1. People Analytics
내일 말고 오늘부터
HR Session 2
조영찬

2. [업무]
• 2010~2012 : LG화학 오창노경팀
• 2012~현재 : LG인화원 임원교육팀-전문교육팀-경영환경센터
- 예비경영자, 신임임원, LG MBA, HR대학, Digital Tech. 대학 등
[활동]
• 데이터홀릭 : 누구나 궁금해하는 데이터의 모든 것을 다루는 팟캐스트
• 데이터펭귄 : 누구나 쉽고 재미있는 데이터 공부
• 데이터피플코리아 : 사람과 데이터에 대한 연구
• 기술교육연구모임 : 효과적인 기술교육 방법론 연구
[관심분야]
• 기술교육 학습방법론
• 학습여정(Learning Journey) 설계
• 교육프로그램 평가분석
“글, 관찰, 분석을 좋아합니다.”
#0. 시작하며

3. #0. 시작하며
오늘 제가 말씀 드릴 세 가지
1. People Analyst에게 필요한 지식과 역량
2. 수포자이자 프알못의 생존형 데이터 분석 경험
3. People Analytics 학습방법
말씀 드리면서 하지 않을 세 가지
1. 통계이론설명
2. (그럴듯하게)포장하기
3. 희망고문

4. People Analyst에게 필요한 지식과 역량

5. #1. People Analytics
출처/참고자료
HR Analytics
1) 머신러닝(기계학습, Machine Learning) : 기계가 데이터로부터 학습하여 실행할 수 있도록 하는 알고리즘
2) 데이터 분석 Tool : R, Python, Excel, 태플로(Tableau), SPSS 등
3) 조직효과성 : 조직이 목표를 달성하는 정도
다양한 방법론과 도구를 활용하여
인적자원(사람) 데이터를 분석하고
사업과 조직의 성과를 향상시키는
의사결정을 지원하는 활동
• 다양한 방법론 : 통계분석, 머신러닝1), 시각화
• 도구 : 데이터 분석 Tool2), HRIS(HR Information System)
• 인적자원(사람) 데이터 : 인구통계, 근태, 급여, 성과, 전문성, 교육이력
• 사업과 조직의 성과 : 우수인재확보 및 유지, 조직효과성3) 및 조직역량 향상
• 의사결정 지원 : 채용, 평가, 보상, 배치, 유지, 개인맞춤형 HR Intervention

6. #2. HR Analyst
Trend Importance and readiness1) HR Analyst 육성의 중요성
HR Analyst를 외부에서 영입했어도 HR에서 커리
어를 시작하지 않은 분석가는 오랫동안 머무르지
않을 가능성이 큼.2)
HR이 훌륭한 분석 도구를 가지고 있음에도 여전히
발전하지 못하는 이유는 HR Analytics 팀을 이끌
전문가와 데이터 관리, 통계, 시각화, 조직 설계
역량을 갖춘 HR Analyst의 부재 때문이며, HR
Analyst의 확보는 HR Analytics의 성숙도에 큰
영향을 주는 요인임.3)
※ 피플 데이터 활용 준비가 더딘 이유
- 피플 데이터의 활용은 새로운 기회를 얻는 동시에 새로운
위험을 발생시킬 수 있음.
- 개인정보를 사용한다는 사실에 대해 구성원이 거부감을
가질 수 있으며, 개인정보 활용 관련 법적인 이슈가 발생할
가능성도 있음.
출처/참고자료
1) 2018 Deloitte Global Human Capital Trends(Deloitte, 2018)
2) 경영컨설팅 케네디 피치(https://www.kennedyfitch.com)
3) High-Impact People Analytics(Bersin by Deloitte, 2017)

7. 구분 필요 역량
미국 인적자원관리 협회
(SHRM : The Society for
Human Resource Management)
● 비즈니스 감각(Business Acumen)
● 커뮤니케이션(Communication)
● 컨설테이션(Consultation)
● 비판적 평가(Critical Evaluation)
● 글로벌과 문화에 대한 인식(Global and Cultural awareness)
● HR 전문성(HR Expertise)
● 관계 관리(Relationship Management)
● 윤리적 실천(Ethical Practice)
영국 고용 연구소
(IES : Institute of
Employment Studies)
● HR과 비즈니스 중 하나 이상의 도메인 지식
(Domain Knowledge - HR and/or Business)
● 컨설팅 관계 관리(Consultancy relationship management)
● 문제 명확화(Problem specification)
● 통계(Statistical)
● 분석(Analytical)
● 프로그래밍(Programming)
● 데이터 관리(Data management)
● 시각화(Visualization)
● 커뮤니케이션(Communication)
● 웹 디자인(Web design)
● 결과 보고(Reporting Results)
● 계약 – 제 3자 관리, 데이터와 시스템에 대한 인식
(Contracting – Third-party management, Data and systems awareness)
HR Analyst 필요역량
#2. HR Analyst

