실전 People Analytics 1 : HR 데이터 Infra 투자는 언제나 옳다.

이제 한국에서도 데이터 기반 인사관리는 당연한 것으로 자리잡은 듯 하다.
최근 인사관련 채용공고를 보더라도 지원자격이나 우대사항에 데이터 관련 문구들이 많이 들어있다.

그리고 요즘 AI 안쓰면 큰일나는 것 같아 높은? 분들이 AI로 뭐좀 만들어오기를 바래서 힘들어 하는 HR 담당자 분들도 많이 볼 수 있다.

이제 AI 부서에 손을 내민다. 그래서 무언가? 를 만들어 내기는 하지만…
우리가 진짜 원한게 이거였나? 라는 의문을 가지며 다시 역사속으로 사라진다…

사용한 모델은 많은데, 제대로 된 데이터가 없다

요즘엔 누구나 모델 하나쯤은 사용한다.
RAG이든 LLM이든 오픈소스든, 붙이기만 하면 뭐든 뚝딱 된다.
근데 그건 결국 돈주고 가져온 “외양간”일 뿐이다.
요리로 치면 ‘양념’이고, 전쟁으로 치면 ‘총기’다.

근데 소는? 소는 안 키우고 있다. 외양간만 고치고 있다.
GPT가 다 해줄 거 같지? RAG,MCP,AtoA 붙이면 정답 나올 거 같지?
절대 그렇지 않다…

사내 데이터는 키워야 한다. 쌓이는 게 아니다.

사람들이 자주 착각하는 게 있다.
“우리는 데이터 많아요. 파일 서버에 설문도 있고, 교육 이력도 있어요.”

하지만 들어가 보면?

· 파일명은 final_final_최종_ver3_진짜진짜.xlsx 심지서 사람마다 다른 버전 보유

· 날짜도 버전도 없이 엉켜 있고

· 엑셀은 있는데 해석은 담당자 머릿속에만 있고

· 설문 데이터는 pdf로 출력해서 서랍에 있음

· 그나마 서버로 관리하는 데이터가 있는데 테이블 정의는 만든 사람만 알고 있음

그건 축적이 아니다. 그건 데이터의 무덤이다.

잘 키운 데이터는 인프라가 바뀌어도 연결만 하면 잘 써먹는다.

진짜 경쟁력은 'AI'가 아니라 '데이터의 구조화'다

사람들이 AI를 중심에 두는 순간, 모든 게 뒤바뀐다. “무엇을 할 수 있느냐”만 남고, “우리가 뭘 갖고 있느냐”는 사라진다.

그런 조직의 특징은 이렇다:

· 모델은 붙였는데, 입력할 데이터가 없다

· 데이터는 있는데, 어디에 있는지 담당자만 안다

· 분석은 되는데, 결과가 왜 그렇게 나왔는지 설명이 안 된다

기본적으로 데이터 정규화 정도는 알아 두면 좋겠다. 최소 PK가 무엇인지는 알아야…

반대로 테이블 정의 등 데이터가 잘 구조화 되어 있는 조직은 이렇다:

· 모델이 좋아질수록 어렵지 않게 더 빠르고 좋은 가치를 창출한다

· 누가 하든 신뢰할 수 있는 일관된 결과를 도출한다

· 분석하기도 전에 어떤 데이터를 활용하면 될 지 떠오른다 (시작도 전에 90% 해결 됨)

· 몇년 하다보면 왠만한 분석은 복붙으로 해결 가능하다. (SQL 쿼리 사전)

예를 들어 자녀 연령에 따른 고과 등을 뽑아내는 쿼리를 작업해 놓으면
몇년 후에 비슷한 과제가 생겼을 때 이전에 사용했던 쿼리를 조금 수정하는 것 만으로
분석에 용이한 형태로 바로 추출이 가능 할 것이다.

소는 시간과 정성이 필요하다

정말 차별화는 어디서 오는가?

속도? – 요즘 다 빠르다
모델? – 공개되고 싸다 그리고 점점 싸지고 빨라진다. 온프레미스 모델도 점점 좋아지더라(gemma3 등)
디자인? – 이쁘면 좋긴 한데 처음 우와~ 하고 금방 질린다.

결국 남는 건 하나다. 누가, 얼마나 꾸준히, 맥락 있는 방식으로 데이터를 잘 축적해왔는가 그게 바로 건강하고 튼튼한 데이터를 길러온 기업만이 AI를 제대로 활용할 수 있는 경쟁력이다.

그리고 그 소를 키워야 할 부서가 바로 HR이다

People Analytics는 Fancy한 도구나 기법의 싸움이 아니다.
누가 ‘사람의 흐름’을 데이터로 잘 정리했는가의 싸움이다.
요람에서 무덤까지 처럼 채용부터 퇴직까지, 성과부터 조직문화까지, 이벤트 중심으로 연결된 데이터는 조직의 실체를 반영하는 지도가 된다.

이제는 소 부터 키울때다.

마무리하며

People Analytics가 개인기가 아닌 조직의 실질적인 의사결정 문화로 자리잡기 위해서는 PA담당자가 주체성을 가지고 HR데이터 레이크가