이 질문 뒤에 면접관이 확인하려는 것은 따로 있습니다.
HR 애널리틱스 수업에서 가상 기업 데이터를 이용해 조직 건강도를 진단하는 프로젝트를 진행했습니다. 진단 방법으로는 이직률, 결근율, 내부 설문 eNPS(종업원 순추천지수) 세 지표를 조합했고, 부서별로 수치를 시각화했습니다. 분석 도구는 Python pandas와 Tableau로 히트맵을 만들어 문제 부서를 직관적으로 파악했습니다. 해결책 제시 경험으로는 eNPS가 특히 낮은 부서에서 직속 상관 피드백 빈도와 부정 응답이 강하게 상관된다는 걸 발견하고, 1:1 미팅 주기를 의무화하는 개선안을 제안했습니다. 조직 변화에 대한 반응으로는 데이터를 경영진이 이해할 수 있는 인당 이탈 비용(온보딩 포함)으로 환산해서 제시하니 설득력이 높아졌습니다. 인사 데이터는 '숫자'보다 '맥락'과 함께 봐야 실제 개선으로 연결된다는 걸 이 프로젝트에서 배웠습니다.
인사 데이터를 활용해 조직 건강도를 진단할 때 단일 지표보다 이직률·결근율·직원 참여도(Engagement) 점수를 조합해서 다축으로 진단하는 방식을 사용했고, 세 지표가 각각 다른 문제 신호를 포착하기 때문입니다. 이직률은 이미 악화된 상황의 결과이고, 결근율은 몰입도 저하의 초기 신호이며, 참여도 점수는 관계·비전·성장 인식을 반영하는 선행 지표이고, 세 지표를 함께 보면 어떤 문제가 어느 단계에 있는지를 층별로 파악할 수 있습니다. 이직률·결근율·참여도 3축 진단이 팀별·직군별로 이 세 지표를 교차 분석해서 문제 그룹을 좁히고, 해결 우선순위를 정하는 방식이고, 이것이 조직 건강도 진단의 구조입니다.
특정 팀에서 참여도 점수가 먼저 하락했고, 이후 결근율 상승, 그리고 이직이 이어지는 패턴을 발견하면서, 이 팀의 팀장 리더십과 팀 내 커뮤니케이션 구조를 개선하는 방향의 해결책을 제안했고, 이후 두 분기 안에 이직률이 줄어드는 변화를 확인했습니다.
조직의 건강 신호는 이직으로 나타나기 전에 이미 참여도에서 나타납니다.
인사 데이터로 조직 건강도를 진단하는 또 다른 접근으로, 팀별 성과 데이터의 평균값이 아니라 분산(Variance)을 분석해서 팀 내 불균형과 번아웃 선행 징후를 탐지하는 방식을 사용했습니다. 팀 전체 평균 성과가 유지되더라도, 일부 팀원이 과부하를 지고 나머지는 업무 밀도가 낮은 불균형 구조가 있을 때 평균으로는 문제가 보이지 않고, 성과 분산이 갑자기 커지는 패턴이 팀 내 구조적 문제의 신호임을 알게 됐습니다. 성과 분산 기반 번아웃 탐지가 월별 팀원별 아웃풋 데이터를 추적하면서 특정 팀원의 기여 비중이 급격히 높아지는 시점을 포착하고, 그 시점에 팀 구조나 업무 배분을 점검하는 방식이고, 이것이 번아웃이 발생하기 전에 개입하는 방법입니다.
팀 내 성과 분산이 급격히 커진 팀을 추적했을 때, 실제로 특정 팀원에게 과중한 업무가 집중되고 있었고, 이를 팀장에게 데이터로 제시하면서 업무 재배분이 이루어졌고 이후 결근율이 감소했습니다. 평균은 균형을 숨기고, 분산은 균형을 드러냅니다.
답변에서 흔히 빠지는 것들 — 빠져 있으면 꼬리질문이 깊어집니다.
이 질문에 이어 마켓컬리 채용·HRM 면접관이 던질 가능성이 높은 후속 질문.
이 페이지의 질문·답변·꼬리질문은 유사 직군 채용 시장의 공개된 면접 후기·커뮤니티 게시물을 분석해 구성한 학습 자료입니다. 특정 회사가 실제로 이 질문을 출제했다는 것을 보장하지 않으며, 모든 예시는 우문현답이 직접 작성한 창작물입니다. 해당 회사의 공식 입장과는 무관합니다. 회사 측의 정정 요청이 있을 경우 24시간 이내에 응답·수정합니다.