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..

첫느낌은? 피플 애널리틱스(People Analytics)는 생소하다. 일반적인 HR이 아닌것 같다. 뭔가 구성원 중심적인 분석을 할 것처럼 생겼다. HR 애널리틱스(HR Analytics)는 익숙하다. 뭔가 인사팀에서 수행할 것 처럼 생겼다. 피플애널리틱스보다는 직관적이고 친근하다. 사실 해외에서는 이 두가지 용어 뿐만 아니라, 'Workforce Analytics', 'Talent Analytics', 'Personnel Analytics' 등 여러가지로 사용되고 있었다. 차이점은? 일부 사람들은 피플 애널리틱스라는 용어가 HR 뿐만 아니라 고객 등 이해관계자에 관한 것과 비즈니스 등을 모두 포함하는 범주라고 말하기도 한다. 즉 피플 애널리틱스가 HR 애널리틱스를 포함한다는 것이다. HR 애널리틱스라..

PA201 스터디 때 발표한 데이터 분석 실습자료이다. 원래는 아래 분석을 진행한 과정을 열심히 차근차근 잘 설명해서 블로그에 게시하려고 했다. 하지만, 안타깝게도 나는 천성적으로 게으른 사람이었고, 이러다가 영영 글을 쓰지 못할 것 같아서 일단은 결과물만 올리기로 했다.. 아래 분석결과는 '재미'로 만든 결과이고, 글도 ChatGPT와 내 자유로운 생각을 빌려 막 휘갈긴 것이므로, 참고하지 말아주길 바란다.

배경 A사는 한국 기업들의 평균과 비교해 많은 휴가 일수를 가지고 있으며 이는 신입사원 채용이나 기존 사원들의 Retaining, 워 라벨 등에는 도움이 되고 있으나 회사 입장에서는 휴가 보상 으로 인한 인건비의 과다 지출 등의 이슈가 있다. 이에, 회사 차원에서 2015년부터 휴가촉진 및 회사가 함께 쉬 는 재충전 휴가 사용 등을 실시하고 있다. 이러한 제도를 사용한지 4년 정도 경과 하였을 때 경영진은 정책적 고민에 빠졌다. 회사차원에서 너무 많은 재충전 휴가 사용이 working day 의 감소를 가져와 회사의 목표달성에 부정적인 영향을 줄 수 있 다는 부분도 있었고 사원들도 본인들이 보상 받을 수 있는 휴 가를 휴가촉진에 따라 소진해야 하는 부분에 대해 부정적인 의견들이 있었다. HR에서는 경영진..

본 포스팅은 PA201 구성원 "DY"님에 의해 작성된 글입니다. 들어가며 채용 프로세스에서 여전히 가장 흔히 사용되는 선발전형 또는 선발도구는 서류전형(입사지원서에 대한 정량평가 및 자기소개서에 대한 정성평가 등)와 인적성검사 그리고 대면면접이다. 다만, 코로나19를 전후한 시점에 AI기술이 급격히 발전하면서 AI기술을 활용한 새로운 선발도구들이 활발히 적용되기 시작했다. 하지만 이 새로운 선발도구들에 대한 타당도와 신뢰도 그리고 AI에게 요구되는 설명가능성의 이슈로 인해 도입을 망설이는 기업도 존재한다. 그리고 선도적으로 도입한 기업에서도 과연 이 새로운 채용 정책이 얼마나 효과적이었는지에 대해 궁금증을 가지곤 한다. 필자는 과거 인적성검사를 서비스하는 컨설팅 회사에 재직한 바 있고, 현재는 AI영상..

