본 연구는 HR 애널리틱스(HRA)의 국내연구 동향을 파악하고 향후 HRA 연구 방향을 제언하기 위해 수행되었다. HRA 활용목적에 따라 근로자 생애주기(Employee Lifecycle)의 관점에서 채용, 적응, 업무환경, 성과 평가, 관리와 유지, 퇴직의 여섯 가지 영역을 분류하여 국내외 연구의 비교분석을 시행하였다. 주요 결과로는 첫째, 국내 HRA 연구의 세부 연구주제의 분포가 해외연구와 유사한 특성을 갖는다. 둘째, 교육 및 개발과 관련된 국내 HRA 연구가 부족하다. 셋째, 기계 학습(machine learning)이 빠르게 발전하면서 HRA 연구에 활용할 수 있는 현상의 범위와 방법론이 다양화되고 있다. 마지막으로 가치 모델에 근거한 국내 HRA 연구의 위치는 아직 기술 분석(descriptive analytics)의 단계에 있으며 예측 분석(predictive analysis) 영역으로 진입하는 과정에 있다.
본 연구는 HR 애널리틱스(HRA)의 국내연구 동향을 파악하고 향후 HRA 연구 방향을 제언하기 위해 수행되었다. HRA 활용목적에 따라 근로자 생애주기(Employee Lifecycle)의 관점에서 채용, 적응, 업무환경, 성과 평가, 관리와 유지, 퇴직의 여섯 가지 영역을 분류하여 국내외 연구의 비교분석을 시행하였다. 주요 결과로는 첫째, 국내 HRA 연구의 세부 연구주제의 분포가 해외연구와 유사한 특성을 갖는다. 둘째, 교육 및 개발과 관련된 국내 HRA 연구가 부족하다. 셋째, 기계 학습(machine learning)이 빠르게 발전하면서 HRA 연구에 활용할 수 있는 현상의 범위와 방법론이 다양화되고 있다. 마지막으로 가치 모델에 근거한 국내 HRA 연구의 위치는 아직 기술 분석(descriptive analytics)의 단계에 있으며 예측 분석(predictive analysis) 영역으로 진입하는 과정에 있다.
This study was conducted to understand research trends of HR Analytics (HRA) in Korea and to suggest future research directions. First, a comparative analysis was conducted by classifying six areas of recruitment on-board, work environment, performance evaluation, retention, and exit/retirement buil...
This study was conducted to understand research trends of HR Analytics (HRA) in Korea and to suggest future research directions. First, a comparative analysis was conducted by classifying six areas of recruitment on-board, work environment, performance evaluation, retention, and exit/retirement building on the employee life cycle framework. The results indicate that first, the distribution of detailed research topics in Korean HRA research has similar to that of international research. Second, Korean HRA studies related to employee training and development function are insufficient. Third, the scope and the method of machine learning are becoming enriched. Finally Korean HRA studies are still in the technical domain and toward entering the predictive analysis domain.
This study was conducted to understand research trends of HR Analytics (HRA) in Korea and to suggest future research directions. First, a comparative analysis was conducted by classifying six areas of recruitment on-board, work environment, performance evaluation, retention, and exit/retirement building on the employee life cycle framework. The results indicate that first, the distribution of detailed research topics in Korean HRA research has similar to that of international research. Second, Korean HRA studies related to employee training and development function are insufficient. Third, the scope and the method of machine learning are becoming enriched. Finally Korean HRA studies are still in the technical domain and toward entering the predictive analysis domain.
본 연구는 국내외 HRA 관련 주요 문헌연구를 통해 다음의 분석 방향을 설정하고자 한다. 첫째, 기존 문헌 연구에서 분석 기준으로 삼은 HRM 제도, 연역/귀납, 미시/거시 등의 전통적 구분에서 벗어나 HRM의 비즈니스 파트너의 역할 전환을 위해 필요한 전략적 관점을 활용하여 HRA 문헌연구를 재시행하고자 한다. 둘째, 국내 연구의 경우 방법론(method), 특히 구체적인 데이터 분석기법에 대한 검토가 해외연구보다 미흡한 편이다.
분석 대상 논문 수집을 위하여 구글 스칼라(Google Scholar), 한국학술지 인용 색인(KCI), 학술교육원(e-article), DBpia, KISS에서 HRA와 관련된 키워드로 검색하였다. 키워드는 HR 애널리틱스, People Analytics, 인사관리 빅데이터, Human Capital analysis, Human Resource Analytics, 빅데이터 HR, 기계 학습 HRM 등 13가지 키워드를 이용하여 관련 논문을 취합하였다. 총 45건의 논문 중에서 개념적 연구를 제외하고 근로자 생애주기 관점의 HRA와 관련성이 높은 24건의 논문을 연구표본으로 확정하였다.
대상 데이터
본 연구는 분석 대상 연구자료를 확보하기 위해 다음과 같은 방법을 실시하였다. 분석 대상 논문 수집을 위하여 구글 스칼라(Google Scholar), 한국학술지 인용 색인(KCI), 학술교육원(e-article), DBpia, KISS에서 HRA와 관련된 키워드로 검색하였다. 키워드는 HR 애널리틱스, People Analytics, 인사관리 빅데이터, Human Capital analysis, Human Resource Analytics, 빅데이터 HR, 기계 학습 HRM 등 13가지 키워드를 이용하여 관련 논문을 취합하였다.
