Kaggle의 ‘IBM HR Analytics Employee Attrition & Performance’ 데이터를 활용해 퇴사 여부에 영향을 미치는 HR Data를 분석한다. 분석 결과를 통해 인사담당자들에게 인재 유출을 방지하기 위한 지표 개선의 근거를 제공하고자 한다.

이미지 출처 : 잡코리아

22년 말, 구인구직 플랫폼 ‘잡코리아’는 ‘이직을 RESPECT’한다는 광고를 선보였다. 이는 구인구직 플랫폼의 주 타겟층이 취준생에서 이직(퇴사)을 준비하는 직장인으로 확대되었다는 것을 의미한다. ‘평생직장’이라는 말이 구시대적으로 느껴지는 지금, 이 광고를 통해 우리는 이직, 퇴사가 첫 직장을 구하는 것만큼 빈번하게 일어나고 있는 시대상을 볼 수 있다.

출처 : https://www.asiae.co.kr/article/2022072616513391421

통계청에 따르면 22년 5월 기준 청년층의 첫 직장 평균 근속기간은 1년6.8개월이다. 첫 직장으로 임금근로 일자리를 얻은 15~29세 청년층의 65.6%는 졸업 후 가진 첫 일자리를 그만뒀다. 취업플랫폼 사람인이 21년 500개 기업을 대상으로 '1년 이내 조기퇴사자' 현황에 대해 조사한 결과, **응답 기업의 49.2%는 'MZ세대의 조기퇴사율이 높다'고 답했다. 20·30세대들이 퇴사를 결심하는 이유로는 '더 좋은 회사로의 이직 준비'(20대 56.3%, 30대 55.7%)가 가장 많았다.

이미지 출처 : https://www.saramin.co.kr/zf_user/help/live/view?idx=108748&listType=news	이미지 출처 : https://post.naver.com/viewer/postView.nhn?memberNo=24090434&volumeNo=6470527

이러한 상황은 기업 인적자원(HR) 담당자 입장에서 큰 고민거리이다. 조기퇴사자의 증가로 인한 다양한 손해가 있지만 금전적 손실이 특히 크다. 커리어테크 플랫폼 사람인이 기업 499개사를 대상으로 ‘직원 채용 시간과 비용’에 대해 조사한 결과, 직원 1인 채용에 평균 32일, 1,272만원의 비용이 드는 것으로 조사됐다. 또한, 한국경영자총협회가 2013년 발표한 대졸 신입사원 1인당 교육 비용은 평균 5960만원이다. 최문석 한국경영자총연합회 경제조사2팀장은 “교육비용에는 신입사원이 업무 역량을 본격 발휘할 때까지 지급된 월급도 포함된다”며 “조기 퇴사가 늘어나면 기업의 손실도 그만큼 증가할 수밖에 없다”고 말했다.

이미지 출처 : https://www.servicenow.com/kr/products/hr-service-delivery/what-is-hr-analytics.html

우리는 퇴사율을 줄이고 리텐션을 높이는 방법, 퇴사의 진짜 원인을 찾고 개선점을 마련하기 위한 방법으로 HR Analytics를 선택했다. HR Analytics란 다양한 방법론과 도구를 활용하여 인적자원 데이터를 분석하고, 사업과 조직의 성과를 향상시키는 의사결정을 지원하는 활동이다. HR관련 업무는 주로 주관적인 성과 평가 및 민감한 개인정보를 다루기 때문에 데이터를 활용하는 것에 제약이 많았다. 하지만 HR 분야에서의 데이터 기반 의사결정이 직무 만족도 향상, 조직문화 개선, 퇴사율 감소 등 성과를 내기 시작하면서 많은 기업에서 HR Analytics를 도입하고 있다. HR Analytics를 활용한 우수 사례들은 다음과 같다.

HR Analytics 사용사례
이미지 출처 : https://www.etoday.co.kr/news/view/1747355	1. 퇴사 예측 인공지능 IBM은 퇴사할 직원을 95% 정확도로 예측할 수 있는 인공지능을 개발했다. ‘선제적 소모 프로그램(Predictive Attrition Program)‘으로 불리는 이 기술은 퇴사 리스크가 있는 직원을 AI가 추려내 관리자들이 대체 인력을 선제적으로 고용할 수 있도록 하는 프로그램이다. 이 기술로 IBM은 지금까지 약 3억 달러(약 3400억 원)의 비용을 절감했다.
2. HR 시각화 대시보드 다양한 HR 데이터를 대시보드로 제작해 전 직원을 효율적으로 관리할 수 있다. 이는 실무진이 실시간 HR 데이터를 살펴보며 개인, 조직, 회사의 개선 사항이 무엇인지 단계별로 찾을 수 있도록 도와준다. 이를 테면, 퇴사율이 높은 직무를 중심으로 퇴사 원인을 탐색하여 일괄적인 해결방안(ex. 연봉상승) 대신 구체적인 조치를 취할 수 있다.	이미지 출처 : https://www.simplesheets.co/hr-metrics-dashboard

본 프로젝트는 Kaggle의 ‘IBM HR Analytics Employee Attrition & Performance’ 데이터를 바탕으로 퇴사에 가장 큰 영향을 미치는 변수를 찾고자한다. 따라서 HR data를 활용해 직원의 퇴사 여부를 예측하는 머신러닝 모델을 구축하고 퇴사 현황과 원인을 파악할 수 있는 대시보드를 제작하여 HR 부서의 인력 계획 의사결정의 인사이트를 제공하는 것이 목표이다.

1. 탐색적 데이터 분석(EDA)을 통해 퇴사 여부 예측 머신러닝 모델 구축
2. 퇴사 원인을 탐색적으로 파악할 수 있는 시각화 대시보드 제작

• 결과 정리 노션 (각자 개인 노션 페이지 정리 필요) 결과물 노션
• 결과보고 ppt
• 시각화 대시보드(링크 참조)
• HR 데이터 수집 설문 예시

  • 설문조사 응답자용(임직원) [HR]임직원 의견 수렴 조사(설문 응답용)

  • 설문조사 취합용(HR팀) [HR]임직원 의견 수렴 조사(HR팀 확인용)