본문 바로가기

HR매거진

HR 네트워크 분석 개념과 활용 범위

2019-08-28


 

 

 

테크놀로지는 HR에서 중요한 핵심 역할들을 담당해 왔다. 온라인 교육, 인사정보-관리 시스템, 지식공유-관리 시스템, 그리고 최근의 화두인 디지털 트랜스포메이션, HR 애널리틱스 등이 대표적 예들이다. 네트워크 분석을 잘 활용하면 인사 전반에 걸쳐 데이터에 기반한 체계적 평가나 교육, 지원 시스템을 구축할 수 있지만 아직까지는 개념적 이해나 실질적 적용이 미미하다. 협력과 공유, 사회적 자본의 활용이 중요한 조직에게 네트워크 분석은 많은 인사이트를 제공할 수 있다.

HR
네트워크 분석이란?
네트워크는 흔히 생각하는 인맥이나 대인관계가 아니다. 연결된 사람, 사물, 혹은 사람과 사물간의 구조가 네트워크다. 조직 내 다양한 부서 사람들과의 관계가 네트워크 분석의 대상이 될 수 있고 서로 다른 조직에서 일하는 HRD담당자들의 온오프라인의 커뮤니티가 분석의 대상이 될 수도 있다. 더 나아가서는 아마존이나 넷플릭스처럼 함께 구입한 물품이나 관람한 영화를 중심으로 한 사람들의 연결, 혹은 연관 영화나 물품들의 구조가 네트워크 분석의 대상이 될 수도 있다.


플랫폼 역할을 할 수 있는 사회적 자본개념의 다양한 네트워크를 진단하고 구조의 패턴을 찾아 활용하는 것이 네트워크 분석의 핵심이다. 테크놀로지와 관련해 새로운 용어들이 많이 생겨나면서 개념의 혼돈이 생기지만 HR 네트워크 분석을 조직 내, 혹은 조직간 사람들 간의 연결만을 분석하는 것으로 이해하기 보다는 인사담당자들이 이해하고 활용할 수 있는 다양한 네트워크를 찾아 분석하는 것으로 이해하는 것이 바람직하다.


HR
에서 기존의 분석들은 개인의 특성, 혹은 변인들 간의 관계에 초점을 두었다. 예를 들어 개인의 성향, 특정 리더십, 혹은 업무의 성격이 개인의 성과나 행동에 어떤 영향을 미치는가를 묻는다. 이런 질문들과 해당 통계적 분석은 개인이나 그룹, 조직이 비교집단에 비해 어디에 속하는지, 상대적 강점이나 약점이 어디에 있는지를 파악하는 데 유용하다.

 

또한 변인 간의 관계, 예를 들어 특정 리더십이나 조직문화가 개인의 이직 의도나 조직 충성도에 어느 정도 영향을 미치는가를 수치화 할 수 있다. 하지만 놓치는 중요한 것들이 너무나 많다. 조직이나 팀의 크기에 상관없이 효과적 업무를 위해서는 누구와 언제, 어떻게 일을 해야 하는가가 가장 중요하다. 개인은 늘 주변 사람들이나 환경으로부터 영향을 받는다. 그리고 주변이나 환경 변화의 중심에는 개인이 있다. 즉 개인과 구조의 상호 영향, 연결의 패턴을 잘 이해하고 활용하는 것이 모두에게 중요하다. 하지만 기존의 개인 특성이나 변인들의 관계에 초점을 둔 분석은 연결이나 관계, 구조에 대해 전혀 답을 주지 못한다. 네트워크 분석은 개인과 구조의 상호적 영향, 패턴, 변화를 분석한다.


분석하기 전 주의할 네트워크 특징
분석을 하기 전에 주의해야 할 네트워크의 몇 가지 특성들이 있다. 주변 구조가 개인에게 긍정적 영향을 주거나 활용의 기회가 될 수도 있지만 반대로 행동이나 태도의 제약이 될 수도 있다. 예를 들어 조직 내 파벌을 주도하거나 위계중심의 주변 구조는 개인의 행동을 제약한다. 관계의 다양성이 시사하는 바는 어떤 네트워크와 어떤 관계를 분석할까를 결정하는 게 네트워크 분석의 핵심임을 의미한다. 네트워크 진단의 표준이나 예제가 드문 이유는 조직마다 중요한 네트워크의 대상과 범위, 관계의 종류가 다르기 때문이다


네트워크를 구성하는 사람이나 사물을 노드Node라고 지칭하는데 분석 대상의 범위와 관계들은 늘 조직의 상황과 필요를 반영해야 한다. 한편 문맥과 목적에 따라 분석 대상과 관계들을 결정하는 자체가 네트워크 분석을 실무와 연계시켜주는 역할을 한다. 같은 네트워크를 주기적으로, 혹은 특정 솔루션 실행 후 분석을 하게 되면 해당 솔루션의 효과나 개인과 네트워크간의 상호영향을 더 효과적으로 분석할 수도 있다.


