anomaly: an incongruity or inconsistency, a deviation from the norm • outlier: a person or thing that lies outside, a point widely separated from the main cluster #1. Identify Undervalued Assets #2. Challenge Assumptions #3. Study & Learn from Outliers 8
 9.  Techniques Used For Moneyball  Leverage basic performance statistics – Hits, Runs Batted In (RBI), Runs Allowed (ERA)  Add “situational” statistics gathered by “spotters” – Errors, out-of-zone fielding, pressure situations  Develop “advanced” statistics through combinations and formulas – OPS (on-base plus slugging) , FIP (fielding independent pitching) , BABIP (batting average on balls in play) , WAR (wins above replacement)  Analyze statistics to find best predictors of individual and team success 9
 10.  Source: Forbes, Josh Bersin http://www.forbes.com/sites/joshbersin/2013/02/17/bigdata-in-human-resources-talent-analytics-comes-of-age/ <사례> 깨어진 상식 - 최고의 영업사원 뽑기 어느 대형 금융 서비스 회사는 상위 유명 대학교에서 높은 학점을 받은 직원은 높은 영업 실적을 낼 수 있을 것이라고 믿 었다. 그러나, 신입 영업 사원들을 대상으로 초기 2년간 수행한 영업 생산성과 이직율 분석에 따르면 전체적인 영업 실적과 재 직 간의 상관관계에는 다양한 인구통계학적 요소가 관여하고 있었다. 성공(=실적)과 높은 상관 있는 것은 무엇인가? 1. 이력서에 오타, 오류, 틀린 문법이 없다 2. 일정 학위나 등급을 얻기 전까지는 학교를 그만두지 않았다 3. 부동산이나 자동차 영업을 해 본 적이 있다 4. 이전 업무/직장에서 성공적으로 업무를 수행했다 5. 모호한 지시를 받고도 일 처리를 완수한다 6. 시간 계획과 여러 작업들을 관리한 경험이 있다 성공과 상관 없는 것은 무엇인가? • 어느 학교를 다녔는가 • 학점은 얼마나 받았는가 • 주변인이나 추천인의 능력(quality) 그간의 신념 체계는 틀-렸-다 새로운 채용(screening) 절차를 구축한 지 6개월 만에 매출이 4백만 달러나 늘었다! 10
 11.  Big Data의 활용: 인재 확보와 Moneyball 1. Assessing Talent 인재 평가나 채용 결정 시 주로 주관적인 방법을 사용하던 관행에서 더 객관적이고, 사실 중심적이고, 경험적인 데이터 기반의 방법으로 바꿈 2. Out-recruiting Traditional Talent Acquisition: Identifying and acquiring top talent looking for traits, experience, accomplishments and information overlooked by traditional recruiting and assessment methods 3. Looking in New Places: 최고 인재는 학교는 어디를 나왔고 어떻더라 하는 통념에서 탈피 (아이비 리그 학교, 높은 GPA점수, 자격증, MBA, 특정 회사 근무 경력 등) 4. Real Measures of Performance: 모든 역할, 권한, 회사, 산업군에 적용할 수 있고 개인이 경력 개발을 위해 이동할 때 비슷한 점수를 줄 수 있도록 객관적인 성과 측정 방법을 개발 5. Secret Sauce: 각 회사는 이상적인 채용과 인사관리를 위해 자신들만의 데이터와 사실의 통계분석에 기반한 충원, 분석, 평가를 위한 자신만의 “비법“을 개발 채용 시 경쟁력 있는 인재를 확보하기 위해 Moneyball식 접근방법을 어떻게 적용할 수 있을까? Data is the Great Equalizer 11 <출처: “Big Data in HR: Insight on the Meaning and the Opportunity”, Donna Quintal / Glen Cathey>
 12.  인사관리의 새로운 흐름 빅데이터는 어떻게 인사관리의 영역으로 들어 왔나?
13.  Evolv사(현재는 Conerstone)는 3만 명에서 10만 명에 이르는 대량의 직원 데이터를 분석해서 저평가된 특성을 알아내고 일반적인 직관에 반하는 통찰(insight)을 발견 • 시급 근로자들은, Firefox나 Chrome 브라우저 환경에서 온라인 지원서를 작성한 사람들이 Internet Explorer에서 지원서를 작성한 사람들보다 더 나은 성과를 내고 덜 자주 직업을 바꾼다. • 콜센터 직원들은, 범죄 이력이 있는 사람들이 그렇지 않는 사람들에 비해 좀 더 나은 성과를 보였고, “job hoppers”(직업을 자주 바꾸는 사람)이 오히려 이전 직장에서 오래 근무했던 사람보다도 더 빨리 그만 둘 가능성이 낮다. 데이터 분석, 상식을 깨다 데이터는 우리의 직관이나 상식이라고 부르는 통념을 깨고 현상에 대한 새로운 정보를 제공 13
 14.  빅데이터 기반의 HR 기존에 활용하지 않았던 기업 내/외부 데이터를 이용하여 시장상황과 임직원에 대한 이해를 향상시키고, 직원들의 성과나 인재 유지에 영향을 미치는 요소를 찾아내어 예측 14 지난 10년 동안 여러 기업들은 인사 부서와 채용 관리자들은 직원 채용과 운영에 더 효율적인 방법과 통찰력을 얻기 위해 누적된 데이터를 분석 • 벤처 기업 성공의 90%는 비즈니스에 적합한 인재를 고용하는 것이 달려있으며 이는 빅데이터 분석을 통해 가능 (실리콘밸리뱅크 조사 결과) • 오랜 기간의 정형, 비정형 데이터를 분석하여 뛰어난 인재를 고용하고, 직원 재배치, 인원 감축 등에 활용 : 구글, 제록스 등 최근 들어 HR분야에 Intelligence Analysis와 Big data를 활용하는 방법론이 활발하게 논의되고 있으며 이미 많은 글로벌 기업들이 HR에 빅데이터를 ‘구현-활용’하는 단계 • 미국의 1,200개 이상의 비즈니스 분야의 6,400개 기업 이상이 2018년까지 빅데이터를 활용한 분석 작업을 시작 또는시작 예정 (데이터분석 전문 SAS 조사) • 美 Towers Watson사에서는 2014년에 HR분야 예산을 20% 이상 증가하겠다고 응답. 이는 2011년 이후 감소세를 보이다가 처음으로 증가한 결과 • HR 분야 예산이 증가한 이유로는 HR 업무에 데이터 분석이 증가하고 있기 때문 • Top 3 분야 : 인재 관리(Talent Management), HR 데이터 관리와 분석(HR data and analysis), 인재 관리와 보상체계 통합(Integrated talent management and compensation)
