1장 피플 애널리스트는 누구인가

나와 스티븐 교수는 피플 애널리틱스를 위해 가장 중요한 역량으로 사회과학, 통계학, 컴퓨터 과학 분야의 역량 3가지를 강조했다. 그중에서도 사람에 대한 이해와 통계학(회귀분석)이 중요하다고 주장했다. 결국 피플 애널리스트와 데이터 애널리스트에게 중요한 역량은 유사하다. 문제를 발견하고 질문으로 정의할 수 있는 역량, 이를 데이터로 분석해서 해석할 수 있는 역량, 사람에 대한 깊은 이해를 바탕으로 소통할 수 있는 역량, 문제 해결을 위한 실행 역량이다.
--- p.31

2장 어떻게 피플 애널리스트는 일하는가

우리 팀은 열띤 논의 끝에 기업의 디지털 전환에서 가장 중요한 핵심이자 첫 시작은 바로 데이터라고 결론 내렸다. 인공지능과 클라우드 외에 그 어떤 기술을 사용하든지 그 기업의 디지털 전환 경쟁력의 핵심은 바로 데이터였다. 어떤 데이터를 어디에서 얼마나 수집하고 어떻게 분석해 사업에 활용할 것인지가 바로 디지털 전환의 핵심인 셈이다. 그래서 가장 먼저 우리 기업은 어떤 데이터를 수집하고 있는가 추적했다. 그간 우리가 쌓은 기업 경영활동 과정에서 축적된 데이터는 무엇이었고 그 데이터를 어디에서 어떻게 축적했으며 어떻게 활용해 왔는지를 진단하는 것이었다.
--- p.57

나는 그 어떤 기업과 조직이라도 전략적인 방향과 임팩트를 행사하는 것은 사람이고 조직에서 사람이 어떤 가치를 창출하는가에 관한 연구와 분석을 하는 피플 애널리틱스가 매우 중요하며 잘 맞는 분야였다는 것을 깨달았다. 금융상품의 공정가치를 분석하고 포트 폴리오 리스크를 관리하는 금융공학 연구나 생산 관리 또는 정보시스템을 최적화하는 산업공학 연구와 거시적인 느낌이 강했던 공공정책 연구 등에 비해 다각도 분석을 통한 인사이트로 사람과 조직에 직접적인 영향을 줄 수 있는 피플 애널리틱스는 그동안 내가 찾던 최상의 분야였다.
--- p.80~81

‘어떻게 하면 사람들이 더 행복할 수 있을까?’라는 내 궁금증은 ‘어떻게 하면 사람들이 일에서 의미를 찾고 성장할 수 있을까?’라는 질문으로 바뀌었다. 시시각각 변화하는 일의 세계는 아직 정의되지 않은 새로운 과제와 일하는 사람에 대해 생각할 거리를 끊임없이 던진다. 내가 사람에 대한 호기심과 애정을 잃지 않는 한, 발전 가능성이 아직도 무궁무진한 피플 애널리틱스의 세계에 꽤 오래 머물 것 같은 예감이 든다.
--- p.115~116

하지만 HR 애널리틱스는 태생적으로 과학적 방법론에 의한 실증에 뿌리를 두고 있으므로 이론적 토대가 없다면 사상누각이라고 생각했다. HR 전문가로서 조직에서 발생하는 수많은 현상의 원인이 무엇인지, 어떠한 과정을 거쳐 발생하는지를 이해하고 설명하지 못한다면 적절한 대응 방안을 설계할 수도 없고 근원적인 문제를 해결할 수도 없다. 조직에서 발생하는 현상에 관해 분석적 접근을 하기 위해서는 사회과학 연구방법론에 대한 이해가 기반이 되어야 한다고 느꼈다.
--- p.130~131

회사 일을 마치고 집에 오면 스콜라 프랙티셔너scholar-practitioner로 가면을 바꿔 쓰고 서재에 앉아 학생으로 돌아간다. 두 시간이고 세 시간이고 인재개발과 애널리틱스에 대하여 시지프스가 구르는 돌덩이를 끊임없이 밀어 올리듯이 탐구하기를 즐긴다. 회사 일, 그 리고 여러 다른 역할로 피로가 쌓여 입술도 자주 터지지만 HRD와 피플 애널리틱스에 대한 공부를 멈출 수 없는 것은 ‘행복’ 때문인 것 같다. 실무와 연구를 병행하며 전문가를 꿈꾸는 행복. HRD 분야를 전공으로 택하고 애널리틱스를 갈망하길 정말 잘했다는 생각을 한다.
--- p.164

