본 연구는 국내 HR Analytics 연구에서 활용한 데이터와 분석방법을 탐색하여 향후 연구를 위한 기초자료를 제공하고 HR Analytics 연구 현황을 밝히는 것을 목적으로 한다. 이를 위하여 체계적 문헌고찰 방법을 활용하여 국내 KCI 등재 학술지에 수록된 실증연구 논문 78편을 선정하였고 해당 논문을 근로자 생애주기에 따라 분류하여 검토하였다. 문헌고찰 결과 다음과 같은 결과를 얻을 수 있었다. 첫째, 근로자 생애주기에 따른 HR Analytics 연구 동향을 살펴본 결과, 선행연구에서는 구성원의 유지(retention)와 관련한 연구가 가장 많았고 성과 관리에 대한 연구가 그 뒤를 이었다. 둘째, HR Analytics 연구에서 사용한 데이터를 살펴본 결과 각 연구는 해당 연구문제에 따라 다양한 데이터(정형, 비정형)를 활용하고 있었으며 데이터 출처 또한 조직내부 시스템부터 국가 통계 DB까지 매우 다양한 것으로 확인하였다. 셋째, 문헌고찰 결과 국내 HR Analytics 연구는 기술적, 진단적 분석이 가장 많으며, 예측 및 처방과 관련한 연구는 미미한 수준임을 알 수 있었다.
본 연구는 국내 HR Analytics 연구에서 활용한 데이터와 분석방법을 탐색하여 향후 연구를 위한 기초자료를 제공하고 HR Analytics 연구 현황을 밝히는 것을 목적으로 한다. 이를 위하여 체계적 문헌고찰 방법을 활용하여 국내 KCI 등재 학술지에 수록된 실증연구 논문 78편을 선정하였고 해당 논문을 근로자 생애주기에 따라 분류하여 검토하였다. 문헌고찰 결과 다음과 같은 결과를 얻을 수 있었다. 첫째, 근로자 생애주기에 따른 HR Analytics 연구 동향을 살펴본 결과, 선행연구에서는 구성원의 유지(retention)와 관련한 연구가 가장 많았고 성과 관리에 대한 연구가 그 뒤를 이었다. 둘째, HR Analytics 연구에서 사용한 데이터를 살펴본 결과 각 연구는 해당 연구문제에 따라 다양한 데이터(정형, 비정형)를 활용하고 있었으며 데이터 출처 또한 조직내부 시스템부터 국가 통계 DB까지 매우 다양한 것으로 확인하였다. 셋째, 문헌고찰 결과 국내 HR Analytics 연구는 기술적, 진단적 분석이 가장 많으며, 예측 및 처방과 관련한 연구는 미미한 수준임을 알 수 있었다.
The purpose of this study was to explore the various data and methods employed by HR analytics studies. The researchers selected 78 KCI-indexed empirical articles on HR analytics and categorized them using the Employee Life Cycle framework. This yielded several important findings. First, employee re...
The purpose of this study was to explore the various data and methods employed by HR analytics studies. The researchers selected 78 KCI-indexed empirical articles on HR analytics and categorized them using the Employee Life Cycle framework. This yielded several important findings. First, employee retention has been the most common subject of extant studies, followed by performance management. Second, HR analytics studies have used a variety of data (structured and unstructured) according to their research questions, and the data sources have ranged from organizations' internal systems to national databases. Third, most domestic HR analytics studies have been descriptive and diagnostic, whereas predictive and prescriptive studies have been rare. These results have important theoretical and practical implications for future HR analytics research.
The purpose of this study was to explore the various data and methods employed by HR analytics studies. The researchers selected 78 KCI-indexed empirical articles on HR analytics and categorized them using the Employee Life Cycle framework. This yielded several important findings. First, employee retention has been the most common subject of extant studies, followed by performance management. Second, HR analytics studies have used a variety of data (structured and unstructured) according to their research questions, and the data sources have ranged from organizations' internal systems to national databases. Third, most domestic HR analytics studies have been descriptive and diagnostic, whereas predictive and prescriptive studies have been rare. These results have important theoretical and practical implications for future HR analytics research.
