SR3. 인재 분석 기술 ‘피플 애널리틱스’의 역할
리스킬링을 교육 관점에서만 보면 실패
핵심 부서 모두의 협업과 공감대 필요
Article at a Glance
디지털 트랜스포메이션의 가속화로 기업에서 필요로 하는 업무 스킬의 변화가 일어나면서 최근 리스킬링과 업스킬링에 대한 관심이 높아지고 있다. 리스킬링 및 업스킬링을 포함한 스킬링 트렌드는 갈수록 현업에서 바로 적용할 수 있는 스킬 교육에 맞춰지고 있고 학습자가 조직의 다양한 사람과 소통하고 상호 교류할 수 있도록 업무 및 팀 설계의 중요성이 커지고 있다. 또한 스킬링은 단순히 교육과 학습의 문제가 아니라 인재의 영입과 확보를 위해 다양성과 포용성(diversity & inclusion) 전략, 그리고 직원들의 커리어 개발(career development)과 연결해 인사관리와 인재 육성 등을 포괄한다. 리스킬링 및 업스킬링을 조직적 가치들과 데이터를 통해 연결하기 위해 최근 피플 애널리틱스(PA)가 주목받고 있다. PA는 비즈니스와 연관된 인재 관리 이슈들을 분석하고 인사이트를 찾아 가치를 제공하는 것이라고 정의할 수 있다.
최근 업스킬링(upskilling)과 리스킬링(reskilling)이 기업의 고민거리로 떠오르고 있다. 디지털 트랜스포메이션으로 인한 기술과 소비 패턴의 빠른 변화로 인해 기존 업무 스킬과는 다른 새로운 스킬의 필요성이 대두됐기 때문이다. 이에 따라 기존 인력을 재교육해야 할 필요성도 커졌다. 업스킬링은 현재의 역량을 향상시키거나 추가로 기술을 익히는 것을 뜻한다. 반면 리스킬링은 새로운 기술이나 역량을 전환하는 것을 말한다. 리스킬링의 경우 기업에서 특정 직원에게 새로운 역할을 맡기거나 직종을 변화시킬 때, 혹은 퇴사자들을 지원하는 차원에서 이들에게 새로운 기술을 가르칠 때 자주 사용되는 개념이다.
하지만 리스킬링과 업스킬링을 단순히 교육이나 학습의 관점에서만 바라봐서는 안 된다. 리스킬링과 업스클링은 복잡한 비즈니스 환경 속에서 생겨나는 이슈들이다. 따라서 환경이 어떻게 변해가고 있는지, 어떻게 대응해가는 게 좋을지 꼼꼼히 살펴보고 적합한 체계를 만들어 가는 것이 중요하다. 최근 인재 분석 기술인 ‘피플 애널리틱스(People Analytics, PA) 1 ’가 주목받는 이유도 같은 맥락이라고 볼 수 있다.
1982년 영국에서 설립된 글로벌 통신 회사 보다폰(Vodafone)은 31개국에서 사업을 운영하고 유럽과 아프리카 시장을 선도하는, 매출 기준 세계 2위의 이동통신 회사다. 보다폰은 기술 발전의 속도가 빠른 통신 분야에서 꾸준히 선도 기업의 지위를 놓치지 않고 있다. 이런 보다폰은 리스킬링과 업스킬링에 어떻게 대응해 왔을까? 결론부터 말하자면 보다폰은 PA를 적극 활용해 2G부터 5G까지 각각의 표준에 대한 구성원들의 기술과 역량 수준을 데이터를 통해 실시간으로 파악하고 이를 적극 활용했다. 그리고 이를 단순히 교육과 학습의 문제가 아니라 인재의 영입과 확보를 위한 다양성과 포용성(diversity & inclusion) 전략, 그리고 직원들의 커리어 개발(career development)과 연결해 인사관리와 인재 육성에 적극 반영하고 있다. 이를 위해 보다폰은 1500개가 넘는 직무기술서를 분석한 후 효과적 관리를 위한 직무군(job clusters)을 만들었고 소셜미디어는 물론 경쟁사들의 웹사이트까지 분석해 국가나 지역적 특성에 맞춰 기술 수준과 인재 수급 동향을 파악하고 있다.
물론 모든 기업이 다양하고 방대한 조직 내부와 외부의 데이터를 분석하고 이를 기반으로 교육이나 학습 솔루션을 구성하는 것은 비현실적일 수 있다. 하지만 진정한 의미의 리스킬링과 업스킬링을 위해서는 HR 부서의 노력만으로는 부족하다. 교육 공학은 교육과 학습, 기술의 시너지를 연구하고 구현하려고 시도하지만 초점이 개인이나 공익적 교육에 맞춰져 있다. 반면 HR는 조직의 특성과 성과에 초점을 두고 교육, 리더십, 채용, 보상과 평가 같은 인사 전반의 이슈들을 다루지만 이 과정에서 새로운 기술의 활용은 부차적인 것으로 치부되고 기존의 관례대로 업무를 진행하려는 경향이 팽배하다. 다양한 부서가 힘을 합쳐 조직전략의 구현을 위해 함께 논의하고 협업을 통해 과제를 풀어가는 사례는 소수의 혁신적 스타트업을 제외하고는 찾아보기 힘들다. 리스킬링과 업스킬링은 기업 교육 담당자나 인사 부서만의 과제가 아니다. 모든 핵심 부서의 협업과 공감대가 필요하다.
리스킬링과 업스킬링은 왜 필요한가?
본격적인 논의에 앞서, 먼저 업스킬링과 리스킬링을 구분할 필요가 있다. 새로 등장했거나 유행하는 용어일수록 배경과 본질을 파악하는 것이 중요하다. 리스킬링은 ‘최신성’이란 긍정적 의미도 있지만 빠른 지식 가용성의 소멸(보통 신기술의 효용을 1∼2년으로 잡는다)을 고려해 주의해서 사용해야 한다. 필자는 유행하는 이 두 단어가 때로는 학습의 중요한 부분을 간과하고 있다고 생각한다. 과거에 배웠던 것이 더이상 효과적이지 않거나 필요한 변화를 방해한다면 과거의 지식을 버리거나 재정의하는 ‘언러닝(unlearning)’이란 개념도 스킬링을 위해 매우 중요하다. 과거의 학습이 충분하다고 생각하면 새로운 낯선 지식과 기술을 익힐 사람이 얼마나 될까? 그리고 누군가에겐 업스킬링이 다른 사람에겐 리스킬링일 수도 있고 반대의 경우가 생길 수도 있다. 두 개념 모두 어쨌든 지식을 익힌다는 의미의 ‘스킬링’이 핵심이기 때문에 이글에서는 ‘스킬링’이란 용어를 사용하고자 한다.
효과적 학습을 위해서는 조직이 구성원들로부터 기대하고 필요한 것이 무엇인지, 심지어는 효용이 떨어지거나 포화상태인 지식과 기술이 무엇인지도 구체적으로 알려주는 것이 좋다. 앞서 예시로 든 보다폰의 경우 1G부터 5G까지, 통신 네트워크의 새로운 표준이 나와도 기존 표준에 근거한 상품과 서비스를 계속해서 지원해야 했다. 연차가 쌓이고 나이가 많아진 직원들이 새로운 기술을 앞서 배울 것을 기대하긴 어렵다. 기술이 바뀌어도 기업은 한동안 기존의 상품 서비스를 유지해야 하고 자원 투자를 기획해야 한다. 보다폰은 각각의 통신 기술 표준에 대한 스킬링의 수요와 공급을 구축한 스킬 데이터를 분석해 구성원들과 실시간으로 나눈다. 특히 상용화 극초기인 5G 기술을 위해서는 필요한 업스킬링과 리스킬링을 내부 인재 육성과 외부로부터의 인재 영입을 통해 균형 있게 해결하고 있다. 여기서 핵심은 개인과 조직의 ‘스킬링 밸런스’다. 스킬링 밸런스가 중요한 이유는 인재를 내부에서 육성할 경우와 외부에서 영입할 경우 모두 장단점이 뚜렷하기 때문이다. 필요한 스킬을 갖춘 인력을 외부에서 영입하는 경우 부족한 스킬을 빠르게 조직에 이식할 수는 있지만 회사의 문화와의 ‘핏(fit)’이 맞는 사람을 찾기 어려울 수 있고 특히 시장에서 수요가 많은 스킬의 경우에는 인재 영입 경쟁이 치열할 수 있다. 반면 내부 인재 육성의 경우 필요한 스킬 교육에 오랜 시간과 투자가 필요하다. 이에 보다폰과 같이 스킬링에 빠르게 대응한 기업들은 개인과 조직 사이 스킬링 밸런스를 통해 조직 내부의 스킬 부족 현상을 해소하려 노력하고 있다.
마이크로소프트, IBM, 링크트인, 글로벌 경영 컨설팅의 대표 주자들인 맥킨지, 딜로이트, PWC(PriceWaterhouseCoopers), ERP나 IT 서비스의 선두 기업들인 Oracle, SAP, ServiceNow, 앞서 언급한 보다폰까지. 시장을 선도하는 기업들은 산업군은 다르지만 핵심 전략과 비즈니스 방향에서 데이터를 통한 스킬링의 적극적 진단과 발굴에 초점을 맞추고 있다. 이들 기업은 고객들과 파트너사들의 최대 고민이 데이터에 기반한 의사결정임을 파악하고 디지털 환경에 필요한 스킬링 향상을 자신들 조직의 핵심 전략으로 적용했다. 이들의 전문성, 시장에서의 차별화 배경에는 PA를 통한 스킬링의 과정과 축적이 있다.
