NewsPeppermint

핵심인력의 이직은 기업에 많은 대가를 요구합니다. 요즘과 같이 협업이 일상화된 업무 환경에서는 특정 직원의 공석이 팀 전체의 생산성 하락을 유발하며, 신규 인력을 유치하는 비용도 만만치 않습니다. 특히 금융, 생명과학, 제약, 기술 산업과 같은 지식 산업에서 인력 유출은 곧바로 지적 재산의 유출을 의미하기도 하죠.

기업들은 직원의 이직으로 인한 비용 상승을 방지하기 위해 다양한 방법을 사용합니다. 핸드폰, 노트북 등 전자 장비에 대한 감시에서부터, 소셜미디어상에서의 활동까지 스캔하는 기업의 수가 점차 늘고 있죠.

이들에게 전통적인 방식은 개개인의 직원들을 대상으로 링크드인(LinkedIn)과 같은 특정 이직 사이트 방문 기록이나 포탈 상에서 이직과 관련된 검색어 사용 여부를 확인하는 것이었습니다. 그러나 최근에는 더욱 진보된 데이터 분석기술에 눈을 돌리는 단체가 늘고 있습니다. 1~2개의 데이터 포인트를 활용한 단순한 분석을 넘어서서 복수의 데이터와 분석 알고리즘을 통해 더 정교하게 이직 시점을 사전 예측하려 꿈꾸죠. 직원의 이직 시점을 더 일찍 예측한다는 것은 해당 기업이 대책을 마련할 시간이 더 많다는 의미이니까요.

진보된 데이터 분석 기술은 천문학과 같이 고도화된 과학 기술 영역에서 사용하던 기법들을 활용합니다. 머신 러닝(Machine Learning), 과학적 수리 계산(Scientific computation), 빅데이터 처리 관리 도구가 그 예이죠.

인재 관리 기법에 이러한 예측 기법들을 활용하는 스타트업 hiQ Labs은 인력 시장에서의 수요와 공급 상황을 함께 고려하여 직원의 이직 고려 시점을 훨씬 정확하게 예측합니다. 이를테면, 이들은 개인의 온라인상 이력서와 프로파일, 이전 직장 경험, 소셜 네트워크상의 정보를 활용하여 이직에 대한 징조를 먼저 파악하죠. 그리고 이 정보를 이직 시장에서의 프로파일 별 수요 변화와 대응시켜 이직 시점 및 확률을 예측합니다. 직원의 이직 시점에 대해 더 정확하게 예측할 수 있게 된 고객사는 보직 변경, 임금 인상 등 다양한 유인책을 활용하여 핵심 인재 유출 방지에 대한 노력을 사전에 기울일 수 있습니다.

한 관계자에 따르면 크레딧 스위스(Credit Suisse)의 경우 이러한 방식을 활용하여 2014년 1,000억 원에 가까운 재고용 비용을 절감할 수 있었다고 합니다. (하버드 비즈니스 리뷰)

원문보기