[토막글] '명확하고 직접적인 관계'를 분석해야 한다.

피플 애널리틱스는 사람을 분석한다. 

본질적으로 '사람, 행동, 심리' 등 복합적인 요인으로 결과가 결정되는 경우가 많기 때문에 (자연, 공학 분야의 데이터 보다) 단순한 통계 모델링으로 그 결과를 명확하게 설명하기 어려운 부분이 있다.

이 때, 원인이 되는 요인과 결과 간 관계적 거리가 멀 수록 더~ 더~ 더~ 분석이 어렵다(설명력이 낮고, 예측력이 낮다).
예를들어, 채용 제도 변화의 효과성을 분석한다고 해보자. 만약 기존에 공개 채용으로 모집공고를 올리다가, 최근에 헤드헌팅 위주의 채용으로 제도를 바꾸었다고 하자. 이러한 채용제도의 변화가 최근 입사자의 고성과 확률에 영향을 주는지 분석할 수 있을까?

(원인) 채용제도의 변화 -> (결과) 최근 입사자의 고성과

결과적으로 보면, 분석은 매우 어려울 것이다(그대가 원하는 결과가 안나올 것이라는 의미다). 기본적으로 우수인재 확보 라는 결과를 대표하는 지표를 선정하기 어렵기도 하고...(최근 3개년 입사자의 인사평가 평균?, 채용제도 변화 이후 입사자의 인사평가 평균? 아니면 또다른 무언가?)

생각해보자.

채용과 고성과 사이에 더 직접적인 변화는 없는가?

(원인) 채용제도의 변화 -> (결과1) 지원자 수, 지원자의 스펙, 지원자 평가에 투입되는 자원, 합격자의 스펙 -> (결과2) 최근 입사자의 고성과

분명히 무언가 더 있을 것이다.

더 직접적인 결과도 있을 것이다.

성공적인 피플애널리틱스를 하기 위해서는, 큰 꿈을 아주 잘게 나눠서 천천히 이뤄나갈 필요가 있다.