예를 들어 IBM은 구성원들의 디지털 환경과 클라우드, 데이터 역량이 고객사와의 협업적 문제 해결에 있어서 가장 중요하다는 믿음 아래 모든 임직원의 스킬링의 초점을 조직이 제시한 기술과 지식 습득에 맞춰 학습 모듈화했다. IBM의 이런 접근은 2000년대 들어 미래 산업군들의 경쟁력에 인공지능이 핵심 역할을 하게 될 것이라는 예상에 기반한 결정이었다. 특히 IBM은 왓슨(Watson)으로 잘 알려진 연관 기술들과 구성원들의 스킬링에 연결했고 더 나아가 재무적 가치와 인재들의 이직률 낮추기 등 다양한 인사 영역과도 계량화했다. 그리고 많은 모듈을 외부에도 공개해 학습 패턴과 결과 데이터를 분석해 인재 영입과 신규 직원 적응 교육(on-boarding)에 활용했다. 현재 IBM의 스킬링 플랫폼은 학습자들이 성장의 기회를 얻을 수 있도록 프로젝트나 조직 내 이직, 겸직, 멘토링 같은 솔루션 추천과도 연계돼 있다. 마이크로소프트나 아마존 같은 테크 대기업들도 스킬링을 위해 유사한 접근을 하고 있다. 또한 자체적 데이터 인프라를 갖지 못한 기업과 조직들을 위해 다양한 인사와 교육 분야에서 SaaS 기반의 테크 벤더들(technology vendors)이 유사한 기능을 앞세워 채용과 기업 교육 시장에 뛰어들고 있다.
리스킬링 및 업스킬링이 HRD 부서만의 업무는 아니다
리스킬링 및 업스킬링의 트렌드 중 하나는 학습이 과거와 같이 업무와 동떨어져서 진행되는 것이 아니라 일을 하는 과정에서 점점 자연스럽게 이뤄진다는 점이다. 교육 담당 부서는 이제까지 콘텐츠를 만드는 작업을 많이 했지만 지식 가용성 주기가 짧아짐에 따라 점점 외부 의존도나 파트너십의 중요성이 커지고 있다. 학습의 연속성이나 관리를 고민하지 않을 수 없다. 국내 기업 교육 담당자들과 이야기를 나누다 보면 대기업은 대기업대로, 또 상대적으로 자원이 부족한 중소기업은 중소기업대로 고민이 있다. 대기업의 경우 교육과 학습 플랫폼의 설계와 운영, 성과와의 연계, 학습의 효과와 가치 검증을 고민한다. 학습 플랫폼의 경우 내부에서 만드는 콘텐츠와 사람들이 더 많은 시간을 할애하는 외부 자료들을 어떻게 큐레이션할까 고민한다. 상대적으로 자원이 부족한 중소기업들은 어떤 벤더를 선택해야 할지, 애써 지원한 인재들의 이탈을 어떻게 줄일 수 있는지를 고민한다. 고민의 성격은 조금씩 다르지만 공통점은 분명하다. 학습의 우선순위를 어떻게 관리하고 업무와 성과에 연결할 수 있는지, 또 학습을 어떻게 인재의 육성과 영입에 연결해 조직 경쟁력을 갖출 수 있을지다.
이 고민에 대한 답은 리더십에서 찾을 수 있다. 필자는 최고경영진이 학습조직(learning organization)을 강조하고 전체 임직원들의 학습을 적극 강조하고 지원할 것, 무엇보다 학습의 모범을 보일 것을 조언하고 싶다. 실제로 많은 연구가 리더가 학습조직 환경과 문화를 만드는 것이 개인의 학습은 물론 학습 전이와 지식 공유, 이직 의도의 감소, 조직에 대한 만족과 몰입에 긍정적 효과가 있음을 밝힌 바 있다. 기업 교육과 인사(HR) 테크 컨설팅 분야 권위자인 조시 버신 딜로이트 컨설턴트는 “이제 기업은 효율성으로 경쟁하는(efficiency at scale) 게 아니라 배운 것을 어떻게 적용하는가(learning at scale)가 핵심”이라고 말한다.
학습조직은 기업 교육 담당자들에겐 비교적 잘 알려진 개념이다. 피터 센게 MIT 슬론경영대학원 교수는 “개인의 숙련, 구성원들의 인지적 공감 모델, 비전 공유, 팀 학습, 시스템적 사고가 학습 조직을 구성하는 핵심 요인들”이라고 설명한 바 있다. 캐런 왓킨스 조지아대 평생교육학과 교수와 빅토라이 마식 미국 컬럼비아대 교수의 학습조직 모델은 지속적 학습, 탐구와 대화, 권한 부여, 팀 학습, 외부 환경과의 연결, 학습의 시스템 내재화와 시스템들 간의 연결, 리더십을 강조한다. 2 왓킨스 교수는 학습 효과를 평가함에 있어 학습을 얼마나 실무에 적용하는가가 핵심이 돼야 한다고 주장한다. 제품의 개발이나 새로운 서비스, 시장 개척 같은 결과들은 결국 임직원들의 학습, 그리고 학습의 공유를 통해 생겨나기 때문에 학습과 지식 공유를 일상화하고 지원하는 것은 현명한 투자라고 할 수 있다.
그렇다면 교육과 학습을 효과적으로 구성하려면 어떻게 해야 할까. [그림 1]은 필자가 빠르게 변하고 있는 기술 환경 속에서 교육과 학습, 그리고 조직의 제한된 자원을 효과적으로 연계하기 위해 2010년 제시한 프레임이다. 좀 더 간결한 프레임인 학습 공동체 스타트업 ‘모두의 연구소’가 사용하는 학습 모델도 유사한 접근이기에 함께 나란히 놓았다. 심플한 모델이 시스템의 핵심 요소들을 이해하기 위해 효과적이지만 하부 요인들을 파악하기에는 쉽지 않기 때문에 두 모델 간의 공통점과 보완점을 살펴보면 도움이 될 수 있다. 소개한 프레임 이외에도 유용한 프레임이 많이 있으니 비교해보고 조직의 상황에 맞는 모델을 적극 활용할 것을 추천한다.
[그림 1]이 보여주는 것처럼 기업과 조직의 맥락에서 학습은 크게 ‘형식적 학습(formal learning)’과 ‘비형식적 학습(informal learning)’으로 나뉜다. 형식적 학습은 설계자나 교수자가 학습 경험을 기획하고 운영하는 학습을 말한다. 집합 교육이나 이러닝이 대표적 예다. 반면 잘 알려진 70대20대10의 학습3 구성이나 멘토링, 유튜브 시청이나 웹 검색, 커뮤니티 활동은 비형식적 학습을 구성한다. 파일이나 정보 공유 시스템도 대표적 예다. [그림 1]은 비형식적 학습의 빈도나 비중이 형식적 학습에 비해 더 크다는 것, 각각의 학습이 일어날 때 어떤 기술이나 사람들이 적합한지, 다른 유형의 학습들을 어떻게 연결할 수 있는가를 보여준다. 각각의 구성 요소 안에 많은 선택지가 존재하며 모든 학습을 다 할 필요는 없기 때문에 선택적 관리가 중요하다. 하나의 선택이 복잡한 스킬링의 문제를 온전히 해결할 수 없다. 마이크로 러닝이든, 멘토링이든 학습 간의 연결과 조직 내 공유와 나눔이 핵심이다.
이제까지 리스킬링이나 업스킬링의 요구가 생기면 대부분의 조직은 인사 부서나 교육 담당자에게 일임을 해왔던 것이 사실이다. 그러면 인사 부서는 특정 기술과 지식의 습득을 목표로 교육이나 학습 프로그램을 만들었다. 하지만 [그림 1]이 보여주는 학습의 핵심은 학습자가 조직의 다양한 사람들과 소통하고 상호적 교류가 필요하며 이는 인사 부서와 비즈니스 부서들 간의 구체적 논의와 적합한 업무 설계, 팀의 설계를 요구한다. 조직에서 시간과 자원은 늘 한정돼 있다. 자원의 선택과 관리는 매우 중요함에도 자주 간과된다. 이미 만든 프로그램이나 사용 중인 기술을 없애는 건 새것을 추가하는 것보다 비용이 많이 든다. 교육과 학습이 스킬링을 위한 유일한 해결책은 아니다. 예로 코칭이나 멘토링도 리더십이나 팀워크(teamwork)의 향상을 위해 점점 사용이 확대되고 있다. 다양한 솔루션 중 무엇을 선택해야 할까? 선택한 방법의 효과나 가치를 어떻게 검증할 수 있을까? PA, 데이터 애널리틱스는 이런 선택과 취합, 진단과 측정에 있어서 매우 실용적이고 효과적이다.4
스킬링을 위한 PA의 역할
여러 명의 학자와 현업에 있는 실무자가 PA를 정의했지만 아직도 PA를 통계 분석이나 데이터 분석으로 오해하는 경향이 있다. 필자는 PA를 다음과 같이 정의한다.
“비즈니스와 연관된 피플 이슈들을 분석하고 인사이트를 찾아 가치를 제공하는 것(Analyzing people side of the business and providing values through actionale insights).”
PA를 소개하는 글이나 영상은 많지만 단계적으로 수행하기 위한 절차나 과정을 설명하는 자료들은 많지 않다. 실무에선 절차나 프로세스 모델이 도움이 될 것이다. [그림 2]는 필자가 다양한 PA 프로젝트와 연구들을 취합한 PA 수행 과정 모델이다.
리스킬링이나 업스킬링의 전략 과제를 맡게 된 HR 임원이나 담당자라면 다음과 같은 질문에서 시작하기 쉽다.