8. #3. 데이터를 만난 문과생
[나름 잘해왔던 일들]
• LG사업가역량모델
• Assessment Center
• LG예비경영자과정
• LG신임임원 · 연구/전문위원과정
• LG MBA
• Digital Learning Platform
• LG인재개발대회
…
[공부한 것]
• 고등학교 : 문과(문학회)
• 대학교 : 국제경영학과(사진동아리)
• 석사 : 인적자원개발
[좋아하는 것]
• 시, 소설, 에세이 쓰기 · 읽기
• 산책, 음악, 영화
• 철학사, 과학사
[별로 안 좋아하는 것]
• 수학, 수학수식, 수학책

9. “누가 준비할래?”
#3. 데이터를 만난 문과생

10. #3. 데이터를 만난 문과생
구분 교과목명
경영학 공통
• Strategic Finance
• International Marketing Management
• Economics for Executives
• Strategic International HRM
• Operations Management
• Strategic Management
• Management Accounting and Control
• 데이터기반 의사결정 개론
전공과목
전공기초
• 통계학 원론
• 다변량 통계
• R
• RDBMS와 SQL
• 빅데이터 방법론과 기계학습
• 비정형 데이터마이닝
• 데이터마이닝
• 웹 마이닝
전공심화
• 파이썬
• 예측분석 실습
• 소셜 네트워크 분석
• 사물인터넷
• 빅데이터 플랫폼 설계/구축/실습
•신경망 분석과 딥 러닝
• 빅데이터 테마선정/시스템 구축
• 개인 추천화 모델 실습
• 논문

11. 프로그래밍??!! 수학??!!
#3. 데이터를 만난 문과생

12. #3. 데이터를 만난 문과생
1.5년 후… 큰일났다!
Source : https://medium.com/@zainabz/the-four-stages-of-competence-ee5c6046b205

13. 수포자, 프알못의 생존형 데이터 분석

14. #4. 생존형 분석의 시작
망한 과정 이유 찾기
(각색한 사례입니다.)
4.80 이하로 떨어지는 날이 없던 그 어느 날
교육과정 평가결과 : 4.18 ?!!

15. 어려워요
너무 쉬워요
이론을 더 알고 싶어요
실습 필요해요
강사님 좋아요
강사님 싫어요
프로젝트 좋아요
#4. 생존형 분석의 시작
이론을 왜 굳이…
텍스트는 더 가관

16. #4. 생존형 분석의 시작
구글링
도구
다시 시작하는 마음으로
정말 열심히 했습니다.
도메인

17. #4. 생존형 분석의 시작
E..EDA를 하자!!
*EDA (Exploratory Data Analysis)
이상치가 있나? NPS와는 어떤 관계지? 항목간 상관관계는?

18. #4. 생존형 분석의 시작
과목 평가항목A 평가항목B 평가항목C 평가항목D 평가항목E
1 5 5 5 5 5
1 5 4 3 4 5
1 4 4 4 4 4
1 4 5 4 5 3
1 5 5 4 3 3
1 5 5 5 5 5
1 5 4 3 4 4
1 4 4 4 4 3
1 3 3 5 4 4
1 5 5 4 3 4
2 5 5 5 5 5
2 5 5 5 4 3
2 4 4 4 4 3
2 4 2 4 4 3
2 4 5 4 5 4
2 5 4 5 5 5
2 4 5 5 4 3
2 4 4 4 2 3
2 4 2 4 4 5
2 4 5 5 3 4
과목 평가항목A 평가항목B 평가항목C 평가항목D 평가항목E 평균
1 4.50 4.40 4.10 4.10 4.00 4.22
2 4.30 4.10 4.50 4.00 3.80 4.14
평균 4.30 4.10 4.50 4.00 3.80 4.18
일반적으로는 이런 데이터를 이런식으로 분석합니다.
데이터를 새로 만들자.
데이터 없다고 불평말자
그래서 개인의 학습경로를 확인할 수 없습니다.
그렇다고 실명을 요구할 수도 없습니다.

