유난히 HR 분야에 있어서 데이터에 기반한 인적자원의 운영(Data Based HR)이 지지부진한 이유가 무엇일까? 기업들이 HR 업무에 계량 적인 분석 기법을 적극적으로 적용하는데 있어서 대표적인 걸림돌은 다음의 네 가지이다.
우선 가장 근본적인 걸림돌은 인사와 관련된 의사결정에 있어서 지나치게 직관에 의존하는 경향이라고 할 수 있다. 직관을 중시하는 논리의 근저에는 ‘데이터는 인간의 직관(intuition)을 대체할 수 없다’는 굳은 신념이 자리하고 있다 하지만 직관은 구체적 사실(fact)을 파악하기 힘든 상황에서 누적된 경험으로 사실에 대한 분석을 통한 의사결정을 대체하는 것이다. 최근 많은 관심을 끌고 있는 집단지성의 개념 역시 개인의 판단이 갖는 오차가 의사결정에 참여 하는 다수의 의견 즉, 의견의 다양성에 의해서 상쇄되어 집단의 오차가 줄어든 다는 통계적 원리와 일맥상통한다고 할 수 있다(도밍고스 2016).
다음으로 데이터 질과 접근성의 문제이다. 기업이 보유한 HR 데이터가 일관성이나 신뢰성이 결여되어 있거나, HR 데이터가 전사적으로 통합되어 관리되지 못함으로써 필요한 정보의 제공이나 접근에 문제가 발생한다. 기업이 지나치게 다양한 변수를 포함한 HR DB의 구축을 목표로 할 경우 HR 코드(code)가 복잡하거나 방대해져 역설적으로 DB에 입력된 데이터가 미완성되는 문제가 발생할 수 있다. 또한 조직 간의 합병이나 분할로 인한 데이터 모델이 복잡해지기도 하고, 그 과정에서 데이터가 손실되기도 한다. 간혹 데이터의 소유를 개인의 경쟁력으로 인식하여, 자신만이 전유하고자 하는 욕심이 데이터의 공유를 가로막기도 한다.
다음으로는 데이터 연관성 및 효율성의 문제이다. 기업들이 관리하는 HR에 대한 일반적인 정보들이 단순히 임직원의 기초적인 인력 통계 (Demographic Variables)로 구성된 경우가 많다. HR의 중요성을 강조하는 기업들에 있어서도 재무적 성과나 운영 지표(Operation Index)와 HR의 연관성을 보여주는 인적자본지수(Human Capital Index)를 관리하지 못하는 경우가 많다. 기업의 재무적 성과에 대한 정보, HR 하위 기능들에 대한 다양한 지표(index), 그리고 인적자원의 양과 질에 대한 다양한 데이터의 확보는 HR Analytics의 필요조건이다.
마지막으로 HR 데이터의 분석기술상의 문제이다. 일반적으로 기업 내 HR 담당자들은 타 직무에 비하여 통계적 분석이나 계량적 분석 역량이 부족할 뿐 아니라 계량적 분석을 위한 다양한 소프트웨어의 활용 스킬 역시 부족하다. 또한 대부분의 기업들은 여전히 실무에 HR Analytics를 적용하는 것에 큰 관심이 없다.
따라서 기업 내에서 HR Analytics를 활성화하기 위해서는 다음과 같은 개선이 우선되어야 한다. 우선 기업들은 HR 관련 정보의 수집 능력을 강화해야 한다. 기본적인 HR 데이터의 수집뿐만 아니라 사업의 성과, 사업 전반의 중요 프로세스들과 HR 활동 간 상관관계를 보여줄 수 있는 다양한 계량적 지표들 (재무적/비재무적 지표 포함)의 도입이 절실하다. 조직 내 데이터의 축적은 이를 활용한 분석 기법의 발전을 도모하고, 나아가 분석기법의 발전은 보다 많은 데이터의 수집을 가능케 한다. 이처럼 데이터의 축적과 분석 기법의 발전은 공진화(co-evolution)의 성격을 갖는다.
다음으로 사내 HR 관련 정보의 통합과 공유의 활성화가 필요하다. 정보의 통합을 위해서는 클라우드 시스템이나 ERP 솔루션을 활용하여 일관성 있고 신뢰할 수 있는 HR DB를 구축하는 것이 필요하고, 직원들이 필요한 정보를 적시에 편리하게 활용할 수 있는 IT 인프라를 구축하는 것이 필요하다.
이와 함께 기업의 HR 담당자들은 수집된 정보를 목적에 맞게 분석할 수있도록 역량을 키워야 한다. HR Analytics는 통계적 분석 역량뿐만 아니라 다양한 계량적 모델링 기법과 분석 기법을 필요로 한다. 그 중 가장 기본이 되는 것은 통계적 분석 기법에 대한 지식이다. 통계적 분석의 출발은 데이터를 수집한 모집단(母集團)의 분포와 대표값의 특성에 대한 이해이다. 예를 들어 모집단이 정규 분포(Normal Distribution)인지 아니면 멱함수 분포(Power Law Distribution)인가에 따라서 분석 대상의 특성을 잘 표현하는 대표값(평균, 최빈치, 중위수, 산포도 등)의 선택과 해석이 달라지게 된다. 따라서 통계적 기법을 활용한 HR Analytics에 있어서 어렵고 복잡한 통계기법의 적용에 앞서 분석대상이 되는 집단의 분포함수와 대표값을 포함한 기초 통계량에 대한 정확한 이해가 우선되어야 한다.(180~182)