본 포스팅은 PA201 구성원 "손"님에 의해 작성된 글입니다. [개요] 인재 채용 단계 중에 각 기업에 적합한 인재 채용을 하기위한 수단으로 많은 기업들이 인적성검사(역량검사, AI역량검사 등)를 활용하고 있습니다. 제가 재직 중인 기업에서는 최근 10년 이상 사용하던 인적성검사에서 AI역량검사를 도입하였습니다. 당시 여러 가지 요인들에 의하여 기존 검사에서 AI역량검사로 변경 검토하였고 CEO 승인도 받았지만, 과연 당사에 기존 검사에 비하여 변경한 AI역량검사가 적합한지 등을 확인하고자 합니다. [가설] 1. 10년 이상 사용한 기존 인적성검사보다 신규 도입한 AI역량검사가 고평가자/장기근속 등에 연관이 더 많을 것이다. (신뢰도/예측도/선별도 등이 높을 것이다.) 2. 기존 인적성검사가 고평가자/..

본 포스팅은 PA201 구성원 "김김김"님에 의해 작성된 글입니다. [Part 1] 개요 및 목적 지원서 항목 외 채용 과정에서 드러나는 지원자에 대한 부가적인 정보들이 있음. 예를 들어, '저는 술자리를 매우 좋아하고 즐깁니다.', ' 저는 사회적으로 다양한 활동을 주도하고 있고, 많은 사람들과 친분관계를 유지하고 있는 것이 장점입니다.' 등의 것들임. 최고의 인재를 가려내기 위해선 작은 단서들도 소홀히 할 수 없기 때문에, 이런 부가적인 정보들과 채용 적합도의 관계를 분석하는 모델을 만들고자 함. ​분석 모델링 절차 출처 : www.eduatoz.kr 1. 모델링 마트 설계 - 한국노동패널조사 : 1~24차년도 자료 다운 - 데이터 전처리 : 결측값 포함 행 제거 ​2. 탐색적 분석 - 유의 변수 도..

본 포스팅은 PA201 구성원 ‘Jethro’님에 의해 작성된 글입니다. 1. D.E.I (Diversity, Equity, Inclusion) 다가오는 5월 21일~24일이면 미국 샌디에이고에서 세계 최대 HR Conference 인 2023 ATD ICE가 열린다. 직접 참여하지는 못하지만 매년 이 컨퍼런스에서 나오는 HR Trend 들은 많은 인사담당자들에게 관심을 집중시킨다. 돌이켜보니 2022 ATD ICE에서 나왔던 HR Trend 중 하나로 ‘D.E.I’가 있었다. 이는 다양성(Diversity), 형평성(Equity), 포용성(Inclusion)을 뜻하는 단어이다. 실제로 다양성을 존중하고 이를 포용적으로 받아들이고 공정한 조직을 어떻게 구축하는지에 대해 다룬 세션이 2022 ATD ICE..

본 포스팅은 PA201 구성원 ‘김나경’님에 의해 작성된 글입니다. 잘된 채용이란 무엇일까? 어떤 사람이 조직에 들어와서 눈에 보이는 성과를 내기까지는 시간이 꽤 오래 걸린다. 우리가 채용 이후 ‘A씨는 참 잘 뽑은 것 같아’라고 얘기하는 순간들을 돌이켜보면, 조직에 빠르게 적응하는 사람을 일컬을 때가 많다. 때문에 채용의 효과성을 검증할 때 중요하게 고려해야 하는 부분 중 하나는 "적응"이라 할 수 있겠다. 적응이란 새로운 조직 환경에 맞추어 응하는 것으로, 이는 개인이 조직에 가지는 태도로 나타난다. 이와 관련하여 조직장면에서 많이 연구되는 태도변인이 있다. 바로 조직몰입이다. 조직몰입은 '구성원이 자신의 조직에 헌신하고 기꺼이 조직을 위해 일하려 하는 정도, 그리고 조직 구성원으로 남아있고자 할 개..

