올해도 어김없이 같은 장면이 반복됐을 것이다.
상반기 조직문화 서베이 결과가 나왔다. “부서 간 협업” 항목 점수가 또 낮다. 팀장 회의에서 나온 해법 역시 늘 같다. “소통의 날 운영해봅시다.” “협업 툴 하나 더 도입하죠.” 그리고 하반기 서베이에서 점수는 0.2점 올랐다가 내년에 다시 제자리다.
이 순환이 반복되는 이유는 하나다. 사일로 조직(Silo Organization)의 실체를 데이터로 본 적이 없기 때문이다. “어느 팀이 고립돼 있는가”, “협업의 병목이 어디서 생기는가”, “정보가 왜 특정 사람에게만 쌓이는가” — 이 질문에 수치로 답하는 방법론이 바로 ONA(Organizational Network Analysis)이다.
이 글은 ONA가 무엇인지보다 HR 담당자가 조직 내부에서 ONA를 실제로 어떻게 추진하는가에 더 집중한다.
1. 사일로가 ‘느낌’이 아닌 ‘구조’의 문제인 이유
사일로를 이야기할 때 가장 많이 나오는 오해가 있다. “저 팀이 폐쇄적이다”, “팀장 성향이 문제다”, “우리 회사 문화 자체가 그렇다.” 이 모든 말은 원인을 사람이나 문화로 귀결시킨다.
그런데 현장을 데이터로 보면 다른 그림이 나온다. 사일로는 대부분 다음 세 가지 구조적 조건이 누적된 결과다. 물리적 거리 또는 보고 체계의 분리, 성과 지표의 단절, 인적 연결고리의 부재 또는 단일화. 이 세 가지는 구성원의 의지로는 바꾸기 어렵다. 구조를 바꿔야 한다. 그리고 구조를 바꾸려면 먼저 구조를 데이터로 봐야 한다.
2. ONA란 무엇인가
ONA는 조직을 그래프(Graph)로 표현해 분석한다. 구성원은 노드(Node), 구성원 간 상호작용은 엣지(Edge)가 된다. 이 그래프에서 협업 패턴, 고립 집단, 정보 병목 지점을 수치로 측정한다.
| 구분 | 설문형 ONA | 수동형 ONA |
|---|---|---|
| 데이터 출처 | 구성원 직접 응답 | 이메일·캘린더·협업툴 로그 |
| 도입 난이도 | 낮음 — 설문지만 있으면 됨 | 높음 — IT 인프라·보안 검토 필요 |
| 분석 객관성 | 인식 기반 (편향 가능) | 실제 행동 기반 |
처음 ONA를 도입한다면 설문형부터 시작하는 것이 맞다. 설문 응답 데이터만으로도 의미 있는 협업 지도를 그릴 수 있고, 경영진 설득 자료로 충분히 활용 가능하다.
3. ONA로 측정하는 4가지 핵심 지표
연결 중심성 (Degree Centrality)
직접 연결된 노드의 수. 이 값이 낮은 사람이 많을수록 조직 내 고립 위험 집단이 많다는 신호다. 연결 중심성 = 직접 연결된 노드 수 ÷ (전체 노드 수 − 1)
매개 중심성 (Betweenness Centrality)
전체 네트워크에서 두 노드를 잇는 최단 경로에 해당 노드가 등장하는 비율. 이 값이 높은 사람이 “없으면 일이 안 돌아가는 사람”이다. 조직의 핵심 자산이자 동시에 가장 큰 번아웃 리스크다.
근접 중심성 (Closeness Centrality)
전체 노드까지의 평균 거리 역수. 이 값이 낮은 집단은 정보가 늦게 도달하는 위치에 있다.
클러스터 계수 (Clustering Coefficient)
내 연결 노드들이 서로 얼마나 연결되어 있는가. 값이 높을수록 폐쇄적인 소집단 안에 있다는 의미다.
| 유형 | 특징 | HR 조치 방향 |
|---|---|---|
| 핵심 허브 | 연결·매개 중심성 모두 높음 | 번아웃 모니터링, 업무 재분배 |
| 브릿지 | 매개 중심성만 높음 | 퇴직 리스크 집중 관리, 백업 육성 |
| 클러스터 코어 | 클러스터 계수 높음, 외부 연결 낮음 | 크로스 팀 프로젝트 의도적 배정 |
| 고립자 | 모든 중심성 낮음 | 온보딩 재점검, 멘토링 매칭 |
| 사일로 집단 | 내부 밀도 높고 외부 연결 단절 | 즉시 구조적 개입 필요 |
4. HR 담당자가 ONA를 실제로 추진하는 법
STEP 1. 경영진 스폰서 확보부터 시작하라
임원급 스폰서를 먼저 확보하고, 분석 목적과 결과 활용 방안을 명문화해야 한다. 경영진 설득에 효과적인 프레임: “우리가 이미 알고 있는 문제를 데이터로 증명해서 제대로 된 해법을 찾겠다.”
STEP 2. 설문 10문항으로 데이터 수집
상폰 핵심 질문 유형 세 가지:
“지난 한 달간 업무 관련 정보나 조언을 얻기 위해 연락한 동료를 최대 5명 선택해 주세요.” — 정보 네트워크
“함께 일하고 나면 업무 동기가 올라가는 동료는 누구입니까? (최대 3명)” — 에너지 네트워크
“협업이 필요하지만 실제로 연결이 잘 되지 않는 팀이나 부서가 있다면 어디입니까?” — 단절 감지
응답은 기명으로 수집해야 네트워크 맵을 그릴 수 있다. 분석 결과는 개인이 아닌 집단 수준으로만 공개된다는 원칙을 사전에 문서로 배포하는 것이 신뢰의 기반다. 응답률 목표치는 70% 이상이다.
