이 질문 뒤에 면접관이 확인하려는 것은 따로 있습니다.
TA 업무에서 데이터 분석은 채용 퍼널을 이해하는 것에서 시작합니다. 얼마나 많은 지원자가 들어왔고, 서류·면접·최종 각 단계에서 몇 명이 빠졌는지를 추적하면 어느 단계가 병목인지 보입니다.
합격률 분석에서는 채널별 차이를 봅니다. 사내 추천으로 온 지원자와 잡포털로 온 지원자의 합격률이 다를 때, 어떤 채널이 더 적합도 높은 후보를 데려오는지를 파악할 수 있습니다. CPH(Cost Per Hire)를 채널별로 계산하면 비용 효율도 함께 봅니다.
이탈 분석도 중요합니다. 최종 합격 후 입사를 포기하는 경우가 많다면 처우나 프로세스 속도가 원인일 가능성이 높습니다. 어느 단계에서 얼마나 이탈하는지를 추적하면 채용 프로세스의 약점이 보입니다. 데이터는 채용이 어디서 새고 있는지를 알려주는 도구입니다.
TA 데이터 분석의 가장 큰 가치는 현황 파악이 아니라 미래 예측에 있습니다.
채용 완료까지 걸리는 평균 기간, 직군별 합격률, 계절별 지원자 수 패턴 같은 데이터가 쌓이면 언제 채용을 시작해야 목표 시점에 인력을 확보할 수 있는지를 계산할 수 있습니다. 이 계산이 채용 계획을 감에서 데이터로 바꿉니다.
예를 들어 특정 직군의 채용에 평균 10주가 걸린다면, 목표 입사일 기준으로 10주 전에 공고를 열어야 합니다. 이 계산 없이 공고를 열면 목표 시점을 놓치는 경우가 반복됩니다.
예측 기반 채용 계획이 HR의 신뢰를 만듭니다. 경영진이 인력 수급을 믿고 사업 계획을 세울 수 있게 됩니다.
TA 데이터 분석을 공정성 관점에서 활용하는 것이 앞으로 더 중요해지는 방향입니다.
채용 퍼널의 각 단계에서 지원자 구성이 어떻게 바뀌는지를 보면 편향 가능성을 감지할 수 있습니다. 특정 학교 출신 비율이 지원 단계보다 최종 합격 단계에서 높아진다면, 어딘가에서 필터링이 일어나고 있다는 신호입니다.
이 데이터를 정기적으로 모니터링하면 면접관 편향, 채용 공고 문구 문제, 특정 조건의 자동 배제 등을 발견할 수 있습니다. D&I 채용 지표를 설정하고 분기별로 리뷰하는 것이 공정한 채용 문화를 만드는 첫 걸음입니다.
데이터가 보이지 않는 편향을 드러냅니다. 공정성은 의지만으로 만들어지지 않고 측정에서 시작됩니다.
답변에서 흔히 빠지는 것들 — 빠져 있으면 꼬리질문이 깊어집니다.
이 질문에 이어 스마일게이트 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.