COLUMN

경영에서의 효과적인 데이터 활용과 데이터 기반 의사결정의 중요성이 계속해서 증대되고 있다. 데이터의 증가와 함께 분석모델과 도구는 계속해서 발전하고 있지만, 데이터 활용의 목적과 기대효과의 명확한 정립, 목적에 부합한 데이터 수집이 선행되지 않는다면 데이터 분석의 가치 창출은 제한적이겠다. 리더는 계속해서 중요한 경영문제나 의사결정에 데이터를 활용하려는 시도를 하고 데이터에 대한 안목을 높이는 것이 ‘데이터 리더십’의 시작일 것이다. 이런 측면에서 HR Analytics의 성패는 구성원과 리더, 경영진이 공감할 수 있는 주제를 발굴하는 과정에 달려 있다고 여겨진다.HR Analytics에는 다양한 정의가 있을 것인데, 분석의 목적을 명확히 하는 취지에서 하나의 정의를 되새기고 출발하는 것은 의미가 있겠다. HR Analytics는 ‘좀 더 나은 의사결정’을 목적으로 ‘경영상의 유의미한 결과’를 이끌어내는 데 있어 구성원과 관련한 요인을 ‘체계적으로 발견/인지하고 계량화’하는 과정이라고 볼 수 있겠다. 여기에서 키워드는 현재 관행보다 나은 결과, 그리고 그 결과가 경영에 의미가 있을 때 분석의 가치가 발현될 수 있다는 것이다. 기존에 알고 있는 것을 재확인하는 작업에 그치는 것이 아니라 새로운 발견과 인지를 체계화하고 필요시 자동화해서 지속적으로 활용하도록 만드는 것이다."HR Analytics는 ‘좀 더 나은 의사결정’을 목적으로‘경영상의 유의미한 결과’를 이끌어내는 데 있어HR 요인을 ‘체계적으로 발견/인지하고 계량화’하는 과정이다."---이런 측면에서 다른 분석 프로젝트도 마찬가지지만 HR Analytics의 성패는 어떤 주제를 선정하고 분석할 것인지에 달려 있다. 그렇다면 어떻게 의미 있고 공감되는 주제를 찾을 수 있을까? 이를 위해 가급적 많은 구성원을 참여시키고, 제약 없이 의견을 개진할 수 있는 환경에서 많은 의견을 수렴하는 과정을 통해 현재 우리 조직이 당면한 중요 문제를 나열해보고 토론해보는 것이 필수적이겠다. 여기서 HR 업무를 운영적 관점과 전략적 관점으로 나눠볼 때, HR 부서의 운영적 이슈들은 주요 지표에 대한 대시보드 개선, 기본적이고 필수적인 HR 업무의 주요 프로세스 개선 등이 있을 것이다. HR 부서의 전략적 이슈로는 구성원들의 탤런트 라이프사이클, 적절한 보상체계 확립과 성과관리 등에 HR Analytics 적용 등을 고려해볼 수 있겠다. 또한, 구성원의 경험 수준이나 생산성 향상과 관련한 주제에도 분석은 적용될 수 있다. 그리고 궁극적으로 조직의 미래 가치를 달성하기 위해 핵심역량을 보유한 인력을 확보하고 활용하려는 계획에도 분석 기법은 적용될 수 있겠다.필자의 경험에 비춰볼 때, Top-down으로 정해진 주제는 실제 분석에 참여하는 구성원의 동기부여나 몰입도가 낮을 수 있고, Bottom-up으로 정해지는 주제는 가치창출성 측면에서 한계가 있는 지엽적인 문제로 한정되는 사례들이 있었다. 이를 극복하기 위해 다음과 같은 방법이 적용될 수 있다. 우선 학습의 일환으로 다양한 배경을 가진 구성원들로 하여금 데이터 분석 기획안을 자유롭게 작성해보게 한다. 이때, 정해진 템플릿을 주기보다 분량이나 형식의 제약 없이 자유롭게 의견을 개진하도록 하는 편이 좋다. 