 15.  현황 7%  12% HR에서 빅데이터를 활용하는 기업의 증가 (2012 2013) 4% HR 데이터를 활용하여 예측 기반의 분석 실행 중 Fortune 1000대 기업 중 77% HR데이터 분석 관련 전담부서 또는 인력을 보유 - 2013, Salvatore Falletta (Drexel University) Corporate Executive Board Company (CEB), Talent Neuron, (인도, 1500억 달러) 인수 세계 주요 시장의 인재 관련 트렌드를 전망하는 자체 예측 모델을 개발(600개 도시 7,500개의 기업, 90개의 직무에 대한 인력 수급 현황에 대한 분석 가능) IBM, HR IT 솔루션 기업인 Kenexa(케넥사) 인수 Oracle, 탈레오(Taleo) 인수 SAP, Success Factors 인수 점점 더 기업의 인사관리와 비즈니스 이슈 해결에 빅데이터를 활용하는 사례 증가 15 41%  18% 빅데이터 자체가 생소하다 (2012 2013) - Bersin, 2013 10% HR 데이터를 활용해 유의미한 통계적 분석을 수행할 수 있는 능력을 갖추고 있다 86% 현황 파악이나 보고 수준에서 HR 데이터 이용 - Cedar Crestone(미국), 2013
 16.  인사관리 분야에 부는 혁신의 바람 “과거 굴뚝 산업 시대의 패러다임에서 머물고 있는 HR 담당자들이 적지 않지만, 이제는 HR의 전면적인 변화가 필요한 시점이다” - 미국 와튼 스쿨의 피터 카펠리 교수 16 1. 사업 필요에 따른 Workforce Planning HR은 새로운 사업 추진에 필요한 스킬셋(Skill-set)을 갖춘 인재를 재빨리 조달할 수 있어야 한다. • 회사의 사업/전략에 기초한 사업/조직/기능별 Talent Map 마련 • 글로벌 차원의 유연한 인력 조달 • 내부 인재 활용을 위한 육성 플랫폼 구축 : 2. 집단 창의를 위한 성과 평가 시스템 • 순위 매기기(Forced ranking) 완화 혹은 폐지 • 최종 성과 리뷰보다 업무 과정의 코칭 중시 : 예) PD@GE (Performance Development at GE) • 리더의 코칭 커뮤니케이션 역량 강화 3. Agility를 높이기 위한 조직 운영 • 프로젝트 중심의 자원 배분 프로세스 운영 : • 신제품/서비스 개발, 린 스타트업 프랙티스 활용 : 예, GE의 ‘FastWorks’ • ICT 기술 기반의 협업 활성화 : 재택근무, Conf. call 등 • 자동화/디지털화에 따른 조직 Agility 제고 4. HR Analytics의 확산 • HR 정보 종합화와 정보 루트 다양화 : 전통적인 HR 정보 + 조직내 다양한 시스템과의 연계 +소셜 미디어 • HR Analytics 전문업체 활용도 활발 : 예) HireIQ(인터뷰 솔루션과 지원자의 잠재력을 평가하는 솔루션) • 전문업체와의 협업을 위한 Analytics에 대한 지식 <출처: “HR에서도 혁신이 시작되고 있다”, 황인경, LGERI, 2016.3>
 17.  직관에서 데이터로… 구성원과 조직의 성과 향상을 목적으로 사람 관련 의사결정의 질을 높이기 위해 다양한 통계적 방법론을 적용하는 HR 데이터 분석은, 편견이나 직관을 데이터로 보완하여 구성원들을 객관적으로 파악하고자 함 17 데이터 기반의 간결한 메시지를 제공하여 통찰력을 얻을 수 있도록…
18.  인사관리에서 Big Data를 가능케 하는 것들 데이터 관리와 처리 기술의 발달, 비즈니스 환경의 급속한 변화, 이에 따른 데이터 활용의 필요성 증대 등으로 이제 인사관리에서 빅데이터 활용은 선택이 아니라 필수가 됨 18 <출처: Big Data and HR, Nick Holley, 2014> 기업의 인사관리를 빅데이터에 관심을 갖도록 하는 것들; • 기술적 비용은 점점 떨어지고 있다(Moore의 법칙) • 분석 도구는 점점 더 발전하고 자동화  ERP나 이와 비슷한 솔루션들은 분석 도구를 표준화  사용성을 높이고 있음  발전된 모델링 도구의 발전으로 단순한 분석에서 미래 예측까지 가능 : A/B테스트, association rule learning, cluster analysis, data fusion, factor analysis, 예측분석, 회귀분석, 시나리오 계획, network analysis 등  일부만 데이터에 접근  누구나 데이터에 접근  다양한 데이터 소스를 통해 입수한 데이터를 분석함으로써 더 많은 통찰력 제공: 주관적인 데이터, 소셜 미디어, 콜센터 음성 녹음, 직원의견조사 결과 등 • 10년 전과 비교해 볼 때 데이터에 대한 의존도는 폭발적으로 늘어남 • “사람 = Social Network의 결정체”라는 인식 확대 • 빅데이터는 단순한 텍스트가 아니라 시각화(Visualization)  시각화 도구와 기법의 발달 중요한 것은, 데이터를 분석하는 목적, 즉 비즈니스의 요구사항에 대응하기 위한 관점에서 데이터를 봐야 한다.
19.  Big Data Theme in HR 인적 자원은 지속 가능한 경제적 가치의 핵심 요소이므로, 인사관리에서 빅데이터는 이러한 인적 자원의 개발과 활용에 적극적으로 개입해야 할 때가 되었음 19 Predicting Turnover Risks 곧 떠날지도 모를 직원을 채용하고 교육하는 데 막대한 시간과 비용 투입  인재를 유지하는 것이 HR의 가장 중요한 과업 Leadership pipeline 가장 성공적인 리더란 무엇이며, 왜 누구는 그런 리더가 되는 반면에 다른 사람들은 그렇게 되지 못하는가? Pressure on ROI on Human Capital 성과를 직원의 비용과 연계하는 것은 ROI를 위한 좋은 지표. 그러나 서비스 조직에는 바로 적용하기 어려움 Talent Analytics 직원의 육성에 투입되는 각종 비용과 그 효과는 보이지 않는 문제  투자효과 분석과 최적화 필요 Talent Management and Planning 향후에는 인력 계획에 따라 비즈니스 요구에 적합한 인재를 제 때 뽑고 관리하는 것에 집중하게 될 것 Useful Metrics 분석도구를 활용하여 metrics를 조직의 목표와 연계  질적으로 강력한 metrics 개발 Demand for Insightful Data 직관과 개인의 경험에 의존한 의사결정  직원에 관한 통계 데이터를 활용하기 시작