네트워크 분석을 위해 필요한 데이터는 무엇?
데이터를 이해하는 데 유용한 몇 가지 프레임들이 있다. 숫자나 문자, 사진, 영상, 체험 등 오감을 나타내는 소스로서의 데이터; 정보 (문제해결을 위해 정제된 데이터), 지식(정보를 통한 문제 해결), 인사이트 혹은 지혜(지식과 경험을 통해 얻게 된 통찰)와 구분되는 원재료로서의 데이터; 그리고 열과 행으로 변수와 특성을 담아내는 정형데이터, 이러한 패턴이 존재하지 않지만 xml이나 json처럼 일정 형식을 통해 많은 데이터를 처리하고자 하는 반정형데이터, 혹은 형태나 구조가 없지만 잠재적 의미를 찾아낼 수 있는 무수한 자료들을 의미하는 비정형데이터를 예로 들 수 있다. 데이터의 종류나 형태만 다를 뿐 HR 네트워크 분석을 위해 필요한 데이터는 관계나 연결의 의미를 가장 잘 나타내 줄 데이터들이다.


어떤 데이터를 분석할까를 결정하기 위해 어떤 질문들을 답해야 하는가를 명확히 해야 한다. 사내 조직문화나 업무 방식의 개선을 위해 온라인 게시판이 가장 많이 효과적으로 활용되고 있다면 의견을 가장 많이 내는 사람들이 누구인지, 누가 의견을 주도하는지, 누가 누구와 의견을 나누는지, 부서별 참여가 균형적인지, 어떤 키워드들이 자주 등장하는지, 주제별 사람들의 참여 여부는 어떠한지 등 정해진 수의 질문이 있는 게 아니라 조직이 찾고자 하는 네트워크의 영향이나 성격, 활용에 연관된 질문들을 먼저 설정해야 한다. 그리고 나면 분석을 위해 필요한 데이터들을 파악할 수 있을 것이다. 만일 찾고자 하는 질문이 조직 내 구성원들의 신뢰관계나 협력적 문제해결 관계라면 온라인 게시판보다 인터뷰나 설문지 조사가 더 적절 할 수 있다.


현재 머신 러닝이나 인공지능, 그리고 애널리틱스가 기술적 면에서 뛰어남에도 불구하고 실무에 영향을 미치지 못하는 이유는 분석의 방법이나 결과가 어떤 데이터를 왜 분석해야 하는지, 무엇을 답하고자 하는지에 연결되어 있지 않기 때문이다. HR이 네트워크 분석을 위해 구축해야 할 데이터는 HR의 목적을 위해, 그리고 무엇보다 조직의 목적을 위해 중요한 연결과 관계의 패턴을 보여줄 수 있는 데이터들이다. 노드들의 연결이나 관계는 관측, 인터뷰, 문헌조사, 설문 등 이미 알려진 방법부터 IT, 소셜 미디어 데이터까지 다양하게 존재한다. 문제는 올바른 문맥적 선택이다. 최근 구글에서 데이터를 분석하기 전에 충분한 미팅을 통해 문맥의 이해가 중요함을 강조한 바 있다. 절대적으로 동의한다.

