![[플젝HR] 생성형 AI에 의해 확장된 HR 애널리틱스의 적용 사례 및 트렌드](https://image.inblog.dev?url=https%3A%2F%2Fsource.inblog.dev%2Fpost_image%2Fmigrated%2F428b28aa3556bbbfa9fede4b6381853e.jpg&w=3840&q=75)
AI가 HR 분야에서 빈번하게 활용되면서
HR 데이터를 기반으로 한
애널리틱스를 통해 인사이트를 얻고
전략적인 인사 의사 결정을 내리는
기업이 늘어나고 있습니다.
우리 회사의 핵심 인재 관리,
채용, 성과 관리 등등
HR 애널리틱스를 통해 보다
보다 효율적인 인사관리체계를 구축할 수 있을텐데...
관심은 있지만 어떻게 시작해야할까?
혹은 어떻게 활용해야할지 고민인 분들을 위해
HR 애널리틱스와 관련된 내용을 정리해보았습니다.
HR 애널리틱스의 정의 및 필요성, 사례
HR 애널리틱스(HR Analytics)는 데이터를 기반으로 인사(Human Resources) 관련 의사 결정에 도움을 주는 분석을 말합니다.
기업 내 인력(HR)과 관련된 데이터를 수집, 분석하여 채용, 성과 관리, 이직률, 교육, 복지 등 다양한 인사 관리 이슈에 대한 인사이트를 제공하는 것이 주요 목표이며, 이를 통해 기업은 더 나은 의사 결정을 내리고, 효율성을 업그레이드하여 비용을 절감할 수 있습니다.
처음에는 단순히 인사 데이터를 수집하고 보고하는 단계에서 시작했지만, 점차 예측 분석과 인공지능(AI)을 활용한 고도화된 분석으로 발전하기 시작했습니다. 이를 통해 단순히 과거 데이터를 분석하는 것을 넘어, 미래의 인사 문제를 예측하고, 보다 전략적인 인사 의사 결정을 지원하는 도구로 자리 잡고 있습니다.
HR 애널리틱스의 주요 지표들은 조직의 성과, 직원의 만족도, 이직률 등을 측정하는 데 중요한 역할을 하고 있습니다.
이직율, 입퇴사 비율, 평균 근속 기간, 채용속도, 직무 적합도, 교육 및 개발 효과, 직원 참여도, 성별 다양성 비율,결근율, 내부 이동성 등 10가지 지표를 예로 들수 있는데요. 글로벌 기업에서도 이 지표를 HR 애널리틱스에 활용하여 문제점을 극복한 사례가 있습니다.
구글의 채용 프로세스 단축
구글은 고용당 비용을 절감하고 채용 프로세스를 단축하기 위해 채용 활동에 대한 HR 애널리틱스를 실시했습니다.
이전에 지원자들에게 15~25회의 면접과 테스트를 거치도록 요구했는데, 채용 프로세스를 분석한 결과, 채용 인원의 86%는 단 4회 면접으로 결정이 난다는 것을 알게 되었고, 이를 통해 채용에 필요 시간과 업무에 필요한 인력을 줄일 수 있게 되었습니다.
직원 이탈율을 낮추기 위한 언더아머의 HR 애널리틱스
미국 유명 스포츠웨어 업체인 언더아머는 HR 애널리틱스를 통해 직원이탈률을 줄이는데 성공했습니다. 통합 HR 분석 도구를 사용하여 데이터를 분류하고 이직의 주요 원인을 파악했는데 언더아머의 이직은 다양한 직급에서 발생했고 향후 6개월 내에 5,000명의 직원 중 500명이 사임할 것으로 예측했습니다. 이탈 요인을 파악한 언더아머는 인센티브와 보상을 포함한 향상된 HR 전략을 통해 직원 근속에 노력을 기울였으며 예측 결과에 비해 이탈율을 50% 낮출수 있었습니다.
갑작스러운 결근율을 낮추기 위한 독일 E.ON사의 HR 애널리틱스
78,000여명이 재직중인 독일의 전기 공급사 E.ON HR 애널리틱스를 통해 갑작스러운 결근, 즉 예정되어 있지 않은 결근율 증가를 극복했습니다. 그들은 기존 HR 데이터를 분석한 결과 주어진 휴가를 잘 사용하지 않는 직원들 사이에서 갑작스러운 결근이 더 비번하다는 것을 알게되었고 직원들의 휴가를 적극 수용, 휴가 계획을 지원하였습니다. 1년에 최소 한번은 긴 휴가를 다녀오고, 여러번 짧은 휴식을 취하도록 권장한 결과 갑작스러운 결근율을 낮출 수 있었습니다.
