바로 적용 가능한 전체 프로세스 (실무 표준 구조)
이 글은 개념 설명이 아니라 즉시 적용 가능한 HR 데이터 설계 방법론 중심이다.
아래 5단계 구조를 기억하자.
| 단계 | 목적 | 핵심 산출물 |
|---|---|---|
| ① Cohort | 공정 비교 기준 정의 | 직군/직급/연차 그룹 |
| ② 정규화 | 비교 가능 값 생성 | Z-score/분위값 |
| ③ Feature | 의미 있는 패턴 생성 | slope, risk, index 변수 |
| ④ Index | 의사결정 점수화 | 리스크/성장/정체 점수 |
| ⑤ Action | HR 실행 | 육성/보상/면담/재배치 |
핵심은 기존의 단순한 보상수준, 근속연수, 직급연차, 발령기록 등의 1차원적 데이터를 이용하여 Feature라는 2차원의 데이터를 만들어 내고, 이를 기반으로 3차원의 index를 만들어 낸다는 것이다.
Step 1. Cohort 설계 (가장 중요한 출발점)
왜 필요한가?
연차 2년차와 12년차를 같은 기준으로 비교하는 건 인사적으로 의미가 없다.
팀장과 팀원의 성과를 비교하는 것도 무의미하다.
실무 권장 기준
- 직군별 (영업/기획/지원)
- 직급 또는 Grade
- 근속 구간 (0~3, 3~7, 7년 이상)
- 보직 여부 (실장/팀장/팀원)
예시
- 기획 / Grade 3 / 3~5년차
- 영업 / Grade 5 / 8~10년차
- 영업 / 팀장
중요한 것은 Cohort 내 비교만 허용한다는 것!
이 단계가 제대로 되지 않으면 이후 모든 Feature와 Index는 의미가 없다.
Step 2. 정규화 (Normalization)
원천값 그대로는 해석이 어렵다. 즉, 비교가 어렵다. (인사 데이터의 상당수는 비교를 통해 의미가 부여된다.)
예:
- 성과 85점 → 높은가?
- 연봉 6,000만 → 많은가?
정답: Cohort 평균 대비 상대 위치로 변환
권장 방식
- Z-score
- 분위(percentile)
- 평균 대비 편차(%)
예시
perf_z = (개인성과 - cohort평균) / cohort표준편차
salary_dev = 개인연봉 / cohort평균연봉
대부분의 Feature는 정규값 기반으로 생성하면 좀 더 유의미해진다.
Step 3. Feature 설계 (핵심 단계)
단순 ‘현재 값’ 대신 시간 변화 + 상대 위치 + 편차를 만든다.
아래는 실제로 바로 활용 가능한 Feature 체계다.
성과관점 : 단순 고성과자가 아니라 성장형 인재 식별 가능
| Feature | 의미 | 활용 |
|---|---|---|
| perf_avg_3y | 3년 평균 성과 | 안정적 기여도 |
| perf_slope_3y | 성과 추세 기울기 | 성장/하락 탐지 |
| perf_std_3y | 변동성 | 불안정 인력 탐지 |
보상관점 : 보상 불만/이탈 리스크 조기 탐지
| Feature | 의미 | 활용 |
|---|---|---|
| salaryup_avg_3y | 평균 연봉 상승률 | 보상 성장성 |
| CPI | Compensation-Perf Index | 상대 보상 수준 |
| PEI | Pay Equity Index | 공정성 편차 |
성장/정체관점 : “조용한 퇴사” 조기 발견 핵심 지표
| Feature | 의미 | 활용 |
|---|---|---|
| GPI | Growth Potential Index | 미래 리더 후보 |
| stagnation_index | 성과/보상/직무 변화 없음 | 정체 인력 |
이동/경력관점 : 내부 이동/승진 정책 개선 근거
| Feature | 의미 | 활용 |
|---|---|---|
| mobility_risk(MRS) | 잦은 이동/적합도 낮음 | 이탈 위험 |
| tenure | 근속 기간 | 경험 축적 |
| grade_tenure | 동일 직급 체류 기간 | 승진 정체 |
기타 : 보상 공정성 진단 핵심
| Feature | 의미 | 활용 |
|---|---|---|
| perf_income_residual | 성과 대비 보상 불일치 | 불공정 인식 |
| income_log | 급여 분포 안정화 | 통계 분석 |
Step 4. Index 설계 (Feature → 의사결정)
Feature는 많아도 좋다.
하지만 의사결정은 Index 3~4개로 단순화해야 한다.
실무 추천 Index 설계
🔴 퇴사가능성 Index
구성:
- stagnation_index ↑
- CPI ↓
- perf_std ↑
- mobility_risk ↑
활용:
- 선제 면담
- 리텐션 패키지
🟡 조용한 퇴사 Index
구성:
- perf_slope ↓
- salaryup ↓
- grade_tenure ↑
활용:
- 동기 회복 코칭
- 직무 재설계
🟢 성장잠재력 Index
구성:
- perf_slope ↑
- GPI ↑
- perf_std ↓
활용:
- 승진 후보군
- 리더 트랙
🔵 보상공정성 Index
구성:
- PEI
- perf_income_residual
활용:
- 보상 조정
- 노사 리스크 감소
Step 5. Action 연결 (필수 단계)
Index는 행동 트리거여야 한다.
| Index | HR Action |
|---|---|
| Risk ↑ | 1:1 면담 |
| Stagnation ↑ | Job Rotation |
| Growth ↑ | 승진/육성 |
| Fairness ↓ | 보상 조정 |
👉 분석 → 보고 → 끝 ❌
👉 분석 → 실행 → 개선
마무리
HR에서 그동안 사용하고 분석해왔던 데이터들은 단순히 근속연수, 평가점수, 보상수준, 승진 누락횟수 와 같은 1차원적 데이터였다.
물론 이 데이터들도 충분히 활용가치가 있지만, 지금 HR에서 직면하고 있는 문제를 설명하고 해결하기엔 부족하다.
그리고 우리는 늘 HR은 데이터가 부족하다는 생각을 해왔다.
하지만, 우리는 그동안의 1차원적 데이터를 조금 더 입체적으로 활용해야 한다.
이 구조를 적용하면 HR은 더 이상 “보고서 만드는 조직”이 아니다.
- 누가 위험한가
- 누가 성장하는가
- 어디에 투자해야 하는가
이 질문에 즉시 답하는 전략 조직이 된다.
People Analysis 구조화방법 | People Strategy Lab