네트워크 분석 결과를 HR은 어떻게 활용해야 할까
미시건 주립대학교의 존 홀렌베크와 브래들리 제이미슨 두 저자는 HR분야에서 네트워크 분석이 어떻게 채용, 학습, 보상, 그리고 지식공유와 인재육성에 유용할지를 설명했다. 예를 들어 현재 대부분의 채용은 업무의 역할들을 기술하고 적합한 사람을 개인의 태도나 경험에 근거해 찾지만 주관적 편향이나 실제 업무가 이루어지는 성격과는 차이가 많아 한계점을 많이 드러낸다. 저자들은 네트워크 분석을 통해 조직 내 일을 잘 하는 사람이 누구와 어떤 관계(신뢰나 문제 상의 등)를 어떻게 맺는지를 파악하고 유사한 패턴을 경험했거나 추구하는 사람을 고용하는 게 더 효과적이라고 말한다. 자주 교류하는 주변의 사람들이 개인의 동기나 행동에 큰 영향을 주는 점을 인식한다면 네트워크 분석을 통해 사람들이 어떻게 연결되어 있고 누가 중심적, 주도적 역할을 하는지, 연결의 구조가 촘촘한지 단절이 심한지등을 파악할 수 있다. 해당 네트워크 내에서 어떤 위치에 있는지, 어떤 사람들이나 자원들이 어떻게 포진하고 있는지를 데이터를 통해 파악함은 그동안 간과되어 왔던 개인과 개인의 연결, 개인과 구조의 연결과 영향을 이해하고 활용할 수 있음을 의미한다.


네트워크 분석은 시각화와 수치를 통해 전체 구조의 안정성이나 응집성, 수직적-수평적 관계, 노드들의 중심성 정도, 네트워크를 구성하는 집단간 연결이나 고립 정도 등을 파악한다. 적용을 할 때 높거나 낮은 수치들에 대해 절대적 의미보다는 문맥적 해석과 클라이언트의 동의가 중요하다. 예를 들어 다른 부서나 그룹을 많이 연결하는 인물이 중재자나 교량적 중심 역할을 할 수도 있지만 정보나 자원을 독점하고 제어하려는 사람일 수도 있다. 조직의 입장에서는 더 적극적인 보상을 해주어야 할 수도 있고 업무의 과중을 덜어주어야 할 수도 있다. 주변에 위치하거나 중심으로부터 멀게 나타나는 경우에도 한 가지 이상의 해석이 가능하다. 해당 네트워크에서 영향력이 적은 사람일 수 도 있지만 조직에서 일을 시작한지 오래 되지 않았거나 업무의 성격상 타인이나 부서와의 연결이 꼭 필요하지 않기 때문일 수도 있다. 후자의 경우 더 많은 연결이 오히려 업무의 효율성을 떨어뜨릴 것이다. 네트워크 분석의 큰 장점은 필요한 보상이나 업무, 지원체계를 분석결과를 통해 최적화 할 수 있다는 점이다. 이는 불특정 다수를 위해 프로그램을 만들고 운영하던 기존의 접근과는 아주 다른 접근방식이다.


네트워크 분석은 기존의 분석을 대체하기보다 보완적으로 사용할 때 더욱 유용하다. 인성검사나 역량평가, 다면평가 등을 통해 우리는 개인의 성향과 태도, 행동과 성과를 좀 더 구체적이고 접근할 수 있다. 네트워크 분석이 제공하는 개인의 주변에 대한 영향, 연결정도, 그리고 주변으로부터 받는 영향의 데이터는 기존 접근들에 상호보완적이자 새로운 정보와 인사이트들을 제공할 것이다. 데이터 분석 시 네트워크 분석도 평가보다 개발과 지원에 초점을 두어야 한다. 마지막으로 아무리 네트워크의 장점이 많더라도 개인의 존중과 보호가 최우선이며 협력과 공유, 투명성과 개인의 선택이 전제하지 않는다면 네트워크의 참여를 강요해서는 안 된다. 투명성과 개인보호, 윤리원칙 등의 이슈들에 대해서는 많은 연구와 가이드가 존재한다. 개인과 조직의 발전을 연결과 데이터를 통해 실현하고자 하는 조직에게 HR 네트워크 분석의 도입과 확산을 적극 추천한다.

 ----------------------------------------


윤승원 교수는 텍사스 에이앤엠-커머스 대학교 고등교육-교육공학과에서 리더십과 연구방법론을 강의하고 있다. 주요 연구 분야는 네트워크 분석, 조직 리더십, 지식공유, 인적자원개발이다. IT프로젝트 매니저와 컨설팅 경험을 기반으로 네트워크 진단, 기관 평가, 자문 등의 활동을 하고 있다. HRD의 대표 학술지인 Human Resource Development Quarterly의 부편집장으로 일하고 있으며, 웨스턴일리노이 대학교, 노던일리노이 대학교에서 교수로 근무했다.

 

 

윤승원 교수 


본 기사는 HR Insight 2019.8월호의 내용입니다.


 

HR Insight의 더 많은 기사를 보고 싶다면 아래 홈페이지를 방문해주세요.

www.hrinsight.co.kr 

 



 

키워드