뉴 노멀 시대의 HR 전략
뉴 노멀 시대의 HR 전략 1. 저성장 시대의 성장전략: 사업 포트폴리오 및 조직 관리 2. 고령화 시대에 대응한 보상제도의 개선: 임금피크제의 도입 3. 협업 활성화를 위한 평가제도의 개선: 집단 지성에 기반한 평가 운영 4. Global & Multi business 운영을 위한 조직의 다양성 및 갈등 관리 5. 고객 접점 관리 조직의 혁신 6. Big Data 시대와 HR analytics ‘인사가 만사다’라는 말에 숨겨진 함정 성공한 리더들이 인사와 관련해서 가장 빈번하게 언급하는 말은 아마도 ‘인사(人事)가 만사(萬事)’일 것이다. 우리는 이 말이 인사의 중요성을 일컫는 것이라고 알고 있다. 하지만 그 말의 숨겨진 의미가 자신은 정말 인사에 대해서 잘 알고 있으며, 또한 인사를 잘하고 있다는 자기 확신이라는 점은 눈치채지 못한다. 대부분의 경우 이러한 확신의 근거는 자신이 그 지위에 오르기까지의 경험을 통해서 습득한 통찰력과 직관으로 인사에 정통하고 있다는 착각이다. 많은 리더들이 이러한 오만과 편견을 가지게 된 배경에는 인사 업무가 사실(fact)에 근거한 분석과 예측이 아닌, 경험과 논리에 기초한 업무라는 인식이 깔려 있다. 오늘날 국내 기업들이 직면한 인적자원 관리상의 가장 큰 문제는 첫째 기업의 성과와 HR 간의 통찰력 있는 분석자료를 제공하지 못한다는 점이고, 다음은 HR의 성과를 보다 가시적으로 제시하는데 미흡하다는 사실이다. 이러한 한계를 극복하기 위해서는 무엇보다도 HR 분야에 있어서도 계량적인 분석의 활성화가 시급하다. KPMG가 45개국의 1,400명 임직원을 대상으로 실시한 조사에 의하면, 전체 응답자의 57%가 HR Analytics의 효용성에 대해 긍정적인 인식을 가지고 있는 것으로 나타났다. 또한 이 분야에 대한 투자 계획이나 역량 개발의 의지를 표현한 응답자 역시 적지 않았다. HR Analytics 활성화의 걸림돌과 선결 과제 그렇다면 유난히 HR 분야에 있어서 데이터에 기반한 인적자원의 운영(data based HR)이 지지부진한 이유가 무엇일까? 기업들이 HR 업무에 계량적인 분석 기법을 적극적으로 적용하는데 있어서 대표적인 걸림돌은 다음의 세 가지이다.
우선 데이터 quality와 접근성의 문제이다. 기업이 보유한 HR 데이터가 일관성이나 신뢰성이 결여되어 있거나, HR 데이터가 전사적으로 통합되어 관리되지 못함으로써 필요한 정보의 제공이나 접근에 문제가 발생한다. 기업이 지나치게 다양한 변수를 포함한 HR DB의 구축을 목표로 할 경우 HR 코드(code)가 복잡하거나 방대해져서, 역설적으로 DB에 입력된 데이터가 미완성되는 문제가 발생할 수 있다. 또한 조직 간의 합병이나 분할로 인한 데이터 모델이 복잡해지기도 하고, 그 과정에서 데이터가 손실되기도 한다. 간혹 데이터의 소유를 개인의 경쟁력으로 인식하여, 자신만이 전유하고자 하는 욕심이 데이터의 공유를 가로막기도 한다. 다음으로는 데이터 연관성 및 효율성의 문제이다. 기업들이 관리하는 HR에 대한 일반적인 정보들이 단순히 임직원의 기초적인 인력 통계(demographic variables)로 구성된 경우가 많다. HR의 중요성을 강조하는 기업들에 있어서도 재무적 성과나 운영 지표(operation index)와 HR의 연관성을 보여주는 인적 자본 지수(Human Capital Index)를 관리하지 못하는 경우가 많다. 기업의 재무적 성과에 대한 정보, HR 하위 기능들(sub functions)에 대한 다양한 지표(index), 그리고 인적 자원의 양과 질에 대한 다양한 데이터의 확보는 HR Analytics의 필요조건이다. 마지막으로 HR 데이터의 분석기술상의 문제이다. 기업 내 HR 담당자들은 타 분야에 비하여 통계적 분석이나 계량적 분석의 역량이 부족할 뿐 아니라, 계량적 분석을 위한 다양한 소프트웨어의 활용 스킬(skill) 역시 부족하다. 