“어떤 교육을 활용해야 하나?” “어떤 인재 육성 솔루션을 써야 하지?” “어떤 콘텐츠를 만들거나 넣어야 할까?” “면대면과 비대면 중 어떤 게 더 나을까?” “혼합해야 한다면 비중과 순서는 어떻게 해야 하지?” “현재 쓰고 있는 교육 플랫폼과 외부 교육기관을 통한 학습만으로 충분할까?”
하지만 이 모든 질문은 PA의 핵심인 비즈니스적 관점보다는 교육이나 학습을 우선적으로 생각하는 과거의 방식이다. 스킬링이든 이직이든 채용이든, PA 책임자나 담당자가 물어야 할 첫 번째 질문은 “이 주제가 비즈니스에 왜 중요하고 필요한가?”이다. 이에 대한 답은 주로 현업 부서로부터 생겨난다. 맥락을 좀 더 구체화하기 위해 디지털 마케팅의 리스킬링이 꼭 필요하다고 가정해보자. 제시한 모델을 따라 PA를 적용한다면 다음과 같은 시나리오를 예상할 수 있다.
1. 현업 부서와 함께 목표를 명확히 할 것
『보랏빛 소가 온다』의 저자이며 마케팅 분야 유명 연사인 세스 고딘은 2030년까지 온라인의 구매가 현장 구매를 역전해 두 배 이상이 될 것이라고 말한다. 판매의 비중에서 온라인이 차지하는 비율이 커지고 있다면 디지털 마케팅은 중요한 업스킬링과 리스킬링 대상이 될 수 있다. 기존의 관행대로라면 교육 담당 부서는 내부나 외부의 전문가를 초청해 디지털 마케팅에 필요한 역량들을 파악하고 교육 프로그램을 만들거나 외주로 학습 자료를 소싱할 것이다. 소수는 액션러닝팀을 만들어 과제를 수행하고 액션코치의 퍼실리테이션을 따라가며 스킬링의 향상을 꾀할지 모른다. 대체로 이러한 접근 방식은 몇 가지 문제점을 안고 있다. 가장 대표적인 예로 교육 프로그램에 대한 평가는 운영한 프로그램에 대한 참여도나 만족도 조사에 그친다. 그 외에도 교육팀은 교육의 운영 설계 시 업무 시간과 최대한 겹치지 않게 하는 데 어려움을 겪거나 학습의 가치를 검증하는 데 어려움을 겪는다. 현업 부서 역시 교육이나 학습의 효과에 끊임없이 의문을 갖게 된다.
그렇다면 PA를 적용한다면 무엇이 다를까? PA는 현업 부서가 기존의 프로그램 수요자가 아닌 후원자이자 프로젝트의 파트너여야 함을 전제로 한다. 현업 부서는 해결하고자 하는 비즈니스의 문제와 요구를 인사 부서와 PA팀이 이해할 수 있도록 돕고 데이터를 제공해 활용하고 문제를 해결하려는 강력한 의지가 있어야 한다. 스킬링이 왜 중요한지, 어떤 이슈들이 있는지, 어떤 스킬링이 중요한지, 특정 스킬이 조직에서 어떤 가치를 만들어 내는지를 PA팀은 현업 부서와 함께 결정해야 한다. 또한 현업 부서들을 PA의 지원군이자 파트너로 만드는 것은 차후 단계들의 성공적 수행을 위해 매우 중요하다. PA 분석가나 팀은 동시에 여러 과제를 수행할 수도 있다. 리스킬링이나 업스킬링이 마케팅과 세일즈 부서에만 필요한 게 아니라 IT 부서에서도 필요할 수 있고 어쩌면 조직에는 스킬링 이슈보다 이직이나 이탈 문제가 더 급한 사안일 수도 있다. 따라서 여러 부서의 대표들로 구성된 후원자나 파트너 그룹은 PA의 우선순위를 결정하고 조절하기 위해서도 매우 효과적이다.
2. 측정 지도 만들기
첫 번째 단계가 과제의 목표와 방향을 잡는 것이라면 두 번째 단계인 측정 지도 만들기는 과제의 범위를 설정하고 기획하는 것이라 볼 수 있다. 측정 지도(measurement map)는 PA 프로젝트를 할 때 실무자들이 제일 어려워하지만 이후 단계들을 수행했을 때는 가장 유용한 부분임을 경험하게 한다. 필자는 측정 지도를 만들 때 투입/투자(investment), 동인(drivers), 결과(outcomes), 전략적 목표(strategic goals)와 연관해 주요 요인들을 파악하고 이들 간 연계를 시각화할 것을 강조한다.5 각각의 범주에는 하나가 아닌 여러 가지 요소가 나타나기 쉽다.
리스킬링의 예로 투입 요인에는 마이크로러닝, 사내 스터디, 전문가의 코칭이 들어갈 수 있다. 전략적 목표를 고객군의 특성을 데이터로 파악해 제품들을 추천하고 구매 패턴에 근거한 할인을 적용해 고객 만족을 높이는 것이라고 가정해보자. 그렇다면 마케터나 세일즈 고성과자들에게 중요한 결과들은 어떤 것들이 있을까? 아마도 이들이 해당 지표들에 대한 지식을 높은 수준으로 습득한다든지(skills mastery), 참여한 학습을 동료들에게 추천한다든지(net promotion score), 고객의 요구와 만족을 물어본다든지(contact frequency) 등 가시적이고 바람직한 결과들을 파악할 수 있다. 마지막으로 두 번째 요인으로 나열했지만 이런 결과들의 동인이 무엇인가를 파악하는 것이 중요하다. 아마도 학습 시간, 주제에 대한 관심 여부, 상사의 권고와 지원, 개인의 커리어에 대한 적극성, 학습을 장려하고 지원하는 문화 등을 생각할 수 있다. 필자는 MIKE(Motivation: 동기, Incentives: 보상, Knowledge: 지식/기술, Environment: 환경) 요인들을 파악할 것을 추천한다. 6 많은 인사 담당자 및 교육 담당자가 가장 어려워하면서도 갈급하는 주제는 운영한 솔루션의 가치 측정이다. 이렇게 만들어진 측정 지도는 요인들 간의 상관관계, 예측 분석이나 집단 간 비교 분석을 위해 매우 유용하다. 요인들을 파악하는 데 있어 인사 부서가 혼자 할 것이 아니라 현업 부서와 함께 일하는 것 또한 중요하다. 이런 PA적 접근은 단일 프로그램이나 솔루션을 의지하고 이들을 평가했던 취약점을 넘어 연관된 여러 요인의 영향을 볼 수 있는 프레임을 제시해준다.
3. 데이터 확보
데이터의 중요성에 대해 논하는 글들은 정말 많다. 하지만 분석을 많이 해본 연구자라면 질문에 답할 수 있는 데이터를 확보하는 것이 얼마나 쉽지 않은 일인지 잘 안다. 연구를 위해 직접 대상으로부터 얻은 데이터를 프라이머리(primary) 데이터, 다용도로 쓰기 위해 만들었거나 존재하는 데이터를 연구의 목적에 맞게 사용하는 데이터를 세컨더리(secondary) 데이터라고 부른다. 연구자가 세컨더리 데이터를 사용할 때 데이터 수집에 드는 시간과 비용은 줄어들 수 있으나 보고자 하는 요인에 대한 데이터가 부족할 때가 많다. PA를 진행할 때도 똑같은 상황이 발생한다. 기업과 조직은 고객, 상품과 서비스, 제조 생산, 구매와 유통, 인사와 연관해 수많은 다양한 데이터를 축적한다. 이외에도 소비자나 대중이 소셜미디어를 통해 남기는 대화까지 여러 이슈에 대해 조직의 내부와 외부에 다양한 정형 데이터(structured, tabular data), 비정형 데이터(unstructured)가 존재한다. 적합한 데이터가 없을 경우 수집을 하는 것도 필요하다.
인사에서 가장 많이 쓰이는 데이터의 원천은 인사 시스템(Human Resource Information System)과 설문을 들 수 있다. 이들은 정형 데이터의 대표적 예다. 이외에도 인터뷰, 소셜미디어나 상품/서비스 경험 피드백, ERP, 온라인 협업 툴, 사물인터넷, 스마트폰이 생성하는 데이터가 존재한다. PA를 위한 데이터를 확보할 때 중요한 점으로 첫째는 필요한 것이 빅데이터가 아니라 ‘적합한 데이터’라는 점, 둘째는 ‘쓰레기가 들어오면 나오는 것도 쓰레기(Garbage in, Garbage out)’란 원칙을 강조하고 싶다. 두 원칙을 생각하면 데이터의 우선순위와 적합성, 측정 지도에 해당하는 데이터가 없을 경우 새로 수집해야 할 데이터를 파악할 수 있다.
스킬링과 연관해 어떤 데이터들이 있을까? 어떤 데이터를 분석해야 할까? 앞서 소개한 보다폰의 경우 설문 대신 직무기술서를 핵심 데이터로 사용했고 소셜미디어와 경쟁사들의 공개된 데이터들을 통해 95% 이상의 임직원을 커버하는 스킬 데이터베이스를 만들었다. 이런 데이터베이스는 구축하는 데만 보통 최소 1년 이상의 시간이 소요된다. 하나의 기업이 방대한 업계나 직군의 기술을 온전히 파악하는 것은 매우 어렵기 때문에 딜로이트컨설팅, IBM, Burningglass, 링크트인 같은 업체들은 빅데이터 기술과 AI를 적용해 해당 키워드를 검색하면 어떤 기술이 필요한지, 기술을 소유한 사람들은 어디에 있는지 등의 정보를 제공한다. 직무에 필요한 스킬과 활동을 파악하기 위해 미국은 노동부에서 직업과 직무 특성 데이터베이스를 지속적으로 업데이트하고 있다. 국내의 경우 국가직무능력표준 시스템(NCS)이 매우 접근이 용이하고 유용한 기술 데이터베이스라고 볼 수 있다. 국내 P사의 경우 빠른 기술 변화에 따른 인재의 수급과 확보를 위해 인사와 현업 부서가 개인과 팀, 부서와 전사 단위의 기술 종류와 수준을 파악하는 데이터베이스를 구축하는 작업을 2년째 진행하고 있다.
