구글은 이 데이터를 분석하여 공통적인 특성을 보이는 몇 개의 집단을 발견하였다. 그 중 훌륭한 리더 집단과 나쁜 리더 집단을 구분하고, 각 리더들이 담당하고 있는 팀의 생산성, 팀원들의 행복지수, 조직몰입 수준 등을 살펴보았다. 분석결과, 리더십이 조직 구성원들의 태도, 행동 및 성과에 큰 영향을 미치고 있음을 확인할 수 있었다. ---p.20
물론 경영자의 탁월한 직관, 그리고 과거의 경험을 무시할 수는 없다. 증거기반경영에서 강조하는바는 객관적 근거들을 지속적으로 점검함으로써 의사결정권자의 주관적 믿음 등이 올바른지 검증하고, 또한 그러한 데이터들을 바탕으로 보다 더 진일보한 직관 또는 앞을 내다보는 안목을 키우는 데 있다. ---p.78
그렇기 때문에 조직 내에서는 MBTI나 DiSC가 구성원간의 이해를 증진시키기 위한 목적으로 조직 활성화, 팀웍 개발영영에서 많이 활용되고 있으며 매우 유용한 도구임에는 틀림없다. 그러나 예측가능한 인재경영을 구현하기 위한 도구로 사용하기에는 한계가 있다. 왜 그럴까? 유형화된 성격 데이터는 인재를 예측하는 측면에서 적지 않은 제약이 있기 때문이다.---p.180
HR Analytics를 실시하기 전에 주제와 관련하여 다양한 관점을 고려하는 것이 필요히다. 지나치게 획일화된 생각과 접근은 위험할 수 있다. 특히 Analytics로 도출된 시사점을 가지고 새로운 제도를 만들거나, 육성 및 개발을 실시할 때는 더욱 그렇다. 장기적으로 조직의 효과성에 큰 영향력을 미칠 수 있기 때문이다. ---p.285
책을 내며
한 금융·재무 서비스 회사가 있다. 이 회사 경영진에게는 인재에 대한 오래된 신념 하나가 있다. ‘영업직이든 서비스직이든 사람을 선발할 때는 반드시 우수한 대학 출신들을 뽑아야 한다. 좋은 대학을 나온 사람들일수록 성과가 좋기 때문이다’라는 믿음이다.
과연 이것이 맞는 것일까?
지난 수년간 회사 내 축적된 빅데이터는 그 신념이 반드시 옳은 것은 아니라는 점을 말해주고 있었다. 유수의 대학 출신자들을 중심으로 채용했음에도 불구하고, 영업 실적에 있어서 각 개인마다 차이가 컸기 때문이다. 실적이 탁월한 사람도 있는 반면 매우 저조한 사람들도 있었다. 평균적인 수준에도 미치지 못하는 사람들이 많다는 것은 경영진의 믿음이 틀렸음을 시사 할 가능성이 있다.
이를 확인하기 위해 영업부문 구성원들의 출신 대학, 학점, 전공, 성별, 지역 등 다양한 데이터들을 끌어 모으고 수년간 축적된 개인별 실적 자료를 가지고 분석을 실시하였다. 결과는 어떻게 되었을까? 데이터는 경영진의 믿음이 일정 부분 옳다는 것을 확인해줬다. 좋은 대학 출신이면서 학점이 높은 사람들이 어느 정도 우수한 실적을 보이는 것으로 나타났다.
그렇다면 이 결과대로 좋은 대학 출신의 성적 우수자를 선발하면 되는 것일까?
데이터는 현상에 숨은 이야기를 들려주었다. 출신 학교나 학점보다도 경험이 더 중요한 요소임을 보여준 것이다. 영업 실적이 탁월한 사람들은 어렸을 때 리더 역할을 해본 적이 있었다거나, 세일즈를 해본 경험이 있었다. 또한, 과업이 구체적이지 않은 모호한 상황에서 일을 해본 경험이 있었다.
이외에도, 이유를 정확하게 설명하기 어려운 예측 요인들이 있었다. 첫째, 입사 지원서에 오탈자나 문법적인 오류가 없는 사람들일수록 영업 실적이 좋았다. 이는 지원자의 성실하고 치밀한 성격이 입사 후 업무 성과로 이어진 것일 수 있다. 둘째, 부동산을 매매한 경험이 없는 사람들이 영업 실적이 좋았다. 반면, 부동산 매매 경험이 있는 사람들은 1년차에 퇴사한 경우가 많았다.
이 회사는 분석 결과를 바탕으로 면접 지원자들의 입사 후 성과를 예측할 수 있는 모형을 만들었다. 자기소개서에 오탈자 및 문법 오류가 있거나 부동산 매매 경험이 있는 지원자들은 서류 전형에서 제외시켰다. 어려서부터 리더 역할을 맡은 경험이 있거나, 부동산을 제외하고 무언가를 판매해 본 경험, 역할이 모호한 상황에서 일을 해본 경험이 있는 사람들을 적극적으로 채용 하였다.
