Intro (서론)
HR Analytics의 꽃은 단언컨대 퇴직률 분석이라 해도 과언이 아닐 것입니다. 퇴직률을 낮추기 위해 기업들은 직급 간소화, 거점 오피스, 36시간 근무 등 통해 직원들의 워라밸과 재직만족도를 높이려 노력합니다. 그렇다면 어떤 행동을 취해야 퇴직률이 낮아질까요?
이를 위해 퇴직률에 큰 영향을 미치는 요인을 찾아보았습니다. 2021년 기업 소프트웨어 전문기업인 오라클은 10개의 주요 이탈 요인을 꼽았습니다.
1. Lack of employee purpose: 업무 목적 상실 및 부진
2. Poor compensation: 부족한 보상
3. Being overworked: 과로
4. Bad managers: 나쁜 상사
5. Little to no feedback or recognition: 피드백과 인정의 부재
6. Poor work/life balance: 나쁜 워라밸
7. Boredom: 업무의 지루함
8. No opportunity for growth or development: 성장과 개발의 기회 부재
9. Bad hiring procedures: 온보딩에 있어서 회사의 문화에 대한 실망과 적응 실패
10. Toxic or negative culture: 직원에게 유해한 기업문화
하지만 사실 퇴직률의 정도와 원인은 지역별, 업종별, 직군별로 그 주요 요인이 크게 달라질 수도 있습니다. 또한, 이런 정보들을 하나의 데이터셋으로 통합한다는 것 자체가 큰 장벽입니다. 전사 프로그램이 Oracle이나 SAP, Workday 등을 사용하고 있다면 이런 부분에 있어 개인 직원별 데이터가 수월하게 나올 것이기 때문에 퇴직률 분석에 좀 더 유의미한 결과 도출이 가능할 것입니다.
아직 많은 현업에서는 이런 데이터 통합에 대해 진행 중에 있거나 도입하여 정착 중인 것으로 알고 있습니다. 따라서, 아직까지는 각자의 인사정보 시스템에 추가적으로 도출한 데이터(피드백, 성과, 추가근무시간, 교육시간 등)를 기존 인사 데이터셋에 덧붙여야할 것입니다.
혹은 경쟁사와의 이탈률 비교를 하여 이탈과 유입이 극대화 되는 시기에 데이터를 살펴보면서 답을 찾는 방법도 있을 것입니다. 저는 여기서 힌트를 찾아보고, 이탈률 요인 분석을 해보겠습니다.
Dataset
먼저 대상 기업 X를 선정하였습니다. 이 기업의 경쟁사는 A, B,C, 입니다.
자사와 경쟁사의 이탈률을 구하기는 의외로 쉽습니다. 국민연금 빅데이터 사이트에서 전국의 모든 사업체에 대해 국민연금 가입자와 상실자를 매달 공개하고 있습니다.
이 데이터를 이탈률에 사용하는 것에는 다음의 조건을 주의해야 합니다.
조건1: 대상 기업과 경쟁사들은 입사 시 국민연금에 가입한다.
조건2: 퇴직 시 국민연금을 상실한다.
조건3: 고지금액에는 상한액, 하한액이 있다.
(특히, 월급 524만원이 넘는다면 상한액을 초과하기 때문에 고액 연봉자에 대한 정확한 집계가 어렵습니다. 따라서 고액연봉자가 많은 기업일 수록 데이터가 정확하지 않습니다.)
그리고 아래와 같은 변수가 있습니다.
1.
가입자수
2.
상실자수
3.
당월고지금액
4.
가입자수대비 상실률(가공)
5.
가입자수대비 신규취득률(가공)
6.
인당 평균고지금액(가공)
해당데이터 셋의 데이터 종류가 많지 않기 때문에 자세한 예측분석이나 비교분석을 하기에는 어렵습니다. 따라서 시간의 흐름에 따라 대상 기업 X와 경쟁사의 위치를 비교하는 식으로 진행해야 됩니다.
Analysis in HEARTCOUNT
1. 시간에 따른 가입자수의 변화
여기서 대상 기업 X는 주황색입니다. 업계 전반적으로 18년 이후 가입자수가 늘어나고 있습니다. 이는 업계에 부과된 법적 책임으로 인해 관련 인력을 늘려야 했기 때문입니다.
