왜 People Analytics인가?
머니볼(2011)은 2002년의 실화를 바탕으로 한 영화이다. 머니볼의 빌리 빈(브레드 피트)은 선수 개개인의 경기기록을 활용하여 1루에 진루할 수 있는 능력이 높은 선수를 추려낸다. 개개인의 연봉을 고려하여 비용대비 효과가 큰 선수들을 영입하고, 적은 선수들은 내보낸다. 이와 같은 전에 없던 구단 운영방식을 많은 이들이 비웃었다. 하지만 결과는? 최약체 팀 오클랜드의 20연승이었다. 팀에 필요한 ‘1루 진루’라는 성과를 달성할 확률이 높은 개개인으로 팀을 구성했고, 이는 ‘팀 승리’라는 성과로 연결되었다.
최근에는 경영현장에서도 이처럼 사람에 대한 자료를 바탕으로, 결과에 영향을 주는 요인을 밝히고, 이를 조절하기 위한 시도가 이루어지고 있다. 구글이나, 마이크로소프트와 같은 기업이 대표적이다. 맥킨지와 같은 글로벌 컨설팅 업체 역시 자료 분석에 기반을 둔 컨설팅을 진행하고 있다.
예를 들어, HR의 영역에서는 개별 인재들의 이직확률을 예측하기도 한다. 단순한 예측에서 그치지 않고, 기업에 꼭 필요한 인재의 이직을 예방하기 위해 어떠한 요인들을 관리해야 하는지 밝혀내고자 한다. 이직률을 낮추는 데 영향을 주는 요인을 밝혀낸다면, 이 요인을 조절하는 방안을 고안하여 핵심인재의 retention을 유도할 수 있다. 핵심기술을 가능하게 하는 핵심인재들이 기업 내에 존재한다는 것은 생산시설이나, 연구시설과 같은 하드웨어와 마찬가지로 기업의 성패를 가르는 중요한 요인이다.
또 다른 예를 들어보자. 마케팅의 영역에서는 자사 제품에 대한 고객의 선호도, 매장방문 시간, 매장 직원의 친절도 등과 같은 요인을 측정하여, 실제 고객이 제품을 구매할지 하지 않을지를 예측하기도 한다. 잘 만들어진 제품과 서비스도 중요하지만, 이를 소비하고 사용하는 고객에 대한 연구가 없다면, 팔리지 않는 제품과 서비스가 될 뿐이다. 기업의 제품과 서비스를 가능하게 하는 R&D와 생산과 같은 영역이 여전히 중요하지만, 이제는 R&D와 생산을 가능하게 하는 ‘임직원’, 우리의 제품과 서비스를 구매할 ‘고객’, 즉 ‘사람’에 대한 연구와 의사결정 역시 중요해졌다.
우리는 그동안 이러한 사람에 대한 의사결정을 어떻게 해왔는가? 단언하기는 어렵지만, 많은 기업의 HR이나 마케팅 부서 등과 같이 사람에 대한 의사결정을 해야 하는 부서들은 자료를 분석하는 대신, ‘경험’과 경험을 바탕으로 발달한 ‘감’과 ‘촉’으로 의사결정을 해오고 있었는지도 모르겠다. 혹자는 이렇게 물을 수도 있겠다. 지금까지의 그 경험과 감, 그리고 촉이 중소기업과 대기업의 성공 신화를 만들었는데, 앞으로도 전과 같이 하는 것이 문제가 될까?
앞서 언급한 것과 같이 새로운 시대가 도래하고 있다. 새로운 기술이 유입되고 있고, 새로운 세대와 함께 일하는 시대가 되었다. 장강의 뒷 물결이 앞 물결을 밀어내듯, 변화는 일상이 되었고, 속도는 전례 없다. 20~30년 전의 성공 경험과 그 경험으로 만들어진 감과 촉은 한 치 앞을 예측할 수 없는 새로운 시대에서 과거와 같은 성공을 담보하지 못한다. 우리의 의사결정도 이에 발맞추어 그 방식이 바뀌어야 하며, 특히 새로운 시대에 ‘사람’에 대한 의사결정은 더욱 그러하다. People Analytics가 필요한 이유이다.