조시 버신이 재직 당시 이끈 딜로이트 연구에 의하면 필요한 스킬을 조직이 파악하고 제시한 기업이 개인에게 선택을 맡긴 기업보다 40% 이상 높은 성과를 보였다고 한다.7 연구와 사례가 시사하는 건 스킬링을 위해 경영진과 인사 부서가 함께 어떤 내부와 외부의 데이터가 존재하는지, 어떤 데이터들을 취합해야 하는지, 적합한 데이터가 없다면 설문이나 인터뷰를 통해 현재나 미래 예상 업무와 연관해 중요하고(Important and necessary) 유용한(Useful and impactful) 역량들을 파악하고 계량화해야 한다는 점이다.
4. 데이터 분석
인사관리와 인재 육성을 위한 분석은 선택지가 많음에도 불구하고 실무에서 적용하는 분석들은 매우 초기 수준에 머물러 있다. 데이터 시각화, 대시보드, 집단 간 비교나 상관관계, 회귀분석이 주를 이룬다. 이들 분석을 폄하하는 건 절대 아니다. 이들은 인력의 패턴이나 요인들 간의 영향 정도를 파악하기에 매우 유용한 기반적 분석들이다. 하지만 이외에도 시스템이나 구조, 관계의 영향을 계량화해주는 네트워크 분석, 고객이나 구성원들의 의견이나 경험, 감정을 분석하는 텍스트 마이닝, 많은 변수를 다량의 데이터를 통해 예측하고 분류할 수 있는 머신러닝 같은 방법들을 활용할 수 있다. 8 분석의 핵심은 방법의 난이도가 아니라 세운 가설을 가장 적합하고 과학적인 방법으로 확인하고 어떤 비즈니스적 가치를 만드는가에 있다. 예로 협업의 패턴은 어떤지, 부서의 고립(silo) 현상은 없는지, 커리어에서 도움을 얻으려면 누가 적합한지 같은 질문은 네트워크 분석이 매우 효과적이다. 그리고 이들 분석은 늘 대체적 관점보다 보완적 관점을 제시한다. 어떤 특정 방법이 더 낫다, 다른 방법은 부적절하다라고 주장하는 분석가에게는 주의를 당부하고 싶다.
세일즈, 마케터들의 리스킬링을 위해 데이터를 수집하고 분석하고자 한다면 어떤 인사 기록이나 활동 데이터를 윤리적 기준과 법적 기준을 준수하며 볼 것인지, 성향이나 몰입, 혹은 업무 성격을 설문으로 파악할 것인지, 인터뷰 결과들을 텍스트 분석을 통해 볼 것인지, 협업의 패턴이나 관계의 영향을 네트워크 분석으로 파악한다든지 등 다양한 선택지가 존재한다. 필자는 현재의 80∼90% 이상의 분석이 대부분 기술적(descriptive) 분석과 단순한 샘플링 통계에 기반한 가설 검증에 머물고 있지만 현장을 반영하는 다양한 가설 설정과 데이터를 통한 모델링(modeling)과 실험에 기반한 분석이 행동을 취할 수 있는 인사이트(actionable insight)를 찾기 위해 중요하다고 믿는다. 앞서 소개한 보다폰이나 글로벌 기업들은 모두 PA팀에 심리와 행동 분야의 박사 학위 소지자, 데이터 과학자, 통계 전문가를 두었고 이들의 전문성을 취합해 학습 모듈과 학습을 커리어와 인재 관리로 연계하는 추천 시스템을 만들었다.
5. 공유, 적용, 관리
마지막으로 분석 결과를 PA를 스토리화해 이해관계자들과 나누는 것, 보고서가 아닌 상시 이용이 가능한 대시보드나 애플리케이션 같은 상품이나 서비스 형태로 구현하는 것, 그리고 프로젝트를 통해 얻은 경험과 산출물들을 PA 인프라 향상을 위해 관리할 것을 강조하고 싶다. 눈썰미가 뛰어난 독자라면 PA 수행 과정을 표현한 [그림 2]에 ‘솔루션’이 두 번 표기 됐음을 눈치 챘을 것이다. 솔루션을 두 번 표기한 이유는 새로운 솔루션의 도입보다 조직이 활용하는 기존 솔루션을 점검하고 문제점을 찾아 이를 향상시키는 것이 PA 프로젝트의 성공 확률을 더욱 높일 수 있기 때문이다. 실제 필자의 경험상 PA 프로젝트 과정에서 결과가 좋았던 대부분의 사례는 측정지도를 만드는 과정에서 기존의 솔루션들을 충분히 파악하고 사용자들의 경험과 바람을 분석과 통찰에 담아 기존의 솔루션들을 향상시킨 경우였다. 아무리 비효율적이거나 비합리적이라도 현재의 솔루션은 한때의 혁신이었고 구성원들의 동의를 얻은 결과물이다. 애써 배워 편해진 스킬과 조직에서 사회적 과정을 거쳐 도입한 솔루션을 한 번의 기획으로 이해관계자들의 충분한 협의와 동의 없이 바꾸는 시도는 매우 위험하다. 그런 의미에서 기존의 솔루션을 점검하고 향상시키려는 노력이 필요하다. 대학원 조직 개발 수업에서 피터 쿠친케(Peter Kuchinke) 교수가 했던 말을 필자는 지금도 자주 되뇐다.
“사람은 변화를 싫어하는 게 아니라 변화를 당하는 것을 싫어하는 거야.”
측정 지도를 통해 여러 가지의 연관 솔루션을 함께 보는 접근, 데이터의 수집과 분석에서 다양한 선택지를 비교하고 취합하는 방법은 로직 모델 같은 선형적 접근과는 뚜렷이 구분된다. 수행 과정에서 자세히 다루진 않았지만 [그림 2]의 과정 내부에 표시한 요인들은 PA팀의 전문성과 일하는 방식을, 그리고 외부의 우측 요인들은 조직 차원에서 투자하고 갖춰야 할 요인들을 담았다. 조직에서 많이 하는 실수는 새로운 시도를 좋아하거나 숫자 감각이 좋아 보이는 젊은 직원에게 너무 쉽게 애널리틱스(PA)의 임무를 맡긴다는 것이다. 애널리틱스 팀에는 다양한 전문성이 필요하고 이를 비즈니스와 팀워크로 이끌어내는 경험이 풍부한 리더가 중요하다. 최근 링크트인에서 디렉터나 시니어 매니저급의 PA 구인 포스팅을 많이 보는 건 이런 이유에서다. 데이터가 주도하는 선진적인 HR를 위해, 조직의 인재 육성과 인사관리를 위해 PA를 적극적으로 도입할 것을 권한다.
윤승원 텍사스 A&M-커머스대 교수 hrdswon@gmail.com
필자는 미국 일리노이대에서 HRD 전공으로 박사 학위를 받았다. 현재는 텍사스 A&M-커머스 Higher Education & Learning Technologies학과에서 박사 과정 주임교수로 일하고 있으며 조직 리더십, 교수 설계, 기관/프로그램 평가, 연구방법론, 피플 애널리틱스를 가르치고 있다. 일리노이주 교육공학회 회장, 재미 인적자원개발학회(Academy of Human Resource Development) 이사, 미국 남부 대학인증기관 평가위원을 역임했고 현재 HRD 분야의 대표적 학술지인 HRDQ(Human Resource Development Quarterly)의 부편집장으로 일하고 있다. 국내 기업들과 기존 설문과 평가 방식을 보완하는 데이터 분석(네트워크 분석, 기계학습, 텍스트 분석 등) 프로젝트와 자문을 수행하고 있다.
참고문헌
1. 이중학 & S. Kim. (2021). 데이터로 보는 인사이야기. 플랜비 디자인.
2. 윤승원 & 채충일. (2020). 데이터 분석과 HRD의 변화. pp. 380-403.조성준, 이재은, 윤선경, 박종선 편저. 전환기의 HRD, 미래를 묻다. 박영사.
3. Bersin, J. (2021, February 18). Step into the future with Josh Bersin [Video]. YouTube. https://www.youtube.com watch?v=AvPoDcItxzU
4. Clardy, A. (2018). 70-20-10 and the dominance of informal learning: a fact in search of evidence. Human Resource Development Review, 17(2), 153-178.
5. Ferra, J., & Green, D. (2021). Excellence in people analytics: How to use workforce data to create business values. Kogan page.
6. Galazzo, R. (2020, September). Timeline from 1G to 5G: A brief history of cell phones. https://www.cengn.ca/information-centre/innovation/timeline-from-1g-to-5g-a-brief-history-on-cell-phones/
7. Pease, G., Byerly, B., & Fitz-enz, J. (2012). Human capital analytics: How to harness the potential of your organization's greatest asset (Vol. 64). John Wiley & Sons.
8. Rossett, A. (2009). First things fast: A handbook for performance analysis. John Wiley & Sons.
9. Watkins, K. E., & Kim, K. (2018). Current status and promising directions for research on the learning organization. Human Resource Development Quarterly, 29(1), 15-29.
10. Yoon, S. W., (2021). Explosion of people analytics, machine learning, and Human Resource technologies: Implications and applications for research. Human Resource Development Quarterly, 32(3), 243-250.
