'직감' 대신 '데이터'로 채용한다! 데이터 기반 채용

빅데이터 시대, 데이터는 '4차 산업혁명의 원유'로 불려요. 지원자가 채용공고를 보고 채용 사이트에 접속해 지원하는 순간부터 이메일, 서류 제출, 인적성 검사, 면접평가표, 합격/불합격 메시지, 계약서 서명, 온보딩, 오프보딩 등 온라인에서 하는 모든 행동이 데이터망에 저장되요. 검증되지 않은 채용은 뒤탈이 나지만, 데이터는 편견이 없고 시행착오도 적습니다. 더 이상 개인의 직감에 의존하지 않고 개인과 조직의 적합성을 살펴보는 ‘데이터 기반 채용'이 확산되고 있어요.

 

# 개인의 촉에 의지하지 않는 ‘데이터 기반 채용’

'데이터 기반 채용(Data-Driven Recruitment)’은 지속적으로 데이터를 수집하고 분석하여 정보에 입각한 채용 결정을 내리는 것을 말해요. 데이터 기반 채용이라는 말은 단순히 사람이 하던 일을 자동화하는 차원을 넘어, 데이터를 근거로 과학적 분석을 통해서 조직에 맞는 인재를 선발하고 기업의 성과를 높인다는 것입니다.

 

이 방법은 '직감'으로 하는 주관적인 판단에 의존하는 기존 채용 프로세스와 극명하게 대조되요. ‘직감’으로 하는 '직관적 사고(Intuitive Thinking)'에서 '데이터'로 하는 '분석적 사고(Analytical Thinking)'로의 대전환이 이루어지고 있답니다.

 

전통적인 채용이 인간 중심 프로세스였다면, 데이터 기반 채용은 빅데이터와 분석 도구의 통합으로 대변혁을 가져왔어요. 데이터 기반 채용은 정량화 할 수 있는 지표와 증거 기반 통찰력을 바탕으로 지원자의 적합성을 평가하고 성과를 예측해요. 데이터 분석을 기반으로 지원자를 평가하고 관리자가 데이터에 기초한 결정을 내리는데 도움이 되는 통찰력을 제공할 수 있어요.

 

링크드인의 「2020년 채용현황 보고서」에서 채용전략에 데이터와 분석 기능을 사용하는 조직은 양질의 채용을 할 가능성이 1.9배 높다고 밝힌 바 있어요. 데이터 기반 채용으로 채용 기간은 28% 단축될 수 있고, 인재 유지 기간은 17% 증가할 수 있다는 것이죠.

 

‘SHRM(인적자원관리협회)'의 2021년 조사에서도 데이터 분석을 활용하는 조직의 80%가 직원의 질을 높이는 데 효과를 봤고, 75%는 채용 기간을 단축하는 데 도움이 됐다는 통계 자료가 있어요.

 

이러한 통계는 데이터 기반 채용이 앞으로 더욱 활성될 전망을 시사해요. 기업은 지표를 통해 과거 채용 데이터를 분석해 성공적인 직원의 특성을 파악하고, 새로운 배치에서 우선순위를 정해 후보자의 직무 적합성을 높이고 이직률을 줄일 수 있답니다.

 

한편 데이터로 사람을 뽑는 서비스도 자리를 잡아가고 있는데요. 원티드랩은 AI 엔진을 활용한 데이터 기반 채용 서비스를 제공해요. 원티드랩은 플랫폼 내 600만 개 이상의 실시간 매칭 결과 데이터를 바탕으로 합격률 예측이 가능한 AI 매칭 알고리즘을 개발했어요.

 

AI 매칭이란 구직자가 이력서를 올린 후 관심 있는 포지션에 대한 직무, 자격요건, 우대사항 등을 입력하면 해당 포지션과 지원자 사이 AI 알고리즘이 매칭률을 분석해 합격률을 예측해 주는 시스템이예요. 이 매칭시스템을 통해 최적의 채용 매칭을 추천하죠. 합격률은 일반 지원 대비 4배 이상 높고, 채용에 드는 시간도 통상적으로 90일에서 27일로 70%나 단축시켰답니다.

 

# 데이터로 채용 혁신을 시작한다

세계적 기업들은 이미 ‘데이터 기반 채용'으로 인재를 선발하고 있습니다. 구글, 마이크로소프트 등 글로벌 기업의 조직에서는 ‘HR Analytics'팀에서 ‘People Analytics’팀으로 바뀌고 있어요. 팀 이름의 변화는 사람을 단지 인적자원(Human Resource)으로 보는 것을 반대하는 사람들이 늘어나고 있기 때문입니다. ‘사람은 한 번 쓰고 버리는 리소스'가 아니라 '존재' 자체로 보자는 관점이죠.