왜 이 책이 필요한가?
최근 People Analytics의 중요성이 강조되고, 국내외 유수의 기업들이 선진적으로 이를 도입하고자 노력하고 있다. 이에 발맞추어 People Analytics를 적용하여 문제를 해결하거나, 새로운 시도를 하는 기업들의 다양한 사례를 담은 도서들이 출간되고 있다. 문제는 이러한 ‘새로운 시도에 대한 소개’는 지속되고 있으나, 실제 어떻게 구인을 측정하고 자료를 수집해야 하는지, 이 자료를 어떻게 분석해야 하는지를 다루는 도서는 찾아보기 힘들다는 점이다. 반대로, ‘어떻게’를 다루는 통계 중심의 도서들은 계량적 배경지식이 많지 않은 기업의 담당자들이 이해하기에는 쉽지 않다. 또한, 실제 통계 프로그램을 어떻게 실행하고, 분석의 결과를 해석해야 하는지에 대해서 불친절하다는 점도 문제이다. 이러한 상황에서 전보다 더 나은 방법을 필요한 이들에게 전파하여 도움이 되고자 하는 행동과학 측정과 통계를 전공한 학자로서의 책임의식으로 이 책을 저술하게 되었다.
？People Analytics？의 각 Chapter는 기본적으로 다음과 같은 구성, 접근방식을 통해 People Analytics를 적용하고자 하는 기업의 담당자들에게 도움을 주고자 한다.

？ Chapter / Situation
기업의 담당자들이 People Analytics를 적용하는 데 있어 실제로 궁금해하는 질문, 주제를 바탕으로 각 Chapter를 구성하였다. 질문 자체를 각 Chapter의 제목으로 구성하였으며, 각 Chapter의 첫 번째 구성요소인 ‘Situation’에서는 질문자의 상황을 구체적으로 서술, 제시하였다. 통계에 대한 기초지식이 없다면, 기본적으로는 책을 순서대로 읽어나가길 권장하나, 어느 정도 배경지식이 있고, 본인이 해결해야 할 문제가 각 Chapter의 주제와 일치하는 부분이 있는 경우라면, 해당 Chapter의 내용을 발췌독하는 것도 가능하다.
？ Solution / Statistics
두 번째 구성요소인 ‘Solution’에는 각 Chapter의 Situation에서 제시한 주제를 해결하기 위해서 적용해야 하는 통계 방법론이 무엇인지 제시하고, 개략적으로 설명해두었다. 이어서 세 번째 구성요소인 ‘Statistics’에는 Solution에서 제시한 통계 방법론에 대한 이론적 설명을 보충하였다. 통계 방법론은 수학과 논리 등의 종합적 결과물이므로, 그 진입장벽이 높다. 아마 이전에 통계 학습을 시도해 본 독자가 중간에 포기한 경험이 있다면, 복잡한 수식과 여러 용어에 대한 이해에 어려움을 느꼈기 때문일 것이다. 본 도서에서는 이러한 독자들을 위해 수식은 최대한 아끼고, 필요한 부분에만 삽입하였다. 기본적인 수준의 수학적 지식만 가지고 있다면, 수식을 이해하는 데 큰 어려움은 없을 것이라고 생각한다. 마찬가지로, 통계 용어와 관련해서도 꼭 필요한 용어만 사용하도록 하였다. 또한, 지속적으로 예시를 들고, 반복적으로 설명하여 이해를 높이고자 하였다.
？ Application/Same application in different situations
‘Application’에서는 Situation에서 제시한 상황을 해결하기 위하여, 실제 통계 프로그램을 어떻게 조작해야 하는지 다루었다. 화면 capture를 통해 각 단계를 step by step으로 따라할 수 있도록 구성하였다. 또한, 분석 결과를 어떻게 해석해야 하는지 자세히 기술하여 그 적용성을 높였다. 실습이 있는 Chapter는 해당 Chapter의 실습 파일을 다운로드 받아 반드시 책과 같이 분석을 해보고, 나아가 본인의 자료에 적용해보기를 권장한다. 다른 여타의 학문도 마찬가지겠지만, 자료분석 방법은 적용해보지 않으면, 완전히 학습되지 않기 때문이다. ‘Same application in different situations’에서는 동일한 측정, 통계 방법을 적용하여 해결할 수 있는 주제를 추가적으로 제시하였다. 이것을 통해 학습한 내용을 적용할 수 있는 상황을 지속적으로 생각해보고 이해도와 그 적용성을 높여가기 바란다.
* data download url: http://www.seheehong.com의 DATA 페이지에서 제공

본 책에서는 첫 번째 Chapter에서 측정과 통계를 이해하기 위해 필요한 기본적인 지식, 개념 등을 제시하였다. 또한, 가장 마지막 Chapter에는 실습에 사용되는 프로그램에 대한 소개, 다운로드 및 설치, 구성 등을 정리해두었다. 자료분석 방법을 이해하기 위해서는 개념과 이론뿐만 아니라 이를 가능하게 하는 프로그램에 대한 이해가 필수적이므로 마지막 Chapter도 꼭 정독하기를 권장한다. 기본적으로 각 Chapter는 위에서 말한 Situation, Solution, Statistics, Application, Same application in different situations으로 이루어졌으나, 실습이 필요 없는 Chapter나 기본지식, 통계 프로그램에 대한 설명을 다루는 Chapter는 그 구성이 다소 상이하니 참고하기 바란다.