STEP 3. Python으로 네트워크 구축 및 지표 산출
import networkx as nx
import pandas as pd
df = pd.read_csv('ona_edges.csv') # columns: from_id, to_id
G = nx.from_pandas_edgelist(df, source='from_id', target='to_id', create_using=nx.DiGraph())
metrics = pd.DataFrame({
'degree' : nx.degree_centrality(G),
'betweenness': nx.betweenness_centrality(G, normalized=True),
'closeness' : nx.closeness_centrality(G),
'clustering' : nx.clustering(G.to_undirected())
}).round(4)
print("⚠️ 매개 중심성 Top 5 (번아웃·브릿지 리스크):")
print(metrics.nlargest(5, 'betweenness')[['betweenness', 'degree']])
silo_candidates = metrics[
(metrics['degree'] < metrics['degree'].quantile(0.25)) & (metrics['clustering'] > metrics['clustering'].quantile(0.75))
]
print(f"\n🚨 사일로 후보 노드 수: {len(silo_candidates)}명")
STEP 4. 결과 해석 — 사일로 진단 3대 신호
ONA 결과에서 아래 세 가지 신호를 중점 확인한다: 특정 팀의 내부 연결 밀도는 높은데 외부 엣지가 현저히 낮으면 사일로, 두 클러스터를 잇는 매개 중심성 노드가 1~2명뿐이면 단일 장애점(Single Point of Failure), 연결선이 거의 없는 분리된 소집단 존재 여부.
STEP 5. 인터벤션 설계 — 진단 후가 진짜 시작이다
ONA는 진단 도구다. 멋진 네트워크 맵을 경영진에게 보여주는 것으로 끝내는 순간, 그 프로젝트는 실패한 것이다. 진단 → 개입 → 재측정 사이클을 완성해야 한다. 인터벤션 후 6개월 시점에 동일 설문을 재실시하는 것이 효과 증거다.
5. 실제로 효과가 있었나 — 국내외 적용 사례
Microsoft는 팬데믹 재택근무 전환 이후 수동형 ONA로 협업 데이터를 분석했다. 팀 내부 결속은 강해졌지만 팀 간 연결은 약해지는 “협업 사일로화” 현상을 수치로 포착했다. 이 결과를 근거로 크로스 팀 미팅 설계와 비공식 연결 채널 활성화 정책을 도입했고, 해당 연구는 국제 학술지 Nature Human Behaviour에 게재됐다.
국내 금융권 사례도 있다. 한 대형 금융그룹이 계열사 간 ONA를 진행한 결과, 공식 협업 채널이 존재함에도 특정 두 계열사 간 실제 정보 교류가 사실상 전무한 상태임이 확인됐다. 이 데이터를 근거로 비공식 관계망 기반으로 TF를 구성했고, 기존 대비 초기 정보 공유 속도가 눈에 띄게 개선됐다는 내부 평가를 받았다.
두 사례 모두 공통점이 있다. “우리가 이미 알고 있다고 생각했던 것”이 데이터에서는 다르게 나왔다는 점이다. ONA의 가장 큰 가치는 인식과 현실의 갭을 보여주는 데 있다.
6. 조직 내에서 ONA 추진 시 반드시 피해야 할 함정
함정 1. “누가 일 안 하는지 찾겠다”는 프레임. ONA는 성과 감시 도구가 아니다. 분석 목적이 ‘구조 진단’이지 ‘개인 평가’가 아니라는 점을 커뮤니케이션 초반부터 반복 명시해야 한다.
함정 2. 중심성 지표를 성과로 오해. 매개 중심성이 높다고 좋은 직원이 아니다. 오히려 과부하 상태이거나 정보를 혼자 독점하는 구조적 문제일 수 있다. ONA 지표는 구조를 읽는 언어지, 개인을 평가하는 기준이 아니다.
함정 3. 단발 분석으로 끝내기. ONA는 추세를 봐야 의미가 있다. 최소 반기 1회 반복 측정을 전제로 설계해야 한다.
함정 4. 인터벤션 없는 분석. ONA 결과를 보고서로 만들고 경영진 발표로 마무리하면 아무것도 바뀌지 않는다. 분석은 개입의 시작점이지 결론이 아니다.
맺음말 — 관계도가 없는 조직은 지도 없이 항해하는 것과 같다
공식 조직도는 명령 체계를 보여준다. 하지만 실제 정보와 에너지가 흐르는 경로는 조직도와 다르다. 어떤 사람이 실질적인 허브인지, 어떤 팀이 실제로 단절되어 있는지 — 이것을 모르는 채로 하는 조직 개입은 지도 없이 항해하는 것과 같다.
협업 네트워크 분석(ONA)은 그 지도를 처음으로 그려주는 도구다. 설문지 10문항과 Python 코드 50줄이면 충분히 시작할 수 있다. 중요한 것은 데이터가 아직 없다는 이유로 “느낌”으로 계속 판단하지 않는 것이다.
사일로 조직을 깨는 첫 번째 도구는 워크숍이 아니다. 관계 지도다.
[함께 읽으면 좋은 글]
- 사일로 조직에서 인재가 왜 이탈하는지, 퇴사 전 조직 문화가 보내는 경고 신호를 먼저 파악하려면 【인재가 떠나는 조직의 5가지 문화 신호】를 참고하라.
- ONA 분석을 통해 협업 단절을 발견한 이후, 팀 내 심리적 안전감이 어떻게 연결되는지는 【심리적 안전감, 데이터로 측정할 수 있을까?】에서 다룬다.
- 사일로 구조가 팀 성과에 미치는 영향과 성과 부진의 초기 신호를 잡는 방법은 【성과가 안 나는 팀의 공통 신호 7가지】 에서 확인할 수 있다.