11. Yoon, S. W., & Lim, D. H. (2010). Virtual learning and technologies for managing organizational competency and talents. Advances in Developing Human Resources, 12(6), 715-728.
디지털 트랜스포메이션의 가속화로 기업에서 필요로 하는 업무 스킬의 변화가 일어나면서 최근 리스킬링과 업스킬링에 대한 관심이 높아지고 있다. 리스킬링 및 업스킬링을 포함한 스킬링 트렌드는 갈수록 현업에서 바로 적용할 수 있는 스킬 교육에 맞춰지고 있고 학습자가 조직의 다양한 사람과 소통하고 상호 교류할 수 있도록 업무 및 팀 설계의 중요성이 커지고 있다. 또한 스킬링은 단순히 교육과 학습의 문제가 아니라 인재의 영입과 확보를 위해 다양성과 포용성(diversity & inclusion) 전략, 그리고 직원들의 커리어 개발(career development)과 연결해 인사관리와 인재 육성 등을 포괄한다. 리스킬링 및 업스킬링을 조직적 가치들과 데이터를 통해 연결하기 위해 최근 피플 애널리틱스(PA)가 주목받고 있다. PA는 비즈니스와 연관된 인재 관리 이슈들을 분석하고 인사이트를 찾아 가치를 제공하는 것이라고 정의할 수 있다.
최근 업스킬링(upskilling)과 리스킬링(reskilling)이 기업의 고민거리로 떠오르고 있다. 디지털 트랜스포메이션으로 인한 기술과 소비 패턴의 빠른 변화로 인해 기존 업무 스킬과는 다른 새로운 스킬의 필요성이 대두됐기 때문이다. 이에 따라 기존 인력을 재교육해야 할 필요성도 커졌다. 업스킬링은 현재의 역량을 향상시키거나 추가로 기술을 익히는 것을 뜻한다. 반면 리스킬링은 새로운 기술이나 역량을 전환하는 것을 말한다. 리스킬링의 경우 기업에서 특정 직원에게 새로운 역할을 맡기거나 직종을 변화시킬 때, 혹은 퇴사자들을 지원하는 차원에서 이들에게 새로운 기술을 가르칠 때 자주 사용되는 개념이다.
하지만 리스킬링과 업스킬링을 단순히 교육이나 학습의 관점에서만 바라봐서는 안 된다. 리스킬링과 업스클링은 복잡한 비즈니스 환경 속에서 생겨나는 이슈들이다. 따라서 환경이 어떻게 변해가고 있는지, 어떻게 대응해가는 게 좋을지 꼼꼼히 살펴보고 적합한 체계를 만들어 가는 것이 중요하다. 최근 인재 분석 기술인 ‘피플 애널리틱스(People Analytics, PA) 1 ’가 주목받는 이유도 같은 맥락이라고 볼 수 있다.
닫기
1982년 영국에서 설립된 글로벌 통신 회사 보다폰(Vodafone)은 31개국에서 사업을 운영하고 유럽과 아프리카 시장을 선도하는, 매출 기준 세계 2위의 이동통신 회사다. 보다폰은 기술 발전의 속도가 빠른 통신 분야에서 꾸준히 선도 기업의 지위를 놓치지 않고 있다. 이런 보다폰은 리스킬링과 업스킬링에 어떻게 대응해 왔을까? 결론부터 말하자면 보다폰은 PA를 적극 활용해 2G부터 5G까지 각각의 표준에 대한 구성원들의 기술과 역량 수준을 데이터를 통해 실시간으로 파악하고 이를 적극 활용했다. 그리고 이를 단순히 교육과 학습의 문제가 아니라 인재의 영입과 확보를 위한 다양성과 포용성(diversity & inclusion) 전략, 그리고 직원들의 커리어 개발(career development)과 연결해 인사관리와 인재 육성에 적극 반영하고 있다. 이를 위해 보다폰은 1500개가 넘는 직무기술서를 분석한 후 효과적 관리를 위한 직무군(job clusters)을 만들었고 소셜미디어는 물론 경쟁사들의 웹사이트까지 분석해 국가나 지역적 특성에 맞춰 기술 수준과 인재 수급 동향을 파악하고 있다.
물론 모든 기업이 다양하고 방대한 조직 내부와 외부의 데이터를 분석하고 이를 기반으로 교육이나 학습 솔루션을 구성하는 것은 비현실적일 수 있다. 하지만 진정한 의미의 리스킬링과 업스킬링을 위해서는 HR 부서의 노력만으로는 부족하다. 교육 공학은 교육과 학습, 기술의 시너지를 연구하고 구현하려고 시도하지만 초점이 개인이나 공익적 교육에 맞춰져 있다. 반면 HR는 조직의 특성과 성과에 초점을 두고 교육, 리더십, 채용, 보상과 평가 같은 인사 전반의 이슈들을 다루지만 이 과정에서 새로운 기술의 활용은 부차적인 것으로 치부되고 기존의 관례대로 업무를 진행하려는 경향이 팽배하다. 다양한 부서가 힘을 합쳐 조직전략의 구현을 위해 함께 논의하고 협업을 통해 과제를 풀어가는 사례는 소수의 혁신적 스타트업을 제외하고는 찾아보기 힘들다. 리스킬링과 업스킬링은 기업 교육 담당자나 인사 부서만의 과제가 아니다. 모든 핵심 부서의 협업과 공감대가 필요하다.
리스킬링과 업스킬링은 왜 필요한가?
본격적인 논의에 앞서, 먼저 업스킬링과 리스킬링을 구분할 필요가 있다. 새로 등장했거나 유행하는 용어일수록 배경과 본질을 파악하는 것이 중요하다. 리스킬링은 ‘최신성’이란 긍정적 의미도 있지만 빠른 지식 가용성의 소멸(보통 신기술의 효용을 1∼2년으로 잡는다)을 고려해 주의해서 사용해야 한다. 필자는 유행하는 이 두 단어가 때로는 학습의 중요한 부분을 간과하고 있다고 생각한다. 과거에 배웠던 것이 더이상 효과적이지 않거나 필요한 변화를 방해한다면 과거의 지식을 버리거나 재정의하는 ‘언러닝(unlearning)’이란 개념도 스킬링을 위해 매우 중요하다. 과거의 학습이 충분하다고 생각하면 새로운 낯선 지식과 기술을 익힐 사람이 얼마나 될까? 그리고 누군가에겐 업스킬링이 다른 사람에겐 리스킬링일 수도 있고 반대의 경우가 생길 수도 있다. 두 개념 모두 어쨌든 지식을 익힌다는 의미의 ‘스킬링’이 핵심이기 때문에 이글에서는 ‘스킬링’이란 용어를 사용하고자 한다.
효과적 학습을 위해서는 조직이 구성원들로부터 기대하고 필요한 것이 무엇인지, 심지어는 효용이 떨어지거나 포화상태인 지식과 기술이 무엇인지도 구체적으로 알려주는 것이 좋다. 앞서 예시로 든 보다폰의 경우 1G부터 5G까지, 통신 네트워크의 새로운 표준이 나와도 기존 표준에 근거한 상품과 서비스를 계속해서 지원해야 했다. 연차가 쌓이고 나이가 많아진 직원들이 새로운 기술을 앞서 배울 것을 기대하긴 어렵다. 기술이 바뀌어도 기업은 한동안 기존의 상품 서비스를 유지해야 하고 자원 투자를 기획해야 한다. 보다폰은 각각의 통신 기술 표준에 대한 스킬링의 수요와 공급을 구축한 스킬 데이터를 분석해 구성원들과 실시간으로 나눈다. 특히 상용화 극초기인 5G 기술을 위해서는 필요한 업스킬링과 리스킬링을 내부 인재 육성과 외부로부터의 인재 영입을 통해 균형 있게 해결하고 있다. 여기서 핵심은 개인과 조직의 ‘스킬링 밸런스’다. 스킬링 밸런스가 중요한 이유는 인재를 내부에서 육성할 경우와 외부에서 영입할 경우 모두 장단점이 뚜렷하기 때문이다. 필요한 스킬을 갖춘 인력을 외부에서 영입하는 경우 부족한 스킬을 빠르게 조직에 이식할 수는 있지만 회사의 문화와의 ‘핏(fit)’이 맞는 사람을 찾기 어려울 수 있고 특히 시장에서 수요가 많은 스킬의 경우에는 인재 영입 경쟁이 치열할 수 있다. 반면 내부 인재 육성의 경우 필요한 스킬 교육에 오랜 시간과 투자가 필요하다. 이에 보다폰과 같이 스킬링에 빠르게 대응한 기업들은 개인과 조직 사이 스킬링 밸런스를 통해 조직 내부의 스킬 부족 현상을 해소하려 노력하고 있다.
마이크로소프트, IBM, 링크트인, 글로벌 경영 컨설팅의 대표 주자들인 맥킨지, 딜로이트, PWC(PriceWaterhouseCoopers), ERP나 IT 서비스의 선두 기업들인 Oracle, SAP, ServiceNow, 앞서 언급한 보다폰까지. 시장을 선도하는 기업들은 산업군은 다르지만 핵심 전략과 비즈니스 방향에서 데이터를 통한 스킬링의 적극적 진단과 발굴에 초점을 맞추고 있다. 이들 기업은 고객들과 파트너사들의 최대 고민이 데이터에 기반한 의사결정임을 파악하고 디지털 환경에 필요한 스킬링 향상을 자신들 조직의 핵심 전략으로 적용했다. 이들의 전문성, 시장에서의 차별화 배경에는 PA를 통한 스킬링의 과정과 축적이 있다.