본 연구는 국내에서 수행된 연구 중에서도 실증연구를 중심으로 문헌을 고찰하여 상대적으로 HR Analytics 관련 연구에서 부족했던 실증연구 동향을 파악하는데 기여한다. 또한 연구자들이 활용한 데이터와 분석방법을 검토하여 향후 연구에 대한 기초자료를 제공하며 실무자들이 현장에서 HR Analytics를 활용할 때 어떠한 데이터를 활용하고 분석할 수 있는지 시사점을 제공하는데 그 의의가 있다.
본 연구는 국내에서 수행된 연구 중에서도 실증연구를 중심으로 문헌을 고찰하여 상대적으로 HR Analytics 관련 연구에서 부족했던 실증연구 동향을 파악하는데 기여한다. 또한 연구자들이 활용한 데이터와 분석방법을 검토하여 향후 연구에 대한 기초자료를 제공하며 실무자들이 현장에서 HR Analytics를 활용할 때 어떠한 데이터를 활용하고 분석할 수 있는지 시사점을 제공하는데 그 의의가 있다.
이에 본 연구에서는 지난 10년 동안 국내에서 수행된 인적자원관리와 관련된 연구들을 검토하여 HR Analytics를 활용하는 데 있어 어떤 데이터와 분석 방법이 사용되었는지 탐색하였다. 특히 인적자원관리 분야가 채용에서부터 유지, 퇴직까지 근로자의 조직 내 생애주기를 반영하고 있는 것을 감안하여 각 생애주기의 단계별로 데이터와 분석방법을 구분하여 살펴보았다.
제안 방법
HR Analytics는 맥락 의존성이 있어 연구에 사용한 데이터를 공공기관과 민간기업으로 나누어 살펴보았다. 그 결과 공공기관과 민간기업이 사용한 데이터 종류에서 일부 차이가 나타나는 것을 확인하였다.
본 연구는 지난 10년간 국내에서 발표된 HR Analytics 관련 논문을 통합적으로 고찰하였다. 체계적 문헌고찰 단계에 따라 관련 키워드를 통해 문헌을 수집하였고 사전에 합의한 기준에 따라 논문을 선별하여 최종 78개의 논문을 선정하고 검토하였다.
본 연구에서는 기존의 근로자 생애주기 단계를 연구목적에 맞게 일부 변형하여 활용하였다. 기존 생애주기 단계에서는 구성원 배치나 이직 등 중요한 프로세스가 누락 되었으며 ‘업무 수행 환경’과 같은 용어가 생애주기 프로세스를 설명하는데 모호하다고 판단하여 채용, 선발 및 배치, 적응, 교육훈련, 성과관리, 유지, 이직 및 퇴직 7단계로 용어를 일부 조정하고 단계를 세분화하였다.
특히 인적자원관리 분야가 채용에서부터 유지, 퇴직까지 근로자의 조직 내 생애주기를 반영하고 있는 것을 감안하여 각 생애주기의 단계별로 데이터와 분석방법을 구분하여 살펴보았다. 뿐만 아니라 HR Analytics가 맥락 의존성이 강하다는 특징을 반영하여 연구가 수행된 배경을 공공기관과 민간기관으로 나누어 비교해 보고 분석하였다.
체계적 문헌고찰 단계에 따라 관련 키워드를 통해 문헌을 수집하였고 사전에 합의한 기준에 따라 논문을 선별하여 최종 78개의 논문을 선정하고 검토하였다. 연구자들은 선정된 논문이 어떤 데이터를 어떻게 분석했는지 근로자 생애주기와 기관 맥락에 따라 살펴보고 연구의 맥락에 따라 데이터의 종류, 출처, 분석 방법을 비교해 보았다. 본 연구는 다음과 같은 시사점을 제시한다.
연구자들은 최종적으로 선정된 논문을 읽고, 연구목적에 따라 논문에 사용된 데이터와 분석 방법을 엑셀 파일에 코딩하였고 이를 근로자 생애주기 기준에 따라 분류하였다. 생애주기는 Planning, Developing, Utilizing, Ending 4단계로 구분하였으며, 영역이 중복되는 연구의 경우 중복하여 카운트하였다.
