데이터에 근거한 사고는 우리가 살아가는데 모든 영역에 필요한 능력입니다. 그리고 우리가 의사결정이 필요한 순간 참고할 수 있는 유일한 근거가 되는 것이 데이터라고 생각합니다. 그래서 평소에 데이터를 잘 수집해 놓을 필요가 있습니다.

데이터가 없지 않습니다. 데이터를 잘 모으지 않는 것입니다. 데이터를 수집한다는 것은 평소에 기록을 열심히 잘 한다는 의미입니다. 오늘 한 일과 그에 대한 진행 과정에서 겪었던 일, 과정과 마무리 단계에서 얻은 성과를 기록한다면 앞서 이야기한 데이터 수집이 되는 것입니다.

데이터는 정성적인 내용이 모여 정량적인 숫자가 되는 과정입니다. 어제 했던 주관적인 생각과 행동이 쌓이면 객관적인 데이터가 되는 것입니다. 우리가 자주 하는 생각과 행동이 반복되고 누적되면, 우리는 객관적으로 그렇게 생각하고 행동한다는 것을 예측할 수 있고, 그에 따른 결과를 어느 정도 가늠할 수 있습니다.

데이터는 과거와 오늘에 대한 회고이고, 미래에 대한 예측입니다. 어제와 오늘의 결과가 미래에도 비슷하게 반복될 것이라고 예측하는 것입니다. 이전보다 더 나아지기 위해 회고를 하여 개선 방안을 수립합니다. 미래에 대한 예측이 틀리길 바라며 과거의 방식을 답습하지 않는 것이죠. 새로운 방식이 반드시 성공할 가능성이 높은 것은 아니기 때문에 모험과 도박에 가깝습니다. 다만, 우리가 해본 적은 없지만, 그렇게 해본 다른 누군가의 데이터를 참고한다면 어느 정도 성공 가능성을 가늠하여 기대할 수 있습니다.

최근 조직에서 인재 밀도가 화두입니다. 일을 잘하는 사람들이 모인 조직에서 뛰어난 성과를 만드는 것은 당연한 결과입니다. 그래서 가능한 조직 구성원 모두가 인재가 되길 바라는 염원이 인재 밀도라는 표현으로 불리고 있습니다.

시장이라는 외부 요인에도 흔들리지 않는 조직은 인재로 똘똘 뭉친 단단함이 필요하다고 생각합니다. 조직 구성원 한 명 한 명이 주도적이고 목표 지향적이며, 성장을 목숨과 같이 여기는 사람들로 채우길 원하는 분위기가 인재 밀도라는 화두를 만들고 있습니다.

인재 밀도를 만드는 시작은 채용입니다. 기존 구성원이 모두 인재라고 가정하고, 새롭게 영입해야 할 구성원이 더 뛰어난 인재여야 하는 것입니다. 조직이 갖고 있는 부족한 부분을 보완해 줄 인재를 영입하는 것이 더욱 단단한 인재 밀도를 만들 수 있는 방법입니다. 그럼 인재 밀도를 높이는 채용을 잘하기 위해 필요한 것은 무엇일까요?

인재 밀도에 대한 정의가 필요합니다. 기존 구성원이 갖고 있는 역량과 경험이 무엇인지 알고 분석하는 일이 필요합니다. 객관적인 역량 진단과 경험에 따른 성과 생산 능력을 파악하는 것입니다. 그래서 앞서 이야기한 우리 조직의 부족한 수치를 드러내는 역량과 경험 부분을 보완할 인재가 누구인지 아는 것이 인재 밀도를 높이는 전략이 됩니다.

인재 밀도를 정량화, 객관화하기 어려운 것이 아니라 평소 우리 조직의 생각과 행동을 잘 기록하지 않는 것이 문제입니다. 가능하다면 우리가 하는 일거수일투족을 기록하여야 하는 데 잘 그렇게 하지 않습니다. 기록한다는 생각조차 하지 않습니다. 이건 귀찮아서 그런 것도 있지만, 기록한다는 생각이 떠오르지 않습니다. 습관이 되지 않았기 때문입니다. 데이터에 근거한 사고를 하지 않고 있다는 의미이고, 평소 직관적인 의사결정과 업무 수행을 하고 있다는 반증입니다.

특히 채용 업무에 직관적인 사고로 의사결정하는 일들이 많습니다. 인재 영입이 필요하다고 의사결정하는 일, Job Description 작성하는 일, 채용 공고를 노출하는 채널을 결정하는 일, 채용 예산을 집행하는 일, 채용 전형 단계 별 합격과 불합격 결과를 판단하는 일, 채용 브랜드 이미지 개선을 위한 이벤트 등 채용 업무로 하는 거의 모든 일에서 객관적 근거에 의한 판단보다 주관적 감각에 의거하여 의사결정하는 상황이 많습니다.

사람을 판단하는 일이 어떻게 객관화될 수 있느냐고 반문하는 것은 이전 생각과 행동을 기록하기 귀찮고 분석하기 까다롭다는 핑계에 불과합니다. 인재 밀도를 측정하고 개선하는 문제를 해결하는 방법은 간단합니다. 지금부터 하는 모든 일을 기록하고, 기록이 쌓일 때마다 분석하여 우리의 미래를 바꾸는 것입니다. 우리의 주관적 사고보다 객관적 데이터를 더 신뢰해 보세요. 반드시 이전보다 개선된 성과를 얻을 수 있을 것이라고 확신합니다.