 

구글의 성장동력은 사실 채용 데이터에서 시작했다고 할 수 있어요. 구글 뉴스, 지메일, 애드센스 등처럼 새로운 서비스를 탄생시킨 200% 타임, 공짜음식, 다양한 놀이 공간과 활동 제공 등 파격적인 인사 정책들은 모두 데이터에 근거해 도출돼 운영되고 있어요.

 

구글에서 먼저 시작한 '피플 애널리틱스(People Analytics)'는 말 그대로 '인재분석 기술'을 뜻합니다. 고객, 이해관계자, 직원 등을 모두 포괄하는 큰 범주를 가리켜요 한마디로 조직원과 성과의 관계를 객관적으로 분석해 주는 ‘데이터 기반 경영' 도구를 말해요.

 

빅데이터 기술을 통해 직원들의 방대한 행동 패턴을 분석함으로써 '직감'에 의존했던 조직원들의 성향과 성과를 시각화, 정량화해 줘요. 특히 채용 데이터를 바탕으로 선발도구나 프로세스의 효용성을 검증할 수 있어서 단시간에 채용의 질을 향상시킬 수 있죠.

 

구글의 파이랩(PiLab, People & Innovation Lab)은 데이터 분석을 통해 '채용 속도’와 ‘면접인원’이 고용의 질에 영향을 미친다는 것을 발견했어요. 이후 기존 6개월 이상 소요되던 채용 프로세스를 47일로 단축시키고 15명 이상 참여하던 면접관 수도 4명으로 과감히 축소해 고용의 질을 높일 수 있었답니다.

 

데이터 기반 채용은 가장 효율적으로 인재를 관리하고 생산성을 높이는 방법을 파악할 수 있어요. 나아가 직원들이 가장 만족하는 동기 부여 방식을 파악하고 건강 증진을 위한 과학적인 실험도 포함돼요.

 

포레스터 리서치(Forrester Research)에 따르면, 데이터를 기반으로 한 인사이트 중심 문화를 가진 조직은 그렇지 않은 조직에 비해 두 자릿수 성장률을 나타낼 가능성이 3배 정도 높다고 해요.

 

데이터 기반 의사 결정(Data-Driven Decision-Making)을 하는 조직문화를 ‘데이터 컬처(Data Culture)'라고 부르는데요. 한 발 더 나아가 기업이 결정을 내리는 데 있어 직관 대신 데이터를 기반으로 하도록 강조하는 경영방식인 '데이터 기반 경영(Data-Driven Management)'까지 확장되고 있어요. 결국 대량의 데이터를 분석해 통찰력을 얻고, 그것을 바탕으로 의사결정을 내리는 것이 핵심입니다.

 

# '데이터 기반 채용'에 유의해야 할 5가지

기업에 적합한 인재를 채용하기 위해서는 기존 채용 과정에서 낭비되는 시간을 단축하는 것이 관건입니다. 채용과정이 오래 걸려 지원자가 이탈하는 것을 방지하기 위해 '리드타임(Lead Time)을 기반으로 전반적인 채용 시간을 단축해야 해요.

 

리드타임은 지원자 유입일부터 오퍼 수락일까지의 전형 소요기간을 말해요. 기존에 쌓인 채용 데이터 대시보드를 활용해 채용 과정에서 불필요한 시간을 줄여 가야 한답니다. 현재 채용 프로세스에서 병목 지점이 어디인지도 살펴봐야 해요.

 

채용 데이터도 채용계획 수립부터 후보자 소싱, 입사까지의 전체 채용 과정을 가시적인 사실과 수치를 통해 의사결정하고 운영하는 데 활용하는 지표와 도구가 된답니다. 기본적인 채용 데이터만 가지고도 얼마든지 채용 인사이트를 얻을 수 있어요.

 

'데이터 기반 채용'에 유의해야 할 5가지

1. 채용의 질보다 속도만 높이려고 하면 안 된다

사람인의 조사에 따르면 직원 1인 채용에 평균 32일, 1,272만 원의 비용이 드는 것으로 나타났어요. 채용 기간의 경우 ‘1개월'을 꼽은 기업이 29.1%로 가장 많았고, 이어 ‘2주'(14.2%), ‘3주’(13.6%), ‘8주’(13.4%) 순이었어요. ‘2개월 이상' 소요된다는 답변도 13%로 집계됐습니다.

