[채용문화2.0] 데이터를 기반으로 논리적인 | 커리어리

[채용문화2.0] 데이터를 기반으로 논리적인 사고가 필요합니다. 최근 HR 리크루터 채용공고에 빠지지 않고 보이는 내용이 있습니다. 바로 #데이터 분석을 통해 문제를 개선할 수 있는 역량을 요구하는 것입니다. 데이터는 세상 거의 모든 비즈니스에서 중요하게 다루어지고 있는 영역입니다. 그만큼 데이터에 기반한 논리적인 사고 능력이 인재를 채용하는데 필수 역량으로 평가하고 있습니다. HR 분야에서 갑자기 데이터의 중요성이 언급되기 시작한 이유는 무엇인지 정확하게 모르겠습니다. 추측해 보면 이전까지 데이터에 의한 인재 모집과 평가가 아닌 주관적인 감각에 의존했던 것 같습니다. 더 이상 이전과 같은 방식으로 채용 전쟁에서 생존하기 어렵다는 결론에 도달했다고 생각합니다. 그럼 어떤 데이터를 어떻게 분석해야 채용 과정에서 도움을 얻을 수 있을까요? 어디서 데이터를 얻을 수 있는지, 어떤 데이터가 채용 과정을 개선에 도움이 되는지 정의해야 할 것입니다. 채용 프로세스에서 얻을 수 있는 데이터는 '입사지원'을 기준으로 나누어 볼 수 있습니다. 입사지원을 하기 전 퍼널은 최초 채용공고를 인지한 경로, 채널, 입사지원을 결심하게 된 배경, 입사지원을 위해 탐색한 정보, 입사지원 과정에서 불편했던 점 등 효과적인 채용 채널과 채용공고 내용을 개선하기 위한 인사이트를 얻을 수 있습니다. 입사지원 후에는 이력서와 포트폴리오 등 지원자가 제출한 서류에서 얻을 수 있는 정보, 면접 과정에서 얻을 수 있는 정보, 입사 후 얻을 수 있는 정보가 있습니다. 직군에 따라 지원자가 다녔던 회사, 경험, 연차, 연봉 데이터를 수집하여 분석하면 회사에 관심을 가지고 있는 잠재적 후보자 분류를 확인할 수 있습니다. 그리고 면접 과정에서 지원자와 대화를 통해 관심사와 가치관을 확인한다면, 브랜드 이미지를 가늠할 수 있습니다. 입사 후 온보딩 과정에서 신규 입사자가 보여주는 적응하는 모습, 성과는 채용 평가 능력을 점검할 수 있습니다. 이와 같은 데이터를 수집하려면 준비가 되어 있어야 합니다. 입사지원 전 잠재적 후보자에 대한 활동 지표를 얻으려면 자사 채용사이트가 있는 것이 좋습니다. 채용 플랫폼을 이용해서 채용공고를 노출하면 채용 인지 경로가 당연히 채용 플랫폼이 될 수밖에 없습니다. 브랜드 인지도가 부족한 회사라면 더욱 그럴 수밖에 없습니다. 브랜드 인지도가 부족한데 자사 채용사이트로 잠재적 후보자가 방문을 어떻게 하냐고 물을 수 있습니다. 당연히 많은 모수를 확보하기 어렵죠. 채용 플랫폼과 병행하더라도 자사 채용사이트는 존재해야 합니다. 그래야 탈 채용 플랫폼을 성공할 수 있습니다. 그리고 채용 플랫폼에서는 데이터를 수집할 수 없습니다. 자사 채용사이트에 채용공고 외 다양한 콘텐츠를 쌓아야 합니다. 콘텐츠를 차곡차곡 쌓아야 합니다. 브랜드 경쟁에서 승리하는 회사는 유익한 콘텐츠가 많은 곳이 될 것입니다. 브랜드 인지도는 하루아침에 얻을 수 있는 것이 아닙니다. 채용 브랜드도 마찬가지라고 생각합니다. 당장 채용공고에 지원자가 없더라도 채용사이트를 만들고 꾸준히 채용 관련 콘텐츠를 만들어서 게시해야 합니다. 