예를 들어 IBM은 구성원들의 디지털 환경과 클라우드, 데이터 역량이 고객사와의 협업적 문제 해결에 있어서 가장 중요하다는 믿음 아래 모든 임직원의 스킬링의 초점을 조직이 제시한 기술과 지식 습득에 맞춰 학습 모듈화했다. IBM의 이런 접근은 2000년대 들어 미래 산업군들의 경쟁력에 인공지능이 핵심 역할을 하게 될 것이라는 예상에 기반한 결정이었다. 특히 IBM은 왓슨(Watson)으로 잘 알려진 연관 기술들과 구성원들의 스킬링에 연결했고 더 나아가 재무적 가치와 인재들의 이직률 낮추기 등 다양한 인사 영역과도 계량화했다. 그리고 많은 모듈을 외부에도 공개해 학습 패턴과 결과 데이터를 분석해 인재 영입과 신규 직원 적응 교육(on-boarding)에 활용했다. 현재 IBM의 스킬링 플랫폼은 학습자들이 성장의 기회를 얻을 수 있도록 프로젝트나 조직 내 이직, 겸직, 멘토링 같은 솔루션 추천과도 연계돼 있다. 마이크로소프트나 아마존 같은 테크 대기업들도 스킬링을 위해 유사한 접근을 하고 있다. 또한 자체적 데이터 인프라를 갖지 못한 기업과 조직들을 위해 다양한 인사와 교육 분야에서 SaaS 기반의 테크 벤더들(technology vendors)이 유사한 기능을 앞세워 채용과 기업 교육 시장에 뛰어들고 있다.
리스킬링 및 업스킬링이 HRD 부서만의 업무는 아니다
리스킬링 및 업스킬링의 트렌드 중 하나는 학습이 과거와 같이 업무와 동떨어져서 진행되는 것이 아니라 일을 하는 과정에서 점점 자연스럽게 이뤄진다는 점이다. 교육 담당 부서는 이제까지 콘텐츠를 만드는 작업을 많이 했지만 지식 가용성 주기가 짧아짐에 따라 점점 외부 의존도나 파트너십의 중요성이 커지고 있다. 학습의 연속성이나 관리를 고민하지 않을 수 없다. 국내 기업 교육 담당자들과 이야기를 나누다 보면 대기업은 대기업대로, 또 상대적으로 자원이 부족한 중소기업은 중소기업대로 고민이 있다. 대기업의 경우 교육과 학습 플랫폼의 설계와 운영, 성과와의 연계, 학습의 효과와 가치 검증을 고민한다. 학습 플랫폼의 경우 내부에서 만드는 콘텐츠와 사람들이 더 많은 시간을 할애하는 외부 자료들을 어떻게 큐레이션할까 고민한다. 상대적으로 자원이 부족한 중소기업들은 어떤 벤더를 선택해야 할지, 애써 지원한 인재들의 이탈을 어떻게 줄일 수 있는지를 고민한다. 고민의 성격은 조금씩 다르지만 공통점은 분명하다. 학습의 우선순위를 어떻게 관리하고 업무와 성과에 연결할 수 있는지, 또 학습을 어떻게 인재의 육성과 영입에 연결해 조직 경쟁력을 갖출 수 있을지다.
이 고민에 대한 답은 리더십에서 찾을 수 있다. 필자는 최고경영진이 학습조직(learning organization)을 강조하고 전체 임직원들의 학습을 적극 강조하고 지원할 것, 무엇보다 학습의 모범을 보일 것을 조언하고 싶다. 실제로 많은 연구가 리더가 학습조직 환경과 문화를 만드는 것이 개인의 학습은 물론 학습 전이와 지식 공유, 이직 의도의 감소, 조직에 대한 만족과 몰입에 긍정적 효과가 있음을 밝힌 바 있다. 기업 교육과 인사(HR) 테크 컨설팅 분야 권위자인 조시 버신 딜로이트 컨설턴트는 “이제 기업은 효율성으로 경쟁하는(efficiency at scale) 게 아니라 배운 것을 어떻게 적용하는가(learning at scale)가 핵심”이라고 말한다.
학습조직은 기업 교육 담당자들에겐 비교적 잘 알려진 개념이다. 피터 센게 MIT 슬론경영대학원 교수는 “개인의 숙련, 구성원들의 인지적 공감 모델, 비전 공유, 팀 학습, 시스템적 사고가 학습 조직을 구성하는 핵심 요인들”이라고 설명한 바 있다. 캐런 왓킨스 조지아대 평생교육학과 교수와 빅토라이 마식 미국 컬럼비아대 교수의 학습조직 모델은 지속적 학습, 탐구와 대화, 권한 부여, 팀 학습, 외부 환경과의 연결, 학습의 시스템 내재화와 시스템들 간의 연결, 리더십을 강조한다. 2 왓킨스 교수는 학습 효과를 평가함에 있어 학습을 얼마나 실무에 적용하는가가 핵심이 돼야 한다고 주장한다. 제품의 개발이나 새로운 서비스, 시장 개척 같은 결과들은 결국 임직원들의 학습, 그리고 학습의 공유를 통해 생겨나기 때문에 학습과 지식 공유를 일상화하고 지원하는 것은 현명한 투자라고 할 수 있다.
그렇다면 교육과 학습을 효과적으로 구성하려면 어떻게 해야 할까. [그림 1]은 필자가 빠르게 변하고 있는 기술 환경 속에서 교육과 학습, 그리고 조직의 제한된 자원을 효과적으로 연계하기 위해 2010년 제시한 프레임이다. 좀 더 간결한 프레임인 학습 공동체 스타트업 ‘모두의 연구소’가 사용하는 학습 모델도 유사한 접근이기에 함께 나란히 놓았다. 심플한 모델이 시스템의 핵심 요소들을 이해하기 위해 효과적이지만 하부 요인들을 파악하기에는 쉽지 않기 때문에 두 모델 간의 공통점과 보완점을 살펴보면 도움이 될 수 있다. 소개한 프레임 이외에도 유용한 프레임이 많이 있으니 비교해보고 조직의 상황에 맞는 모델을 적극 활용할 것을 추천한다.
[그림 1]이 보여주는 것처럼 기업과 조직의 맥락에서 학습은 크게 ‘형식적 학습(formal learning)’과 ‘비형식적 학습(informal learning)’으로 나뉜다. 형식적 학습은 설계자나 교수자가 학습 경험을 기획하고 운영하는 학습을 말한다. 집합 교육이나 이러닝이 대표적 예다. 반면 잘 알려진 70대20대10의 학습3 구성이나 멘토링, 유튜브 시청이나 웹 검색, 커뮤니티 활동은 비형식적 학습을 구성한다. 파일이나 정보 공유 시스템도 대표적 예다. [그림 1]은 비형식적 학습의 빈도나 비중이 형식적 학습에 비해 더 크다는 것, 각각의 학습이 일어날 때 어떤 기술이나 사람들이 적합한지, 다른 유형의 학습들을 어떻게 연결할 수 있는가를 보여준다. 각각의 구성 요소 안에 많은 선택지가 존재하며 모든 학습을 다 할 필요는 없기 때문에 선택적 관리가 중요하다. 하나의 선택이 복잡한 스킬링의 문제를 온전히 해결할 수 없다. 마이크로 러닝이든, 멘토링이든 학습 간의 연결과 조직 내 공유와 나눔이 핵심이다.
이제까지 리스킬링이나 업스킬링의 요구가 생기면 대부분의 조직은 인사 부서나 교육 담당자에게 일임을 해왔던 것이 사실이다. 그러면 인사 부서는 특정 기술과 지식의 습득을 목표로 교육이나 학습 프로그램을 만들었다. 하지만 [그림 1]이 보여주는 학습의 핵심은 학습자가 조직의 다양한 사람들과 소통하고 상호적 교류가 필요하며 이는 인사 부서와 비즈니스 부서들 간의 구체적 논의와 적합한 업무 설계, 팀의 설계를 요구한다. 조직에서 시간과 자원은 늘 한정돼 있다. 자원의 선택과 관리는 매우 중요함에도 자주 간과된다. 이미 만든 프로그램이나 사용 중인 기술을 없애는 건 새것을 추가하는 것보다 비용이 많이 든다. 교육과 학습이 스킬링을 위한 유일한 해결책은 아니다. 예로 코칭이나 멘토링도 리더십이나 팀워크(teamwork)의 향상을 위해 점점 사용이 확대되고 있다. 다양한 솔루션 중 무엇을 선택해야 할까? 선택한 방법의 효과나 가치를 어떻게 검증할 수 있을까? PA, 데이터 애널리틱스는 이런 선택과 취합, 진단과 측정에 있어서 매우 실용적이고 효과적이다.4
스킬링을 위한 PA의 역할
여러 명의 학자와 현업에 있는 실무자가 PA를 정의했지만 아직도 PA를 통계 분석이나 데이터 분석으로 오해하는 경향이 있다. 필자는 PA를 다음과 같이 정의한다.
“비즈니스와 연관된 피플 이슈들을 분석하고 인사이트를 찾아 가치를 제공하는 것(Analyzing people side of the business and providing values through actionale insights).”
PA를 소개하는 글이나 영상은 많지만 단계적으로 수행하기 위한 절차나 과정을 설명하는 자료들은 많지 않다. 실무에선 절차나 프로세스 모델이 도움이 될 것이다. [그림 2]는 필자가 다양한 PA 프로젝트와 연구들을 취합한 PA 수행 과정 모델이다.
리스킬링이나 업스킬링의 전략 과제를 맡게 된 HR 임원이나 담당자라면 다음과 같은 질문에서 시작하기 쉽다.
“어떤 교육을 활용해야 하나?” “어떤 인재 육성 솔루션을 써야 하지?” “어떤 콘텐츠를 만들거나 넣어야 할까?” “면대면과 비대면 중 어떤 게 더 나을까?” “혼합해야 한다면 비중과 순서는 어떻게 해야 하지?” “현재 쓰고 있는 교육 플랫폼과 외부 교육기관을 통한 학습만으로 충분할까?”