대상 독자
본 도서는 기본적으로 people data를 다루는 기업의 담당자를 독자로 가정하여 저술되었다. HR이나 마케팅 관련 업무 담당자들은 본 도서 학습을 통해 담당업무 개선을 위한 여러 idea를 꾀할 수 있을 것이라고 기대한다. 나아가 행동과학 분야의 대학원생, 대학 관계자, 연구자들도 이 책을 통해 자료분석 지식과 프로그램 사용에 대한 이해를 높일 수 있을 것이라고 생각한다.

고려대학교 교육측정 및 통계 연구실의 집필진
본 도서의 집필진은 교육측정 및 통계를 전공으로 하고 있지만, 모두 측정, 통계 방법의 기업 people data 적용에 지대한 관심이 있다. 책임저자인 홍세희 교수는 석사전공으로 산업 및 조직심리학을 공부했고, 박사전공으로 행동과학 계량(계량 심리학)을 공부했다. 따라서, 순수 계량 발전에 대한 연구에도 관심이 높지만, 고급계량 방법을 기업 data에 적용하는 데 많은 관심을 가지고 있다. 이러한 관심을 바탕으로 고려대학교 교육측정 및 통계 연구실은 여러 기업에 자료분석에 대한 자문 및 프로젝트를 수행해 오고 있다. 최근 수행한 자문이나 프로젝트의 몇 가지 예는 아래와 같다.
？역량측정 도구개발 및 해석 가이드 개발: 기업에서 필요로 하는 역량을 정의하고 이를 측정하는 검사도구를 개발하였다. 각 개인에게 제공되는 해석가이드도 함께 개발하였다.
？역량과 직무 사이의 적합도 지수개발: 개인의 역량패턴(예: 창의성이 높고 관계성은 낮다)에 따라 어떤 직무가 적합한지 그 정도를 보여주는 지수(index)를 개발하였다. 역량검사를 실시하면 어떤 직무에 잘 맞는지 상위 5개 직무를 추천해주는 알고리즘을 개발하고 이에 따라 추천해주는 컴퓨터 프로그램을 개발하였다.
？이직을 예측하는 계량모형 개발: 대개의 이직예측 모형은 이직 가능성(확률)만 예측하지만, 이직 시점(이직 확률이 특정 정도를 넘어서는 시점)까지 예측하는 계량모형을 개발하였다. 이직뿐만 아니라 특정 사건의 발생 여부와 시점(예: 승진)도 마찬가지 방법으로 예측할 수 있다.
？동일한 내용을 측정하는 다른 두 검사의 점수를 비교가 가능하도록 변환: 특정 내용(예: 업무만족감)을 측정하는 A 검사를 사용해오고 있었지만, 어떤 이유로 B 검사를 사용해야 한다면 새로운 검사로부터 얻은 점수를 기존의 검사점수와 비교할 수 없다는 문제가 생긴다. 그러나 측정이론을 통해 두 검사점수를 비교가능하도록 동등화(equating)하였다.
？솔직한 응답을 유도하는 측정방식으로 검사개발: 기업에서 사용하는 검사를 해석하는 데 가장 큰 문제점을 응답자가 솔직하게 답변하지 않고 바람직한 방향으로 답변을 한다는 점이다. 따라서 채점을 해보면 모든 점수가 높게 나타난다(예: 모든 리더십 점수가 높게 나타난다). 이런 사회적 바람직성(social desirability)이나 거짓(faking)을 통제하는 방식의 검사를 개발하고 점수화하였다.
？면접자의 차이를 통제하여(고려하여) 비교가 가능한 점수도출: 면접자에 따라 엄격성이 다르므로 다른 면접자로부터 나온 평가점수는 비교가 가능하지 않다. 면접자의 엄격성을 통제하여 면접점수를 도출하였다.
？뇌파를 측정하고 상태 판별: 학습자의 뇌파를 측정한 바이오 데이터를 통해 상태를 판별하는 알고리즘 개발에 참여하였다. 해당 결과에 대한 해석가이드를 개발하였다.

이러한 다양한 자문 및 프로젝트 수행경험이 본 책을 집필하는 데 많은 도움이 되었음은 물론이다.