채용사이트 방문자가 클릭한 콘텐츠가 무엇인지, 클릭한 콘텐츠를 타고 어떤 채용공고를 확인했는지, 채용공고를 보고 입사지원했는지, 입사지원하지 않고 이탈했는지 확인해야 합니다. 이와 같은 데이터를 확인해야 채용사이트와 채용공고, 채용 프로세스를 개선할 수 있습니다. 입사지원한 후보자를 평가하면서 유의미한 데이터를 얻으려면 객관적인 평가를 위한 준비가 필요합니다. 후보자가 제출한 이력서를 눈으로 확인하고 결과를 내리고 있다면, 지금 바로 평가표를 만들어야 합니다. 채용 솔루션은 평가를 남길 수 있는 공간과 기능을 제공하지만 평가 항목을 제시하고 있지 않습니다. 리크루터는 채용을 희망하는 현업 담당자와 함께 평가표를 만들어야 합니다. 성향, 경험, 역량, 가치, 관심 등 영역을 구분하여 확인할 수 있는 항목에 따라 객관적인 점수를 부여할 수 있어야 합니다. 물론 주관적인 판단이 들어간 점수가 맞습니다. 그래서 평가자는 2명 이상 복수로 구성하는 것이 좋습니다. 평가 후에는 서로 어떤 기준으로 점수를 부여했는지 회고해야 합니다. 회고에는 리크루터가 함께 참여하는 것이 좋습니다. 회고를 통해 주관적인 평가 기준을 객관화할 수 있다고 생각합니다. 서류 전형과 면접 절차마다 평가를 진행하여 주관적인 견해와 객관적인 점수가 어떻게 변화하는지 관찰해야 합니다. 최종 합격 후 입사하여 온보딩 과정까지 이러한 평가는 지속되어야 합니다. 그래야 정말 잘 채용한 것이 맞는지 점검할 수 있습니다. 리크루터는 현업 담당자와 함께 신규 입사자를 관찰하고 보살펴야 하는 책임이 있습니다. 채용 프로세스 시작과 끝까지 각 과정마다 잠재적 후보자와 실제 지원자로부터 설문을 받는 것이 좋습니다. 채용사이트와 채용공고를 보고 개선사항에 대한 피드백을 받아서 반영해야 합니다. 서류 전형부터 면접이 진행되는 과정에서 불편함이 없었는지 체크해야 합니다. 그리고 지원자가 느낀 리크루터와 면접 평가자에 대한 의견이 있다면 역시 채용 프로세스에 반영해야 합니다. 잠재적 후보자와 지원자로부터 통계학적으로 유의미한 데이터를 물리적으로 얻어내기 쉽지 않습니다. 특히 브랜드 인지도가 부족한 회사는 더 어려울 것 같아요. 그래서 통계학적 해석보다 채용 프로세스를 경험한 사람들이 제공하는 목소리 하나하나를 귀 기울이고 데이터 베이스에 누적하여 관리하는 것이 중요하다고 생각합니다. 누적한 데이터를 바탕으로 회사에 필요한 인재의 모습을 업데이트하고, 직군에 따라 효과적으로 잠재적 후보자 모수를 많이 확보할 수 있는 채용 채널을 확인하고, 입사지원을 하게 만드는 결정적인 요인을 알고, 서류 전형과 면접에서 평가 방법을 업그레이드하고, 최종 합격한 인재가 입사 후 성공적인 온보딩을 할 수 있도록 도울 수 있습니다. •채용 퍼널에 따른 데이터를 수집하고 싶다면, 자사 채용 사이트가 필요합니다. •채용공고 인지 채널, 입사지원까지 경로와 활동 데이터로 수집합니다. •직군에 따라 성향, 경험, 역량, 가치, 관심 등 지원자 특성을 파악합니다. •서류 전형과 면접 평가표를 만들고 주관식, 객관식 평가를 남깁니다. •채용 프로세스 모든 단계에 지원자의 경험을 묻는 설문을 받습니다.