하지만 이 모든 질문은 PA의 핵심인 비즈니스적 관점보다는 교육이나 학습을 우선적으로 생각하는 과거의 방식이다. 스킬링이든 이직이든 채용이든, PA 책임자나 담당자가 물어야 할 첫 번째 질문은 “이 주제가 비즈니스에 왜 중요하고 필요한가?”이다. 이에 대한 답은 주로 현업 부서로부터 생겨난다. 맥락을 좀 더 구체화하기 위해 디지털 마케팅의 리스킬링이 꼭 필요하다고 가정해보자. 제시한 모델을 따라 PA를 적용한다면 다음과 같은 시나리오를 예상할 수 있다.
1. 현업 부서와 함께 목표를 명확히 할 것
『보랏빛 소가 온다』의 저자이며 마케팅 분야 유명 연사인 세스 고딘은 2030년까지 온라인의 구매가 현장 구매를 역전해 두 배 이상이 될 것이라고 말한다. 판매의 비중에서 온라인이 차지하는 비율이 커지고 있다면 디지털 마케팅은 중요한 업스킬링과 리스킬링 대상이 될 수 있다. 기존의 관행대로라면 교육 담당 부서는 내부나 외부의 전문가를 초청해 디지털 마케팅에 필요한 역량들을 파악하고 교육 프로그램을 만들거나 외주로 학습 자료를 소싱할 것이다. 소수는 액션러닝팀을 만들어 과제를 수행하고 액션코치의 퍼실리테이션을 따라가며 스킬링의 향상을 꾀할지 모른다. 대체로 이러한 접근 방식은 몇 가지 문제점을 안고 있다. 가장 대표적인 예로 교육 프로그램에 대한 평가는 운영한 프로그램에 대한 참여도나 만족도 조사에 그친다. 그 외에도 교육팀은 교육의 운영 설계 시 업무 시간과 최대한 겹치지 않게 하는 데 어려움을 겪거나 학습의 가치를 검증하는 데 어려움을 겪는다. 현업 부서 역시 교육이나 학습의 효과에 끊임없이 의문을 갖게 된다.
그렇다면 PA를 적용한다면 무엇이 다를까? PA는 현업 부서가 기존의 프로그램 수요자가 아닌 후원자이자 프로젝트의 파트너여야 함을 전제로 한다. 현업 부서는 해결하고자 하는 비즈니스의 문제와 요구를 인사 부서와 PA팀이 이해할 수 있도록 돕고 데이터를 제공해 활용하고 문제를 해결하려는 강력한 의지가 있어야 한다. 스킬링이 왜 중요한지, 어떤 이슈들이 있는지, 어떤 스킬링이 중요한지, 특정 스킬이 조직에서 어떤 가치를 만들어 내는지를 PA팀은 현업 부서와 함께 결정해야 한다. 또한 현업 부서들을 PA의 지원군이자 파트너로 만드는 것은 차후 단계들의 성공적 수행을 위해 매우 중요하다. PA 분석가나 팀은 동시에 여러 과제를 수행할 수도 있다. 리스킬링이나 업스킬링이 마케팅과 세일즈 부서에만 필요한 게 아니라 IT 부서에서도 필요할 수 있고 어쩌면 조직에는 스킬링 이슈보다 이직이나 이탈 문제가 더 급한 사안일 수도 있다. 따라서 여러 부서의 대표들로 구성된 후원자나 파트너 그룹은 PA의 우선순위를 결정하고 조절하기 위해서도 매우 효과적이다.
2. 측정 지도 만들기
첫 번째 단계가 과제의 목표와 방향을 잡는 것이라면 두 번째 단계인 측정 지도 만들기는 과제의 범위를 설정하고 기획하는 것이라 볼 수 있다. 측정 지도(measurement map)는 PA 프로젝트를 할 때 실무자들이 제일 어려워하지만 이후 단계들을 수행했을 때는 가장 유용한 부분임을 경험하게 한다. 필자는 측정 지도를 만들 때 투입/투자(investment), 동인(drivers), 결과(outcomes), 전략적 목표(strategic goals)와 연관해 주요 요인들을 파악하고 이들 간 연계를 시각화할 것을 강조한다.5 각각의 범주에는 하나가 아닌 여러 가지 요소가 나타나기 쉽다.
리스킬링의 예로 투입 요인에는 마이크로러닝, 사내 스터디, 전문가의 코칭이 들어갈 수 있다. 전략적 목표를 고객군의 특성을 데이터로 파악해 제품들을 추천하고 구매 패턴에 근거한 할인을 적용해 고객 만족을 높이는 것이라고 가정해보자. 그렇다면 마케터나 세일즈 고성과자들에게 중요한 결과들은 어떤 것들이 있을까? 아마도 이들이 해당 지표들에 대한 지식을 높은 수준으로 습득한다든지(skills mastery), 참여한 학습을 동료들에게 추천한다든지(net promotion score), 고객의 요구와 만족을 물어본다든지(contact frequency) 등 가시적이고 바람직한 결과들을 파악할 수 있다. 마지막으로 두 번째 요인으로 나열했지만 이런 결과들의 동인이 무엇인가를 파악하는 것이 중요하다. 아마도 학습 시간, 주제에 대한 관심 여부, 상사의 권고와 지원, 개인의 커리어에 대한 적극성, 학습을 장려하고 지원하는 문화 등을 생각할 수 있다. 필자는 MIKE(Motivation: 동기, Incentives: 보상, Knowledge: 지식/기술, Environment: 환경) 요인들을 파악할 것을 추천한다. 6 많은 인사 담당자 및 교육 담당자가 가장 어려워하면서도 갈급하는 주제는 운영한 솔루션의 가치 측정이다. 이렇게 만들어진 측정 지도는 요인들 간의 상관관계, 예측 분석이나 집단 간 비교 분석을 위해 매우 유용하다. 요인들을 파악하는 데 있어 인사 부서가 혼자 할 것이 아니라 현업 부서와 함께 일하는 것 또한 중요하다. 이런 PA적 접근은 단일 프로그램이나 솔루션을 의지하고 이들을 평가했던 취약점을 넘어 연관된 여러 요인의 영향을 볼 수 있는 프레임을 제시해준다.
3. 데이터 확보
데이터의 중요성에 대해 논하는 글들은 정말 많다. 하지만 분석을 많이 해본 연구자라면 질문에 답할 수 있는 데이터를 확보하는 것이 얼마나 쉽지 않은 일인지 잘 안다. 연구를 위해 직접 대상으로부터 얻은 데이터를 프라이머리(primary) 데이터, 다용도로 쓰기 위해 만들었거나 존재하는 데이터를 연구의 목적에 맞게 사용하는 데이터를 세컨더리(secondary) 데이터라고 부른다. 연구자가 세컨더리 데이터를 사용할 때 데이터 수집에 드는 시간과 비용은 줄어들 수 있으나 보고자 하는 요인에 대한 데이터가 부족할 때가 많다. PA를 진행할 때도 똑같은 상황이 발생한다. 기업과 조직은 고객, 상품과 서비스, 제조 생산, 구매와 유통, 인사와 연관해 수많은 다양한 데이터를 축적한다. 이외에도 소비자나 대중이 소셜미디어를 통해 남기는 대화까지 여러 이슈에 대해 조직의 내부와 외부에 다양한 정형 데이터(structured, tabular data), 비정형 데이터(unstructured)가 존재한다. 적합한 데이터가 없을 경우 수집을 하는 것도 필요하다.
인사에서 가장 많이 쓰이는 데이터의 원천은 인사 시스템(Human Resource Information System)과 설문을 들 수 있다. 이들은 정형 데이터의 대표적 예다. 이외에도 인터뷰, 소셜미디어나 상품/서비스 경험 피드백, ERP, 온라인 협업 툴, 사물인터넷, 스마트폰이 생성하는 데이터가 존재한다. PA를 위한 데이터를 확보할 때 중요한 점으로 첫째는 필요한 것이 빅데이터가 아니라 ‘적합한 데이터’라는 점, 둘째는 ‘쓰레기가 들어오면 나오는 것도 쓰레기(Garbage in, Garbage out)’란 원칙을 강조하고 싶다. 두 원칙을 생각하면 데이터의 우선순위와 적합성, 측정 지도에 해당하는 데이터가 없을 경우 새로 수집해야 할 데이터를 파악할 수 있다.
스킬링과 연관해 어떤 데이터들이 있을까? 어떤 데이터를 분석해야 할까? 앞서 소개한 보다폰의 경우 설문 대신 직무기술서를 핵심 데이터로 사용했고 소셜미디어와 경쟁사들의 공개된 데이터들을 통해 95% 이상의 임직원을 커버하는 스킬 데이터베이스를 만들었다. 이런 데이터베이스는 구축하는 데만 보통 최소 1년 이상의 시간이 소요된다. 하나의 기업이 방대한 업계나 직군의 기술을 온전히 파악하는 것은 매우 어렵기 때문에 딜로이트컨설팅, IBM, Burningglass, 링크트인 같은 업체들은 빅데이터 기술과 AI를 적용해 해당 키워드를 검색하면 어떤 기술이 필요한지, 기술을 소유한 사람들은 어디에 있는지 등의 정보를 제공한다. 직무에 필요한 스킬과 활동을 파악하기 위해 미국은 노동부에서 직업과 직무 특성 데이터베이스를 지속적으로 업데이트하고 있다. 국내의 경우 국가직무능력표준 시스템(NCS)이 매우 접근이 용이하고 유용한 기술 데이터베이스라고 볼 수 있다. 국내 P사의 경우 빠른 기술 변화에 따른 인재의 수급과 확보를 위해 인사와 현업 부서가 개인과 팀, 부서와 전사 단위의 기술 종류와 수준을 파악하는 데이터베이스를 구축하는 작업을 2년째 진행하고 있다.