20.  How to Leverage BigData in HR 이미 대부분의 기업들은 상당한 양의 인사관련 데이터를 갖고 있으므로, 이를 활용할 명확한 목적을 정하고 이를 수행할 데이터 분석 전문가를 통해 활용성을 확장할 수 있음 20 대부분의 회사는 이미 데이터를 충분히 갖고 있음 대부분의 기업은 어마 무시한 HR 데이터를 가지고 있지만 제대로 사용하고 있지는 않음 (인사 기록, 성과 평가 결과, 재능 이동 이력, 교육 이력, 인재 나이, 학력 등등) 경험과 기술 • 데이터 분석 경험과 기술 • 데이터를 모으고 제대로 사용하는 데 많은 투자 필요 • 데이터 분석, 정제, 통계, 시각화, 문제해결 같은 기술 올바른 출발 • 제대로 된 질문을 하는 것에서 시작 • 데이터 분석과 관련된 실질적인 원칙 수립 평균 이상의 대기업들은 보통 • 10개 이상의 인사 관련 어플리케이션을 사용 • 그 중에서도 핵심 어플리케이션은 구축한 지 6년 이상 대부분의 인사전문가들은 아직 이런 기술을 갖추지 못했고, 기업들은 이런 기술을 갖춘 사람들이 HR 데이터를 가지고 작업할 수 있도록 해야 함. 시사점
21.  빅데이터 기반 HR의 효과 빅데이터가 HR분야의 개선을 고려하는 기업에서 ‘가장 큰 이슈’로 되면서 직관에 의한 HR 운영과는 달리 데이터 분석을 통해 검증된 결과를 기반으로 경영하는 ‘근거기반의 의사결정’을 가능하게 함 21 1. Better insight (인사와 고용의 인사이트 확보 효과) • 개별 직원의 개인 성과 데이터와 고용주의 인사 행위의 결과를 분석  직원과 부서에 대한 통찰력(Insights)를 높일 수 있는 방법론 • 고용주와 노동자의 공감대 형성에 도움이 되는 시스템을 위한 소프트웨어와 방법론 개발 시장 확대 : 풍부한 데이터 확보를 위해 웨어러블 컴퓨팅과의 접목, 매장 내에서 필요한 데이터 생산을 위해 관련 시스템 설계, 직원 성과 측정에 빅데이터 활용 등 2. Better Retention (인재의 보유 효과) • 직원의 퇴사와 이직의 원인을 분석 • 만족도 설문을 통한 데이터 확보, 팀 평가, 소셜 미디어 분석, 업무 지속과 이직/퇴직 관련 데이터 기반의 예측이 가능 (사례) 제록스 사는 빅데이터 분석을 통해 이직률을 20% 감소 3. Better Training (더 나은 교육 효과) • 미국의 경우 직원 1명당 $1,208의 교육비를 지불(‘기업 종사자 동향 보고서’, CEB, 2014) • 직원 교육에 높은 비용을 지불하고도 그 효과에 대해서는 측정하기 어렵거나 불가능한데 반해 빅데이터를 활용한 HR 시스템에서의 직원 교육은 그 효과를 측정할 수 있음 4. Better Hires (인재 식별 효과) • 잘못된 고용으로 인한 비용 낭비는 기업 당 5만 달러  기업이 인재를 식별하는 능력은 매우 중요함. • 이력서나 ‘직감’이 아니라 소셜 미디어 프로파일링, 온라인 이력서 데이터베이스 분석, 테스트 기법, 콘테스트 등 데이터에 기반한 고용
22.  요약 : 빅데이터 활용의 Big Picture 22  잠자는 데이터를 깨워라  직관이나 감에 의한 의사결정  데이터 기반 의사결정  좁은 범위의 인사 문제 해결  비즈니스(현업) 문제/이슈의 해결  100%의 완벽한 데이터  필요하며 현재 갖고 있는 데이터에서 시 작  작은 것부터 실험적으로 시작(PoC)
 23.  인사관리 분야에 빅데이터 도입 이용단계와 필요한 기술
24.  Enterprise Data Hub HR Analytics Core HR Payroll CRMRecruitingTMTraining Safety Job Boards Social Media Surveys Billing Job Boards Interviews HR 분야에서의 Big Data 개념 ERP, 기간시스템, 포털, 소셜미디어 등 기업 내외의 다양한 원천으로 부터 수집된 데이터로 Enterprise Data Hub를 구성하여 분석의 기반으로 삼음 24
 25.  Data Sources WEB DATA SOCIAL DATA OPEN DATA ACQUIRED DATA YOUR DATA MICRO CUSTOMER PREDICTIVE PRESCRIPTIVE BEHAVIORAL WHAT-IF SENTIMENT SEGMENTATION INTELLIGENCE MODELING ANALYSIS OUTLOOK SCENARIOS ANALYSIS / NLP DATA-DRIVEN ACTIVATION PROJECT INFORMATION SPECIFIC STRATEGIC CAMPAIGNS MANAGEMENT SYSTEMS LOOPBACK ACTIONS CONSULTING <사례> 채용 시에 참고할 수 있는 다양한 데이터 원천 • ATS CV's • LinkedIn, Facebook, Twitter, Google+, etc. profiles and updates • Youtube, Quora, Flickr, Github, Stack Overflow, etc. • Mobile check-ins and updates • Recommendations/awards/ endorsements • Blog posts and comments • Press releases/announcements • 기타 등등등!! Big Data의 취합과 활용 다양한 원천으로부터 수집된 데이터를 활용 목적에 맞는 과학적 분석방법/Framework/기준/기법 등으로 분석하여 그 결과를 비즈니스 문제 해결에 활용 BigData Analytics Methods Data-driven Operations 25
 26.  HR에서 빅데이터를 활용하기 위해 필요한 4가지 기술 데이터 분석을 위해서는 비즈니스 관련 지식과 역량뿐만 아니라 IT 관련 지식과 경험이 필요하므로 비즈니스 전문가와 데이터 분석 전문가의 협업이 필요 26 Bersin & Associates, 2012 IT 관련 기술/지식 1. IT, Database, Programming skill 2. 수학과 통계학 지식 비즈니스 관련 기술/지식 3. 산업/조직 심리학, 조직 설계, 인재 관리 4. 비즈니스 리더십과 비즈니스에 대한 이해 * I/O Psychology : Industrial & Organizational Psychology (산업/조직 심리학)