이에 본 연구에서는 지난 10년 동안 국내에서 수행된 인적자원관리와 관련된 연구들을 검토하여 HR Analytics를 활용하는 데 있어 어떤 데이터와 분석 방법이 사용되었는지 탐색하였다. 특히 인적자원관리 분야가 채용에서부터 유지, 퇴직까지 근로자의 조직 내 생애주기를 반영하고 있는 것을 감안하여 각 생애주기의 단계별로 데이터와 분석방법을 구분하여 살펴보았다. 뿐만 아니라 HR Analytics가 맥락 의존성이 강하다는 특징을 반영하여 연구가 수행된 배경을 공공기관과 민간기관으로 나누어 비교해 보고 분석하였다.
대상 데이터
분석 대상 논문은 한국연구재단에 등재된 학술지에 실린 논문으로 제한하였으며 제목에 ‘HR analytics’, ‘people analytics’ ‘talent analytics’, ‘workforce analytics’, ‘human capital analytics’, ‘인사관리분석’, ‘인재분석’, ‘인력분석’, ‘HRM big data’, ‘human capital big data’, ‘workforce big data’ 등의 키워드가 들어가는 논문을 검색하였다. 검색한 논문 중에서 표면적으로 HR Analytics를 주제로 하지 않았더라도, 큰 틀에서 연구문제와 주제가 HR Analytics 범주에 포함되는 경우 분석 대상 논문으로 포함하였다. 이를 통해 총 880편의 논문을 수집하였고 이 중에서 중복으로 검색된 논문 237편을 제외하였다.
데이터 출처로는 설문조사와 패널 데이터가 가장 많이 활용되었으며, 다음으로 각종 기관(한국교육개발원, 통계청, 경찰청 등)에서 제시한 통계 자료들이 활용되었다. 또한 기업 채용 공고문 및 기업 홈페이지 등 인터넷에서 제공되는 비정형 자료가 활용되었다.
분석 대상 논문은 한국연구재단에 등재된 학술지에 실린 논문으로 제한하였으며 제목에 ‘HR analytics’, ‘people analytics’ ‘talent analytics’, ‘workforce analytics’, ‘human capital analytics’, ‘인사관리분석’, ‘인재분석’, ‘인력분석’, ‘HRM big data’, ‘human capital big data’, ‘workforce big data’ 등의 키워드가 들어가는 논문을 검색하였다
이를 통해 총 880편의 논문을 수집하였고 이 중에서 중복으로 검색된 논문 237편을 제외하였다. 연구자들은 분석 대상 논문을 선정하기에 앞서 연구 맥락과 연구 대상이 일터 및 근로자와 관련이 없는 경우 분석 대상에서 제외하였고 그 결과 517개의 논문이 추가로 삭제되고 126편의 논문이 남았다. 그 중에서 동료심사를 거치지 않았거나 질적 연구, 문헌고찰 연구, 이론적 프레임워크를 제시한 논문 역시 분석 대상에서 제외하였다.
본 연구는 HR Analytics와 관련된 국내 연구자료를 확보하기 위하여 다음과 같은 절차를 거쳤다. 우선 분석 대상 논문 수집을 위하여 RISS, KCI, DBpia, Kiss 데이터베이스를 활용하였으며 기간은 2012년부터 2022년 4월까지 10년으로 한정하였다. 분석 대상 논문은 한국연구재단에 등재된 학술지에 실린 논문으로 제한하였으며 제목에 ‘HR analytics’, ‘people analytics’ ‘talent analytics’, ‘workforce analytics’, ‘human capital analytics’, ‘인사관리분석’, ‘인재분석’, ‘인력분석’, ‘HRM big data’, ‘human capital big data’, ‘workforce big data’ 등의 키워드가 들어가는 논문을 검색하였다.
그 중에서 동료심사를 거치지 않았거나 질적 연구, 문헌고찰 연구, 이론적 프레임워크를 제시한 논문 역시 분석 대상에서 제외하였다. 이러한 과정을 통해 최종적으로 78편의 논문을 분석 대상으로 선정하였으며 구체적인 문헌 선별 기준과 절차는 [그림 1]과 같다.
검색한 논문 중에서 표면적으로 HR Analytics를 주제로 하지 않았더라도, 큰 틀에서 연구문제와 주제가 HR Analytics 범주에 포함되는 경우 분석 대상 논문으로 포함하였다. 이를 통해 총 880편의 논문을 수집하였고 이 중에서 중복으로 검색된 논문 237편을 제외하였다. 연구자들은 분석 대상 논문을 선정하기에 앞서 연구 맥락과 연구 대상이 일터 및 근로자와 관련이 없는 경우 분석 대상에서 제외하였고 그 결과 517개의 논문이 추가로 삭제되고 126편의 논문이 남았다.