키워드는 HR 애널리틱스, People Analytics, 인사관리 빅데이터, Human Capital analysis, Human Resource Analytics, 빅데이터 HR, 기계 학습 HRM 등 13가지 키워드를 이용하여 관련 논문을 취합하였다. 총 45건의 논문 중에서 개념적 연구를 제외하고 근로자 생애주기 관점의 HRA와 관련성이 높은 24건의 논문을 연구표본으로 확정하였다.
성능/효과
둘째, 교육 및 개발과 관련된 국내 HRA 연구가 해외연구에 비해 상대적으로 부족하다. 해외 연구의 경우 교육 및 개발, 팀 내 행동 역학, 그리고 인적자원 배분 및 할당의 연구가 활발히 진행되고 있으며, 특히 교육프로그램 추천시스템, 경력개발 지원 등 교육 및 개발 측면에서의 연구가 활발히 진행되고 있다.
첫째, 국내연구의 세부 주제의 분포가 해외연구와 유사한 특성을 갖는다. 특히 유지(retention) 및 퇴직 부문에서 국‧내외 연구가 모두 활발하게 이루어지고 있고, 기계 학습기법 역시 국내에도 활발하게 활용되고 있다는 것을 알 수 있었다.
첫째, 국내연구의 세부 주제의 분포가 해외연구와 유사한 특성을 갖는다. 특히 유지(retention) 및 퇴직 부문에서 국‧내외 연구가 모두 활발하게 이루어지고 있고, 기계 학습기법 역시 국내에도 활발하게 활용되고 있다는 것을 알 수 있었다. 이는 아마도 최근의 IT 산업의 높은 인력 수요를 반영하는 상황일 것이다.
후속연구
이 때문에 다수의 국내 연구가 온라인 기업정보 플랫폼(잡플래닛)의 데이터를 활용하거나, 해외 오픈 데이터 사이트(Kaggle)를 활용할 수밖에 없었다. HRA 연구가 국내 기업의 특성을 고려한 양질의 연구를 수행하기 위해서 국내 기업의 HRA에 대한 많은 관심과 데이터 생성 및 관리에 대한 지속적인 관심이 필요하다.
이는 본 연구의 분석 방향이 해외연구의 거시 동향에 근거한 국내 연구의 상세한 분석을 목적으로 했기 때문이다. 또한, 각 논문이 활용한 기계학습의 구체적인 실험 과정에 대한 분석을 다루지 못하였다. 같은 기계 학습기법을 사용하더라도 활용한 데이터의 양, 데이터 유형, 기계 학습을 활용할 때 사용한 프로그래밍 언어 등 연구자의 판단에 따라 실험 환경이 달라질 수 있다.
반면 국내연구는 업무 및 경력 데이터를 활용하여 개인별 역량 및 직무 파악, 그리고 리더 육성을 위한 역량 범주화 작업에 그치고 있다. 앞으로 마케팅 분야에서 사용하는 추천시스템(recommendation system)을 적용하여 해당 알고리즘을 활용하게 된다면 교육 콘텐츠 추천이나, 경력 경로 지도에 관한 연구를 수행할 수 있을 것으로 기대한다.
본 연구는 다음과 같은 한계점이 있다. 해외 및 국내 HRA 연구 동향의 비교를 수행하기 위해 국내 HRA 논문의 경우 40여 개 이상의 개별 논문을 직접 검토하였으나, 해외 HRA 논문은 주요 문헌 고찰논문을 활용하였다는 한계가 있다. 이는 본 연구의 분석 방향이 해외연구의 거시 동향에 근거한 국내 연구의 상세한 분석을 목적으로 했기 때문이다.
같은 기계 학습기법을 사용하더라도 활용한 데이터의 양, 데이터 유형, 기계 학습을 활용할 때 사용한 프로그래밍 언어 등 연구자의 판단에 따라 실험 환경이 달라질 수 있다. 향후 다양한 사례에서 기계 학습을 활용한 연구가 이루어지고 각 연구를 기술적으로 분석하여 HRA 연구 목적에 따라 적합한 알고리즘에 대한 시사점을 제공할 수 있을 것이다.
참고문헌 (44)
D. Mclver, M. L. Lengnick-Hall, and C. A. Lengnick-Hall, "A strategic approach to workforce analytics: Integrating science and agility," Business Horizon, Vol.61, No.3, pp.397-407, 2018.
송기륭, 김경석, "HR 애널리틱스의 연구동향 및 과제," 조직과 인사관리연구, 제44권, 제4호, pp.129-160, 2020.
David P. Lepak and A. Snell Scott, "The human resource architecture: Toward a theory of human capital allocation and development," Academy of management review, Vol.24, No.1, pp.31-48, 1999
Jay B. Barney, "Resource-based theories of competitive advantage: A ten-year retrospective on the resource-based view," Journal of management, Vol.27, No.6, pp.643-650, 2001
S. Garg, S. Sinha, A. K. Kar, and M. Mani, "A review of machine learning applications in human resource management," International Journal of Productivity and Performance Management, Vol. ahead-of-print, No. ahead-of-print, 2021.
K. Lepenioti, A. Bousdekis, A. D. Apostolou, and G. Mentzas, "Prescriptive analytics: Literature review and research challenges," International Journal of Information Management, Vol.50, pp.57-70, 2020.
J. Garcia-Arroyo and A. Osca, "Big data contributions to human resource management: a systematic review," The International Journal of Human Resource Management, Vol.33, No.20, pp.4337-4362, 2019.
Y. Zhang, S. Xu, L. Zhang, and M. Yang, "Big data and human resource management research: An integrative review and new directions for future research," Journal of Business Research, Vol.133, pp.34-50, 2021.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.