또한 기업들은 여전히 HR Analytics를 실무에 적용하기 위한 적절한 교육을 등한시한다. 따라서 기업 내에서 HR Analytics를 활성화하기 위해서는 다음과 같은 개선이 우선되어야 한다. 우선 기업들은 HR 관련 정보의 수집 능력을 강화해야 한다. 기본적인 HR 데이터의 수집뿐만 아니라, 사업의 성과, 사업 전반의 중요 프로세스들과 HR 활동 간 상관관계를 보여줄 수 있는 다양한 지표들의 도입이 절실하다. 다음으로 사내 HR 관련 정보의 통합과 공유의 활성화가 필요하다. 정보의 통합을 위해서는 클라우드 시스템이나 ERP 솔루션을 활용하여 일관성 있고 신뢰할 수 있는 HR DB를 구축하는 것이 필요하고, 직원들이 필요한 정보를 적시에 편리하게 활용할 수 있는 IT 인프라를 구축하는 것이 필요하다. 다음으로 기업의 HR 담당자들은 수집된 정보를 목적에 맞게 분석할 수 있도록 역량을 개발해야 한다. HR Analytics는 통계적 분석 역량뿐만 아니라 다양한 계량적 모델링 기법과 분석 기법을 필요로 한다. 그중 가장 기본이 되는 것은 통계적 분석 기법에 대한 지식이다. 통계적 분석의 출발은 데이터를 수집한 모집단(母集團)의 분포와 대표값의 특성에 대한 이해이다. 예를 들어 모집단이 정규 분포(normal distribution)인지 아니면 멱함수 분포(Power Law distribution)인가에 따라서 분석 대상의 특성을 잘 표현하는 대표값(평균, 최빈치, 중위수, 산포도 등)의 선택과 해석이 달라지게 된다. 따라서 통계적 기법을 활용한 HR Analytics에 있어서 어렵고 복잡한 통계기법의 적용에 앞서 분석 대상이 되는 집단의 분포함수와 대표값을 포함한 기초 통계량에 대한 정확한 이해가 우선되어야 한다. 기업이 HR Analytics 역량을 확보하기 위해서는 계량적 분석 기술을 가진 전문가를 내부적으로 육성하거나 채용해야 한다. HR Analytics specialist는 다양한 계량적 분석 기법에 대한 지식과 아울러 HR 업무에 대한 높은 전문성도 겸비해야 한다. 또한 사내 IT 시스템이나 HR DB에 관한 상당한 전문적 지식은 아니라도, 기본적으로 기업이 운영하는 시스템에서 필요한 데이터를 추출하고 관리할 수 있는 역량을 갖추는 것이 필요하다. HR 르네상스는 HR Analytics의 활성화로부터 HR Analytics의 출발점은 ‘Right questions, right insights’이다. 이를 위해서는 우선 각 조직이 직면한 HR 관련 이슈를 문제나 가설의 형태로 정리해야 한다. 문제나 가설이 정의되면, 이를 변수들 간의 관계로 표현하는 연구모형을 설정한다. 다음 단계는 적절한 분석 방법의 선택이다. 모형에 포함된 변수의 개념을 명확히 한 후 새로운 측정도구(measurement)를 개발하거나 기존에 존재하는 데이터를 활용하여 변수들의 측정치(데이터)를 모집(혹은 DB에서 추출)한다. 구체적인 분석 방법의 선택은 기본적으로 연구 모형과 수집한 데이터의 특성에 기초해서 통계적 방법이나 적절한 계량적 기법 중에서 선택할 수 있다. 이를 위해서 통계적 방법과 다양한 계량적 모델링에 대한 포괄적이고 심도 있는 지식을 겸비한 HR Analytics specialist의 역할이 중요하다. 선택된 기법을 적용하여 도출된 분석 결과를 통해서 기업이 직면한 HR 이슈나 문제의 해결책을 도출하게 된다. 구체적으로 HR Analytics가 적용될 수 있는 분야를 예로 들면 다음과 같다. 시장급여 조사와 급여체계의 설계는 전통적으로 HR Analytics가 적용되고 있는 분야이다. 자사의 현 급여 수준에 대한 회귀선이 도출되면, 이를 시장평균과 같을경우와 비교해서 현 급여수준의 전반적인 경쟁력에 대해 도식화할 수 있다.