다음으로 이렇게 수집된 아직은 설익은 분석 아이디어 주제들을 놓고 중요성, 가치창출성, 실현가능성, 비용 대비 효율성 등을 기준으로 분석전문가, 관련 분야 현업 담당자, 임원 등이 치열하게 고민하며 분석 주제를 명확히 하는 과정이 필요하다. 주제 선정과정을 좀 더 효과적으로 진행하기 위해 소위 ‘임팩트 매트릭스’를 놓고 주제를 맵핑해보는 것도 좋은 방법이 될 것이다. 이때 첫째로 많은 노력이 들지만 영향력은 낮은 수행할 가치가 없는 영역, 둘째로 가치는 크지만 너무 많은 노력이 요구되는 영역, 셋째로 시도해볼 만은 하지만 큰 가치가 기대되지 않는 영역, 넷째로 당장의 노력 대비 높은 효과가 기대되는 영역으로 과제들이 맵핑될 수 있다.이 과정에서 구성원이 제안한 몇 개의 유사한 분석 주제가 결합되어 더욱 의미 있고 발전적이고 완성도 높은 주제가 되기도 한다. 또한, 처음에는 다소 비현실적이지만 창의적인 데이터 활용을 제안한 주제를 놓고, 이를 더욱 정교하게 현실화하는 방안을 고민해볼 수도 있다. 이렇게 주제들을 검토하는 과정에서 의사결정자나 리더는 본인의 관점과 안목을 넓히고, 구성원들의 생각을 경험하며, 조직의 더 나은 방향을 모색해볼 수도 있다. 외부 전문가의 경우 조직의 HR Analytics 활용의 준비도와 성숙도를 간접적으로 진단해볼 수도 있겠다.다음으로는 선정된 주제를 해결하기 위해 필요한 내부, 외부 데이터를 상정해볼 수 있겠다. 이 과정에서 조직 내 데이터의 준비도나 가용한 데이터의 상황 등을 파악할 수 있는데, 이때 HR 조직에서 생성한 데이터에 한정되지 말고 좀 더 넓게 살펴보는 것이 효과적이다. 예컨대, 한 회사는 구성원들의 이직이 늘어나고 있는 상황에서 내부 데이터만을 보는 것이 아니라, 타 기업이나 해당 산업의 이직 현황을 알 수 있는 단초로 커리어 관련 소셜미디어 상의 데이터를 크롤링하여 비교 분석하는 작업을 진행하기도 했다. 또한, 완전한 데이터 확보 자체에 집착할 필요가 없는 것이, 많은 경우 HR 관련 데이터는 아무리 노력해도 완벽할 수 없는 때가 많다. 완벽한 데이터 구축에 너무 많은 시간과 비용을 들이기보다는 우리 데이터의 한계와 부족함을 인식한 상황에서 분석하고 결과를 해석한다면 큰 문제가 아닐 때도 많을 것이다.지난 수년간의 경험을 바탕으로 볼 때, 분석방법의 적용이나 분석 역량 그 자체보다 적절한 주제 선정과 데이터에 대한 고민이 프로젝트의 성패에 더욱 큰 영향을 준다고 확신한다. 물론 앞서 제시한 방법론적 접근과 함께 반드시 수반되어야 할 것은 구성원들의 마음가짐 변화다. 주어진 지표를 피상적으로 모니터링하는 단순하고 수동적인 대시보드 관리에서 벗어나 경영자의 마인드로 경영 상의 주요 이슈를 끊임없이 고민해서 새로운 지표를 발굴하고 HR 지표를 경영상의 지표와 결과물로 연동시키려는 노력이 필요하다. 예를 들어, 자신의 직관과 다른 결과들을 보았을 때 그냥 넘기지 말고 더욱 집요하게 파고들어 그 원인을 파악하는 가설들과 질문들을 만들어보는 것이다. 마지막으로 위의 핵심질문들을 하나씩 점검해보며 우리의 현재 모습을 진단하고 정말 조직에 도움이 되는 문제를 발굴하기 위해 작은 것에서부터 시작하고 도전해보자.

