People-Analytics201

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 고성과결과적으로 보면, 분석은 매우 어려울 것..

아래 글은 PA201 스터디 구성원 BCD 님에 의해 작성된 글입니다. 최근 여러 국내 기업에서 데이터를 바탕으로 '무언가(?)' 보여주기 위해, 여러가지 시도를 해보고 있는 것 같다. 물론 필자 또한 그런 시도를 하고 있는 사람 중 한명이다. 조직 내에서 성공적인 피플 애널리틱스 사례를 만들어 내는 것은 생각보다 어렵다. 회사 내 업무를 인터넷에 올리기엔 조금 부담이 있어서 자세히 설명하긴 어렵지만, 여튼 많이 어렵다!! 이러한 어려움을 남들은 어떻게 해결하는지 알아보기 위해 스터디도 하고 인터넷에서 아티클이나 논문도 검색도 자주 하는데, 최근에 피플 애널리틱스의 어두운 면에 대해 논의한 논문을 보게 됐고, 해외에서 작성된 논문이지만 공감되는 부분이 많았던 것 같다.(Giermindl, L. M., S..