조시 버신이 재직 당시 이끈 딜로이트 연구에 의하면 필요한 스킬을 조직이 파악하고 제시한 기업이 개인에게 선택을 맡긴 기업보다 40% 이상 높은 성과를 보였다고 한다.7 연구와 사례가 시사하는 건 스킬링을 위해 경영진과 인사 부서가 함께 어떤 내부와 외부의 데이터가 존재하는지, 어떤 데이터들을 취합해야 하는지, 적합한 데이터가 없다면 설문이나 인터뷰를 통해 현재나 미래 예상 업무와 연관해 중요하고(Important and necessary) 유용한(Useful and impactful) 역량들을 파악하고 계량화해야 한다는 점이다.
4. 데이터 분석
인사관리와 인재 육성을 위한 분석은 선택지가 많음에도 불구하고 실무에서 적용하는 분석들은 매우 초기 수준에 머물러 있다. 데이터 시각화, 대시보드, 집단 간 비교나 상관관계, 회귀분석이 주를 이룬다. 이들 분석을 폄하하는 건 절대 아니다. 이들은 인력의 패턴이나 요인들 간의 영향 정도를 파악하기에 매우 유용한 기반적 분석들이다. 하지만 이외에도 시스템이나 구조, 관계의 영향을 계량화해주는 네트워크 분석, 고객이나 구성원들의 의견이나 경험, 감정을 분석하는 텍스트 마이닝, 많은 변수를 다량의 데이터를 통해 예측하고 분류할 수 있는 머신러닝 같은 방법들을 활용할 수 있다. 8 분석의 핵심은 방법의 난이도가 아니라 세운 가설을 가장 적합하고 과학적인 방법으로 확인하고 어떤 비즈니스적 가치를 만드는가에 있다. 예로 협업의 패턴은 어떤지, 부서의 고립(silo) 현상은 없는지, 커리어에서 도움을 얻으려면 누가 적합한지 같은 질문은 네트워크 분석이 매우 효과적이다. 그리고 이들 분석은 늘 대체적 관점보다 보완적 관점을 제시한다. 어떤 특정 방법이 더 낫다, 다른 방법은 부적절하다라고 주장하는 분석가에게는 주의를 당부하고 싶다.
세일즈, 마케터들의 리스킬링을 위해 데이터를 수집하고 분석하고자 한다면 어떤 인사 기록이나 활동 데이터를 윤리적 기준과 법적 기준을 준수하며 볼 것인지, 성향이나 몰입, 혹은 업무 성격을 설문으로 파악할 것인지, 인터뷰 결과들을 텍스트 분석을 통해 볼 것인지, 협업의 패턴이나 관계의 영향을 네트워크 분석으로 파악한다든지 등 다양한 선택지가 존재한다. 필자는 현재의 80∼90% 이상의 분석이 대부분 기술적(descriptive) 분석과 단순한 샘플링 통계에 기반한 가설 검증에 머물고 있지만 현장을 반영하는 다양한 가설 설정과 데이터를 통한 모델링(modeling)과 실험에 기반한 분석이 행동을 취할 수 있는 인사이트(actionable insight)를 찾기 위해 중요하다고 믿는다. 앞서 소개한 보다폰이나 글로벌 기업들은 모두 PA팀에 심리와 행동 분야의 박사 학위 소지자, 데이터 과학자, 통계 전문가를 두었고 이들의 전문성을 취합해 학습 모듈과 학습을 커리어와 인재 관리로 연계하는 추천 시스템을 만들었다.
5. 공유, 적용, 관리
마지막으로 분석 결과를 PA를 스토리화해 이해관계자들과 나누는 것, 보고서가 아닌 상시 이용이 가능한 대시보드나 애플리케이션 같은 상품이나 서비스 형태로 구현하는 것, 그리고 프로젝트를 통해 얻은 경험과 산출물들을 PA 인프라 향상을 위해 관리할 것을 강조하고 싶다. 눈썰미가 뛰어난 독자라면 PA 수행 과정을 표현한 [그림 2]에 ‘솔루션’이 두 번 표기 됐음을 눈치 챘을 것이다. 솔루션을 두 번 표기한 이유는 새로운 솔루션의 도입보다 조직이 활용하는 기존 솔루션을 점검하고 문제점을 찾아 이를 향상시키는 것이 PA 프로젝트의 성공 확률을 더욱 높일 수 있기 때문이다. 실제 필자의 경험상 PA 프로젝트 과정에서 결과가 좋았던 대부분의 사례는 측정지도를 만드는 과정에서 기존의 솔루션들을 충분히 파악하고 사용자들의 경험과 바람을 분석과 통찰에 담아 기존의 솔루션들을 향상시킨 경우였다. 아무리 비효율적이거나 비합리적이라도 현재의 솔루션은 한때의 혁신이었고 구성원들의 동의를 얻은 결과물이다. 애써 배워 편해진 스킬과 조직에서 사회적 과정을 거쳐 도입한 솔루션을 한 번의 기획으로 이해관계자들의 충분한 협의와 동의 없이 바꾸는 시도는 매우 위험하다. 그런 의미에서 기존의 솔루션을 점검하고 향상시키려는 노력이 필요하다. 대학원 조직 개발 수업에서 피터 쿠친케(Peter Kuchinke) 교수가 했던 말을 필자는 지금도 자주 되뇐다.
“사람은 변화를 싫어하는 게 아니라 변화를 당하는 것을 싫어하는 거야.”
측정 지도를 통해 여러 가지의 연관 솔루션을 함께 보는 접근, 데이터의 수집과 분석에서 다양한 선택지를 비교하고 취합하는 방법은 로직 모델 같은 선형적 접근과는 뚜렷이 구분된다. 수행 과정에서 자세히 다루진 않았지만 [그림 2]의 과정 내부에 표시한 요인들은 PA팀의 전문성과 일하는 방식을, 그리고 외부의 우측 요인들은 조직 차원에서 투자하고 갖춰야 할 요인들을 담았다. 조직에서 많이 하는 실수는 새로운 시도를 좋아하거나 숫자 감각이 좋아 보이는 젊은 직원에게 너무 쉽게 애널리틱스(PA)의 임무를 맡긴다는 것이다. 애널리틱스 팀에는 다양한 전문성이 필요하고 이를 비즈니스와 팀워크로 이끌어내는 경험이 풍부한 리더가 중요하다. 최근 링크트인에서 디렉터나 시니어 매니저급의 PA 구인 포스팅을 많이 보는 건 이런 이유에서다. 데이터가 주도하는 선진적인 HR를 위해, 조직의 인재 육성과 인사관리를 위해 PA를 적극적으로 도입할 것을 권한다.
윤승원 텍사스 A&M-커머스대 교수 hrdswon@gmail.com
필자는 미국 일리노이대에서 HRD 전공으로 박사 학위를 받았다. 현재는 텍사스 A&M-커머스 Higher Education & Learning Technologies학과에서 박사 과정 주임교수로 일하고 있으며 조직 리더십, 교수 설계, 기관/프로그램 평가, 연구방법론, 피플 애널리틱스를 가르치고 있다. 일리노이주 교육공학회 회장, 재미 인적자원개발학회(Academy of Human Resource Development) 이사, 미국 남부 대학인증기관 평가위원을 역임했고 현재 HRD 분야의 대표적 학술지인 HRDQ(Human Resource Development Quarterly)의 부편집장으로 일하고 있다. 국내 기업들과 기존 설문과 평가 방식을 보완하는 데이터 분석(네트워크 분석, 기계학습, 텍스트 분석 등) 프로젝트와 자문을 수행하고 있다.
참고문헌
1. 이중학 & S. Kim. (2021). 데이터로 보는 인사이야기. 플랜비 디자인.
2. 윤승원 & 채충일. (2020). 데이터 분석과 HRD의 변화. pp. 380-403.조성준, 이재은, 윤선경, 박종선 편저. 전환기의 HRD, 미래를 묻다. 박영사.
3. Bersin, J. (2021, February 18). Step into the future with Josh Bersin [Video]. YouTube. https://www.youtube.com watch?v=AvPoDcItxzU
4. Clardy, A. (2018). 70-20-10 and the dominance of informal learning: a fact in search of evidence. Human Resource Development Review, 17(2), 153-178.
5. Ferra, J., & Green, D. (2021). Excellence in people analytics: How to use workforce data to create business values. Kogan page.
6. Galazzo, R. (2020, September). Timeline from 1G to 5G: A brief history of cell phones. https://www.cengn.ca/information-centre/innovation/timeline-from-1g-to-5g-a-brief-history-on-cell-phones/
7. Pease, G., Byerly, B., & Fitz-enz, J. (2012). Human capital analytics: How to harness the potential of your organization's greatest asset (Vol. 64). John Wiley & Sons.
8. Rossett, A. (2009). First things fast: A handbook for performance analysis. John Wiley & Sons.
9. Watkins, K. E., & Kim, K. (2018). Current status and promising directions for research on the learning organization. Human Resource Development Quarterly, 29(1), 15-29.
10. Yoon, S. W., (2021). Explosion of people analytics, machine learning, and Human Resource technologies: Implications and applications for research. Human Resource Development Quarterly, 32(3), 243-250.
11. Yoon, S. W., & Lim, D. H. (2010). Virtual learning and technologies for managing organizational competency and talents. Advances in Developing Human Resources, 12(6), 715-728.
인기기사