그 결과 영업 부문 신입사원들의 1년차 실적이 향상되었고, 퇴직률도 감소하는 성과를 거두었다(Bersin, 2012).
이 사례에서와 같이 최근 빅데이터(Big Data)가 주목을 받으면서 조직 내 축적되어온 인적자원 빅데이터 활용에 대한 관심도 증가하고 있다. 조직 내 인적자원 데이터를 빅데이터 라고 할 수 있는 것인가? 라는 의문이 들지도 모른다. 어쩌면 요즘 회자되는 소셜 빅데이터 등에 비해서는 상대적으로 스몰 데이터(Small Data)일 수 있다.
그러나 소셜 빅데이터는 불특정 다수가 만들어내는 데이터인 반면, 인적자원 빅데이터는 조직이라는 경계 안에서 개개인들이 수년에서 수십 년간 누적적으로 만들어낸 데이터이다.
인적자원 데이터에는 구성원 개인별 인사 정보(나이, 성별, 출신 학교 등), 자기 소개서를 포함한 입사 지원 서류, 성격 및 적성 검사 결과는 물론, 근무 기록(출퇴근, 지각조퇴 및 사무실 입출입 등), 성과 평가 결과, 교육 평가 결과, 수시로 실시하는 각종 설문(종업원 의식조사, 조직문화 진단, 교육 니즈 설문 등) 등이 포함되어 있다. 이뿐만 아니라 회사 인트라넷 게시판에 올라오는 각종 기명·무기명 글과 답글도 있으며, 개인 사생활 침해 논쟁의 영역까지 확장한다면 사내 메신저 활용 데이터(예:로그인, 로그아웃, 자리비움 정보 등), 이메일 내역까지도 포함될 수 있다.
인적자원 빅데이터는 불특정 다수에 의해 만들어지는 소셜 빅데이터보다 구조화되어 있고 구체적이어서 목적 지향적으로 활용될 수 있기에, 이를 인재경영이라는 화두 아래 어떻게 활용할 것인지 이 책에 담아내고자 한다.
책을 집필하면서 세 가지 고민이 있었다. 첫째, 어느 정도의 폭과 깊이로 담아내느냐는 것이었다. 데이터 측정 방법, 분석 방법론에 더하여 인재경영과 관련된 전문적인 지식들이 긴밀하게 얽혀 있어, 전문성과 이해 용이성 간에 균형을 맞추기가 쉽지 않았다. 둘째, 형식지로는 담아내기 어려운 암묵지들이 적지 않아, 독자께서 일독한 후 공허함이 느껴지는 책이 되지는 않을까 하는 걱정도 들었다. 마지막으로, 아직은 생소한 이 주제에 대해 살아있는 사례로 독자들에게 다가갈 수 있을지도 의문이었다.
이러한 고민들을 해소하고자, 책을 두 가지 콘셉트로 구성하였다. 우선 2장부터 5장까지는 다소 어렵거나 딱딱하게 느껴질 수 있는 빅데이터 기반의 인재경영을 둘러싼 제반 지식들을 담았다. 다음으로 6장부터 10장까지는 저자의 경험과 암묵지들을 담았다. 가능한 한 많은 사례들을 인용하여 설명하고, 저자의 직무 윤리를 벗어나지 않는 선에서 생생한 경험을 담아내고자 하였다. 그럼에도 여전히 부족한 면이 있음에 미리 양해를 구하고자 한다.
마지막으로 이 책을 집필하는데 직·간접적으로 도움을 주신 분들께 감사의 말을 드리고자 한다. 사랑하는 부모님, 일생동안 정진해야 할 길을 보여주신 봉현철 교수님, 연구자로서 길을 걷게 해주신 이진규 교수님께 감사드린다.
Human Resource Analytics와 관련하여 경영진의 시각을 지속적으로 함양시켜주신 유만석 상무님, 새로운 트렌드에 대한 균형적 관점을 갖도록 해주신 강두현 팀장님, 실무 수행에 있어 물심양면으로 지원해주신 전종민 팀장님, 한 마음으로 일하면서 집필을 응원해주신 임창현 박사님, 책 출간을 처음으로 제안해 주시고 제목도 직접 지어주신 케어캠프 이규황 과장님, 독자의 관점에서 피드백을 아끼지 않은 롯데인재개발원 이은종, 장민영 책임님께 감사드린다.
미흡한 초고에 많은 관심을 가져주시고, 전폭적으로 지원을 해주신 영화조세통람의 김현영 본부장님, 이경익 부장님, 김종태 차장님, 그리고 최영환 대리님께 감사드린다.
2013년 10월
저자 김성준
---「머리말」