3장 어떻게 피플 애널리스트가 되는가

콘퍼런스 이후 채용설명회에서 재밌었던 것은 그곳에서 만난 유학생들의 전공 중에서 데이터 사이언스라는 학과는 없었다는 것이다. 컴퓨터공학, 수학, 물리학, 기계공학 등 전공이 무척 다양했는데 모두 본인을 데이터 사이언티스트라고 소개했다. 가장 특이한 분은 천문학을 공부한 분이었다. 그분은 우주의 별 자체가 빅데이터이므로 별의 패턴과 소멸 예측 같은 것을 연구한 자신을 데이터 사이언티스트라고 했다. 그때 깨달았다. 데이터 사이언티스트는 특정 전공을 공부한 사람으로 정의하는 것이 아니라 특정 분야의 지식 Domain Knowledge, 수학(통계), 컴퓨터공학 이렇게 3가지를 함께 공부한 사람이었다.
--- p.173~174

지금까지 내 삶을 돌이켜볼 때, 제일 힘들었던 일들 덕분에 나만의 독특한 정체성이 만들어졌다는 것이 조금씩 눈에 보이기 시작한다. 한국 생활을 접고 미국으로 건너왔기 때문에 인종 차별을 직접 경험하기도 했다. 그로 인해 나를 포함한 모든 사람들에게 소속감을 찾아주고 싶은 마음이 생겨 직원 리소스 그룹ERG을 운영했다. 예상치 못한 정리해고로 인해 사람들과 연결될 수 있는 시간이 생겼고 새로운 기회에 열린 마음으로 다가서게 됐다. 또 하나. 늘 고민이 많고 정보 수집에 집착하는 경향이 있는 어떻게 보면 참 피곤한 정체성이 오늘 여기까지 내 진로를 열어주었다.
--- p.217~218

나는 지금 하고 있는 일을 ‘내일의 리더와 조직을 오늘로 앞당긴다.Tomorrow’s Leaders and Organizations, Today.’라고 링크드인 프로필에 써놓았다. 일의 미래를 조금이라도 앞당기려는 일이면 투자, 대기업 컨설팅, 스타트업 자문, 정부 정책 연구까지 방법을 제한하지 않고 마음껏 자유롭게 하고 있다. 데이터 기반 의사결정이 중요해진 지금, 피플 애널리스트로서 많은 큰 의사결정을 해야 하는 리더들을 돕는 일은 내가 지금 하는 이 일에서 정말 중요한 부분이라고 생각한다.
--- p.235

4장 어떻게 피플 애널리스트는 학습하는가

나 역시 간접 경험을 통해 많은 도움을 받았다. 나의 간접 경험은 팟캐스트다. 2019년 4월, 나는 데이터 분석가, 인공지능 개발자, 물류 전문가 지인과 함께 팟캐스트를 시작했다. 팟캐스트의 이름은 데이터홀릭, 말 그대로 데이터에 ‘홀릭’하여 데이터에 대한 모든 것을 다루는 팟캐스트다. 데이터 분석 공부를 하는 방법에서 출발하여 사용하는 도구(프로그래밍 언어, 분석 툴 등), 각자 업무를 하고 있는 분야에 대한 이야기와 데이터 분석과 인공지능에서 유명한 인물의 스토리까지 다루었다. 에피소드를 준비하며 공부를 많이 했고 청취자와 소통하며 더 다양한 정보를 얻었다.
--- p.248

나는 영국으로 유학을 떠나기 전까지 HR 애널리틱스 혹은 피플 애널리틱스라는 단어를 들어본 적이 없다. 그런데 용어가 낯설었을 뿐 개념이 낯선 것은 아니었다. HR 실무를 하면서, 또 HR 주제의 전략기획 프로젝트를 하면서 자연스레 수학적 마인드로 이것저것 논리적 근거를 찾고 생각해보고 질문을 던지곤 했다. 이런 나의 발자취를 영미권의 사람들은 피플 애널리틱스라는 분야로 명명하여 부르고 있었다. 피플 애널리틱스에 대한 인식과 관심은 영국 석사 과정에서 본격적으로 구체화되고 실체화됐다.
--- p.260

5장 피플 애널리스트로서 미래를 만들어간다

교직에 있는 나는 배움에는 끝이 없고 아는 만큼 보인다는 것, 그리고 학습에는 지름길이 없다는 것을 믿는다. 좋은 학습이란 내가 아는 것이 조금 더 명료해지게도 하지만 모르는 것이 무엇인지 좀 더 명확해지고 다음으로 학습할 것이 무엇인지 더 명확해지는 학습이다. 이런 학습 효과는 나보다 뛰어난 이들을 알아보는 눈을 키워 준다. 성과와 성취가 빈약한 학습 또한 경계해야 한다. “나는 돈에 관심이 없어요.” “결과보다 과정이 중요하죠.”라고 말하는 건 지극히 아마추어적인 생각이다. 내가 먼저 한 학습과 경험은 더 큰 성취를 위한 기회이자 책임이며 주변과 나눌수록 더 큰 가치가 생긴다. 이런 학습은 더딜 수밖에 없다. 하지만 비온 뒤 땅이 더 단단해지는 것처럼 기초와 중심이 단단할수록 후속 학습은 복리의 성격을 띤다.