자문관련 문의
자문관련 문의는 책임저자인 고려대학교 교육학과 교육측정 및 통계 연구실 홍세희 교수의 메일로 연락하기 바란다.
* seheehong@korea.ac.kr

？People Analytics: 측정 편？ 출판계획
본 책은 ？People Analytics: 자료분석 편？이며 곧 ？People Analytics: 측정 편？을 출판할 예정이다. 측정 편에서는 검사개발 방법, 신뢰도, 타당도, 표준점수화, 검사타당화, 문항의 적절성 분석 등의 기법을 다룰 것이다. 자료분석을 위해서는 측정이 선행되어야 하는데 대부분의 학문에서는 객관적으로 실존하는 것을 측정하므로(예: 판매량, 근무기간), 별도의 측정기법이 필요없는 편이다. 하지만 업무만족감, 역량, 태도 등의 변수는 추상적인 개념이며 측정방식이 관찰, 자기보고식 등으로 다양할 수 있다. 또한 어떻게 객관적인 점수화를 할 것인가도 문제가 된다. 특히 면접자가 다르거나 복수의 검사점수가 존재할 때 비교가 가능한 점수를 산출하는 것은 간단한 문제가 아니다. 교육학이나 심리학은 항상 이런 변수를 다루어 왔기 때문에 타 학문에 비해 측정이란 학문 분야, 즉 educational measurement, psychometrics 분야가 오랜 기간에 걸쳐 발전되어 왔다. 이에 교육측정 및 통계 분야에서 발전한 기법들을 소개하고자 한다.

마지막으로 본 도서가 발간되기까지 도움을 주신 모든 분들께 감사드린다. 모든 공저자가 수고가 많았다. 특히, 오하이오주립대학교 박사과정에 재학 중인 양준영의 노고가 있었다. 양준영은 대학원 진학 전 LG인화원 및 LG화학에서 근무했던 경험을 바탕으로 각 chapter의 실제적인 시나리오를 구상하고, 모든 공저자의 원고를 모아 유학을 떠나기 직전까지 통합하고 수정하는 수고를 아끼지 않았다. 감사를 표한다.

공부는 덧칠이다. 특히나 이와 같이 쉽지 않은 학문은 도중에 포기하지 않고, 반복하여 학습하는 자만이 성취할 수 있는 영역이다. 여러분들도 읽고, 본인의 자료에 대한 적용을 반복하다 보면, 남들이 가지지 못한 진입장벽이 높은 무기 하나를 갖게 될 것이니, 부단한 노력으로 그 무기를 갖게 되기를 바란다.

2021년 3월
코로나 종식과 따뜻한 봄을 기다리며
고려대학교 운초우선교육관 연구실에서
홍 세 희

CHAPTER 1
통계 분석결과를 해석하는데 기본적으로 알아야 할 내용은 무엇이 있나요? 1
- 가설(hypothesis), 유의수준(significance level), 기각역(rejection region), 검정통계량(test statistic), 유의확률(p-value) -

CHAPTER 2
신제품 출시를 앞두고, 매장 방문 고객의 절반에게는 구매 의사만을 묻고, 나머지 고객에게는 신제품 sample을 제공한 후 구매 의사를 묻는 마케팅을 하였습니다. sample을 받은 고객과 받지 않은 고객의 구매 의사 평균이 다른데, 이 차이가 통계적으로 의미 있는 차이인지 검증할 수 있을까요? 15
- 독립표본 t검정(independent samples t-test), 종속표본 t검정(dependent samples t-test), 분산분석(ANOVA, analysis of variance) -

CHAPTER 3
교육의 효과를 증명하기 위해 교육을 받은 집단과 받지 않은 집단 각각을 대상으로 직무 전문성을 측정하였습니다. 독립표본 t검정 결과 두 집단의 전문성 평균 차이가 유의하지 않은데, 교육의 효과가 없었던 것일까요? 45
- 실험설계(experimental design), 공분산분석(ANCOVA, analysis of covariance) -

CHAPTER 4
임직원의 성과와 이에 영향을 줄 것으로 판단되는 여러 요인과의 관계를 알고 싶습니다. 각 요인이 성과에 긍정적 혹은 부정적 영향을 주는지 통계적으로 확인할 수 있을까요? 63
- 회귀분석(regression) -

CHAPTER 5
업무만족도에 어떤 요인들이 영향을 미치는지 알고 싶습니다. 사용 가능한 모든 변수를 독립변수로 설정하여 회귀분석을 하면 될까요? 85
- 이론적 배경(theoretical background) -

CHAPTER 6
성과를 예측하는 회귀모형에 이론적 배경에 근거하여 5개 독립변수를 투입하였습니다. 분석결과 출퇴근소요시간이라는 독립변수가 성과에 정적효과를 갖는 것으로 나타났습니다. 출퇴근소요시간이 늘어날수록 성과가 높아진다는 해석이 납득하기 어렵습니다. 무엇이 잘못되었을까요? 95
- 다중공선성(multicollinearity) -

CHAPTER 7
성과의 영향요인 중 어떠한 요인이 가장 큰 영향력을 갖고 있는지 알고 싶은 경우 어떻게 해야 하나요? 103
- 표준화 회귀계수(standardized coefficient) -

CHAPTER 8
팀장의 leadership 스타일을 네 가지 유형으로 구분했습니다. 팀장의 leadership 스타일이 부하의 성과에 어떠한 영향을 미치는지 알아볼 수 있을까요? 119
- 범주형 변수의 코딩 -