HR 애널리틱스의 현 트렌드
Gartner의 리포트에 따르면 , HR 리더의 49%가 2023년에 HR애널리틱스를 통한 예측을 최우선 과제로 지정했고, 46%는 이에 대한 투자가 증가할 것이라고 밝혔습니다. HR 애널리틱스는 지속적으로 다양한 요소와 지표를 적용하여 문제점을 도출하고 개선되고 있습니다. 단순 이직 또는 결근 방지 뿐만 아니라 전반적인 HRM에 큰 영향력을 끼치고 있는데요. 채용 프로세스의 자동화, 직원 유지 예측, 성과분석, 학습 및 개발 계획 등 AI와 머신러닝의 활용이 HR 애널리틱스를 고도화시키는데 가장 큰 역할을 있으며 복지와 직원 경험으로도 확장되고 있습니다.
직원 복지와 웰빙 데이터 분석 (Employee Well-being Analytics)
직원들의 건강과 복지에 대한 데이터 분석이 중요해지고 있습니다. 복지 프로그램의 효과성, 직원의 정신적/신체적 건강 상태를 추적하고 개선하기 위해 웰빙 데이터를 활용하는 기업이 늘어나고 있습니다. 결근율, 건강 상태 모니터링, 직무 스트레스 분석을 통해 복지 프로그램 개선에 주로 활용하고 있습니다.
인재 경험(End-to-End Talent Experience) 분석
직원이 조직에 입사하는 순간부터 퇴사까지의 전체 여정을 분석하는 데 중점을 두고 인재 확보, 유지, 개발 등 모든 단계에서의 데이터를 분석합니다. 채용 여정 분석, 온보딩 효율성 측정이 필요하며 승진 및 경력 개발 경로 최적화가 목적입니다.
DEI (Diversity, Equity, Inclusion) 분석
조직의 다양성, 형평성, 포용성을 개선하기 위해 데이터를 분석하는 트렌드가 강세입니다. 다양한 배경의 인재를 어떻게 관리하고 발전시키는지 측정하고, 차별 없는 환경을 만들기 위함인데 성별 및 인종 다양성 비율을 분석하고 보상 형평성이 어떻게 이루어지는지 직장 내 차별 요소가 있는지, 있다면 어떻게 극복할 수 있는지에 포커싱을 맞춥니다.
클라우드(SaaS) 기반의 HR 애널리틱스
클라우드 기술을 활용하여 HR 데이터를 통합하고 분석하는 트렌드가 증가하고 있습니다. 데이터를 실시간으로 업데이트하고, 분석할 수 있는 점이 장점으로 작용하고 있는데요. 대규모 HR 데이터 처리, 협업을 통한 인사이트 공유가 이루어지고 있습니다.
HR 애널리틱스 vs 피플 애널리틱스, 비슷한데 다르다?
HR 애널리틱스 트렌드를 살펴보면 점점 전통적인 HR 관련 데이터 분석에서 HR을 넘은 직원의 행동, 협업 등 피플 애널리틱스로 확장되고 있다고 볼 수 있습니다.
HR 애널리틱스와 피플 애널리틱스는 둘다 기업내 구성원, 즉 HR 데이터를 활용한다는 것에서 비슷해 보이지만 다릅니다.
HR 애널리틱스 (HR Analytics)는 주로 인적 자원 관리(HR) 부서에서 사용하는 데이터 분석에 중점을 둡니다. 채용, 성과 평가, 이직률, 급여, 복지 등 전통적인 HR 기능과 관련된 데이터 분석이 주를 이룹니다. 주로 HR 시스템에서 수집된 내부 데이터를 사용하며, 이 데이터를 분석해 인사 정책이나 절차를 개선하는 데 활용합니다. HR 프로세스의 효율성을 높이고, 비용 절감이나 인재 유지, 조직 성과 향상에 기여하는 것입니다. 예를 들어, 이직 예측 모델을 만들어 우수 인재가 회사를 떠날 가능성을 사전에 파악하고 대응할 수 있습니다.
