[PA] #8. 중소기업에서 데이터를 활용한 기초 분석 방법(2)

2.4.2 기술적 분석 (Descriptive Analytics) 활용

기술적 분석(Descriptive Analytics)은 HR 데이터를 정리하고 조직의 현황을 객관적으로 파악하는 가장 기초적인 분석 방법이다. 이는 데이터를 통해 조직이 현재 어떤 상태에 있는지를 명확히 이해하는 과정이며 이를 기반으로 문제점을 발견하고 개선 방향을 설정할 수 있다.

많은 기업에서는 HR 데이터를 수집하고 있지만 이를 분석하여 인사이트를 도출하는 단계까지 나아가지 못하는 경우가 많다. 데이터가 수치로만 존재하면 의사결정에 실질적인 도움을 줄 수 없으며 오히려 관리 부담만 증가할 수 있다. 하지만 기술적 분석을 활용하면 과거 데이터를 체계적으로 정리하고 이를 기반으로 조직 운영의 패턴을 파악할 수 있다.

예를 들어, 연도별 이직률 변화를 분석하여 특정 시점에서 직원들이 퇴사하는 경향이 있는지를 확인할 수 있으며 부서별 평균 근속연수를 계산하여 어느 부서에서 인력 유지가 어려운지를 파악할 수 있다. 기술적 분석의 가장 큰 장점은 복잡한 통계 기법 없이도 비교적 간단한 분석만으로 유의미한 인사이트를 얻을 수 있다는 점이다. 이를 통해 조직 운영에 대한 보다 객관적인 판단을 내릴 수 있으며 향후 의사결정의 방향성을 정하는 데 중요한 기초 자료로 활용될 수 있다.

1) 기술적 분석을 통해 확인할 수 있는 주요 HR 데이터

① 빈도 분석 (Frequency Analysis)

빈도 분석은 특정 데이터가 얼마나 자주 발생하는지를 분석하는 방법으로 HR에서는 채용 및 퇴사 인원 수의 연도별 변화를 파악하는 데 유용하게 활용할 수 있다. 예를 들어, 지난 3년간 채용된 인력의 규모와 퇴사한 인력의 수를 비교하면 인력 확보와 유지에 대한 조직의 상태를 한눈에 파악할 수 있다.

• 연도별·분기별 채용 및 퇴사 인원의 빈도를 분석하여 인력 증가율(= 채용 인원 - 퇴사 인원)을 계산

• 특정 월이나 시즌(예: 연말, 평가 후)에 퇴사율이 급증하는 패턴을 분석하여 이에 대한 원인을 파악

• 부서별 퇴사율을 비교하여 특정 부서에서 인력 유지가 어려운 원인을 분석

② 평균 및 중앙값 분석 (Mean & Median)

HR에서 급여나 평가결과를 분석할 때 평균값과 중앙값을 활용하면 데이터의 대표적인 경향을 쉽게 파악할 수 있다. 하지만 평균값은 일부 극단적인 수치에 의해 왜곡될 가능성이 있으므로 중앙값과 함께 분석하는 것이 중요하다.

• 부서별 평균 급여와 중앙값을 비교하여 특정 부서의 급여 격차가 심한지 확인

• 성과 평가 점수의 평균과 중앙값을 활용하여 평가 결과가 한쪽으로 치우쳐 있지는 않은지 분석

• 연차별 평균 급여를 분석하여, 특정 연차 구간에서 급여 인상이 정체되는 구간이 있는지 확인

③ 분산 및 표준편차 (Variance & Standard Deviation)

분산과 표준편차는 데이터 값들이 평균을 중심으로 얼마나 퍼져 있는지를 나타내는 지표다. 이를 활용하면 조직 내 평가 점수나 급여 수준의 변동성을 확인할 수 있다.

• 부서별 성과 평가 점수의 표준편차를 분석하여 평가가 공정하게 이루어지고 있는지 확인

• 직급별 급여 수준의 분산을 분석하여 동일 직급 내에서도 급여 격차가 큰지 평가

• 부서별 초과근무 시간의 표준편차를 분석하여 업무량 분배의 균형성 평가

④ 트렌드 분석 (Trend Analysis)

트렌드 분석은 데이터를 시계열적으로 분석하여 특정 패턴을 찾는 과정이다. HR에서는 주로 이직률, 채용율, 근속연수, 성과 데이터 등을 분석하는 데 활용된다.

• 연도별 이직률 변화를 분석하여 특정 연차에서 이직률이 높아지는 경향이 있는지 확인

• 신입사원의 정착률(입사 후 1년 이상 근무한 비율)을 분석하여, 채용 후 온보딩 프로그램의 효과성 평가

• 업무 만족도 조사 데이터를 장기적으로 분석하여, 조직 문화 변화 추이를 평가

2) 기술적 분석을 효과적으로 활용하기 위한 실무적 접근법

기술적 분석은 비교적 간단한 분석 기법이지만 이를 효과적으로 활용하려면 데이터를 체계적으로 수집하고 정리하는 과정이 필요하다. 다음과 같은 실무적 접근법을 적용하면 보다 정교한 분석을 수행할 수 있다.

