상관관계 분석 및 효율성 파악을 통한 진로 대시보드 구축

아래는 PA201 연구의 구성원입니다.
MS 송 이 글을 쓴 사람은

---

기본 시각화 및 상관관계 분석의 대상으로 “채용 경로별 효율성 분석 대시보드 생성”을 시도하였습니다.
대시보드를 통해 각 경로의 특성을 검토하고 채용 경로의 효율성을 판단하고자 합니다.

---

데이터 수집 및 처리

수집/이용되는 데이터는 다음과 같습니다.

채용경로, 경력, 성별, 연령, 22년간 평가결과, 보상수준, 근속연수

데이터는 비교적 신규 참여자의 효율성을 살펴보기 위해 19세에서 21세 사이의 참여자로 제한했으며, ​​이력/데이터 일관성 등의 여러 측면을 고려하여 데이터가 있더라도 제한된 데이터를 보는 것이 더 낫다고 판단했습니다.
몇 가지 매개변수 보안상의 이유로 개인에 대한 정보는 삭제되었으며 모든 데이터는 번호가 매겨져 ID로 사용되었습니다.

• 경력 경로셀프 헬프(웹사이트 지원), 검색 회사 및 내부 추천의 세 가지 범주로 제한되었습니다.
  
• 보상 수준 보안상 민감한 데이터이므로 그대로 사용하지 않고 처리된 데이터 값을 산정하여 +-1년 경력의 그룹 내 평균 보상 수준 대비 개인의 보상 수준이 몇 퍼센트인지를 나타내는 데 사용했습니다.
  1에 가까울수록 연도 평균에 가까운 보상값이고, 1이 클수록 비슷한 연도의 평균값보다 더 많은 보상(급여)을 받는 것입니다.
  입사 당시의 계약 급여가 결정적입니다.
  
• 평가 결과 2022년 평가결과를 민감정보로 활용하였습니다.
  등급명도 그대로 쓸 수 없기 때문에 S/A/B/C라는 4개의 등급알파벳으로 나뉜다.
  또한 상관분석 등을 하기 위해 등급을 1~4점으로 환산하여 점수로 사용하였다.
  

상관 분석

먼저 개별 핵심데이터 간의 상관관계를 알아보기 위해 상관분석을 실시하였다.
그 결과 각 데이터의 상관관계가 그리 높지 않은 것으로 나타났다.
따라서 모든 데이터를 독립적으로 고려하기로 결정했습니다.

대시보드 만들기

먼저 각 경로에 대한 데이터를 표시하는 대시보드를 만들었습니다.

• 왼쪽 상단 데이터는 19세에서 21세 사이에 회사에 입사한 사람들의 등급을 보여주는 파이 차트입니다.
  
• 상단 중앙에 슬라이서로 ‘모집경로’를 추가하고, 선택 시 모집경로에 가입한 사람들의 데이터만 보이도록 필터를 적용했습니다.
  
• 오른쪽의 데이터는 연간 신규 고용 수를 보여주는 차트입니다.
  
• 중간 데이터는 각 지원 경로에 대한 신규 고용 수를 보여주는 파이 차트입니다.
  
• 맨 오른쪽 중앙 데이터는 회사의 상위 20%, 즉 우수하다고 할 수 있는 S급 내에서 애플리케이션 채널별 직원의 비율을 보여주는 차트입니다.
  
• 왼쪽 아래 데이터는 급여 수준 대 경력 년수를 나타내는 산점도를 나타냅니다.
  급여 수준 계산 방법에 따라 경력 년수와 급여 수준을 함께 볼 때 시너지 효과가 더 높을 것으로 생각됩니다.
  같은 시간.
• 하단 중앙 데이터는 참가 당시 참가자의 연령을 나타내는 선 그래프이며 세로축은 참가자 수입니다.
  
• 마지막으로 오른쪽 하단의 파이 차트는 성별 분포를 보여줍니다.
  

효율성 점검

이제 각 채용 경로의 효율성을 알아보기 위해서는 먼저 “효율성”을 정의할 필요가 있습니다.
보상 수준이 낮을 때 효율성이 좋은가요? 우수한 수행자가 많으면 효율이 좋은가? 이전의 상관관계 분석에서 알 수 있듯이 보상의 양과 평점의 상관관계는 미미했습니다.
그렇다면 보수 수준에서 확인할 수 있는 ‘효율성’이란 무엇인가? 그래요 연간보다 낮은 소송 비용그리고 결과를 확인했습니다.

보상 단계에서 1을 기준값으로 사용했을 때 세 가지 경로 사이의 모든 경력 년도에서 비용이 상대적으로 낮은 것으로 나타났습니다.
반면 내부 추천은 편차가 가장 컸다.

다음으로 효율성을 “성능” 측면에서 살펴보기로 했습니다.
여기에 약간의 문제가 있습니다.
신입사원 중 우수한 인재의 비중이 높은 것이 효율성이라고 볼 수 있을까요? 그렇다면 경로별로 뽑는 인원수를 고려하지 않고 값이 나올 것이라고 생각했다.
따라서 효율성의 정의인 “입력에서 출력으로”를 적용하면 ‘모집인원 대비 우수성효율성을 다음과 같이 정의

신규채용 인원이 다른 점을 감안하여 직원수 대신 “채용채널별 신규채용 인원수/총 채용인원” 비율을 사용하였으며, 각 비율은 다음과 같습니다.

내부추천 37.99%, 자조 35.13%, 검색업체 26.88%

그리고 회사의 상위 20%인 S-Class에 대한 각 경로의 비율을 “뛰어난 수행자의 생산 정도”로 정의했습니다.

내부추천 46.97%, 검색업체 30.3%, 자조 22.73%

그 결과 내부 추천도가 압도적으로 높았고, 자조는 모집인원에 비해 낮은 효율성을 보였다.
보상 수준과 유사한 공식을 적용하고 기준값을 100%로 하여 계산한 경로별 효율은 다음과 같다.

졸업 증서

보수 수준으로 검증했을 때 자급률 높음’가격 대비 가치‘. 그러나 채용인원에 비해 우수한 인재를 배출하는 데 있어서 효율성이 낮은 것으로 나타났다.
반면 회사의 내부 추천은 비용상 큰 이점을 보이지는 않았지만, 신규 채용 인원에 비해 우수한 인재를 배출하는 데 있어 높은 효율성을 보였다.
대표채용 채널의 효율성에 대해 반성할 수 있는 좋은 기회였습니다.
평가/보상 팀에 있으면서 이 관점에서 분석하게 된 많은 것들이 있는 것 같습니다.
제가 채용을 맡았다면 새로운 관점과 새로운 지표로 접근했을 것입니다.

---

분석이 끝날 무렵 태도에 영향을 미치는 요소가 너무 많다는 것을 느꼈기 때문에 두 가지 요소만으로는 어떤 방법이 더 효율적인지 결정할 수 없다고 생각했습니다.
변수 통제가 쉽지 않은 인적자원 데이터이기도 해서 여러 변수를 고려하지 못한 단편적인 분석이라는 지적이 있었다.