HR 데이터는 많은데, 왜 결정은 더 어려울까
HR 업무를 하다 보면 조직 안에서 자주 듣는 말이 있다.
“데이터는 충분히 쌓였는데, 막상 의사결정이 더 힘들어졌어요.”
“지표는 많은데 무엇을 봐야 할지 모르겠습니다.”
실제로 많은 기업이 People Analytics 시스템, HR 대시보드, KPI 관리 체계를 도입했다. 성과 점수, 이직률, 참여도, 교육시간, 역량 점수까지 숫자는 넘쳐난다. 그런데 역설적으로, 지표가 늘수록 결론은 더 늦어진다.
왜 그런가. 기술이 부족해서가 아니다.
문제는 ‘해석 구조’의 부재다.
지표가 늘수록 결정이 늦어지는 이유는, 숫자라는 것의 성질 자체에 있다.
숫자는 사실일 뿐, 판단이 아니다
데이터는 객관적이다. 하지만 의사결정은 항상 주관적 판단을 포함한다.
성과 90점은 높은 점수인가, 낮은 점수인가. 이직률 10%는 위험 신호인가, 정상 범위인가. 교육시간 40시간은 충분한가, 과도한가.
숫자만으로는 어느 쪽도 답할 수 없다.
맥락(Context)과 기준(Standard)이 있어야 의미가 생긴다.
대부분의 HR 실패는 데이터 부족이 아니라 ‘판단 프레임 부재’에서 발생한다. 지표만 늘리는 것은 재료만 사두고 요리법 없이 부엌에 서 있는 것과 같다.
데이터 기반 HR의 본질은 ‘분석 도구’가 아니라 ‘판단 구조 설계’다. 데이터는 답이 아니라 재료다.
답은 구조에서 나온다.
그렇다면 그 구조는 어떻게 만드는가.
판단 구조를 만드는 4단계, Decision Frame Model
실무에서 바로 적용 가능한 People Analytics 판단 프레임 4단계 모델, Decision Frame Model을 제안한다.
| 단계 | 질문 | 핵심 산출물 |
|---|---|---|
| ① Define | 무엇을 결정하는가? | 의사결정 목적 |
| ② Standard | 성공 기준은 무엇인가? | 판단 기준/목표값 |
| ③ Select | 어떤 지표가 필요한가? | 핵심 KPI 3~5개 |
| ④ Link | 지표를 어떻게 연결할 것인가? | 종합 판단 공식/점수 |
이 4단계가 완성되면, 그다음에야 비로소 데이터 수집과 시스템 구축이 의미를 갖는다.
적용할 때 지켜야 할 원칙도 분명하다. 지표는 핵심만 남긴다. 너무 많으면 정보의 바다에서 헤어나오지 못한다. 기준이 먼저고, 데이터는 나중이다. 순서가 뒤집히는 순간 불필요한 데이터 수집에 애를 쓰게 된다. 그리고 판단은 설명 가능해야 한다.
이것이 진짜 데이터 기반 HR 전략이다.
지표를 늘리는 일은 시스템이 대신해 줄 수 있다. 그러나 무엇을 결정할지, 무엇을 성공이라 부를지는 사람이 먼저 정해야 한다.
숫자는 재료다. 요리는 구조가 한다.
[함께 읽으면 좋은 글]
- 데이터 기반 HR이 왜 필요한지, 직관에 의존한 인사관리가 어떤 구조적 오류를 만드는지를 먼저 짚고 싶다면 【데이터 기반 HR이 필요한 이유: 직관 중심 인사관리의 치명적 한계 3가지】 에서 시작하는 것을 권한다.
- 인재를 하나의 점수가 아니라 구조로 보는 관점이 무엇인지는 【Talent Analysis란 무엇인가】 에서 다룬다.
- HR 데이터의 정확도 자체를 높이고 싶다면 Cohort 기반 설계가 핵심이다. 【Cohort 분석이 HR 데이터 정확도를 2배 높이는 이유】 에서 실무 적용 방법을 확인하라.