2021년 10월 1일 오후 1:43

댓글 0

함께 보면 더 좋은

데이터 분석에 도움이 되는 통계학 커리어에 도움되는 아티클 285 직무에 관계 없이 데이터 분석을 해야 하는 역할을 요구받는 시대에 제가 알고 있는 넓고 얕은 지식을 사람들과 나누기 위해 공부를 하고 있습니다. 공부를 하면 할 수록 제가 가지고 있는 지식이 얼마나 얕은지 새삼 깨닫게 되는 것 같습니다. 데이터 분석과 시각화 라는 주제로 수업을 준비하고 있습니다. 밑도 끝도 없이 시키는 일로 배운 기술에는 한계가 있기 때문에 분석의 기본인 통계를 알아야겠다는 생각이 들었습니다. 제목만 들어도 어렵게 느껴지는 통계를 초등학생에게 설명하듯 이해하기 쉽게 풀어낸 책이 없을까 찾고 있었는데요. 집에 읽지도 않은 통계와 데이터 분석 관련 전문 서적과 다르게 오늘 소개하는 책은 통계에 대한 기본 개념을 정말 쉽게 잘 설명해 주고 있습니다. 특히, 주변에서 흔하게 만날 수 있는 사례를 통해 통계 개념을 설명하는 부분이 정말 좋습니다 :) 저자가 이야기하고, 읽으면서 무릎을 딱 쳤던 내용이 있는데요. 통계를 통해 ‘성공 확률을 높이는 방법’을 몸에 익힐 수 있다는 것과 과학적인 순서를 따르면 높은 확률의 추리가 가능하다는 점이었습니다. 이를 통해 근거 있는 설명과 논의가 가능해 진다는 논리가 그 동안 놓치고 있었던 일 하는 방식을 정립해 주는 기회가 되었습니다. [책] 이렇게 쉬운 통계학 저자 혼마루 료 통계학은 크게 두 종류로 분류됩니다. - 기술 통계학 : 모든 데이터를 다루는 것이 기본 - 추측 통계학 : 표본에서 원래 집단의 특징 등을 추정 기술 통계학이란 조사 대상 (모집단)에 대해 전수 조사를 기본으로 하여 그 특징을 기술하는 통계학입니다. 추측 통계학이란 모집단이 너무 커서 표본 밖에 모을 수 없을 때, 샘플 데이터로 전체 모집단의 성질을 추측하는 방법을 의미합니다. 데이터 전체의 특징을 단 하나의 데이터로 나타내는, 하나의 데이터로 전체를 대표하는 값을 대표값이라 부릅니다. 대표값으로는 평균, 중앙값, 최빈값 세 가지 내용이 잘 알려졌습니다. 데이터의 폭이나 흩어짐 상태를 나타내는 것이 산포도라 불리는 다음 세개의 값입니다. 분산 (표준편차), 사분위범위, 범위 추측 통계에서 이야기하는 추정이란 ‘원래 집단’의 평균, 분산 또는 비율 등을 일컫습니다. 추정 (통계적 추정) : 소수의 표본 데이터에서 전체 집단 (모집단)의 특징을 추측 가설검정(검증) : 전체 집단에 대해, 특정 가설의 검정을 일정 확률로 검정 가설검정이란 A 가설이 올바르다고 가정할 때, 확률적으로 일어날 수 없는 아주 희귀한 일이 일어난다면 A 가설 자체가 잘못되었을 가능성이 크다는 것으로, 최초의 A 가설을 부정하고 남은 B 가설을 채택한다는 원리입니다. 가설검정 순수 1) 대립가설 설정 2) 귀무가설 설정 3) 귀무가설이 올바르다고 가정 4) 유의수준 설정 (보통 5%로 설정) 5) 대립가설을 고려한 기각역 설정 6) 실제 데이터로 판단 7) 기각역 안쪽 ➔ 대립가설 채택, 기각역 범위 밖 ➔ 귀무가설을 수용

이렇게 쉬운 통계학

Hanbit

추천 프로필

현직자에게 업계 주요 소식을 받아보세요.

현직자들의 '진짜 인사이트'가 담긴 업계 주요 소식을 받아보세요.

커리어리 | 일잘러들의 커리어 SNS