주요 데이터 출처는 설문 조사와 패널 데이터가 있었으며, 패널 데이터의 경우 한국직업능력개발원에서 제공하는 자료가 사용되었다. 이외에도 연구보고서나 평가센터(AC)의 자료가 사용되고 있음을 확인하였다.
본 연구는 지난 10년간 국내에서 발표된 HR Analytics 관련 논문을 통합적으로 고찰하였다. 체계적 문헌고찰 단계에 따라 관련 키워드를 통해 문헌을 수집하였고 사전에 합의한 기준에 따라 논문을 선별하여 최종 78개의 논문을 선정하고 검토하였다. 연구자들은 선정된 논문이 어떤 데이터를 어떻게 분석했는지 근로자 생애주기와 기관 맥락에 따라 살펴보고 연구의 맥락에 따라 데이터의 종류, 출처, 분석 방법을 비교해 보았다.
데이터처리
패널데이터 이외에 언론자료[21]나 심층 인터뷰[58], 기업정보 데이터베이스[59] 등이 사용되었다. 데이터 분석 방법을 살펴보면, 설문조사의 경우 변수 간 관계를 분석하는 회귀분석이나 구조방정식이 사용되었으며, 집단 간 차이를 검증하는 분산분석이나 t검정도 활용되었다. 패널데이터의 경우 다양한 수준이나 차원에 대한 분석 기법과 다수준 로지스틱이나 위계적 선형분석이 활용된 바 있다.
성능/효과
8%) 에 대한 연구가 뒤를 이었다. HR Analytics가 조직의 실질적이고 중요한 문제해결을 위해 활용된다는 사실을 감안했을 때 본 연구 결과를 통해 현재 조직은 구성원의 몰입과 성과관리에 많은 관심을 가지고 있음을 알 수 있다. 또한 국외 HR Analytics 동향 연구에서도 성과관리에 대한 연구는 두 번째로 많은 비중을 차지한 바 있기에 국내외 모두 성과관리 관련 연구가 활발히 이뤄지고 있음을 짐작할 수 있다[68].
그 결과 공공기관과 민간기업이 사용한 데이터 종류에서 일부 차이가 나타나는 것을 확인하였다. 공공기관의 경우 채용 제도나 시스템의 공정성과 같이 조직의 구조적 측면에 대한 데이터가 많이 사용된 반면, 민간기업은 교육훈련이나 직무수행 성과와 승진, 이직, 퇴직과 같은 데이터가 분석되고 있음을 확인하였다. 또한 민간기업에서 조직원의 심리적인 측면의 요소와 이직에 대해 더욱 빈번하게 탐색하고 있었는데 이를 통해 공공기관은 조직의 환경적, 정책적 요소에 더 높은 관심이 있으며 민간기업은 조직원의 태도와 갈등, 성과, 이직에 관심이 높음을 알 수 있었다.
분석 결과 국내 HR Analytics 연구는 기술적, 진단적 분석이 가장 많으며, 예측 및 처방과 관련한 연구는 미미한 수준임을 알 수 있었다. 구체적으로 선행연구를 검토한 결과 진단적 수준의 연구(41개, 52.1%) 가 가장 활발하게 이루어졌으며, 기술적 수준(18개, 23.1%), 예측 수준(10개, 12.8%), 처방 수준(9개, 11.5%) 순으로 이루어짐을 확인하였다. 이러한 결과는 현재 HR Analytics의 연구가 기술 분석 영역과 예측 분석영역의 사이에 위치할 것이라고 판단한 송기륭과 김경석[6]의 연구 결과와 같은 맥락으로 볼 수 있다.
HR Analytics는 맥락 의존성이 있어 연구에 사용한 데이터를 공공기관과 민간기업으로 나누어 살펴보았다. 그 결과 공공기관과 민간기업이 사용한 데이터 종류에서 일부 차이가 나타나는 것을 확인하였다. 공공기관의 경우 채용 제도나 시스템의 공정성과 같이 조직의 구조적 측면에 대한 데이터가 많이 사용된 반면, 민간기업은 교육훈련이나 직무수행 성과와 승진, 이직, 퇴직과 같은 데이터가 분석되고 있음을 확인하였다.