본 포스팅은 PA201구성원 ‘DH’님에 의해 작성된 글입니다. 개요 현재 HR업무 진행하며 주로 활용하는 DB가 인사고과(평가), 동료평가, 자격, 수상, 근무경력 외 인구통계학적 속성에 머물고 있다. 기업의 존속과 목표달성을 위하여 핵심인재의 관리와 유지는 매우 중요해지고 있으나 HR팀이나 PA팀 대부분 데이터를 분석할 때 협소한 접근방식을 취할 수밖에 없다. 그리고 이런 개인단위 분석 DB(특히 인사고과)를 토대로 직원에 대한 주요 의사결정(채용, 승진, 보직, 보상)이 이루어질 수밖에 없고, 일부 조직은 DB분석 없이 감과 경험으로 의사결정이 이루어지기도 할 것이다. 사내 산재되어 활용되지 않은 추가 DB가 무엇일지 고민하고 추가수집, 분석하여 모델링한다. 회귀분석 모델은 핵심인재가 갖추고 있는 ..

본 포스팅은 PA201 구성원 "한덕경"님에 의해 작성된 글입니다. 2022년 11월, ChatGPT 3.5가 출시된 이후, 다양한 산업 및 직종에서 ChatGPT를 활용하는 사례가 급증하고 있습니다. 저는 AI의 등장이 People Analytics 방법론에 큰 변화를 줄 것이라고 생각하며, HR 분야에서의 적용 방안을 고민해오고 있습니다. 이번 포스팅의 목적은 AI 언어 모델인 ChatGPT와 같은 AI 기술이 HR 영역에서 어떻게 활용될 수 있을 지 설명하며, ‘자기소개서 스크리닝’ 예시를 통해 이해를 돕고자 합니다. 특히 기존에 널리 알려진 R이나 파이썬의 통계 기반 텍스트 분석 방법론을 따르는 것이 아니기에, AI 기반의 텍스트 분석 결과가 일부 부정확할 수 있음을 미리 말씀드립니다. 글을 읽어..

본 포스팅은 PA201 구성원 "조희진"님에 의해 작성된 글입니다. 개요 모집/선발 단계에서 활용 가능한 비정형 데이터(텍스트 데이터 등)를 살펴보고, 최근 많은 회사들이 어려운 시장 상황을 극복하기 위해 비용 절감 방안을 강구하고 있다는 점에서 효율적인 채용 방법이 무엇이 있을까 생각해보았습니다. 지원자에 대한 풍부한 정보, 최종 선발 후 조직 적응도 측면에서 안정적인 결과를 기대할 수 있는 사내공모 제도에서 텍스트 데이터를 활용하는 방안으로 ‘Sentence-BERT로 직무기술서 간 유사도 분석을 통한 사내공모’ 방안에 대해 이야기 해보려고 합니다. 1. ‘채용(모집/선발)’ 단계의 비정형 데이터 모집/선발 단계를 아울러 채용 단계에 속한다고 생각했을 때, 어떤 비정형 데이터(텍스트, 음성, 이미지 ..

본 포스팅은 PA201 구성원 "숀"님에 의해 작성된 글입니다. 안녕하세요. 숀입니다. 이슈 • 새로운 영입사이트를 도입함에 따라, 기존의 영입사이트는 서비스 및 운영이 종료될 예정 • 기존의 영입사이트에 있던 영입공고 및 데이터(JD 등)들이 서비스 종료와 함께 유실될 예정 • 해당 데이터는, 영입 파트에 있어서 상당히 의미 있는 비정형 데이터로 판단 목표 . 추후 분석 또는 영입에 활용할 수 있도록 해당 데이터들을 최대한 백업하고자 함 현황 • 기존 영입사이트 제공 업체 : 백업 불가 • 영입공고: 약 580개 • 영입 담당자: 코딩은 for 구문 예제를 실행시켜 본 게 전부인 코린이 결심 • 코린이지만 요즘엔 chatGPT가 코드도 써준다길래, chatGPT를 통해서 기존 영입페이지의 텍스트를 크롤..