CHAPTER 9
직급별로 업무만족도에 대한 복지제도 만족도의 효과가 다른지 확인할 수 있나요? 143
- 집단 간 계수 비교 -

CHAPTER 10
조직적응도의 수준에 따라 업무만족도에 대한 복지제도 만족도의 효과가 달라지는지 확인할 수 있나요? 157
- 조절효과(moderation effect) -

CHAPTER 11
핵심인재를 대상으로 자격증 취득 교육과정을 운영하고 있습니다. 핵심인재 개개인들이 자격증을 취득할 수 있을지 없을지 확률로 예측할 수 있나요? 173
- 이항 로지스틱 회귀분석(binomial logistic regression) -

CHAPTER 12
고객의 예산, 실제 구매 제품에 대한 자료를 바탕으로 고객이 A, B, C 중 어떠한 제품을 구매할지 예측하고 싶습니다. 197
- 다항 로지스틱 회귀분석(multinomial logistic regression) -

CHAPTER 13
최근 경쟁사로 자사의 핵심인재가 많이 유출되고 있습니다. 핵심인재 개개인이 이직할지, 이직한다면 언제쯤 이직할 확률이 가장 높을지 등을 예측해볼 수 있을까요? 213
- 비연속시간 생존분석(discrete-time survival analysis) -

CHAPTER 14
jamovi 251

맺으며 271
Bibliography 273
Index 276

들어가며

 메이저리그 구단들은 선수들의 성적 자료와 그에 대한 분석을 바탕으로 투자하고, 구글은 People Analytics를 전담하는 부서를 중심으로 사람에 대한 모든 의사결정의 근거를 마련한다. 매체에서는 연일 인공지능(Artificial Intelligence), 빅데이터(Big data), 사물인터넷(Internet of Things, IOT) 등의 4차 산업혁명 기반기술과 이로 인해 새롭게 변화할 시대상을 이야기하고 있다. 사회 한편으로는 전통의 집단주의 가치가 몸에 밴 세대에 이어 합리적 개인주의를 지향하는 세대가 등장했음을 알리는 변화들이 나타나기 시작했다. 이전의 세대와는 다른 특징을 지닌 새로운 세대와 어떻게 협력하고 시대를 함께해야 하는지에 대한 고민은 더욱 깊어지고 있다. 이러한 새로운 변화의 물결은 그동안의 사람에 대한 의사결정 방식에 대해서도 의문을 제기한다. 기존의 ‘직감적’ 의사결정에 대한 근거를 요구한다. 위에 나열한 최근 기업, 기술, 사회의 변화 양상들은 People Analytics가 왜 필요한지 그리고 나아가 이 책이 집필된 이유를 모두 함축하고 있다.

왜 People Analytics인가?
머니볼(2011)은 2002년의 실화를 바탕으로 한 영화이다. 머니볼의 빌리 빈(브레드 피트)은 선수 개개인의 경기기록을 활용하여 1루에 진루할 수 있는 능력이 높은 선수를 추려낸다. 개개인의 연봉을 고려하여 비용대비 효과가 큰 선수들을 영입하고, 적은 선수들은 내보낸다. 이와 같은 전에 없던 구단 운영방식을 많은 이들이 비웃었다. 하지만 결과는? 최약체 팀 오클랜드의 20연승이었다. 팀에 필요한 ‘1루 진루’라는 성과를 달성할 확률이 높은 개개인으로 팀을 구성했고, 이는 ‘팀 승리’라는 성과로 연결되었다.
최근에는 경영현장에서도 이처럼 사람에 대한 자료를 바탕으로, 결과에 영향을 주는 요인을 밝히고, 이를 조절하기 위한 시도가 이루어지고 있다. 구글이나, 마이크로소프트와 같은 기업이 대표적이다. 맥킨지와 같은 글로벌 컨설팅 업체 역시 자료 분석에 기반을 둔 컨설팅을 진행하고 있다.
예를 들어, HR의 영역에서는 개별 인재들의 이직확률을 예측하기도 한다. 단순한 예측에서 그치지 않고, 기업에 꼭 필요한 인재의 이직을 예방하기 위해 어떠한 요인들을 관리해야 하는지 밝혀내고자 한다. 이직률을 낮추는 데 영향을 주는 요인을 밝혀낸다면, 이 요인을 조절하는 방안을 고안하여 핵심인재의 retention을 유도할 수 있다. 핵심기술을 가능하게 하는 핵심인재들이 기업 내에 존재한다는 것은 생산시설이나, 연구시설과 같은 하드웨어와 마찬가지로 기업의 성패를 가르는 중요한 요인이다.
또 다른 예를 들어보자. 마케팅의 영역에서는 자사 제품에 대한 고객의 선호도, 매장방문 시간, 매장 직원의 친절도 등과 같은 요인을 측정하여, 실제 고객이 제품을 구매할지 하지 않을지를 예측하기도 한다. 잘 만들어진 제품과 서비스도 중요하지만, 이를 소비하고 사용하는 고객에 대한 연구가 없다면, 팔리지 않는 제품과 서비스가 될 뿐이다. 기업의 제품과 서비스를 가능하게 하는 R&D와 생산과 같은 영역이 여전히 중요하지만, 이제는 R&D와 생산을 가능하게 하는 ‘임직원’, 우리의 제품과 서비스를 구매할 ‘고객’, 즉 ‘사람’에 대한 연구와 의사결정 역시 중요해졌다.
우리는 그동안 이러한 사람에 대한 의사결정을 어떻게 해왔는가? 단언하기는 어렵지만, 많은 기업의 HR이나 마케팅 부서 등과 같이 사람에 대한 의사결정을 해야 하는 부서들은 자료를 분석하는 대신, ‘경험’과 경험을 바탕으로 발달한 ‘감’과 ‘촉’으로 의사결정을 해오고 있었는지도 모르겠다. 혹자는 이렇게 물을 수도 있겠다. 지금까지의 그 경험과 감, 그리고 촉이 중소기업과 대기업의 성공 신화를 만들었는데, 앞으로도 전과 같이 하는 것이 문제가 될까?
앞서 언급한 것과 같이 새로운 시대가 도래하고 있다. 새로운 기술이 유입되고 있고, 새로운 세대와 함께 일하는 시대가 되었다. 장강의 뒷 물결이 앞 물결을 밀어내듯, 변화는 일상이 되었고, 속도는 전례 없다. 20~30년 전의 성공 경험과 그 경험으로 만들어진 감과 촉은 한 치 앞을 예측할 수 없는 새로운 시대에서 과거와 같은 성공을 담보하지 못한다. 우리의 의사결정도 이에 발맞추어 그 방식이 바뀌어야 하며, 특히 새로운 시대에 ‘사람’에 대한 의사결정은 더욱 그러하다. People Analytics가 필요한 이유이다.