둘째, HR Analytics 연구에서 사용한 데이터를 살펴본 결과 각 연구는 해당 연구문제에 따라 다양한 데이터(정형, 비정형)를 활용하고 있었으며 데이터 출처 또한 조직 내부 시스템부터 국가 통계 DB까지 매우 다양한 것으로 확인하였다. HR Analytics는 조직이 당면한 이슈에 대한 답을 찾는 과정으로 문제에 따라 활용될 수 있는 데이터가 다양하며 이때 어떤 데이터를 활용할 것인지는 HR Analytics 담당자의 역량과 창의성에 달려있다.
공공기관의 경우 채용 제도나 시스템의 공정성과 같이 조직의 구조적 측면에 대한 데이터가 많이 사용된 반면, 민간기업은 교육훈련이나 직무수행 성과와 승진, 이직, 퇴직과 같은 데이터가 분석되고 있음을 확인하였다. 또한 민간기업에서 조직원의 심리적인 측면의 요소와 이직에 대해 더욱 빈번하게 탐색하고 있었는데 이를 통해 공공기관은 조직의 환경적, 정책적 요소에 더 높은 관심이 있으며 민간기업은 조직원의 태도와 갈등, 성과, 이직에 관심이 높음을 알 수 있었다.
특히 머신러닝 등 복잡한 연산과정을 거치는 분석은 충분한 양의 데이터가 필요하며 데이터 양뿐만이 아니라 데이터의 질(quality)도 매우 중요하다[6]. 본 연구에서 분석된 논문들은 정형 데이터와 비정형 데이터를 모두 다루고 있지만 주로 정형 데이터를 사용하였고 비정형 데이터도 텍스트 위주의 데이터가 많았다. 국외 연구에서 영상 데이터 및 웨어러블 센서 데이터도 사용됨을 감안했을 때[69], 향후에는 국내에서도 텍스트 데이터 외에도 영상, 음성 등 다양한 데이터를 활용하여 연구를 진행할 수 있을 것이다.
마지막으로 본 연구는 선행연구의 분석방법을 검토하였다. 분석 결과 국내 HR Analytics 연구는 기술적, 진단적 분석이 가장 많으며, 예측 및 처방과 관련한 연구는 미미한 수준임을 알 수 있었다. 구체적으로 선행연구를 검토한 결과 진단적 수준의 연구(41개, 52.
첫째, 근로자 생애주기에 따른 HR Analytics 연구 동향을 살펴본 결과, 선행연구에서는 활용(Utilizing)에 해당하는 연구가 가장 활발하게 이루어지는 것으로 나타났다. 특히 활용의 세부 단계인 ‘유지’와 관련한 연구 (28개, 32.
후속연구
본 연구에서 분석된 논문들은 정형 데이터와 비정형 데이터를 모두 다루고 있지만 주로 정형 데이터를 사용하였고 비정형 데이터도 텍스트 위주의 데이터가 많았다. 국외 연구에서 영상 데이터 및 웨어러블 센서 데이터도 사용됨을 감안했을 때[69], 향후에는 국내에서도 텍스트 데이터 외에도 영상, 음성 등 다양한 데이터를 활용하여 연구를 진행할 수 있을 것이다.
그러나 개발 및 육성(Developing)의 ‘적응’과 확보 및 계획(Planning)의 ‘배치’와 관련된 연구는 많지 않았는데, 이는 관련 데이터 수집이 어렵고 특히 부서 이동과 같은 데이터는 보안 이슈 등으로 인하여 외부에서 데이터에 접근하는데 어려움이 있었기 때문으로 예상한다. 그러나 신규 입사자의 빠른 조직 적응과 새로운 업무로의 이동 배치는 HR의 중요한 기능으로 향후 이와 관련한 연구가 확대된다면 현업에 많은 도움을 줄 수 있을 것으로 기대된다.
HR Analytics가 인적자원관리와 관련한 모든 문제를 해결해 줄 수는 없지만, 데이터에 기반한 의사결정이라는 거대한 패러다임은 이미 조직을 지배하고 있다. 따라서 HR 분야의 연구자들과 담당자들은 데이터를 통해 조직이 당면한 문제를 해결하고 조직의 성과 향상에 기여할 수 있도록 관련 데이터를 찾아내고 관리하고 데이터를 활용할 수 있는 분석역량을 꾸준히 키워야 할 것이다.
