비즈니스 파트너, HR 애널리틱스 (HR Analytics)

1부/ HR Analytics(HRA) 알아가기

들어가기에 앞서 22
글로벌 HR 트렌드: HR Analytics 25
(What) HR Analytics란 무엇인가? 30
HR Analytics의 정의 30
HR Analytics의 등장 배경 33
HR Analytics의 성숙도 모델 38
(Why) 왜 HR Analytics인가? 41
비즈니스에서 데이터 분석은 피할 수 없는 흐름이다 41
HR담당자는 생각보다 이성적이지 않다 44
(How) HR에서 데이터 분석을 어떻게 활용할 수 있을까? 46
HR 각 기능에서의 활용 예 46
측정과 분석 사이의 HR 장벽 50
논란의 여지가 있는 HR에서의 기술 적용 52

HRA 활용 기업사례: 버진 미디어(Virgin Media UK) 56
- 채용 프로세스 변경을 통한 수익창출

2부/ 글로벌 기업들은 HRA를 어떻게 활용하고 있는가

기업 A. FIS(Fidelity National Information Services) 60
디지털 HR로의 탈바꿈
기업 B. 메리어트(Marriott) 71
Analytics를 활용해 HR을 경영진 의사결정 테이블에 올려놓다
기업 C. 닐슨(Nielsen) 85
HR Analytics를 활용한 직원감소 문제 해결
기업 D. 잭인더박스(Jack in the Box) 98
HR 이론을 활용한 다양한 HRA 플랫폼 구축

3부/ HR Analytics 관련 서비스를 제공하는 기업들

기업 (1) 글린트(Glint), 주요고객: LinkedIn, Microsoft 124
기업 (2) 파이메트릭스(Pymetrics), 주요고객: Unilever, McDonald's 127
기업 (3) 휴머나이즈(Humanyze), 주요고객: Bank of America, NASA 130

HRA 활용 기업사례: 클락스(Clarks) 134
- 매장 매니저 배치 분석을 통한 성과관리

4부/ 민감한 HR 데이터 프라이버시, 어떻게 다뤄야 하나

조직 내 데이터 관리의 중요성 138
HR에서의 직원 데이터 관리 141
직원에게 더 넓은 자율권을 보장? 143
직원 데이터 관리, 내부에도 적이 있다 146
직원 생체정보 수집, 괜찮은가? 147
직원 데이터 어떻게 관리해야 할까? 150
(참고) 유럽의 데이터 보호 장벽, GDPR에 대하여 153

HRA 활용 기업사례: 유니레버(Unilever) 166
- AI채용 프로세스 구축

5부/ 성공적인 HRA 활용을 위하여

성공적인 HR Analytics 실행을 위한 [3 Stages + 8 Steps] 모델 170
[Stage 1] HR조직 신뢰구축 174
[Stage 2] 데이터 거버넌스 176
[Stage 3] HR Analytics의 실행(8 Steps) 180
성공적인 HR Analytics 실행을 위한 핵심 7요소 200

HRA 활용 기업사례: 구글(Google) 206
- 채용 인터뷰 횟수 최적화, 그 배경에는

6부/ HR 애널리스트(Analyst, 분석가) 역량 키우기

HR 애널리스트(Analyst, 분석가)란? 210
HR 애널리스트의 전망 215
기업들은 어떤 역량을 요구하고 있는가? 219
HR Analytics팀 내의 다양한 역할들 225
어떻게 분석 역량을 키울 수 있을까? 226

HRA 활용 기업사례: 마이크로소프트(Microsoft) 230
- 우수한 관리자와 성과몰입도의 관계

7부/ 한국의 HR Analytics는 어디쯤 와 있는가

HR Analytics에 대한 국내 HR담당자들의 인식 및 현황 235
국내에서 HR Analytics의 활용이 어려운 이유 240
국내 조직들은 무엇부터 시작해야 하는가 245

글을 맺으며 250
참고문헌 254

우리는 지금 데이터 홍수의 시대에 살고 있습니다. 분석도 많이 이뤄지고 있죠. 과거엔 덜 했지만요. 많은 사람이 직감을 중요하게 생각합니다만 저는 데이터와 사실 기반의 증거가 직감과 결합했을 때 최상의 의사결정을 할 수 있다고 믿습니다. 그리고 사람들에 관한 이러한 의사결정은 궁극적으로 최상의 비즈니스 결과를 내는 거죠.
하지만 때로 사람들은 이렇게 말합니다. 우리 조직은 크지 않아요. 데이터가 없어요. 우린 분석할 수 있는 사람도, 자원도 없어요. 사실 데이터라는 게 누구나 어느 조직에나 있습니다. 우리가 모르고 있을 뿐이에요. 만약 직원이 100명 있다고 칩시다. 반은 남성이고 반은 여성이에요. 이 사실 자체도 데이터입니다. 그리고 엑셀의 행렬에 남/여를 50/50으로 적어 보는 것, 이 자체가 Analytics의 시작인 거죠. 여기에 직급이라는 변수만 추가해도 아주 다양한 변화들을 보게 됩니다. 예를 들어 신입 레벨에서는 여성이 남성보다 많지만 시니어 직급에서는 남성이 여성보다 많다는 것을 확인할 수 있을지도 모릅니다. Analytics에 꼭 고급 툴이 필요한 게 아닙니다. 엑셀만으로도 충분히 할 수 있는 게 얼마나 많은데요. 이게 Analytics 여정의 시작일 수 있습니다. 어렵지 않아요. 제 생각에 HR Analytics의 시작점은 HR담당자로서 스스로 질문해보는 겁니다. 내가 가지고 있는 데이터는 뭐가 있지? 하고요.

"Bring me insights, not data(데이터 말고 인사이트를 가져오세요)." 데이터 분석이 익숙하든 익숙하지 않든 HR Analytics는 비즈니스 문제 해결에 초점이 있다는 것을 잊으면 안 된다. 결국 의사결정권자들은 데이터 분석을 통해 도출된 '결과'로 소통하는 것이지, 데이터가 얼마나 많고 적은지, 어떤 데이터 분석 방법을 썼는지, 이런 부분에는 별로 관심이 없다. 프로젝트 스폰서와 같은 이해관계자들은 비즈니스 배경/맥락 속에서 데이터 분석 결과가 어떻게 해석되는지에 관심이 많은데, 이게 바로 '인사이트'이다. HR Analytics팀은 철저히 비즈니스와 관련된 인사이트를 도출하는 데 집중해야 한다.

HR Analytics는 한마디로 'Improve People's Life(사람들의 삶을 향상시키는 것)'입니다. 왜냐하면 우리가 그들에게 더 잘 매칭된 일자리, 즉 그들의 관심과 역량에 적합한 포지션으로 배치하면 그들은 더 열정을 가지고 일할 수 있으니까요. 실제로 그건 각자의 삶에 지대한 영향을 미칩니다. 저는 지금 HR Analytics를 활용해서 14만명의 직원들의 삶을 (존슨앤드존슨에서) 바꾸고 있습니다. 회사의 관점에서는 직원들에 관한 더 나은 의사결정으로 더 나은 비즈니스 성과를 내는 거죠.