본 포스팅은 PA201 구성원 "G1000"님에 의해 작성된 글입니다. 조직마다 기능과 문화가 다르기에 우리는 협업에 앞서 여러 가지 고려해야 할 사항들이 존재합니다. 조직 간의 신뢰 형성에 시간을 쏟을 수 있으며 예상치 못한 갈등과 오해를 줄여나가기 위해 정보의 격차를 줄여야 합니다. 조직 네트워크 분석은 업무 협업에 있어 조직간의 상호작용을 조금이라도 이해하는 데 도움이 되는 방법입니다. 이 글에서는 조직 간의 상하관계 혹은 기능적 구조를 확인할 수 있는 조직도를 넘어, 동료평가 자료를 활용한 조직 네트워크 분석을 다뤄보겠습니다. 가정 “조직 구성원들이 평가받은 코멘트 내용이 타 조직과 유사하면 해당 조직 간의 협업 잠재력이 높을 것이다” 요약 분석의 접근방법은 상기한 가정이 전제되어 있습니다. 각 ..

1. 서론 기업에서 사람을 채용할 때, 이력서를 받고 면접을 보는 것과 같이 구직자를 평가하는 만큼, 구직자도 회사에 이력서를 낼 때, 해당 회사에 대한 충분한 정보를 가지고 지원을 합니다. 그럼, 구직자는 회사에 대한 정보를 어디서 얻을까요? 요즘 대부분의 사람들은 “잡플래닛”과 “블라인드”의 기업 리뷰를 볼 것입니다. 그 중에서도 본 포스팅에서는 “잡플래닛” 리뷰에 주목합니다. 바야흐로 대퇴사/대이직시대라고 불리우는 요즘, 모든 직장인들은 이직의 꿈을 가슴에 품고 직장을 다닙니다. 구직자 및 언제든 회사를 떠날 생각을 가지고 있는 현직자들은, 자신에게 맞는 채용 공고에 지원하기 위해 각종 채용 정보와 잡플래닛 리뷰를 수시로 들여다 봅니다. 잡플래닛에 있는 모든 회사 리뷰를 보기 위해서는 프리미엄 회원..

아래 글은 PA201 스터디 구성원 BCD 님에 의해 작성된 글입니다. 데이터 분석은 어렵다. 상관관계, 회귀분석, 의사결정트리 등 이름만 들어도 어려운 분석이 도처에 깔려있다. 이렇게 무슨말인지 모르는 분석 이 아니더라도... 기본적인 통계, 인원 수 집계 또한 필자에겐 어렵다... 그래서 필자는 근성으로 데이터 분석을 한다. 근성으로 시작해서 근성으로 끝난다. 안되면 될 때까지... 그게 내 데이터분석 신조이다. 이 이야기를 왜 꺼내느냐? 이렇게 어렵고 근성이 필요한 분석들이 남들에게는 매우 쉬워보일 수 있기 때문이다. 특히 엑셀 팡션을 잘 다뤄보지 않은 사람들은 회사 내 재직자 수 및 입사자 수를 대충 타닥! 하면 나오는 건 줄 안다. 팀장 "BCD 대리~ 오늘 오전까지 최근 n년간 부서별 입사자/..

서론 채용시즌이 되면 수많은 지원자들이 회사들을 지원하고 합격을 위해 고군분투한다. 경쟁자와 다른 나만의 강점을 어필하기 위해 정성스럽게 자기소개서를 작성하고 제출한다. 채용담당자로써 이력서 검토는 기피하고 싶은 일이라고 느낀다. 살아온 인생이 다른 지원자들의 쌓아온 이력들을 보면서 우열을 가리는 것이 과연 합당한지에 대한 의문이 들기도 한다. 하지만 회사에 적합한 인재를 뽑기 위해 회사 내규에 맞춰 줄을 세우고, 합격자 명단을 만든다. 그렇게 수많은 옥석들을 골라내며 회사에 적합한 인재를 최종적으로 뽑는다. 채용이라는 기나긴 여정이 끝났다고 생각하지만 아직 하나의 관문이 더 남아있다. 수습평가다. 가려 놓은 옥석이 수습평가에 들어가는 순간 이해할 수 없는 광경이 목격된다. 최고등급을 받은 후보자임에도 ..