아직 국내에서 HR Analytics에 대한 학술적 논의는 초기 단계에 있다고 볼 수 있다[6][10]. 따라서 국내 문헌만으로 HR Analytics의 데이터 활용 동향을 일반화하기는 어려우며 향후 연구에서 국내뿐 아니라 해외 문헌을 포함한다면 다양한 데이터와 데이터 소스 확인을 통해 HR Analytics의 동향을 보다 정확하게 파악할 수 있을 것이다.
본 연구는 국내 HR Analytics 연구에서 사용한 데이터와 분석방법을 검토하였다는 데에 의의가 있지만 분석 대상 논문을 국내 문헌으로 한정한 제한점이 있다. 아직 국내에서 HR Analytics에 대한 학술적 논의는 초기 단계에 있다고 볼 수 있다[6][10].
HR Analytics의 경험적 연구와 현업에서의 활용 촉진을 위해서는 조직이 다양하고 질 높은 데이터를 확보하는 것이 가장 시급하다[67]. 예측과 관련한 조직 내 관리되고 있는 HR 관련 데이터는 정형적이며 본 연구는 HR Analytics와 관련된 경험적 연구들을 중심으로 문헌을 고찰하고 그 연구들이 사용한 데이터와 데이터 출처, 분석 방법을 정리하여 HR Analytics 연구자들과 실무자들에게 향후 관련 연구나 실무 프로젝트를 기획할 때 가이드를 제공할 수 있다.
이와 같은 결과를 통해 향후 국내 HR Analytics 연구가 예측 및 처방 단계의 분석 발전하기 위해서는 양질의 데이터 확보와 HR 담당자의 데이터 분석역량 향상이 전제되어야 한다. 현재 많은 기업에서 시스템을 통해 HR 데이터를 체계적으로 수집하고 있지만 개인정보 보호 및 정보 보안 문제로 데이터를 연구에서 활용하기 어려운 실정이다.
참고문헌 (69)
J. H. Marler and J. W. Boudreau, "An evidence-based review of HR analytics," The International Journal of Human Resource Management, Vol.28, No.1, pp.3-26, 2017.
S. Shrivastava, K. Nagdev, and A. Rajesh, "Redefining HR using people analytics: the case of Google," Human Resource Management International Digest, Vol.26, No.2, pp.3-6, 2018.
R. H. Hamilton and W. A. Sodeman, "The questions we ask: Opportunities and challenges for using big data analytics to strategically manage human capital resource," Business Horizons, Vol.63, No.1, pp.85-95, 2020.
마성혁, 김병임, "국내 HR 애널리틱스 (HR Analytics) 연구의 질적 문헌분석 및 발전방향," 경영교육연구, 제37권, 제2호, pp.51-86, 2022.
D. Angrave, A. Charlwood, I. Kirkpatrick, M. Lawrence, and M. Stuart, "HR and analytics: why HR is set to fail the big data challenge," Human Resource Management Journal, Vol.26, No.1, pp.1-11, 2016.
박연정, 이도길, "HR 데이터 기반의 퇴사 예측 모델개발," 한국정보통신학회 종합학술대회 논문집, 제25권, 제1호, pp.100-103, 2021.
윤유동, 이설화, 지혜성, 임희석, "기계 학습 방법을 이용 한 직장 생활 프로파일 기반의 퇴직 예측 모델 개발," 컴퓨터교육학회 논문지, 제20권, 제1호, pp.87-97, 2017.
이중학, 송지훈, "HR 애널리틱스 연구 및 실무에서 의 베이지안 통계 활용: 퇴임 임원의 데이터를 중심으로," 조직과 인사관리연구, 제44권, 제3호, pp.83-104, 2020.
정구혁, 김정식, "지속가능경영을 위한 인적자본 측면에서의 디지털 트랜스포메이션: HR Analytics 활용과 기업, 대학, 정부의 역할," 경영컨설팅연구, 제20권, 제4호, pp.297-311, 2020.
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.71, No.5, pp.1590-1610, 2022.
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.