왜 이 책이 필요한가?
최근 People Analytics의 중요성이 강조되고, 국내외 유수의 기업들이 선진적으로 이를 도입하고자 노력하고 있다. 이에 발맞추어 People Analytics를 적용하여 문제를 해결하거나, 새로운 시도를 하는 기업들의 다양한 사례를 담은 도서들이 출간되고 있다. 문제는 이러한 ‘새로운 시도에 대한 소개’는 지속되고 있으나, 실제 어떻게 구인을 측정하고 자료를 수집해야 하는지, 이 자료를 어떻게 분석해야 하는지를 다루는 도서는 찾아보기 힘들다는 점이다. 반대로, ‘어떻게’를 다루는 통계 중심의 도서들은 계량적 배경지식이 많지 않은 기업의 담당자들이 이해하기에는 쉽지 않다. 또한, 실제 통계 프로그램을 어떻게 실행하고, 분석의 결과를 해석해야 하는지에 대해서 불친절하다는 점도 문제이다. 이러한 상황에서 전보다 더 나은 방법을 필요한 이들에게 전파하여 도움이 되고자 하는 행동과학 측정과 통계를 전공한 학자로서의 책임의식으로 이 책을 저술하게 되었다.
｢People Analytics｣의 각 Chapter는 기본적으로 다음과 같은 구성, 접근방식을 통해 People Analytics를 적용하고자 하는 기업의 담당자들에게 도움을 주고자 한다.