평가는 적극적으로 활용되어 변화에 기여할 때 비로소 의미 있는 활동이 된다. HRD에서 평가를 활용하는 가장 적극적이고 현실적인 방법은 피드백이다. 평가 결과를 토대로 무엇을 잘 하고 있는지와 어떤 점이 아쉬운지에 대한 구체적인 정보를 제공함으로써 더 나은 방향으로 개선할 수 있도록 촉진할 수 있다. HRD 평가의 초점이 단위 프로그램에서 개인으로 이동하고 있다는 점을 고려할 때, 피드백 역시 개인 맞춤으로 이뤄질 필요가 있다. 고도화된 평가를 통해 수집한 데이터가 개인의 역량을 향상시킬 수 있을 것인가의 여부는 피드백에 달려 있다고 해도 과언이 아니다.평가와 피드백피드백(feedback)이란 결과를 참고하여 더 적절한 방향으로 수정해 나가는 과정을 의미한다. 피드백을 한다는 것은 현재 상황에 대해 제대로 인식하도록 하고 이를 성찰하여 개선을 위한 계획을 세우도록 하는 것이다. 피드백을 위해서는 목표 대비 결과의 수준을 포함하여 결과의 원인이 되는 행동까지 현재 상황을 정확하게 인식할 수 있는 데이터가 필요한데, 이러한 데이터는 주로 평가를 통해 만들어진다. 이에 평가의 관점에서 피드백은 평가 결과를 토대로 향후 어떻게 개선할 수 있을지에 대한 정보를 제공하는 것이라 할 수 있다."피드백(feedback)은 결과를 참고하여더 적절한 방향으로 수정해 나가는 과정이다.HRD에서는 개인의 역량개발 과정과 경과를 평가한데이터를 제공해서 맞춤형 개선이 이뤄지도록 해야 한다."---이미 발생된 문제보다는 발전적 방향으로의 변화에 초점을 맞춰야 한다는 의미로 피드백이 아닌 피드포워드(feedforward)의 중요성이 강조되기도 한다. 그러나 피드포워드 역시 현재에 대한 인식과 미래에 대한 고민을 모두 포함한다는 점에서 기존의 피드백과 다르지 않으며, 이를 위해 현재 상황을 정확하게 포착한 평가 데이터가 필요하다는 점에서도 동일하다.HRD에서 평가 결과는 교육 훈련 프로그램에 대한 개선과 판단에 활용되어 왔다. 학습자 반응, 교육 효과 등의 평가 데이터를 프로그램에 피드백해서 강사를 교체하거나, 회차를 조정해 온 것이다. HRD 평가의 초점은 학습자 중심(learner-centered)으로 이동하고 있다. 평가 결과를 활용하는 피드백 역시 개인 학습자에 초점을 맞춰야 할 시점이다. 즉, HRD에서의 피드백은 개인의 역량 향상 과정과 결과를 평가한 데이터를 활용해서 개인의 역량개발을 개선할 수 있도록 이뤄져야 한다.쓸모 있는 피드백의 조건피드백은 현재 상황에 대한 인식과 미래 변화에 대한 제안으로 구성된다. 따라서 피드백이 쓸모 있는 것이 되려면 제대로 현재 상황을 인식하도록 하고 미래 변화에 대해 건설적인 제안을 해야 한다.첫째, 현재 상황을 제대로 인식하도록 하기 위해서는 구체적인 데이터로 보여주는 것이 중요하다. 골프에서 자세 교정을 받아봤거나 강사로서 마이크로티칭 경험이 있는 사람이라면 자신의 행동과 결과를 객관적이고 직접적으로 관찰하는 것이 얼마나 강력한 힘이 있는지 알 것이다. 단, 관찰한 내용이 성찰과 개선으로까지 이어지려면 한꺼번에 너무 많은 내용을 제시하는 것보다는 한두 개에 집중하는 것이 낫다. 이를 위해서는 평소에 각 개인의 평가 데이터를 구체적인 수준으로 수집 및 관리하여 피드백이 필요한 시점에 이를 활용할 수 있어야 한다.둘째, 미래 변화에 대한 제안이 개선에 도움이 되려면 개인의 성향과 여건에 적합해야 한다. 아무리 기발한 제안이라 할지라도 개인이 원하는 방식이 아니거나 실행에 옮길만한 여건이 되지 않는다면 변화를 가져올 수 없다. 도움이 되지 않는 제안을 받으면 다시는 피드백을 원하지 않게 된다. 개인이 노력하면 수행할 수 있는 범위 내에서 이해하고 수용할 수 있는 방법을 제안하는 것이 중요하다. 이를 위해서는 평소에 대상의 성향과 여건을 파악하고 있어야 한다."쓸모 있는 피드백의 조건은 두 가지다.