 

'채용 소요시간'이란 특정 포지션의 채용을 시작한 때부터 지원자가 회사의 오퍼를 수락하기까지 걸리는 시간을 말해요. 채용의 질보다 채용의 속도를 높이는 데에 치중하다 보면 데이터 품질이 떨어질 수 있어요. 지원자의 과거 성과와 경험을 정확히 평가하기 위해서는 일정한 시간이 필요하답니다. 속도만 중요하게 여기다 보면 잘못된 채용 결정으로 이어질 수 있어요.

 

2. 채용에만 집중하지 말고 지원자의 경험을 피드백 받아라

채용 단계를 개선하기 위해 지원자의 경험을 피드백 받아야 해요. '후보자 만족도(Candidate Satisfaction)'는 회사의 전반적인 면접 경험이 긍정적이라는 점에 동의하는 지원자 비율을 나타내요. 데이터 기반 채용은 지속적으로 지원자의 경험 데이터를 수집하고 분석해 채용 과정을 개선하고 최적화할 수 있어요.

 

3. 제한된 지원자군으로는 조직에 적합한지 측정하기 힘들다

실제 업무 관련 데이터에 중점을 두기 때문에 다양성을 자연스럽게 증진시킬 수 있어요. 넓은 범위의 지원자군에서 데이터를 수집하고 분석할 수 있어야 우수인재를 찾을 수 있고 오퍼를 넣을 때 수락 가능성이 높아져요. '오퍼 수락률'은 일정 기간 수락한 오퍼의 수를 정해진 기간 내에 지원자에게 전달한 총 오퍼수로 나눈 수치를 말해요.

 

4. 지나치게 비용 절감에만 목을 매면 적합한 인재를 뽑기 힘들다

'채용당 비용'은 특정한 기간에 채용을 위해 사용한 총비용을 인재영입팀이 채용한 총인원으로 나눈 값을 말해요. 채용공고를 게시하는 비용, 채용 채널에서 발행하는 채용수수료, 추천 채용 보상, 채용박람회와 행사 진행 비용, 채용 운영에 필요한 물품 구매비, 면접과 과제 참여비 등 모든 비용을 고려해야 해요. 적합한 지원자를 빠르게 선별해 채용 과정에서 발생하는 불필요한 면접과 평가 과정을 줄일 수 있잡니다. 이는 전체 채용비용을 절감하는 효과가 있어요.

 

5. 훈련된 데이터에 따라 알고리즘 편향이 있을 수 있다

최근 많은 기업이 도입하고 있는 '예측분석'은 현재와 과거 데이터를 분석해 미래 이벤트를 예측하는 분석방법입니다. 머신 러닝, 통계 모델링, 데이터 마이닝과 같은 기술을 사용해 조직이 트렌드, 행동, 향후 성과, 비즈니스 기회 등을 파악할 수 있도록 지원하죠. 예측분석 기법들을 활용해 직원의 이직확률 계산모형을 통한 선제적 이직 방지, 효율적인 작업 환경 구축 등에 활발히 활용되고 있어요. 과거의 성공적인 직원의 데이터를 분석해 이 기준으로 새로운 지원자를 평가함으로써 성과 예측력을 강화할 수 있답니다.

 

반면 데이터 기반 채용은 종종 알고리즘에 의존하여 결정을 내리는데요. 이러한 알고리즘은 훈련된 데이터에 따라 편향이 있을 수 있어요. 데이터 기반 채용에 대한 신중하고 균형 잡힌 접근방식을 취하고 데이터 통찰력과 인간의 판단을 결합해야 해요.

 

데이터 기반 채용은 많은 디지털 데이터를 보유할수록 비용이 절감되고 직종에 맞지 않는 사람을 채용해서 발생하는 마찰이 줄어들 수 있어요. 이제 기업들은 자신들이 잘하는 모든 새로운 아이디어를 데이터와 기술을 사용해 실험하고, 앞으로 무엇을 해야 할지 데이터 기반 의사결정을 합니다. 데이터 기반 채용담당자 역시 다양한 지표를 추적해 과거 성과를 평가하고 미래 성과를 개선할 수 있답니다. 바야흐로 채용 현장에서는 데이터로 구동되는 새로운 ‘데이터 기반 시대’가 도래할 전망입니다.