 Chapter / Situation
기업의 담당자들이 People Analytics를 적용하는 데 있어 실제로 궁금해하는 질문, 주제를 바탕으로 각 Chapter를 구성하였다. 질문 자체를 각 Chapter의 제목으로 구성하였으며, 각 Chapter의 첫 번째 구성요소인 ‘Situation’에서는 질문자의 상황을 구체적으로 서술, 제시하였다. 통계에 대한 기초지식이 없다면, 기본적으로는 책을 순서대로 읽어나가길 권장하나, 어느 정도 배경지식이 있고, 본인이 해결해야 할 문제가 각 Chapter의 주제와 일치하는 부분이 있는 경우라면, 해당 Chapter의 내용을 발췌독하는 것도 가능하다.
 Solution / Statistics
두 번째 구성요소인 ‘Solution’에는 각 Chapter의 Situation에서 제시한 주제를 해결하기 위해서 적용해야 하는 통계 방법론이 무엇인지 제시하고, 개략적으로 설명해두었다. 이어서 세 번째 구성요소인 ‘Statistics’에는 Solution에서 제시한 통계 방법론에 대한 이론적 설명을 보충하였다. 통계 방법론은 수학과 논리 등의 종합적 결과물이므로, 그 진입장벽이 높다. 아마 이전에 통계 학습을 시도해 본 독자가 중간에 포기한 경험이 있다면, 복잡한 수식과 여러 용어에 대한 이해에 어려움을 느꼈기 때문일 것이다. 본 도서에서는 이러한 독자들을 위해 수식은 최대한 아끼고, 필요한 부분에만 삽입하였다. 기본적인 수준의 수학적 지식만 가지고 있다면, 수식을 이해하는 데 큰 어려움은 없을 것이라고 생각한다. 마찬가지로, 통계 용어와 관련해서도 꼭 필요한 용어만 사용하도록 하였다. 또한, 지속적으로 예시를 들고, 반복적으로 설명하여 이해를 높이고자 하였다.
 Application/Same application in different situations
‘Application’에서는 Situation에서 제시한 상황을 해결하기 위하여, 실제 통계 프로그램을 어떻게 조작해야 하는지 다루었다. 화면 capture를 통해 각 단계를 step by step으로 따라할 수 있도록 구성하였다. 또한, 분석 결과를 어떻게 해석해야 하는지 자세히 기술하여 그 적용성을 높였다. 실습이 있는 Chapter는 해당 Chapter의 실습 파일을 다운로드 받아 반드시 책과 같이 분석을 해보고, 나아가 본인의 자료에 적용해보기를 권장한다. 다른 여타의 학문도 마찬가지겠지만, 자료분석 방법은 적용해보지 않으면, 완전히 학습되지 않기 때문이다. ‘Same application in different situations’에서는 동일한 측정, 통계 방법을 적용하여 해결할 수 있는 주제를 추가적으로 제시하였다. 이것을 통해 학습한 내용을 적용할 수 있는 상황을 지속적으로 생각해보고 이해도와 그 적용성을 높여가기 바란다.
 * data download url: http://www.seheehong.com의 DATA 페이지에서 제공

 본 책에서는 첫 번째 Chapter에서 측정과 통계를 이해하기 위해 필요한 기본적인 지식, 개념 등을 제시하였다. 또한, 가장 마지막 Chapter에는 실습에 사용되는 프로그램에 대한 소개, 다운로드 및 설치, 구성 등을 정리해두었다. 자료분석 방법을 이해하기 위해서는 개념과 이론뿐만 아니라 이를 가능하게 하는 프로그램에 대한 이해가 필수적이므로 마지막 Chapter도 꼭 정독하기를 권장한다. 기본적으로 각 Chapter는 위에서 말한 Situation, Solution, Statistics, Application, Same application in different situations으로 이루어졌으나, 실습이 필요 없는 Chapter나 기본지식, 통계 프로그램에 대한 설명을 다루는 Chapter는 그 구성이 다소 상이하니 참고하기 바란다.

대상 독자
 본 도서는 기본적으로 people data를 다루는 기업의 담당자를 독자로 가정하여 저술되었다. HR이나 마케팅 관련 업무 담당자들은 본 도서 학습을 통해 담당업무 개선을 위한 여러 idea를 꾀할 수 있을 것이라고 기대한다. 나아가 행동과학 분야의 대학원생, 대학 관계자, 연구자들도 이 책을 통해 자료분석 지식과 프로그램 사용에 대한 이해를 높일 수 있을 것이라고 생각한다.