아래 글은 PA201 스터디 구성원 MSSong 님에 의해 작성된 글입니다. 기초 시각화 및 상관분석의 주제로 ‘채용 경로 별 효율성 분석을 위한 대시보드 구축’을 해보고자 했다. 대시보드를 통해 각 경로 별 특징을 확인하고 채용 경로의 효율성도 파악해보고자 한다. 데이터 수집 및 가공 수집/활용한 데이터는 다음과 같다: 채용경로, 경력연차, 성별, 나이, 22년 평가 결과, 보상수준, 입사년도 사용한 데이터는 19년도 ~ 21년도 입사자로 한정했는데, 비교적 최근 입사자들의 효율성을 보고자하는 의도도 있었고, 히스토리/데이터 정합성 등의 여러 문제를 고려했을 때 모수가 적더라도 한정된 데이터를 보는 것이 낫다는 판단에서였다. 보안 상의 문제로 자연인 정보는 제거 후 각각의 데이터에 넘버링을 하여 ID로..

채용 프로세스를 개선하고 조직/직무에 맞는 사람을 채용했는지 여부를 검토하기 이전에 면접 진행현황을 파악하고 효과적으로 보고하는 방법에 대한 고민이 필요할 것 같아 해당 아티클을 준비하게 되었습니다. ATS(지원자 추척 시스템)를 이용할 경우 해당 과정이 더욱 쉬울테지만, 채용 담당자들이 데이터 수집, 전처리, 기술통계분석 과정까지 수행해야 하는 경우도 많기 때문에, 그런 경우 어떤 항목을 수집하고 어떻게 시각화 할지에 대한 고민을 담아보았습니다. 이런 고민들이 선행되었을 때 향후 ATS나 대시보드 구성을 위한 기술을 도입할 때 원하는 바를 반영하는 데에 도움이 될 것이라 생각합니다. 면접 진행현황 Overview 면접 진행 과정에서 얻을 수 있는 정보들은 연령, 성별, 경력기간, 지원경로, 직무, 채용..

아래 글은 PA201 스터디 구성원 jikang 님에 의해 작성된 글입니다. 채용 지표 리스트 채용 프로세스는 필요한 구성원을 채용하는 과정으로 조직의 성패와 연결된 인사의 핵심 역할입니다. 채용을 데이터 관점에서 뒷받침할 수 있도록 측정할 수 있는 지표들이 많습니다. 이번 아티클에서는 채용과 연관된 지표들을 살펴보고 이를 대시보드에선 어떻게 활용할 수 있는지, 채용 프로세스 점검에는 어떤 방식으로 쓰이는지 살펴보도록 하겠습니다. 1. 소스 수익률(Source Yield) 지원자를 모집하기 위해 외부 소싱 채널을 사용할 경우 각 채널의 효율성을 비교하기 위한 지표입니다. 소스 수익률은 아래와 같이 산출합니다. 소스 수익률 = 면접에 초대된 지원자 수 / 지원자 수 예를 들어 특정 구인 게시판에 채용 공고..

아래 글은 PA201 스터디 구성원 BCD 님에 의해 작성된 글입니다. 지난 3월 9일에 태블로 코리아의 주관 하에 “데이터에 기반한 HR의 이해”라는 주제로 세미나가 개최되었다. 필자도 최근에 HR대시보드에 대해 고민 중이었는데, 마침 해당 세미나에서는 굴지의 국내 대기업에서 제작한 대시보드샘플도 보여준다고 해서 호기심이 동했다. 세일즈포스의 환영인사 세일즈포스 측 인원이 환영사를 시작했다. 여러 가지 좋은 말을 해주셨지만, 기억에 남는 것은 “HR데이터는 개인정보법에 저촉되는 것이 많다”라는 말이었다. 다른 데이터와 다르게 HR 데이터는 임직원 개개인의 개인정보에 관한 사항이고, 회사에서 마음대로 처리하거나 공개할 수 없는 영역이다. 더보기 특히 대시보드를 구성할 때는 더 많은 제약사항이 생기는데, ..