인력수급계획 분야 역시 HR Analytics의 도입이 가장 절실한 분야 중에 하나이다. 전통적으로 기업들은 직무분석을 통해 미시적 수준에서 적정 인력을 산정하거나, 통계적 분석(회귀분석 혹은 시계열 분석)에 의존해서 거시적 인력 수요를 예측했다. 하지만 이러한 방법들은 과거 지향적인 직무분석과 미래 지향적인 수요 예측의 연관성을 찾는 데 한계가 있다. 이러한한계의 극복을 위해 최근 선진 기업들은 시스템 다이내믹스(System Dynamics)라는 계량적 기법에 기반해서 전략적 인력계획을 수립하고 있다. 시스템 다이내믹스에 기반한 인력계획은 인력구조와 규모에 영향을 미치는 다양한 변인들(전략, 조직구조, 직급 체계, 생산성, 시간 등)을 총체적으로 고려하는 혁신적 방법론이다. 시나리오 분석을 통해 인력계획상에서 도출된 다양한 이슈를 기반으로, 각 단위 조직의 역할과 책임에 따라 효율적으로 업무를 수행할 수 있는 전략적 인력운영계획의 수립이 가능해졌다.
기업들은 전략 목표(strategic goal)의 달성 여부를 모니터링하기 위해서 조직 성과 관리 시스템을 운영하고 있다. 하지만 설정한 성과지표(KPI)가 기업의 전략 목표 달성 여부를 적절하게 대표하는가라는 문제가 최근 제기되고 있다. 통계적 기법의 하나인 구조 방정식 모형(Structural Equation Modeling)을 통해 전사 성과지표의 타당성에 대한 통계적 검증이 가능하다. SEM은 기존에 설정된 성과지표가 전략 지도상의 각 전략/성과요인을 충분히 대표하고 있는지에 대하여 통계적으로 검증할 수 있으며, 이를 통해 설명력이 낮은 성과지표를 대체하여 신뢰성 높은 성과측정이 가능하다. 직원들의 역량 개발을 위한 대표적인 방법 중의 하나가 CDP(Career Development Plan)이다. 하지만 많은 기업들이 CDP 제도의 실효성에 대해서 의구심을 갖고 있다. 이 문제를 분석하기 위해 직원들의 전환배치 기록에 네트워크 분석(Network Analysis)을 적용할 경우 새로운 통찰(insight)을 얻을 수 있다. 기존의 전환배치가 직원들의 역량, 지식, 스킬(skill)의 유사성을 바탕으로 한 기능들의 하위 집단(sub-group)을 형성하는지 판단할 수 있으며, 직무 전문성 개발을 위하여 유사한 기능 간 인력 이동 시 핵심 직무와 유효한 경력 경로 역시 발견할 수 있다.