인사 품질 개선: 직원 이직률 감소

데이터 기반 프로세스 개선 이니셔티브는 일반적으로 제조업과 같은 산업과 관련이 있습니다. 하지만 통계 및 데이터 분석을 사용하여 문제를 해결하는 프로세스는 비즈니스 기능에 도움이 될 만큼 유연합니다. Lean Six Sigma 마스터 블랙 벨트인 Jeff Parks는 “Lean Six Sigma는 거래 및 서비스 기반 환경에서 성장했습니다.”라며 “예를 들어, 저는 인사 분야에 품질 개선 기법을 적용할 기회를 가졌습니다.”라고 말합니다. 최근 한 Lean Six Sigma 프로젝트에서 Parks는 데이터를 분석하기 위해 Minitab Statistical Software의 강력한 도구에 의존하여 대형 항공우주 엔진 부품 제조업체에서 높은 직원 퇴사율을 이해하고 줄이기 시작했습니다.

직원 퇴사율 또는 이직률은 근로자가 퇴사하는 비율입니다. 신입 직원 채용 및 교육과 관련된 비용 때문에 높은 퇴사율은 기업에 문제가 될 수 있으며 비용이 많이 들 수 있습니다.

Lean Six Sigma 마스터 블랙 벨트인 Jeff Parks는 Minitab Statistical Software를 사용하여 항공우주 엔진 부품의 주요 제조업체에서 발생하는 주요 인사 문제를 해결했습니다.

2009년 한 대형 오하이오주 항공우주 엔진 부품 제조업체는 15~18%의 정상 퇴사율을 보였으며, 이는 회사가 소재한 지역의 일반 제조 퇴사율을 반영했습니다. 그러나 2009년 미국 경제 침체와 함께 회사의 퇴사율도 급증해 30% 이상으로 치솟았습니다. 지역 및 전국적으로 높은 실업률을 감안할 때 경영진은 이 비율이 훨씬 더 낮을 것으로 예상했습니다. “높은 퇴사율은 매우 문제가 되었습니다.”라고 회사의 품질 개선 노력을 주도한 Parks는 말합니다. “이는 회사 내에 더 깊은 문제가 존재했다는 것을 의미했습니다. 인사부는 이 문제를 해결할 수 없었습니다.”

제조업체의 인사 담당자는 일반적으로 퇴사 인터뷰를 통해 직원이 퇴사하는 이유를 파악했습니다. 이러한 인터뷰를 통해 많은 것을 배울 수 있지만, 직원이 경고 없이 퇴사할 때는 퇴사 인터뷰를 실시할 기회가 없습니다. 그리고 작업이 매우 힘든 시간당 제조 환경에서는 직원들이 예고 없이 퇴사하고 퇴사를 유발한 요인에 대한 정보를 거의 또는 전혀 얻지 못하는 경우가 흔했습니다. 제조업체는 지난 2년 동안 예고 없이 퇴사한 직원에 대한 기본 데이터를 취합했으며, Parks는 데이터를 분석하여 갑작스러운 퇴사율 증가에 대해 어떤 통찰력을 제공할 수 있는지 알아보는 업무를 맡았습니다.

이 회사는 2년 동안 100명의 직원을 고용했습니다. 이 신입 직원 중 32명은 예고 없이 퇴사했습니다. 회사는 직원의 성별, 직위, 급여 분류, 근무 교대, 제조 경력 전년 및 통근 기간을 포함한 각 신입 사원에 대한 기본 정보를 제공했습니다. 급여 분류(시간당 대 급여)와 근무한 교대(1교대 대 2교대)에서 퇴사한 직원의 비율 간에 통계적으로 유의미한 차이가 있는지 확인하기 위해 Parks는 Minitab에서 가설 검정을 실시했습니다. 그는 직원 퇴사 행동의 패턴을 드러내고 싶었지만, 분석 결과 어느 변수에 대해서도 비율 간에 통계적으로 유의미한 차이가 나타나지 않았습니다.

Minitab 차트를 통해 Parks는 회사가 퇴사 행동을 보이는 직원에 대해 취합한 원시 데이터를 시각화할 수 있었습니다. 위의 히스토그램은 2년 동안 신입 직원의 통근 거리 분포를 나타냅니다.

하지만 Parks는 거기서 멈추지 않았습니다. 그는 원시 데이터를 추가로 조사했으며, 퇴사한 직원 중 다수가 이전에 제조 경험이 있는 여성으로서 근무를 위해 다양한 거리를 이동한 사실을 알게 되었습니다. 그는 Minitab을 사용하여 성별, 이전 제조 경력 또는 통근 거리가 직원이 퇴사했는지 여부와 상관관계가 있는지 확인했습니다. 이 경우 Parks가 평가하고 싶었던 반응(퇴사 또는 퇴사 안함)은 이분법적이었고 가능한 값은 두 가지뿐이었습니다. Minitab의 강력한 이항 로지스틱 회귀 분석을 통해 Parks는 통계 모형을 만들어 어떤 변수가 퇴사 가능성을 높였는지 예측할 수 있었습니다.

분석 결과, 직원의 통근 기간은 통계적으로 유의했습니다. Minitab 분석에서 도출된 결과, Parks는 출퇴근으로 이어진 마일 수를 기준으로 직원의 퇴사 확률을 예측하는 데 사용할 수 있는 회귀 방정식을 도출했습니다. 그는 방정식을 사용하여 최대 30마일의 거리를 분석한 결과, 통근 거리 12마일까지는 직원이 퇴사할 확률에 거의 영향을 미치지 않는다는 사실을 발견했습니다. 12마일 거리에서는 직원의 퇴사 확률이 18% 이상으로 증가했습니다. “출퇴근 시간이 약 30~45분인 13마일에서 퇴사 확률이 92% 이상으로 높아졌습니다.”라고 Parks는 말합니다. “출퇴근 거리가 13마일을 초과하면 직원이 퇴사할 것이라고 거의 확신할 수 있습니다.”

Minitab의 강력한 로지스틱 회귀 분석은 Parks가 예고 없이 퇴사한 직원과 상관관계가 있는 요인을 정확히 파악하는 데 도움이 되었습니다.

이 제조업체의 인사 부서는 Parks의 분석 결과를 활용하여 제조직에 대한 인터뷰 프로세스를 개선했습니다. 이들은 잠재적 직원의 통근 거리를 더 자세히 살펴보기 시작했으며 채용 결정을 내리기 전에 이를 고려했습니다.

Parks는 데이터가 퇴사율 증가와 높은 실업률 사이의 모순을 설명한다고 생각합니다. Parks는 “분석 결과 경기 침체 기간 동안 경제가 너무 나쁘기 때문에 자신이 지원한 업무에 대해 매우 관대하다는 것을 알 수 있었습니다.”라며 “직원들은 통근이 힘들 수 있다는 사실을 깨달았을 때, 다른 일자리를 찾기 위해 빠르게 나갔고 종종 그만두곤 했습니다.”라고 말합니다.

Parks는 15년 이상 Minitab 사용자로 활동해 왔으며, 모든 기술 수준의 다양한 배경을 가진 사람들이 소프트웨어를 사용할 수 있다는 점을 좋아합니다. 그는 “Minitab은 통계 능력이 제한된 수백 개의 벨트를 가르치고 여러 비즈니스 영역에서 품질 개선 프로젝트를 완료할 수 있도록 지원해 주었습니다.”라며 “이용 용이성과 통계 검정력 측면에서 시중 최고의 통계 패키지입니다.”라고 말합니다.