상관관계 분석을 통한 진로 대시보드 구축 및 효율성 파악

기본적인 시각화와 상관관계 분석을 주제로 “채용 경로 효율성 분석 대시보드 구축”을 시도합니다. 대시보드를 통해 각 경로의 특성을 살펴보고 채용 경로의 효율성을 파악하고자 합니다.

---

데이터 수집 및 처리

수집/이용되는 데이터는 다음과 같습니다.

채용경로, 근속연수, 성별, 연령, 22년 평가결과, 급여수준, 입사년도

'추천 관련글,

• tRPC를 사용한 Next.js 백엔드 개발
• Houdini1_Volume_09
• 다운로드 사이트 최신 영화를 무료로 시청
• 아마추어 틴 솔로 마스터

사용하는 데이터는 만 19~21세 참가자로 한정되어 있으며, 본연의 의도는 상대적으로 신인 참가자들의 효율성을 살펴보는 것입니다. 히스토리/데이터 일관성 등 여러 가지 문제를 고려할 때, 파라미터가 희박하더라도 제한된 데이터를 살펴보는 것이 좋습니다. . 보안상의 이유로 자연인 정보는 제거되며 각 데이터에는 번호가 매겨져 ID로 사용됩니다.

• 경력 경로셀프 도움말(사이트 지원), 검색 회사 및 내부 추천의 세 가지 범주로 제한됩니다.
• 수상 수준 해당 데이터는 보안상의 이유로 민감한 데이터이므로 금액을 그대로 사용하지 않고 처리된 데이터 값을 계산하여 그룹 내 평균 급여 수준 대비 개인의 급여 수준의 백분율을 나타내는 데 사용됩니다 +- 1년 경험. 1에 가까울수록 그 해의 평균값에 가까운 보상값이고, 1보다 클수록 같은 해의 평균값보다 더 많은 보상(급여)을 받았다. 기준은 입사 당시의 계약 급여입니다.
• 평가 결과 또한 민감정보는 2022년 평가결과를 사용하였다. 등급명도 그대로 쓸 수 없기 때문에 S/A/B/C 4개의 등급문자로 구분한다. 또한, 상관관계 분석 등을 위해 등급을 1~4점으로 점수로 환산한다.

관련 분석

먼저, 각 핵심 데이터 간의 상관관계를 알아보기 위해 상관분석을 수행한다. 각 데이터의 상관관계는 그리 높지 않은 것으로 나타났습니다. 따라서 각 데이터를 독립적으로 살펴보기로 결정했습니다.

빌드 대시보드

먼저 각 경로에 대한 데이터를 볼 수 있는 대시보드를 만들었습니다.

• 왼쪽 상단의 데이터는 19세에서 21세 사이에 회사에 입사한 사람들의 등급을 보여주는 파이 차트입니다.
• 채용 경로는 선택 시 채용 경로에 가입한 사람들의 데이터만 볼 수 있도록 필터를 적용하는 중간 상단 슬라이서로 추가되었습니다.
• 우측 데이터는 연도별 신규채용자 수를 그래프로 나타낸 것입니다.
• 중간에 있는 데이터는 각 지원 경로에 대한 신규 고용 수를 보여주는 파이 차트입니다.
• 가운데 맨 오른쪽의 데이터는 회사의 상위 20% 직원이 지원 루트별로 차지하는 비율, 즉 S등급을 나타내는 그래프로, 우수한 실적이라고 할 수 있습니다.
• 좌측 하단의 데이터는 급여수준-경력년수 산포도로서 급여수준 산정방법에 따라 경력년수 판단과 합치면 시너지 효과를 낼 수 있어 경력년수와 급여수준을 알 수 있음 동시에.
• 중간 하단의 데이터는 진입 연령을 나타내는 선형 차트이며 세로축은 입장 수를 나타냅니다.
• 마지막으로 오른쪽 하단의 원형 차트는 성별 분포를 보여줍니다.

효율성 검사

이제 각 채용 경로의 효율성을 알아보기 위해서는 먼저 “효율성”을 정의해야 합니다. 보상 수준이 비효율적입니까? 우수한 사람이 많으면 효율적일까요? 이전의 상관관계 분석에서 보상의 정도와 평가의 정도는 낮은 상관관계를 가지고 있음을 알 수 있다. 그렇다면 연봉 수준에서 확인할 수 있는 ‘효율성’은 무엇일까.그래요 연간보다 낮은 비용그리고 그 결과를 확인했다.

“내부 추천”의 급여 수준 – 경력 년 분포

“검색 회사”의 급여 수준 – 경력의 차이

“자급자족”에 대한 보상 수준 – 경력의 차이

보상수준의 기준치로 1을 사용하면 3경로의 모든 연도의 경험비가 상대적으로 낮은 것을 알 수 있다. 반면 내부 추천은 편차가 가장 컸다.

다음으로 “성능” 관점에서 효율성을 살펴보기로 했습니다. 여기에 문제가 있습니다. 우수한 신규 이민자의 높은 비율은 효율성으로 간주 될 수 있습니까? 그렇다면 각 경로별로 선발된 인원수와 관계없이 가치가 나올 것이라고 생각합니다. 따라서 효율성의 정의인 “입력에서 출력으로”를 적용하면, ‘모집인원 대비 우수한 실적의 정도효율성을 다음과 같이 정의

채용인원의 차이를 고려하여 채용인원이 아닌 “채용채널별 채용/총 채용인원”의 비율을 사용하며 비율은 다음과 같습니다.

내부 추천 37.99%, 자체 운영 35.13%, 검색 회사 26.88%

그리고 기업의 상위 20%, 즉 S등급에 속하는 각 경로의 비율을 “우수한 인재가 배출되는 정도”로 정의한다.

내부추천 46.97%, 검색업체 30.3%, 자체운영 22.73%

그 결과 내부 추천인이 매우 많고 모집인원에 비해 자활이 비효율적이다. 보상 수준과 유사한 공식을 적용하고 기준값을 100%로 설정하면 다음과 같이 각 경로의 효율성을 계산합니다.

결론적으로

급여 기준으로 확인했을 때 높은 자급자족’가격 대비 가치’ 그러나 채용인원에 비해 우수한 인재를 육성하는 효과는 미미하다. 반면 회사의 내부 추천은 비용면에서 뚜렷한 이점을 보이지는 않지만 채용 인원에 비해 우수한 인재를 육성하는 데 더 높은 효율성을 보여줍니다. 대표적인 채용 파이프라인의 효율성에 대해 생각해 볼 수 있는 좋은 기회입니다. 저는 평가/보상 그룹에 속해 있기 때문에 그런 관점에서 분석할 부분이 많은 것 같습니다. 내가 채용 담당자라면 새로운 시각과 새로운 지표로 접근할 것입니다.

---

분석의 끝에서 제 느낌은 채용에 영향을 미치는 요소가 너무 많아서 두 가지 요소만을 기준으로 어떤 경로가 더 효과적인지 결정할 수 없다고 생각합니다. 또한 변수의 통제가 용이하지 않은 인사자료이기 때문에 다양한 변수를 고려하지 않는 단편적인 분석의 한계가 있다.