HR 애널리틱스의 연구동향 및 과제

Review and Suggestions of HR Analytics

HR 애널리틱스는 HRM 분야에 불어온 데이터사이언스의 바람으로 더 객관적으로 효과적인 증거기 반의사결정을 위한 노력이자 새로운 방법론이다. 2000년 초반부터 시작된 HR 애널리틱스에 대한 관 심은 인공지능과 빅데이터 같은 기술의 발전과 함께 더 부각되어 해외에서는 이미 많은 논의가 진행되 고 있다. 이에 반해 국내에는 아직 HR 애널리틱스와 관련된 연구가 충분치 않아 이와 관련된 향후 논의가 요구되는 상황이다. 이에 본 연구는 다음과 같은 세 단계를 통해 HR 애널리틱스의 연구동향 및 시사점을 정리하여 제안하고 향후 연구자들이 기반 삼을 수 있는 HR 애널리틱스의 프레임워크를 제안한다. 먼저, 첫 번째 단계에서는 HR 애널리틱스 연구들을 문헌고찰하고 그 시사점을 도출한다. 연구결과, 세 가지 시사점을 얻을 수 있었는데, 이는 각각 HR 애널리틱스와 관련된 개념적 논의는 충분히 많이 이뤄졌다는 점, 경험적 연구가 부족하다는 점, 그리고, 결국 보다 더 고도화된 방법론이 절실하다는 점이다. 본 단계에서는 시사점과 함께 기존 연구들의 주장을 정리한 개념적 프레임워크 등도 함께 제시 한다. 두 번째 단계에서는 문헌고찰 내용을 토대로 HR 애널리틱스의 현재 위치와 앞으로 HR 애널리틱스 에 필요한 고도화된 방법론이 무엇인지 알아본다. 연구결과, 비즈니스 애널리틱스 가치모형 상에서 HR 애널리틱스는 기술분석에서 예측분석으로 넘어가는 단계에 머물러 있으며, 앞으로 예측 및 처방분 석으로 나아가기 위해서는 머신러닝과 같은 고도화된 방법론이 필요함을 알 수 있다. 마지막으로 앞선 모든 내용들을 바탕으로 향후 연구자들을 위한 하나의 프레임워크를 제안한다. 해 당 프레임워크는 본 연구의 최종결과물로서 머신러닝을 이용한 HR 애널리틱스의 프로세스와 각 프로 세스마다의 핵심질문 그리고 이에 해당하는 연구이슈들을 포함한다.

HR analytics is an effort and a new methodology for more objectively and effective evidence-based decision-making with the desire of data science that has blown into the HRM field. The interest in HR analytics, which started in the early 2000s, has emerged with the advancement of technologies such as artificial intelligence and big data analytics, and many discussions are already underway abroad. On the other hand, there are not enough research related to HR analytics in Korea, so further discussions are required. Therefore, this study summarizes and proposes the research trends and implications of HR analytics through the following three steps, and proposes a framework of HR analytics that future researchers can base on. First, in the first step, we review the literature of HR analytics studies and derive their implications. As a result of the study, three implications were obtained, each of which is that a sufficient number of conceptual research related to HR analytics has been made, that empirical research is insufficient, and that a more advanced methodology is urgently needed. In the second step, based on the review of the literature, we will examine the current position of HR analytics and what advanced methodologies are needed for HR analytics in the future. As a result of the research, it can be seen that HR analytics remains at the stage of transitioning from technical analysis to predictive analysis in the business analytics value model, and advanced methodologies such as machine learning are needed to move to prediction and prescription analysis in the future. Finally, we propose a framework for future researchers based on all the previous contents. This framework, as the final result of this study, includes the process of HR analytics using machine learning, the key questions for each process, and the corresponding research issues.