2. 시간에 따른 인당 평균고지금액의 변화
그렇다면 임금의 변화는 어땠는지 살펴보겠습니다. 먼저, 업계 전반에서 임금이 상승하고 있습니다. 그리고, 업계 1위인 A사와 X사가 비슷하게 고지 금액이 올라가고 있습니다. 이는 임금에서도 비슷하게 상승하고 있음을 시사합니다. 특이할만한 점은 초록색 B기업의 고지 금액의 상승이 크게 이루어졌다는 점입니다.
3. 시간에 따른 가입자수대비 신규취득률
업계 전반으로 보았을 때 2015년 이후 인력 수급이 점차 안정적으로 그리고 감소해가는 변화를 수 있습니다. 특히, 2018년 법적책임과 관련한 신규 채용이 업계 전반에서 증가한 후, 2021년 부터 안정적으로 변화하고 있습니다.
여기서 X기업은 상대적으로 인력 수급에 있어 2015년부터 안정적인 모습을 보여줍니다. 다른 기업들이 2018년에 신규채용을 늘린 것과는 달리 한 박자 늦게 2019년에 채용을 늘렸구요. 또한 초록색 B기업은 2022년에도 채용을 늘리고 있네요.
4. 시간에 따른 가입자수대비 상실률
맨 처음 그래프에서 상실률은 업계 전반적으로 S곡선을 그리며 우하향하고 있습니다. 싸이클을 타고 2022년에는 높아지는 상실률, 다시말해 퇴직률을 보이고 있습니다. 위 3번에서 취득률은 줄어드는데 상실이 크게 상승하고 있는 것을 보면 타업종으로 인력 이탈이 심한 것으로 보입니다.
개별 기업의 상황으로 보았을 때, 먼저, B기업의 경우 상실률이 2022년 급증했습니다. 위에서 취득률도 급증했구요. 즉 B기업은 업종외 이직과 업종내 이직 둘 다 활발한 상태이고, 그렇기 때문에 적극적으로 임금을 상승시켜 온 것으로 보여집니다. 하지만 여전히 인력들을 많이 뺐기고 있는 상황으로 보여집니다.
X기업의 경우 2016년부터 낮은 이탈률(0.11)을 보이고 있습니다만. 2022년에는 0.51로 증가했습니다. 하지만 타 기업대비 제일 낮은 이탈률을 보여주고 있고 2022년에는 경쟁사 대비 유일하게 감소한 이탈률을 보이고 있습니다.
Insight
종합해보면 업계의 임금 수준이 높아지고 있고, 신규 인력 채용 또한 줄어들고 있는 상황입니다. 특히 , 법적 변화에 따라 인력의 변화가 크게 이루어지고 있다는 점에서, 법적인 문제가 인사에 있어 제일 크게 작용하는 사항 중 하나임을 볼 수 있었습니다.
또한 2020년을 기점으로 업계 전반에서 퇴직률이 증가하고 있다는 것은 업종의 경쟁력이 감소하고 있음을 시사합니다. 따라서 2022년 이후 업계 전반에서 퇴직률이 증가하고 있는 상황에서 X사가 퇴직률을 감소시킨 점은 어떤 원인이 있나 살펴볼 필요가 있겠습니다.
소감
HR에 있어 HR Analytics가 가능해지려면 먼저 다양한 데이터풀을 가지고 있는 것이 관건라고 생각들었습니다. 전사적으로 개인의 인사정보와 성과, 추가근무, 커뮤니케이션, 피드백, 리더십, 교육비 등이 모두 다 따로 집계되고 있거나 집계조차 안되고 있는 경우가 많습니다.
특히, HR에 있어서 대기업에서도 HR분석에 회의적인 경영진이 많다고 알고 있습니다. 이런 상황에서 현재 구할 수 있는 데이터로 업계 전반의 인력 현황을 개괄하면서 경쟁사대비 전략을 세우는데 방향을 잡아갈 수 있을 것입니다.
향후 이런 모든 데이터를 종합하여 컨설팅 하는 업체가 생긴다면 HR Analytics에 있어 큰 성과를 보여주지 않을까 싶습니다.