27.  데이터를 다루는 사람들이 가져야 할 기술과 태도 HR 분야에서 빅데이터를 사용할 때 중요한 것은 기술(technology)가 아니라 데이터를 다루는 기술(skill)과 그것을 효과적으로 다룰 수 있도록 하는 태도임 27 태도(Attitudes) 기술(Skills) • 비즈니스에 대한 관심과 열정  비즈니스 이슈에서 데이터로  전략에 대한 관심과 HR과의 연관에 대한 질문 • 이론이나 단순한 분석이 아닌 활동 지향  분석 결과를 가지고 무엇을 할 수 있는가? • 핵심 통찰과 스토리 중심 • 변화하려는 의지  언제나 비즈니스 관점에서 바라보고 적절한 대응 • 유연성  데이터와 문제를 다양한 관점에서 살펴봄으로써 데이터들간의 연관성과 유형을 찾기 • 호기심  비즈니스와 관련된 정확한 질문  상관관계와 인과관계에 대한 명확한 이해 • Analytics  데이터를 식별, 검증, 표로 만들기  기본과 고급 분석 기법  문제에 맞는 중요한 통찰 생성 • Technology  기술적 지식이 없더라도 미래에 대한 비전을 갖추기  다양한 데이터와 기술을 통합할 줄 아는 능력  IT 부서나 외부 벤더와 협업하여 필요에 맞는 정확한 솔루션 선택 • Reporting  스토리텔링에 능숙하고 데이터를 통찰의 수단으로 제공 • Program & project management  업무를 프로젝트 단위로 나누고, 그걸 수행할 수 있는 역량을 갖추고 원칙과 목표에 집중
28.  빅데이터의 성숙 단계 빅데이터 성숙 단계는 아래 4개의 단계로 구분할 수 있지롱 • 30%는 데이터 수집에 관심없고, 70%는 모으기는 하지만 활용은 거의 못함 • 기업의 성과가 낮고 현업부서와 IT간의 연계가 잘 안됨 • 데이터 전략 담당자 : 중간관리자 • 내부 운영의 개선을 위한 용도로 사용, 특히 내부 보고용 자료 만드는데 중점 • 데이터 관리와 관련된 모든 문제(보안 등)와 씨름 중 • 다른 기업들에 비해 데이터 관리에 대한 투자가 가장 뒤쳐짐 • 데이터 관리 기술을 유지하는 것도 어려움 28 Data Wasters Data Collectors Aspiring Data Managers Strategic Data Managers • 데이터의 중요성을 이해하고는 있지만 관리할 능력은 없음 • 데이터에 파묻힌 상태 • 주로 건강(healthcare)과 전문 서비스 산업에 있는 기업들 • 데이터 전략 담당자 : senior IT executive • IT와 현업 간의 연계 미흡 : 1/4은 데이터의 중요성을 이해하지 못하고, 나머지 3/4는 현업과 똑같은 수준 • 품질, 정확성, 검증에 문제 • 법정 요구사항 대응 중심 • 데이터 관리에 많은 투자하지 않음. 특히 기술에 투자 않음 • 데이터 관리를 위한 공식적인 프로세스가 정립되지 않음 • 기업의 미래에 빅데이터가 중요하다는 걸 알기에 전략적 결정에 데이터를 활용하고 투자도 공격적으로 함 • 주로 통신이나 소매 산업에 있는 기업들 • 데이터 전략 담당자 : CEO • 내부의 사업 운영뿐만 아니라 대 고객 용도에 관해서도 배우기 위해 데이터를 활용 • 데이터를 충분히 정제하거나 검증하지 못함 • 66%는 데이터의 1/2만 유용하게 활용 • 데이터는 많은데 관리/운영할 자원(인력, 인프라)가 없다고 불만 • 빅데이터 이용에서 가장 성숙한 역량 보유 • 주로 제조, 금융서비스, 기술 산업에 있는 기업들 • 데이터 전략가(strategic data manager)가 기업의 전략적 목표와 연계된 특정 측정 기준과 데이터를 식별 • 의사결정에 가장 적합한 데이터를 선택하고 그걸 적극적으로 사용 • 경영진이 직접 데이터 조작 • 데이터 관리에 많은 투자. 특히, 정확성, 완성도, 통합 측면 • 잠재적 가치를 갖는 신규 데이터를 찾는데 노력 <출처: Big Data and HR, Nick Holley, 2014>
 29.  빅데이터를 대하는 HR의 태도 HR 분야에서는 그간 빅데이터를 위기로 인식하여 저항 또는 소극적 활용에 머물렀으나 이제는 빅데이터가 기회임을 깨닫고 비즈니스 이슈를 해결할 수 있는 역량과 영역 확장 29 <출처: Big Data and HR, Nick Holley, 2014> 그러나 이제는,  데이터 분석은 인사관리 부서가 주도적으로 게임 자체를 변경할 수 있는 기회 제공  ‘What is new is that in the last few years the sheer quantity of data and the effectiveness of analytical tools have grown exponentially insights from data within the function  HR은 이 기회를 잘 살려 인력이나 역량 관련 이슈 뒤에 숨어있는 근본 동기를 직관이나 감으로 식별하던 그동안의 관행을 넘어서려는 노력 HR luddites • 빅데이터를 새로운 기회가 아니라 자리의 위협으로 간주하여 거부 • 데이터가 아니라 관계나 감을 통해 통찰(insight)를 찾던 관행 Data Centricity • 빅데이터를 받아들이되 전통적인 인사관리 영역에만 한정(이직율, 각종 인사 통계, engagement 등) • 수많은 나머지 데이터는 잠자고 있음
30.  인사관리 분야에 빅데이터를 도입하기 위한 9가지 규칙 30 <출처: Big Data and HR, Nick Holley, 2014> 1. 데이터 분석을 할 때는 데이터가 아니라 비즈니스 이슈에서 시작하라. 2. 도구나 기술에 현혹되지 마라  비즈니스 이슈를 해결하기 위해 그것을 이용하는 사람들의 능력을 봐라. 3. 데이터 관리와 활용에 너무 과도하게 투자하지 마라  처음에는 소규모로 시작해서 그 개념을 이해하고 증명하라. 4. HR 데이터를 재무, 마케팅, 위험 등등의 데이터와 함께 묶어서 봐라. 5. 데이터 분석 팀이 어디에 있어야 하는지에 대해서는 너무 걱정하지 말고, 대신 그들이 비즈니스 이슈와 HR 솔루션과 연관되어 있음을 확실히 해라. 6. 데이터를 어떻게 제공하는지가 중요 – 통찰력 있고, 강력하고, 단순하면서도 적절한 데이터 7. 인사담당자들의 태도 변화 : commercial, action oriented, focused, willing to challenge, agile, curious. 8. HR의 모든 분야에서 데이터가 주는 안도감을 맛볼 수 있도록 하라(Data comfort). 9. 데이터는 도구이지 정답이 아니다  HR에서 사람이 중심에 있음을 놓치지 마라
31.  잊지 말아야 할 것… 데이터 기반의 인사관리라 하더라도 모든 문제해결의 근원은 사람이라는 것을 명심하여 완벽한 데이터 또는 데이터 만능주의에 빠지지 않도록 주의 31 <출처: Big Data and HR, Nick Holley, 2014> If you start an analytics project by collecting all the data you can find you may never come to an end. We should be mindful of the human element and use data with a sense of humanity and not open the door to a world where we lose track of what makes us human.
