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 용