![[ HR 인사이트 - 12 ] 데이터 리터러시: '사람의 맥락'을 읽어내는 기술](https://cdn.offpiste.ai/images/articles/1810/cover/6195678b-b61e-4e99-9401-f237c96ebe6c_데이터 리터러시.png)
안녕하세요, 인사 전문가 여러분.
화려한 대시보드와 수많은 그래프가 정답을 알려주지는 않습니다. 진정한 데이터 리터러시는 차가운 숫자 뒤에 숨겨진 직원의 한숨과 열망, 즉 '사람의 맥락'을 읽어내는 안목입니다.
데이터를 기술적으로 다루는 능력을 넘어, 숫자를 인간적인 스토리로 번역해 조직을 움직이는 힘을 기르십시오

2026년의 인사시스템은 수많은 그래프와 도표를 쏟아냅니다. 하지만 많은 인사담당자가 범하는 실수는 숫자가 곧 정답이라고 믿는 것입니다.
진정한 ‘데이터 리터러시(Data Literacy)’는 통계 수치 뒤에 숨겨진 직원의 마음과 조직의 맥락을 읽어내어, 경영진을 설득할 수 있는 ‘스토리(Storytelling)’로 전환하는 능력입니다.
사례 A: 유통 기업 Y 사의 ‘이직률 분석의 재해석’
Y사의 데이터는 단순히 “입사 1년 차 이직률 30%”라고 말했습니다.
분석: 인사담당자는 이를 단순히 ‘낮은 연봉’ 탓으로 돌리지 않았습니다. 데이터를 쪼개어 보니 특정 지역 점포, 특정 팀장 밑에서만 이직률이 높다는 것을 발견했습니다.
스토리텔링: 경영진 보고 시 “연봉을 올립시다”가 아니라, “해당 지역 점포 리더들의 코칭 역량을 강화하고, 원거리 출퇴근자를 위한 기숙사 지원이 시급합니다”라는 구체적 해결책을 제시했습니다.
사례 B: 스타트업 Z 사의 ‘성과 지표의 함정’
Z사는 AI가 산출한 ‘개발자 생산성 점수’가 낮은 직원들을 면밀히 조사했습니다.
발견: 점수가 낮은 직원이 알고 보니 팀 내에서 가장 많은 질문에 답해주고, 신입 사원의 코드를 리뷰해 주느라 자신의 점수가 낮아진 ‘팀의 숨은 영웅’이었음을 데이터 이면의 인터뷰로 찾아냈습니다.
조치: 정량 데이터에 ‘정성적 동료 평가’를 결합하여 평가 시스템의 오류를 수정했습니다.

1. 질문하는 법 배우기: "우리 회사의 이직률은?"이라는 질문보다 "왜 우수한 여성 인재들이 대리급에서 이탈하는가?"와 같은 구체적인 가설을 세우는 훈련이 필요합니다.
2. 시각화(Visualization) 너머의 해석: 화려한 차트보다 중요한 것은 "그래서 이 숫자가 우리 사업에 어떤 영향을 주는가?"를 한 문장으로 정리하는 것입니다.
3. 현장과의 교차 검증: 데이터가 주는 신호를 들고 직접 현장으로 나가 직원들의 목소리를 들어야 합니다. 데이터는 ‘지도’이고, 현장은 ‘실제 지형’입니다.
기술이 고도화될수록 HR의 가치는 ‘데이터를 얼마나 많이 아느냐’가 아니라 ‘데이터를 얼마나 인간적으로 해석하느냐’에서 나옵니다.
차가운 숫자 위로 따뜻한 인사이트를 덮을 때, 비로소 데이터는 조직을 움직이는 전략적 무기가 됩니다.
다음에서는 채용 브랜딩 3.0: AI 면접관 뒤에 숨은 기업의 ‘진짜 철학’ 전달하기 에 대해 알아보겠습니다.