피플 애널리틱스 (People Analytics) HR을 넘어 조직 내 모든 직원의 행동, 성과, 협업 방식 등을 포괄적으로 분석합니다. 피플 애널리틱스는 인사뿐만 아니라 조직의 전략적 의사 결정에 기여하는 것이 목표입니다.
전통적인 HR 데이터 외에도 설문 조사, 이메일 분석, 소셜 네트워크 분석 등 다양한 출처에서 데이터를 수집하고, 이를 활용하여 조직 내 커뮤니케이션 패턴, 팀 성과, 리더십 효과 등을 평가합니다. 조직 전체의 성과와 생산성을 높이는 데 기여하는 것이 주요 목표입니다. 예를 들어, 어떤 팀이 가장 생산성이 높은지, 직원 만족도가 성과에 어떻게 영향을 미치는지 분석할 수 있습니다.
HR 애널리틱스는 주로 HR 부서의 기능을 지원하는 데이터 분석을 의미하며, 피플 애널리틱스는 더 광범위하게 직원 행동과 조직 성과를 분석하는 데 중점을 둡니다. 피플 애널리틱스는 HR 외에도 데이터의 출처와 분석 범위가 더 넓어, 조직 전반에 걸친 인사이트를 제공합니다. 결론적으로, HR 애널리틱스가 HR 부서의 전통적인 문제 해결에 집중하는 반면, 피플 애널리틱스는 조직 전체의 성과와 인적 요소를 더 넓게 분석하는 것이 차이점입니다.
HR 애널리틱스를 시작하는 방법
출처 : AIHR
1. 관련 비즈니스에 대한 질문 (A relevant business question)
HR 애널리틱스의 목표는 비즈니스 결과에 긍정적인 영향을 미칠 수 있도록 하는 것입니다. 이러한 이유로 최종 목표 설정을 명확하게 해야합니다. 예를 들어 HR 애널리틱스를 통해 최적화된 프로세스를 구축하고 싶다면 "어떤 직원이 승진과 리더십에 가장 큰 잠재력을 가지고 있는가?"라는 질문부터 시작되어야 하며 필요한 데이터를 수집, 가공하여야 합니다.
2. 데이터 선택 (Data selection)
두 번째 단계는 질문에 답하는 데 필요한 정보와 그 정보를 어디에서 찾을 수 있는지 파악하는 것입니다. HR 시스템을 사용중이라면 활용할 수 있는 내부 데이터가 무엇이 있을지 찾아보고, 외부 벤치마킹 데이터 통합도 고려해봐야합니다.
3. 데이터 클리닝 (Data cleaning)
중복 or 오류 데이터를 점검하고 활용 가능한 데이터를 수집해야합니다.
4. 데이터 분석(Data analysis)
데이터를 요약하고 분석하여 결론을 도출하는 단계입니다. 엑셀, Chat GPT, 파이썬 등과 같은 분석 기술, 도구가 사용될 수도 있지만 데이터 수집과 정리, 분석 과정을 모두 통합하는 HR 서비스를 활용하다면 더욱 정교한 예측을 기대해볼 수 있습니다.
5. 실행 가능한 인사이트 얻기 (Actionable insights)
데이터 분석을 통해 인사이트를 얻었다면 행동으로 옮겨야 합니다. HR 애널리틱스를 바탕으로 프로세스 개선 및 HR과 관련된 결정과 권장 사항을 도출할 수 있습니다.
구글, 언더아머, 독일 E.ON사의 사례처럼
효율적인 HR 운영을 위해서는
HR 데이터가 중요하며
이를 수집하기 위한 작업이 필요합니다.
유연한 HR 데이터의 활용은
DX 전환이 우선시되어야 하며
빠르고 정확한 업데이트와
사용자 친화적인 환영이 요구됩니다.
플젝클라우드는 HR에 필요한 모든 기능을 연결합니다.
근태/급여/정산 등 HR에 필요한 필수 기능을 담고 있는 '플젝HR'
성과와 역량을 종합한 평가와 보고서 활용이 용이한 '플젝Eva'와
360도 피드백 보고서가 발행되는 다면진단서비스 '플젝360'
태스크 기반의 애자일한 협업툴 '플젝Colavo'
플젝클라우드의 모든 서비스로
HR 애널리티스에 필요한 HR 데이터를 확보하세요!
아래의 이미지를 클릭하시면 플젝HR 사이트로 연결됩니다.
무료 체험을 신청하세요!