첫째로 현재 상황을 제대로 인식하도록 하는 데이터가 필요하다.둘째로 미래 변화에 대한 제안이 실질적 개선에 도움이 되는개인의 성향과 여건에 적합한 피드백이 제공돼야 한다."피드백도 맞춤형이 필요한 시대맞춤형(customized) 피드백이란 피드백을 받는 고객의 요구에 적합하게 그 형식, 내용, 방법 등을 맞춘 피드백이다. HRD에서 맞춤형 피드백은 고객인 학습자의 요구를 고려한 피드백으로, 학습자 집단이 아닌 개개인의 요구를 반영하여 개별화된(individualized) 피드백을 의미한다. 나아가 개인의 변화하는 특성이나 상황에 따라 즉각적으로 맞추어 반응하는 적응적(adaptive) 피드백까지 가능하다면 더할 나위 없을 것이다. 쓸모 있는 피드백의 조건이 구체성과 적합성이라면, 맞춤형 피드백은 이러한 조건에 가장 부합하는 피드백이다. 맞춤형 피드백은 구체적인 정보를 제공하고 개인의 특성을 고려해서 제안하는데, ‘나를 제대로 안다는 느낌’은 피드백 수용도를 높여준다.그러나 HRD 담당자나 리더가 모든 개인의 역량을 관찰하고 개인별 성향과 행동에 맞게 수시로 역량개발 전략을 제안하는 것은 현실적으로 쉽지 않다. 관찰하고 기록할 기회가 부족할 뿐만 아니라 성향을 파악하여 적합한 제안을 설계하기도 어렵기 때문이다. 이에 개인별 역량 및 개발 활동 현황과 같은 피드백 정보를 한눈에 보여 주는 역량개발 대시보드(dashboard), 개인에게 맞는 역량개발 활동을 제안하는 학습 큐레이션(learning curation) 등과 같이 첨단 기술을 활용하여 기존 피드백의 한계를 극복하려는 시도가 이뤄지고 있다.AI를 활용한 맞춤형 피드백, 학습 큐레이션학습 큐레이션은 AI 기술을 활용해서 개인 성향과 행동 기록 등을 바탕으로 역량개발 활동을 추천하는 것으로, HRD에서 활용되고 있는 대표적인 맞춤형 피드백이다. 콘텐츠 기반 필터링(content-based filtering) 기술을 적용하면 역량개발 활동 각각의 특성을 분석하고 이를 선호할만한 학습자에게 추천해줄 수 있다. 예를 들어, 개인학습과 온라인 강의를 선호하는 사람에게는 이에 해당하는 역량개발 활동을 선별하여 추천해주는 방식이다. 이를 HRD에 활용하기 위해서는 개인의 선호 유형을 구체화하고 이를 기준으로 각 역량개발 활동을 면밀하게 분석할 필요가 있다.협업 필터링(collaborative filtering) 기술을 적용하면 학습자들의 행동 기록을 분석하고 비슷한 성향의 학습자들에게 해당 역량개발 활동을 추천해줄 수 있다. 예를 들어, 내가 수강한 온라인 학습 콘텐츠를 수강한 사람들이 수강한 다른 콘텐츠를 추천해주는 방식이다. 이를 HRD에 활용하기 위해서는 구성원들 각 개인의 역량개발 활동 데이터가 필요하다. 각 활동에의 참여도와 만족도와 같은 구체적인 데이터가 있다면 추천은 더욱 정교하게 이뤄질 수 있다.이와 같은 추천 시스템이 제대로 작동하기 위해서는 자유로운 큐레이션이 가능하도록 선택이 열려 있어야 한다. HRD 개입의 유형이 다양해지고 많은 학습콘텐츠 서비스가 구독형으로 전환됨에 따라 학습 큐레이션의 자유도가 높아지고 있다. 또한, 추천 분석에 활용되는 데이터가 체계적으로 수집 및 관리돼야 하는데, HRD에서 분석학의 활용 증가, 학습경험을 관리하는 플랫폼의 확대 등이 그 가능성을 열어주고 있다. 맞춤형 피드백을 위한 노력은 곧 HRD 평가가 보다 유용하고 정확하며 체계적인 평가가 되도록 이끌어 줄 것이다.박소연 교수안양대학교 교양대학 교수. 정부, 기업, 대학 등을 대상으로 HRD 평가와 관련하여 다양한 프로젝트 및 자문을 수행하고 있으며, 한국인력개발학회, 한국산업교육학회, 한국평생교육학회 등에서 활동 중이다. AI를 활용한 평가, 맞춤형 피드백, 학습분석과 평가, 평가적 사고 개발 등을 주제로 강의와 연구에 매진하고 있다.