 32.  HR Analytics 인사관리 분야에서의 빅 데이터 활용 방안
33.  글로벌 CEO들에게 가장 중요한 이슈는 Human capital 33 • 2016년 CEO Challenges 조사 결과에서 Human capital이 1위 • 2011년 Business Growth, 2010년 Excellence in execution 1위 컨퍼런스 보드 조사에서의 순위 <자료 : CEO Challenge 2015. (2015). The Conference Board.>
 34.  아래의 질문에 대답할 수 있는가?  How many current employees are retiring in 2015?  How many current employees are under preforming?  What companies provided your top and bottom performers in 2015?  What skills do current incumbents have in common with one another?  What are each managers 360 Leadership scores or rank?  일선 부서가 맞닥뜨린 시급한 문제는 무엇인가?  해당 부서에서 필요로 하는 인재의 자격 요건과 필요 시점은 언제인가?  ….. 34
 35.  HR Analytics의 필요성을 보는 관점 인사관리를 기초적인 통계 정보와 감성, 직관에 따르지 않고 데이터와 데이터 분석을 기반으로 한다면 기업의 영혼을 잃게 되는 것일까? 35 <출처: Big Data and HR, Nick Holley, 2014> 1. Problem focused • 해결해야 할 문제 중심 • 그 문제를 해결하면 돈이 되는지 • 비즈니스 중심의 데이터 • 분명한 Business Driver • 문제에 천착한 김이 있는 질문 2. CEO focused • HR 전략의 최종 결정권자는 CEO  그의 성향과 관심 중요 • HR 내부는 저항없이 따라야 함 • 더 많은 투자와 자원 확보 3. Investor focused • 주식 성과에 대한 무형자산의 중요성 증가 • 이 무형자산과 관련된 내부의 데이터와 외부 벤치마킹의 연결 필요 4. Regulator focused • 규제가 많은 사업에서는 더 빨리 규제에 대응할 수 있는 데이터와 데이터 분석 역량 확보가 중요 5. Cost focused • 가치 창출이 아니라 단순한 비용 절감은 위험한 양날의 칼. • HR 분석이 HR 외부에 가치를 제공할 수 없을 수록 점점 더 비용 절감 중심 6. Tool focused • 문제의 맥락을 보지 않고 무조건 Best practice를 찾는 행위 • HR이 어떻게 가치를 제공할 수 있는지에 대한 이해가 바탕
36.  HR Analytics 성숙도 모델 데이터 이용 성숙도 4단계 36 출처 : Bersin & Associates, 2012 Level 1 : Reactive – Operational Reporting Operational reporting for Measurement of Efficiency and Compliance, Data Exploration and Integration, Development of Data Dictionary Level 2 : Proactive – Advanced Reporting Operational Reporting for Benchmarking and Decision Making, Multidimensional Analysis and Dashboards Level 3 : Strategic Analytics Segmentation, Statistical Analysis, Development of “People Models”, Analysis of Dimensions to understand Cause and Delivery of Actionable Solutions Level 4 : Predictive Analytics Development of Productive Models, Scenario Planning, Risk Analysis and Mitigation, Integration with Strategic Planning
 37.  [원칙 #1] 데이터에 접근하는 관점 분석을 데이터 자체에서부터 시작할 것인가 Business Problem에서 시작할 것인가? 37 Data Business Problem Analysis Insight Action Business challenges into data analytical tasks: Data-driven insights into action: HR에서 빅데이터를 활용하는 목적은 Business상의 문제나 이슈의 예방과 해결  Business Problem에서부터 분석이 시작될 때 가장 큰 가치를 가져다 줄 수 있음
38.  [원칙 #2] HR Analytics를 위한 데이터의 확장 HR이 Business Problem을 해결하기 위해서는 그 범위를 HR 자체만의 데이터가 아니라 다양한 출처로 확장함으로써 데이터 결합의 위력을 발휘할 수 있어야 함 38 • HR은 업무 성과의 원인이 되는 요소를 찾아내는 능력 필요 • 데이터 분석가, 데이터 과학자와의 협업 또는 Fusion Organization • 데이터에 관한 한 HR의 경계를 허물어야 한다 • HR 밖의 빅데이터야 말로 HR 분석을 위한 진정한 빅데이터 • 기업내 다른 조직들과 데이터 공유 & 협업 • 최신 기술인지의 여부가 아니라 HR과 비즈니스 이슈를 풀어줄 적합한 도구와 데이터인지가 중요 • 어떤 것이 최선인지를 지속적으로 찾는 과정이 중요
39.  [원칙 #3] 숫자가 아니라 메시지가 중요하다 현란한 숫자와 데이터가 아니라 해당 Business Problem에 초점을 맞춘 메시지/스토리를 전달할 수 있어야 함 39 • 대부분 인사관리 분야의 내부 문제 해결을 위한 데이터에 집중 : 병가, 휴가, 교육일수, HP 프로세스 완료, 성과평가 결과, 경력, 채용 비용 등 • 이러한 태도/관점은 비즈니스 문제 해결에 도움이 되지 않음 • 여러 출처로부터 데이터를 모으기 때문에 데이터의 정제와 검증 문제 등의 이슈  현업의 요청에 따라 즉시 취합/부석이 필요할 때 제대로 대응하기 어려움 대부분의 HR 부서는 향후 비즈니스 전망의 관점에서 비즈니스 문제가 아니라 인사 내부의 이슈와 관련된 데이터에 초점 • 비즈니스 이슈, 비용, 매출 등의 문제를 해결할 수 있는 데이터 필요 • 기업문화가 데이터 기반의 통찰(data- driven insights)을 인정/중시하는지 직관을 중시하는지가 중요 Business Issue/Problem과 직결된 사안에 대해 Business의 입장에서 필요한 통찰을 제공해 줄 수 있는 정보에 초점
40.  어디서부터 시작할 것인가? 한 걸음 떨어져서 전략적 관점을 가지고 HR 이슈를 만들어 내는 비즈니스 이슈가 무엇인지를 살펴보고, 문제를 해결하기 위해서는 어떤 유형의 데이터가 필요한 지를 판단 40 • 기업/비즈니스에 우선순위 • 가장 긴급하게 해결해야 하는 비즈니스 이슈 식별 • 100% 정확한 데이터를 기다리지 않는다  데이터를 올바르게 사용하지 않으면 잘못된 통찰 • 데이터 품질에 대한 HR의 책임 • 데이터 자체가 아닌 스토리에 집중 • 데이터 분석의 오용이나 남용은 비용/시간/자원의 낭비 뿐만 아니라 잘못된 확신과 통찰을 제공 • 데이터의 양, 조직의 변화 속도에 따라 복잡성 증가  완벽함 보다는 시의적절  PoC부터 시작 • 불필요한 보고서 남발 지양 • 너무 많은 정보를 제공하지 않는다 • HR 외부의 관점 도입 : 다 알고 있다고, 제대로 하고 있다는 생각에서 탈피 채용 승계 유지 육성 퇴직 Outsourcing - Social network 활용 Insourcing - Internal network 활용
41.  어떻게 제공할 것인가? 데이터를 활용할 사람들에게 필요한 데이터/정보를 제공하려면 비즈니스를 이해하고 그 요구사항에 맞는 HR Analytics를 제공 41 <출처: Big Data and HR, Nick Holley, 2014> 데이터 수요자들의 적극적인 참여와 그들의 데이터 활용을 높이기 위해서는; • 수요자들에게 필요한 것이 무엇인지 이해 : 비즈니스 전략과 운영상의 이슈와 관련된 데이터 제공 • burning platform으로 시작 : 해결하고자 하는 문제가 무엇이고, 해결하기 위해 알아야 할 2~3가지의 핵 심은? • 단순하게 만들어라 : 통찰을 주지 못하는 수십 장에 달하는 별 관련없는 HR 분석기준은 불필요 • 두드러지게 보여라: 한 눈에 확 들어올 수 있어야 한다 • 행동해야 할 분명한 메시지를 보낸다: 목표 달성에 도움이 되는 것을 숫자표 도출 • 데이터를 쉽게 이해하고 사용할 수 있도록 한다. • 데이터 덩어리가 아니라 스토리를 전해준다 : 이 숫자 뒤에 숨어 있는 핵심 메시지에 관한 이야기를 들 려준다 • 적절한 언어를 사용한다 • 질문에 대한 준비를 하라 • 적절한 시점을 찾아라
