일하는 사람들의 업무 수행과 관련된 데이터를 이용해, 인사팀에서는 직원들의 승진, 퇴사, 출근 여부, 불만 사항, 사고 등을 분석합니다. 여러 목적으로 활용하기 위해 이 데이터를 가능한 한 객관적으로 수치화해서 분석하는 것이 일반적입니다.

하지만 이러한 인사 관련 데이터는 각 직원을 기준으로 수집되기 때문에, 활용할 때 주의할 점이 있습니다. 첫 번째로는 이 데이터의 분포가 크지 않다는 점입니다. 특히 짧은 기간 동안 수집된 자료만 있다면, 승진이나 불만 사항 등의 사례는 불과 몇 개밖에 없을 수 있습니다. 이렇게 분포가 작은 데이터를 준거 자료로 사용하면, 결과가 정확하지 않을 수 있습니다.

두 번째로는 실제 퇴사, 결근, 사고 등은 다양한 원인이 있기 때문에, 원인에 따라 분석 결과가 크게 달라질 수 있다는 점입니다. 따라서 정확한 정의와 코딩이 필요합니다.

[관련 글] 산출물 데이터(production data)를 수행평가의 준거 자료로 활용할 수 있나요?

이제부터 각 세부 인사 관련 데이터의 특성과 한계, 분석 시 유의사항에 대해 간략히 살펴보도록 하겠습니다.

먼저, ‘승진’에 대해 알아보겠습니다. 국내 기업의 HR 관련 컨설팅을 하면서 자기 회사의 근무 평가를 믿는 회사는 별로 없다는 것을 알게 되었습니다. 대개 신입사원으로 입사하면 처음에는 평가가 낮게 나오고 승진을 앞둘 때까지 조금씩 상승하다가 일단 승진하면 다시 평가가 떨어지는 경우가 많이 있습니다. 하지만, 통계적으로 분석을 해보면 업무 능력과 수행에 따라 승진 시기가 조금씩 차이가 나타나기도 합니다.

한편 최근에는 수평적인 조직 구조가 더 많아지면서 수직적인 승진 여부를 확인하기가 어려운 경우가 많아졌습니다. 또한, 관리자나 전문직 이외의 직종에서는 승진 기회 자체가 적어서 데이터로 분석하기가 어려울 수도 있습니다.

승진이 얼마나 개인의 능력과 업무 수행 정도에 의해 결정되는지도 중요한데, 종종 다른 이유로 승진이 늦어지는 경우도 있습니다. 예를 들어, 직장에서 근무한 시간이 오래되면 자연스레 승진이 어려워질 수 있습니다. 또한, 급속도로 성장하는 기업에서는 승진 기회가 더 많을 수도 있습니다.

다음은 ‘퇴사’에 대해 살펴보겠습니다. 많은 회사에서 인력 관리의 중요한 지표로서 퇴사율이나 유지율을 사용합니다. 퇴사 데이터를 분석할 때는 먼저 자발적인 퇴사와 강제적인 퇴사를 구분해야 합니다. 자발적인 퇴사는 계속해서 일할 수 있는 기회가 있는데도 불구하고 임직원이 자발적으로 회사를 떠나는 경우를 의미합니다. 강제적인 퇴사는 어떤 이유에서든 회사에서 고용 관계를 끊은 경우를 의미합니다. 

그러나 그 사이에 어떤 퇴사로 봐야 할지 애매한 경우도 있습니다. 예를 들어, 회사가 때때로 해고하지 않고 자발적인 퇴사를 권장하는 경우도 있습니다. 또는 계약이 해지될 가능성이 보이면 직원이 먼저 자발적으로 퇴사하는 경우도 있습니다. 퇴사와 관련된 데이터를 분석할 때는 근속 기간, 퇴사 여부 등을 변수로 사용하는데, 목적에 따라 적절한 변수를 선택하고 분석해야 합니다.

어떤 경우에는 ‘근태’를 분석하기도 합니다.​ 하지만 전문직이나 매니저 직군에서는 결근 등이 실제로 거의 없기 때문에 근태를 분석하지 않는 경우가 일반적입니다. 생산직이나 판매직에서는 분석할 수 있지만, 대부분의 기업에서는 역시 데이터가 적어서 분석이 어렵습니다.

근태를 나타내는 숫자를 어떻게 분석할지에는 여러 가지 방법이 있습니다. 결근 횟수를 세는 방법, 결근 일수를 합산하는 방법, 하루 이틀 결근만 세는 방법, 그리고 월요일이나 금요일에 결근한 경우만 세는 방법 등이 있습니다. 그러나 근태 데이터도 자발적 사건과 비자발적 사건을 구분해야 합니다. 질병, 공가, 조합 활동, 경조사로 인한 결근, 그리고 사고로 인한 결근 등을 잘 구분해야 합니다.

또한 근태 데이터는 빈도가 낮을 뿐 아니라, 통계적 분석에서 일반적으로 가정하는 정규분포를 따르지 않는다는 점에 유의해야 합니다. 따라서 선형 회귀나 피어슨 상관 계수를 사용하는 것보다는 다른 방법을 활용하는 것이 좋습니다.

다음은 회사 내에서 발생하는 ‘불만 사항’에 대해 알아보겠습니다. 일반적으로 불만 사항은 부하직원들이 제기하는 것을 말합니다. 이는 리더나 매니저에 대한 불만, 또는 판매나 영업 직원들에게 외부 고객이 제기한 불만 등을 포함합니다. 이를 객관적인 지표로 활용하기 위해서는, 불만을 제기할 수 있는 그룹이 동질적인 특성을 갖고 있다는 가정이 필요합니다. 그러나 현실적으로는 이러한 가정이 성립하기 어렵다는 문제점이 있습니다. 

이외에도 불만 제기에는 물리적 위험, 연장 근로, 압박감, 과제의 명확성 등이 영향을 미칩니다. 일부 연구에 따르면, 불만 사항의 수는 관리자의 성과보다는 노동조합 대의원의 성격에 영향을 받는다고도 합니다. 따라서 불만 사항을 분석할 때는, 오랜 기간 동안 데이터를 수집하는 것보다는 처음 1년간의 고충 건수와 같이 시간을 제한하는 것이 더 나을 수 있습니다.

​

기업에 따라 ‘사고’를 분석하기도 합니다.​ 일반적으로 작업자가 부상을 입거나 장비가 망가지는 경우를 사고로 정의합니다. 이러한 사고는 어떤 임계점을 넘어야 사고로 분류됩니다. 상해 사고는 치료에 며칠이 소요되었는지, 장비 파손은 수리에 얼마가 들었는지를 기록해서 데이터로 사용할 수 있습니다. 그러나 세부 직종 등에 따라 사고가 발생할 확률이 다르기 때문에, 사고 데이터는 동질적인 집단에서만 비교해야 합니다.

이 글에서는 HR(인사) 데이터의 종류와 특성, 분석 시 주의해야 할 사항 등을 살펴봤습니다. 각 데이터의 특성을 이해하고, 적절한 샘플링을 하고, 적합한 분석 방법을 적용해야만 제대로 된 분석을 할 수 있습니다. 제대로 된 분석에 기반해야 올바른 정책을 세울 수 있을 것입니다.

​

(최종 검토: 김윤주 선임연구원)

이미지 출처: pixabay

전체 글은 비에스씨 공식블로그에서 보실 수 있습니다.

https://blog.naver.com/bsc_hr/223065748785