19. #4. 생존형 분석의 시작
그래서 이렇게 받았습니다. 이렇게 확인했고
데이터를 새로 만들자.
데이터 없다고 불평말자
다음 프로그램을 기획합니다.
과목 별명 평가항목A 평가항목B 평가항목C 평가항목D 평가항목E
1 라이언 5 5 5 5 5
1 스미스 5 4 3 4 5
1 요시키 4 4 4 4 4
1 구름 4 5 4 5 3
1 팽이버섯 5 5 4 3 3
1 sky 5 5 5 5 5
1 준준84 5 4 3 4 4
1 프알못 4 4 4 4 3
1 popopo 3 3 5 4 4
1 kiwi 5 5 4 3 4
별명 사전지식 입사유형 년차 직무
라이언 4 신입 4 마케팅
스미스 4 경력 2 HR
요시키 2 신입 4 R&D
구름 2 신입 8 구매
팽이버섯 4 신입 4 재무
sky 2 신입 4 전략
준준84 5 경력 2 전략
프알못 4 경력 4 마케팅
popopo 3 경력 3 HR
kiwi 5 경력 3 구매

20. #5. 분석범위 확장하기
People + 1회에 참가하신 여러분의 생각
‘신청사연’을 분석해보자!

21. #5. 분석범위 확장하기

22. #5. 분석범위 확장하기

23. #5. 분석범위 확장하기

24. #5. 분석범위 확장하기

25. #5. 분석범위 확장하기
Network map(500 words)

26. #5. 분석범위 확장하기
Network map(300 words)

27. #5. 분석범위 확장하기
Keyword

28. #5. 분석범위 확장하기
Keyword

29. #5. 분석범위 확장하기
Multi word(학습, 적용, 실무)

30. #5. 분석범위 확장하기
Multi word(공부, 현업, 상황)

31. #5. 분석범위 확장하기
Topic Clustering(Cluster = 10)

32. #5. 분석범위 확장하기
Topic Clustering(Cluster = 5) Topic Clustering(Cluster = 3)
아… 이러면 안되는데

33. People Analytics 학습방법

34. #6. 교육콘텐츠 들여다보기
4개월 만에 전공자 따라잡기 30일만에 데이터 사이언티스트

35. 있긴 있는데…
#6. 교육콘텐츠 들여다보기
Source : https://www.aihr.com/online-courses/hr-data-analyst/

36. #7. 생각대로 잘 안 되는 이유
정작 전문가는 그렇게 학습하지 않았다.
데이터 교육은 대부분 개발자가 한다.
우리는 개발자가 되려는 것이 아니다.

37. #8. 수알못, 프포자가 추천하는 공부법
A to Z 관점의 수직 학습 말고
Part I R 작업 환경과 기초 문법
Chapter 01 R 설치 및 개요
Chapter 02 데이터의 유형과 구조
Chapter 03 데이터 입출력
Chapter 04 제어문과 함수
Part II 탐색적 데이터 분석과 전처리
Chapter 05 데이터 시각화
Chapter 06 데이터 조작
1. plyr 패키지 활용
2. dplyr 패키지 활용
3. reshape 패키지 활용
4. reshape2 패키지 활용
Chapter 07 데이터 전처리
1. 데이터 셋 조회
2. 결측치 처리
3. 극단치 처리
4. 코딩 변경
5. 탐색적 분석을 위한 시각화
6. 파생변수 생성
7. 표본추출
Chapter 08 고급시각화 분석
1. R 고급시각화 도구
2. 격자형 기법 시각화
3. 기하학적 기법 시각화
4. 지도 공간 기법 시각화
Chapter 17 시계열분석
1. 시계열분석
2. 시계열 자료 분석
3. 시계열 자료 시각화
4. 시계열분석 기법
Part V 반응형 웹 애플리케이션
Chapter 18 shiny 프로젝트
1. shiny 프로젝트
2. shiny 애플리케이션
3. HTML 사용자인터페이스
4. shiny 애플리케이션 출판
5. shiny 애플리케이션 서버관리
Chapter 19 애플리케이션 만들기
1. shiny 애플리케이션 예제
2. shiny 애플리케이션 만들기
3. shiny 애플리케이션 위젯
Chapter 20 웹 표준 기술 적용
1. 웹 표준 기술
2. 웹 표준 기술 적용
3. 애니메이션 적용과 출판
나의 문제와 데이터 기반의 수평 학습
평가요소
상관관계분석
정성의견
네트워크분석
퇴직예측
요인분석
• R작업환경 기초문법
• 데이터 핸들링
• 데이터 시각화
• 형태소분석 원리
• TF-IDF
• 네트워크맵
• 토픽클러스터링
• 의사결정나무
Source : https://www.slideshare.net/ssuser1cbe1b/hr-analytics-99836039
+ 잘 검색하기

38. #8. 수알못, 프포자가 추천하는 공부법
내 성향에 맞는 공부방법 찾기
온라인 콘텐츠
학원
스터디
도서
자발적/저가
수동적/고가

39. 저도 했습니다.
= 여러분도 당연히 할 수 있습니다.

40. 내일 말고 오늘부터
= 할 수 있는 것 부터, 지금 바로