42.  데이터 분석 과정 데이터 분석은 일회성 작업이 아니라 궁극적으로 실행을 향한 반복되는 과정 42 <출처: 빅데이터: 하둡과 데이터 분석, 윤형기, 2013> 현업과제를 분석과제로 표현 필요한 데이터의 종류와 범위 결정 데이터 수집 (필요시 데이터 변환/통합) 다양한 모델 대안 수립 분석과제를 주어진 데이터로 해결 가능하도록 확정필요한 형태로 데이터 1차 가공 상세 모델 수립 모델을 이용한 분석 작업 확정된 모델 적용 모델 적용 결과에 대한 분석 1 2 8 6 5 4 3 9 10 7
 43.  결론 HR Analytics의 정착을 위해서는 HR 의사결정 구조가 데이터 기반으로 바뀌어야 하며, 또한 사용 목적에 맞는 명확한 데이터와 충분한 분석이 이루어져야 함 43 • 'Reactive/직관 의존적/관행 의존적‘  'Proactive/검증 가능한/조직의 특성에 맞는 의사결정 • 빅데이터 기반의 다양한 분석 방법론과 통합적 프로세스 적용  구성원/조직의 성과 향상을 위해 HR 의사결정의 질을 높임 • 데이터 분석가(Data Scientist)나 HR Analytics 관련 전문가 확보 HR 의사결정 구조의 변화 명확한 데이터와 충실한 분석 • 실패를 줄이기 위해서는 필요한 데이터 수집 및 관리 시스템 구축에 충분한 투자가 이루어져야 하며, 축적된 데이터를 활용이 가능한 형태로 가공하는 방법론 개발 필요 • 또한 목적에 부합하도록 데이터와 분석 방법 디자인 필요하며, 빅데이터 분석을 통해 얻고 싶은 것을 사전에 분명하게 정의할 필요가 있음. 어설픈 분석으로 잘못된 결정을 내리지 않도록 주의 • 데이터 분석은 그 방법에 따라 왜곡될 가능성이 크기 때문에 HR분야는 특히 ‘사람’에 대한 이해가 반드시 전제될 필요가 있음
44.  활용 사례 HR Analytics를 통한 업무 개선 사례
45.  고령화와 환경변화에 대비 급변하는 경영 환경 속에서 필요한 인재들을 적시에 수급하고 향후 예상되는 인력 유실에 대비하는 것은 사업 성과 창출의 핵심 요소이므로 빅데이터 분석을 통해 이에 대한 대비책을 마련 45 • 필요 기술을 갖춘 인력 채용에 상당 시간 • 인수합병으로 갑자기 인원이 늘어나면서 구성원을 세세하게 파악하기 어려워짐 • 인력 고령화로 인해 대규모 은퇴 예상 : 향후 5년 내 축적 근속연수로 8,063년의 연차가 축적된 기술 인력들의 퇴직이 예상 • 대략 7년 주기로 호황과 불황이 반복되는 화학 산업 특성을 고려할 때, 불확실한 환경 속에서 인력 구조를 지금처럼 유지해도 되는 것인지가 조직 이슈 문제/이슈 조치 적용 결과 Black Hills Corp.-미국 에너지 회사 • 89개의 인력구조 개선 관련 액션플랜(Action Plan)이 준비가 되었고, 기술 인력 공백에 성공적으로 대비 다우케미칼(Dow Chemical) • 미래 인력운영 방안을 위해 4만명 임직원의 3년치 데이터 분석(승진율, 퇴직시점 예측 등) • 이를 바탕으로 현재 재직 인원을 총 5개의 연령 그룹, 10개의 직급으로 구분 후 미래 각 사업부 별 인력 분포를 추계 • 미래 외부 환경 변화(산업 트렌드, 정치 상황, 법률, 인원 감축)에 따라 어떻게 인력 운영에 대비해야 할지에 대한 시나리오 마련 • 현재 보유하고 있는 기술과 앞으로 필요한 기술을 조사, 파악하기 시작 • 이런 기술을 보유한 인력들을 어디서 찾을 수 있을지 예측
46.  임직원의 성과 창출 요인 발견 어떤 특징을 지닌 사람이 가장 높은 성과를 창출할 잠재력이 있는지는 조직마다 다르므로 HR 데이터 분석을 통해서 조직의 특성에 맞는 구성원의 특징이 어떤 것인지 파악 46 • 1층 화장품 매장에 적합한 직원 채용 • 자신을 잘 꾸밀 줄 아는 사람이 고객들의 호감을 사고 판매 실적이 높을 것이라는 고정관념  ‘외모’가 채용 기준의 하나 문제/이슈 조치 적용 결과 The Bon-Ton Company - 미국 백화점 • ‘인지 능력’, ‘상황 판단력’, ‘주도성’을 채용 기준에 포함 • 과거 대비 매장 당 평균 이직율은 25% 정도 감소하고 매출이 1,400 달러 가량 증가 • 판매직원의 인/적성과 성과 데이터를 비교/분석  ‘인지 능력’이 가장 큰 요인 • 인지능력이 좋아야 재빠른 판단 하에 고객에게 적절한 제품을 추천 • 상위 50%의 집단이 하위 집단보다 매출 10%가 더 높고 직업에 대한 만족도도 높음 • 성과가 좋은 콜센터 직원의 이직과 퇴직율이 높음 제록스(Xerox) • 평가 기간 내의 이직율은 20% 감소하고 승진 횟수가 증가 • 좋은 평가를 받은 사람들  창의적이고, 하나 이상의 Social Network에 참여 • 근무 연수와 성과, 직원 성격과의 상관분석  창의적인 유형이 가장 큰 상관관계 • 직원 선발 시 online evaluation 제도 도입 : 업무 수행 과정에서 겪을 수 있는 다양한 시나리오를 제시하고 선택하는 방식을 통해 인간성, 적성, 인지능력 등을 점수화/평가
47.  현행 HR 제도의 문제점 파악 현재 조직에서 실행되고 있는 인사 제도에 문제점이 보일 경우 데이터 분석을 통해 문제가 되는 부분부터 해결해나간다면, 좀 더 효과적인 제도 개선 가능 47 • 해외주재원 제도의 개선이 필요한 상태 • 본사에서 해외법인으로 유능한 인재를 파견하는 것이 무엇보다 시급한 상황에서 주재원 제도에 대한 평판이 좋지 않았고, 복귀한 이들의 만족도가 상대적으로 낮았던 것이 원인 문제/이슈 조치 적용 결과 Nestle • 네슬레에서는 파견 전 필수 점검 사항에 대한 체크리스트를 만들어 파견자들의 이해가 부족할 수 있는 점을 찾아 보완 • 주재원들을 위한 별도의 커뮤니케이션 창구를 만들어 파견 기간 내 밀착 관리 • 온보딩 프로그램(On-boarding Program) 도입 : 해외주재원의 본국 복귀 이후 적응 지원 • 태스크포스팀(Task Force Team)을 구성하여 현재 주재원으로 근무하고 있는 이들과 복귀한 이들을 대상으로 심도 있는 설문을 실시 • 질문의 내용 : 주재원 파견 이후 이직을 생각한 비율, 본사의 지원이 필요한 부분 등이 포함 • 분석 결과 약 56%의 복귀자들이 이직을 생각할 정도로 문제점이 심각했으며, 파견 당시 명확한 기대수준이 설정되지 않았던 점, 어떤 과제를 수행하는 것이 핵심인지에 대해 설명이 부족했던 점, 파견 전 준비 기간이 짧았던 점 등이 가장 문제
48.  흩어져 있는 데이터의 통합과 연계 이미 조직 내에는 과거부터 실시되어온 설문, 직원 데이터, 성과 데이터가 곳곳에 산재되어 있으므로 이를 함께 통합하여 분석할 수 있도록 가공할 수만 있다면, 의미 있는 결과를 이끌어낼 수 있음 48 • 스타우드는 오랜 기간 조직 내 구성원과 고객을 대상으로 각종 지표들을 측정 • 이렇게 측정된 결과들은 따로 따로 관리되면서 조직에 큰 시사점을 주지 못함 문제/이슈 조치 적용 결과 Star wood Hotels & Resorts Worldwide • 투숙객 불만 사항과 가장 연관이 높은 것은 직원들의 협력이 낮은 경우라는 것을 발견 • 특히 객실 청소(Housekeeping), 엔지니어링과 객실 서비스 담당의 원활한 협력 제고가 시급함을 파악 • 서비스와 성과를 제고하기 위한 액션 플랜을 마련하고자 리더십, 조직문화, 고객평가, 재무 성과 데이터를 재구성하고 연계하여 분석  리더십 상위 25% 리더들이 속한 호텔에 대한 고객 충성도 점수가 하위 25% 대비 확연히 높음  고객 데이터 : 투숙객만이 아닌 거래 업체들까지 포함하여 측정 지표를 재구성  직원 설문 : 해당 호텔/리조트의 직원들과 투숙객들의 반응을 바로 상호 비교하여 문제점 개선