고려대학교 교육측정 및 통계 연구실의 집필진
 본 도서의 집필진은 교육측정 및 통계를 전공으로 하고 있지만, 모두 측정, 통계 방법의 기업 people data 적용에 지대한 관심이 있다. 책임저자인 홍세희 교수는 석사전공으로 산업 및 조직심리학을 공부했고, 박사전공으로 행동과학 계량(계량 심리학)을 공부했다. 따라서, 순수 계량 발전에 대한 연구에도 관심이 높지만, 고급계량 방법을 기업 data에 적용하는 데 많은 관심을 가지고 있다. 이러한 관심을 바탕으로 고려대학교 교육측정 및 통계 연구실은 여러 기업에 자료분석에 대한 자문 및 프로젝트를 수행해 오고 있다. 최근 수행한 자문이나 프로젝트의 몇 가지 예는 아래와 같다.
⦁역량측정 도구개발 및 해석 가이드 개발: 기업에서 필요로 하는 역량을 정의하고 이를 측정하는 검사도구를 개발하였다. 각 개인에게 제공되는 해석가이드도 함께 개발하였다.
⦁역량과 직무 사이의 적합도 지수개발: 개인의 역량패턴(예: 창의성이 높고 관계성은 낮다)에 따라 어떤 직무가 적합한지 그 정도를 보여주는 지수(index)를 개발하였다. 역량검사를 실시하면 어떤 직무에 잘 맞는지 상위 5개 직무를 추천해주는 알고리즘을 개발하고 이에 따라 추천해주는 컴퓨터 프로그램을 개발하였다.
⦁이직을 예측하는 계량모형 개발: 대개의 이직예측 모형은 이직 가능성(확률)만 예측하지만, 이직 시점(이직 확률이 특정 정도를 넘어서는 시점)까지 예측하는 계량모형을 개발하였다. 이직뿐만 아니라 특정 사건의 발생 여부와 시점(예: 승진)도 마찬가지 방법으로 예측할 수 있다.
⦁동일한 내용을 측정하는 다른 두 검사의 점수를 비교가 가능하도록 변환: 특정 내용(예: 업무만족감)을 측정하는 A 검사를 사용해오고 있었지만, 어떤 이유로 B 검사를 사용해야 한다면 새로운 검사로부터 얻은 점수를 기존의 검사점수와 비교할 수 없다는 문제가 생긴다. 그러나 측정이론을 통해 두 검사점수를 비교가능하도록 동등화(equating)하였다.
⦁솔직한 응답을 유도하는 측정방식으로 검사개발: 기업에서 사용하는 검사를 해석하는 데 가장 큰 문제점을 응답자가 솔직하게 답변하지 않고 바람직한 방향으로 답변을 한다는 점이다. 따라서 채점을 해보면 모든 점수가 높게 나타난다(예: 모든 리더십 점수가 높게 나타난다). 이런 사회적 바람직성(social desirability)이나 거짓(faking)을 통제하는 방식의 검사를 개발하고 점수화하였다.
⦁면접자의 차이를 통제하여(고려하여) 비교가 가능한 점수도출: 면접자에 따라 엄격성이 다르므로 다른 면접자로부터 나온 평가점수는 비교가 가능하지 않다. 면접자의 엄격성을 통제하여 면접점수를 도출하였다.
⦁뇌파를 측정하고 상태 판별: 학습자의 뇌파를 측정한 바이오 데이터를 통해 상태를 판별하는 알고리즘 개발에 참여하였다. 해당 결과에 대한 해석가이드를 개발하였다.

이러한 다양한 자문 및 프로젝트 수행경험이 본 책을 집필하는 데 많은 도움이 되었음은 물론이다.

자문관련 문의
 자문관련 문의는 책임저자인 고려대학교 교육학과 교육측정 및 통계 연구실 홍세희 교수의 메일로 연락하기 바란다.
 * seheehong@korea.ac.kr

｢People Analytics: 측정 편｣ 출판계획
 본 책은 ｢People Analytics: 자료분석 편｣이며 곧 ｢People Analytics: 측정 편｣을 출판할 예정이다. 측정 편에서는 검사개발 방법, 신뢰도, 타당도, 표준점수화, 검사타당화, 문항의 적절성 분석 등의 기법을 다룰 것이다. 자료분석을 위해서는 측정이 선행되어야 하는데 대부분의 학문에서는 객관적으로 실존하는 것을 측정하므로(예: 판매량, 근무기간), 별도의 측정기법이 필요없는 편이다. 하지만 업무만족감, 역량, 태도 등의 변수는 추상적인 개념이며 측정방식이 관찰, 자기보고식 등으로 다양할 수 있다. 또한 어떻게 객관적인 점수화를 할 것인가도 문제가 된다. 특히 면접자가 다르거나 복수의 검사점수가 존재할 때 비교가 가능한 점수를 산출하는 것은 간단한 문제가 아니다. 교육학이나 심리학은 항상 이런 변수를 다루어 왔기 때문에 타 학문에 비해 측정이란 학문 분야, 즉 educational measurement, psychometrics 분야가 오랜 기간에 걸쳐 발전되어 왔다. 이에 교육측정 및 통계 분야에서 발전한 기법들을 소개하고자 한다.

마지막으로 본 도서가 발간되기까지 도움을 주신 모든 분들께 감사드린다. 모든 공저자가 수고가 많았다. 특히, 오하이오주립대학교 박사과정에 재학 중인 양준영의 노고가 있었다. 양준영은 대학원 진학 전 LG인화원 및 LG화학에서 근무했던 경험을 바탕으로 각 chapter의 실제적인 시나리오를 구상하고, 모든 공저자의 원고를 모아 유학을 떠나기 직전까지 통합하고 수정하는 수고를 아끼지 않았다. 감사를 표한다.

공부는 덧칠이다. 특히나 이와 같이 쉽지 않은 학문은 도중에 포기하지 않고, 반복하여 학습하는 자만이 성취할 수 있는 영역이다. 여러분들도 읽고, 본인의 자료에 대한 적용을 반복하다 보면, 남들이 가지지 못한 진입장벽이 높은 무기 하나를 갖게 될 것이니, 부단한 노력으로 그 무기를 갖게 되기를 바란다.

2021년 3월
코로나 종식과 따뜻한 봄을 기다리며
고려대학교 운초우선교육관 연구실에서
홍 세 희