1. 데이터 수집의 표준화

기술적 분석이 효과적으로 이루어지려면 데이터 수집 기준이 일관성 있게 유지되어야 한다. 예를 들어, 퇴사자의 퇴사 사유를 기록할 때 단순히 "개인 사정", "경쟁사 이직"과 같은 모호한 표현을 사용하는 것이 아니라 보다 구체적인 항목(보상 불만족, 성장 기회 부족, 근무환경 문제 등)으로 구분해야 한다.

2. 정기적인 데이터 점검 및 업데이트

HR 데이터는 일정 주기로 점검하고 업데이트해야 의미 있는 분석이 가능하다. 예를 들어, 매년 연말에 부서별 평균 급여와 평가 결과를 정리하고 이를 전년과 비교하여 변화 패턴을 분석하는 것이 중요하다.

3. 분석 결과를 활용한 피드백 및 개선

기술적 분석을 통해 발견한 패턴을 HR 운영에 반영하는 것이 핵심이다. 예를 들어, 특정 직군에서 퇴사율이 높다는 결과가 나왔다면 해당 직군의 보상 체계를 점검하거나 추가적인 교육 기회를 제공하는 등 적극적인 개선 조치를 시행해야 한다.

기술적 분석은 복잡한 통계 모델을 활용하지 않더라도 비교적 간단한 분석만으로 조직의 상태를 객관적으로 진단할 수 있는 강력한 도구다. 이를 통해 HR 담당자는 데이터 기반의 의사결정을 내릴 수 있으며 조직 운영의 효율성을 향상시킬 수 있다.

2.4.3 진단적 분석 (Diagnostic Analytics) 활용법

기술적 분석(Descriptive Analytics)이 과거 데이터를 정리하여 현재 조직의 상태를 파악하는 과정이라면 진단적 분석(Diagnostic Analytics)은 발견된 현상이 왜 발생했는지를 파악하는 과정이다. 수치만 확인해서는 조직의 문제를 해결할 수 없으며 데이터 속에서 인과관계를 탐색하고 원인을 규명하는 과정이 필수적이다.

HR 데이터 분석에서도 "우리 회사의 이직률이 15%다"라는 정보를 아는 것만으로는 의미가 없다. 중요한 것은 왜 이직률이 높아졌는지, 특정 부서나 특정 연차의 직원들이 더 많이 퇴사하는 이유가 무엇인지를 분석하는 것이다. 이러한 분석을 통해 HR 담당자는 보다 전략적인 의사결정을 내릴 수 있으며 현상 보고를 넘어 실질적인 해결책을 마련할 수 있다.

진단적 분석은 특히 HR 문제 해결 과정에서 중요한 역할을 한다. 예를 들어 기술적 분석을 통해 특정 부서에서 이직률이 급격히 상승한 것을 발견했다면 진단적 분석을 통해 그 원인을 찾아야 한다. 직무, 평가결과, 임금수준, 근로시간 등의 데이터를 연계하여 분석하면 어떤 요인이 직원들의 이직을 유발하고 있는지 보다 정확히 이해할 수 있다. 이러한 분석 결과를 바탕으로 보상 체계를 조정하거나 조직문화를 개선하는 등의 전략적 대응이 가능하다.

1) 진단적 분석의 핵심 원리

진단적 분석의 핵심 목표는 데이터 비교가 아니라 인과관계를 파악하는 것이다. HR 데이터를 분석할 때 가장 흔한 실수는 두 개의 지표가 비슷한 움직임을 보일 때 이를 “이것이 원인이다"라고 단정짓는 것이다. 그러나 데이터 간의 상관관계(Correlation)와 원인-결과의 관계(Causation)는 다르다.

✔ 예시 1: 직무 만족도가 낮을수록 이직률이 높다?

직무 만족도가 낮은 직원들이 더 많이 이직한다고 해서 직무 만족도가 낮기 때문에 퇴사하는 것이라고 단정할 수는 없다. 낮은 직무 만족도는 단순한 현상일 수 있으며 그 원인은 보상 수준, 성장 기회 부족, 조직 문화 등의 다양한 요인이 있을 수 있다.

✔ 예시 2: 특정 부서에서 연장근로 시간이 길수록 이직률이 높다?

이것이 상관관계인지 아니면 연장근로 시간이 길기 때문에 이직률이 높은 것인지 확인해야 한다. 연장근로 시간이 길다면 추가적인 보상제공, 근무 환경 개선 등의 대책을 먼저 검토해야 한다. 진단적 분석은 데이터의 변화를 보는 것이 아니라 어떤 요소가 문제를 유발하는지를 파악하는 과정이기 때문에 보다 심층적인 분석이 필요하다.

2) 진단적 분석을 위한 주요 기법 및 활