49.  Google – Predictive HR Analytics의 적용 “All people decisions at Google are based on data & Analytics”  통계학, 심리학, MBA 출신의 People Analytics 조직을 구성하여 데이터분석 기반 인사 혁신을 위한 실험적 프로젝트를 진행 49 • 좋은 리더는 조직의 산소와 같은 존재 • 관리자의 리더십이 조직의 성과에 영향을 끼치는가 알아보기 위해 시작 • 팀원들의 설문, 성과관리 점수, 인터뷰 자료를 분석하여 관리자의 리더십이 직원들의 이직율, 작업 만족도, 성과에 영향을 끼친다는 것을 밝힘 • “좋은 리더가 되기 위한 8가지 행동규칙”  리더십 교육을 진행, 1:1코칭을 통하여 미흡한 점을 보완할 수 있도록 지원  리더에 대한 만족도가 상승  성과가 낮았던 조직의 성과가 상승 Oxygen Project Janus Project 출산여성 인력관리 • 여성인력 퇴직율이 높은 원인을 파악하기 위해 데이터 분석 • 분석 결과, 출산한 여성의 퇴직율이 직원 평균의 2배나 된다는 점을 발견 • 휴직 기간을 기존 3개월에서 5개월로 늘리고 휴직기간 동안 휴직 전과 동일한 급여와 복리후생을 제공  출산 여성의 퇴사율이 50% 감소  전체 여성 직원의 퇴직률도 산업평균 이하로 감소 • 구글의 채용프로세스가 합리적인지 판단하기 위해 진행 • 구글의 채용절차는 복잡하고 엄격하여 지원자 뿐만 아니라 인터뷰를 진행해야하는 구글 직원들에게도 부담 • 지원자의 당락을 결정하기에 인터뷰는 4번이면 충분하고 지원자의 대학이나 학점, 채용시험 성적이 성과와 직접적인 연관성이 없다는 것이 입증  채용 프로세스를 단순화  거절한 지원서를 다시 리뷰하는 알고리즘을 개발하여 특정 인재가 필요할 때 쉽게 찾을 수 있는 풀 관리
50.  소셜 네트워크와 인사관리 Hierarchy에서 Socialligence로 “Big Data for HR” by Swan Insights
 51.  The Graph – 새로운 패러다임 네트워크화된 사회 - 20세기 이후는 소셜 미디어의 확대와 강화로 인해 개인의 사회적 관계망이 더 확대되고 중요하게 부각되고 있음 51
 52.  Workforce Science Corporate e-mail Graph “Work Force Science is absolutely the way forward. Most companies have been flying completely blind.” Peter Cappelli Director of the Center for Human Resources at the Wharton School of the University of Pennsylvania 기업의 인사관리에서도 네트워크는 이미 무시할 수 없는 수준으로 확대되었으며, 네트워크 사회에서 유능한 인재를 확보하고 유지하기 위해서는 네트워크에 대한 이해에 기반한 인력관리가 필요함 52
 53.  Data-driven Office 다양한 원천으로부터 다양하면서도 많은 데이터들이 조직의 어딘가에 쌓이고 있음 53 뱅크 오브 아메리카의 소시오메트릭 배지 활용 콜 센터에서 직원들간의 대면 접촉이 성과에 어떤 영향을 미치는가? 테스트 베 드로 하나의 지점을 선택하고 직원 90명에서 소시오메트릭 배지 (Sociometric Badge)를 착용 몇 주 후 데이터를 분석한 결과, 가장 높은 성과를 내는 사람들은 팀원들간 사이가 좋은 팀에 소속 회사는 구성원들이 팀/그룹 단위로 휴식을 취하도록 한 이후 구성원들의 생산성은 10% 향상
54.  When you HIRE an individual, you potentially hire his whole social network along with him 그동안 무시되어 왔던 3가지 규칙 When you FIRE an individual, you potentially fire his whole social network along with him. When an individual WORKS for you, his whole social network can work for you, too. For good, or for bad. 54
 55.  CM Tools are here INSIDE VIEW OUTSIDE VIEW PAST FUTURE CorporateCockpits StandardB.I. HistoricalSocial DataAnalysis Analytics Machine-learning Algorithms Prediction Social Web Data Open Data Machine-learning Algorithms Corporate Data 분석 대상과 목적의 변화 기업 내부의 데이터에서 외부의 소셜 데이터까지, 단순 분석에서 미래 예측으로 55
 56.  My LinkedIn Graph 56
 57.  ...,; .•· .. · .. • " t •":• .:.. - . .. .· ·. ·. . . /.·· / · •.•I .. ·• My LinkedIn Graph 57
 58.  • • • • • ::----... . • • • • • •• • • • • • • •• • ••• • • • • • • • • • • • • • l My LinkedIn Graph 58
 59.  사회적 파편화(Social Segmentation) Private life related Work related 59
 60.  Personal Characterization OUTPUT Prescriptive Analysis LEAD TO ACTION (data-driven operations) Data-Modeling Lifestyle & Interests job area sports music food arts personality others (travel, nature, etc) Socio-Demographics Financials work/revenues employability socio-environment real estate mobility/cars enterprises 80% ● Top 20% of Value Rank ○ Others Pareto 법칙 다양한 원천의 다양한 데이터를 통해 필요한 인재의 확보와 유지에 초점을 맞춘 분석과 예측 60
 61.  수직적 계층(hierarchy)에서 사회적 지성(socialligence)으로 더 이상 수직적이고 단일한 구조는 없다. 61
 62.  수직적 계층(hierarchy)에서 사회적 지성(socialligence)으로 YOU R COMPA NY 62
 63.  Use Cases (by Swan Insights corp.) The next 5 benefits can easily be deployed within your organization. Yet, the potential is huge and Swan is constantly improving the service. DaTalent Use Cases. SAMPLES OF BENEFIT S YOU CAN DRAW FROM THE DATALENT. > > >>> Your Social Footprint. WE IDENTIFY YOUR COMPANY’S OPENESS TO THE SOCIAL WORLD THROUGH YOUR EMPLOYEES’ CONNECTEDNESS. Smart Hiring. WE IDENTIFY TALENTS FROM YO UR STAFF’S NETWORK. HIRING PEOP LE SIMILAR TO YOUR BEST EMPLOY EES. Find Ambassadors. WE PROVIDE FREE MARKETING CHANNELS THROUGH YOUR MOST CONNECTED AND INFLUENT PEOP LE Hidden Talents. WE SURFACE HIDDEN COMMUNITIE S AND HIDDEN TALENTS TO HELP Y OU PERFORM WITH YOUR ACTIVITY. Productivity. WE IDENTIFY PRODUCTIVITY GAP S AND FIND OPPORTUNITIES TO FIL L THEM THROUGH YOUR EMPLOYEES' NETWORK. 63 Swan Insights사에서 제시한 HR Analytics를 활용한 Use Case
 64.  HIRE the right talents ONBOARD fast up to speed WORK better EVALAUTE performance MARKETING ambassadors RETAIN best people END relationship Each step is enlightened by social & open data insights Employee Lifecycle 1 2 3 4 5 6 7 64
 65.  1 HIRE the right talents 경력 이동 경로 식별하기 Automatic identification of potential hires in employees’ connections, based on multiple parameters. 잠재적인 후보자 접촉 Use your employees as contact relays to attract connected candidates. Gather testimonials and pre- opinions. 헤드 헌터 비용 절감 Birds of a feather flock together. You will likely find the right candidates around your existing staff. 후보자를 사전에 평가하기 Social data are 100 times much revealing than a standard resume. Use social profile to add evaluation layers. Employee Lifecycle에 따른 HR Analytics의 Use Case 1. HIRE the right talents 65
 66.  2 ONBOARD fast up-to-spee d 따듯하게 맞아주기 Facilitate onboarding by identifying the new hire’s connection within the staff. Create easy and fast mentoring and sponsoring. 즉시 내부의 전문가들을 연결시키 주기 Identify the right future expert colleagues for the new hire according to his job description. 쉬운 데서부터 시작할 수 있도록 하기 Assign first tasks that you know being in the new hire’s comfort zone to speed up a good settle. Employee Lifecycle에 따른 HR Analytics의 Use Case 2. ONBOARD fast up-to-speed 66
 67.  3 WORK better 비슷한 시장이나 직원들의 트렌드 식별 By monitoring what your staff and connections are publishing, get insights on your sector from inside. 전문기술을 가진 Offering과 수요 연결하기 Easily and immediately connect people who search and people who own. Inside and outside. 숨어 있는 커뮤니티를 발굴 Identify groups of common interests in your personnel (work areas and hobbies) 외부의 지적 자원을 사용할 수 있도록 하기 Monitor your staff and its connections publications based on keywords. 전략적인 태스크 포스 팀 구성 Identify the early adopters within your staff and put them at work. Employee Lifecycle에 따른 HR Analytics의 Use Case 3. WORK better 67
 68.  4 EVALUATE performance KLOUT*과 회사의 KPI를 결합 Enrich your Performance Indicators with Klout scores and other social records. Use the Socialligence Ranking. 외부와의 관계를 추적관리하기 Gather the external relationships your employees have with clients, partners, colleagues, competitors. 평가를 위한 인터뷰를 최적화하기 Generate rich social yearly journals to get an overview of an employee’s social engagement. Employee Lifecycle에 따른 HR Analytics의 Use Case 4. EVALUATE performance 68 * Klout : • 온라인 상에서의 영향력에 관한 사용자 순위를 매기기 위한 소셜 미디어 분석을 사용하는 웹 사이트와 모바일 앱으로 “Klout score”를 사용(1점 ~ 100점) • 사용자의 소셜미디어 네트워크 규모를 측정하고, 그들이 만든 자료들이 얼마나 많이 사용되는 지 상관관계 분석
69.  5 MARKETING ambassadors 커뮤니케이션을 위한 전달자로 직원 활용하기 Engage your employees to relay your marketing campaigns and craft your company’s reputation. 내부 또는 외부의 영향력 있는 사람을 식별하기 Optimize your campaigns by identifying real influencers among your staff and its connections. 커뮤니케이션의 확산 상황을 모니터링 Monitor the spreading of your messages from employees to their direct connections. Employee Lifecycle에 따른 HR Analytics의 Use Case 5. MARKETING ambassadors 69
 70.  6 RETAIN best people 누가 회사를 떠날 지를 식별하기 Identify the employees planning to leave your company, thanks to a combination of selected parameters. 열심히 하고 성과 내는 직원 보상하기 Rank employees according to their propensity to engage internally and externally. 옥석 가리기(STARS & NUGGETS) Know which people you should cherish to reduce risk of leaving. Employee Lifecycle에 따른 HR Analytics의 Use Case 6. RETAIN best people 70
 71.  7 END relationship 퇴직(해고)의 영향 모니터링하기 Evaluate the potential negative impact of lay-offs throughout the staff and the employee’s connections. 퇴직자들의 모임(Alumni Network)을 장려하고 모니터링하기 Get insights on your former employees’ new life and encourage them to keep engaged. 나쁜 영향이 무엇인지 알아보기 Identify employees that spread negative information about your company, products or services. Employee Lifecycle에 따른 HR Analytics의 Use Case 7. END relationship 71
 72.  Thank You seong-bok.lee@hpe.com
 73.  참고 자료 73 • “Big Data in Human Resources”, Cronos, 2014.4 • “Big Data in HR: Insight on the Meaning and the Opportunity”, Donna Quintal / Glen Cathey • “Big Data for HR”, Swan Insight • “Big Data and HR”, Henley Business School of University of Reading, 2014 • “HR에서도 혁신이 시작되고 있다”, 황인경, LGERI, 2016.3 • “HR 분야에서 데이터 활용 동향”, 엘렉스컴퍼니, 2015.11 • “인사관리 분야에서의 빅데이터 활용”, K-ICT 빅데이터센터 • “Big Data in Human Resources: Talent Analytics (People Analytics) Comes of Age”, Josh Bersin, Forbes, 2013.2