• 한국정보처리학회:학술대회논문집
• /
• 한국정보처리학회 2021년도 춘계학술발표대회
• /
• pp.297-300
• /
• 2021

대부분의 기업에서는 우수한 인적 자원의 유출을 방지하기 위해 직원들이 이직 및 퇴사하는 이유를 연구한다. 이에 기업은 직원이 퇴사하기 전에 면담을 하거나 설문조사를 통해서 연구에 필요한 데이터를 얻는다. 하지만 설문조사에서는 직원들이 직장 생활을 하는 데에 불리할 수도 있는 의견을 드러내려고 하지 않아 정확한 결과를 얻기 힘든 것이 현실이다. 한편, 한국노동연구원에서 발표한 자료에 따르면 기업이 요구하는 최소 학력 수준과 직원의 학력 수준 간의 차이가 클수록 이직 경향이 커진다. 따라서 본 연구에서는 한국노동연구원의 자료에 착안하여, 직원이 가지고 있는 객관적 데이터인 전공, 교육수준, 재직 중인 회사 유형 등의 데이터를 기반으로 직원의 퇴사 여부를 예측하고자 한다. 퇴사 예측 모델을 생성하기 위해 Decision Tree, XGBoost, kNN, SVM을 활용하였으며 각각의 성능을 비교했다. 이 결과, 지금까지 설문조사로 진행되었던 연구에서 파악하지 못한 다양한 요인을 알아낼 수 있었다. 이를 통해 기업이 퇴사 예측 모델을 이용하여 직원이 퇴사하기 전에 미리 이를 인지하고 방지하는 데에 도움을 줄 수 있을 것으로 예상된다.

• 한국컴퓨터정보학회:학술대회논문집
• /
• 한국컴퓨터정보학회 2021년도 제64차 하계학술대회논문집 29권2호
• /
• pp.371-374
• /
• 2021

호텔기업은 고객서비스가 가장중요한 업무중의 하나로 직원들이 고객과의 대면상황에서 어떤 서비스가 펼쳐지는지에 따라서 호텔의 이익이 바뀌어 질수 있다. 따라서 호텔은 유능하고 우수한 직원들을 꾸준하게 유지하는 것이 무엇보다 중요하다. 다른 호텔과의 차별화를 위하여 직원들의 타 업체로의 이직을 막아 회사의 안정적인 발전을 도모하고 이윤을 최대한 높이는데 초점을 맞추어야 한다. 본 연구는 조직관리로써 역할갈등(직장-가정갈등, 가정-직장갈등)과 이직의도와의 관계를 알아보고자 한다. 그리고 역할갈등이 이직의도에 미치는 영향에 마음챙김 변수를 대입하여 매개역할을 검증하고자 한다. 자료 수집을 위해서 서울과 경기도 지역의 특급호텔 종사원을 대상으로 설문을 실시하였다. 자료 수집을 위하여 서울 경기지방을 직접 방문하여 조사를 진행하였다. 분석결과를 간단히 요약하면 첫째, 역할갈등은 이직의도에 유의미한 관계를 이루었고, 역할갈등이 이직의도에 미치는 영향에 있어서 마음챙김은 매개역할을 하였다. 역할갈등이 이직의도에 미치는 영향에 있어서 마음챙김의 매개효과는 역할 갈등의 첫 번째 변수인 직장-가정갈등 상황에서 이직의도에 미치는 영향을 마음챙김이 매개를 한다는 유의미한 결과를 얻었다. 그리고 두 번째 독립변수인 가정- 직장갈등의 상황에서는 마음챙김이 매개역할을 하는 것으로 예측되었다. 이런 연구결과를 바탕으로 기업은 체계적이고 지속적인 마음챙김 교육을 통하여 구성원 상호간의 상호 배려가 기업에 대한 긍정적인 태도로 바뀔 수 있도록 하는 방안을 강구해야 할 것이다. 또한 역할갈등의 결과변수를 좋게 하는 다양한 방안에 대한 폭넓은 연구가 필요할 것으로 보인다.

• 한국정보통신학회:학술대회논문집
• /
• 한국정보통신학회 2021년도 춘계학술대회
• /
• pp.100-103
• /
• 2021

대부분의 기업에서는 우수한 인적 자원의 유출을 방지하기 위해 직원들이 이직 및 퇴사하는 이유를 연구한다. 이에 기업은 직원이 퇴사하기 전에 면담을 하거나 설문조사를 통해서 연구에 필요한 데이터를 얻는다. 하지만 설문조사에서는 직원들이 직장 생활을 하는 데에 불리할 수도 있는 의견을 드러내려고 하지 않아 정확한 결과를 얻기 힘든 것이 현실이다. 한편, 한국노동연구원에서 발표한 자료에 따르면 기업이 요구하는 최소 학력 수준과 직원의 학력 수준 간의 차이가 클수록 이직 경향이 커진다. 따라서 본 연구에서는 한국노동연구원의 자료에 착안하여, 직원이 가지고 있는 객관적 데이터인 전공, 교육수준, 재직 중인 회사 유형 등의 데이터를 기반으로 직원의 퇴사 여부를 예측하고자 한다. 퇴사 예측 모델을 생성하기 Decision Tree, XGBoost, kNN, SVM을 활용하였으며 각각의 성능을 비교했다. 이 결과, 지금까지 설문조사로 진행되었던 연구에서 파악하지 못한 다양한 요인을 알아낼 수 있었다. 이를 통해 기업이 퇴사 예측 모델을 이용하여 직원이 퇴사하기 전에 미리 이를 인지하고 방지하는 데에 도움을 줄 수 있을 것으로 예상된다.

• 지식경영연구
• /
• 제25권2호
• /
• pp.19-47
• /
• 2024

기업의 데이터 분석 및 활용 역량은 전사 차원의 지식경영과 의사결정에 중요한 역할을 한다. 이 연구는 대형 언어 모델이 기업데이터 분석에서 어떻게 활용될 수 있는지 알아보고자 수행되었다. 구체적으로 인적자원 분야에 초점을 맞추어, 대형 언어 모델의 데이터 분석 역량을 검증해 보았다. 이를 위해 인사분야에서 많은 연구가 이루어져온 공개데이터셋 IBM HR 데이터를 소재로, 선행연구들에서 이루어진 머신러닝 기반 이직자 예측 분석을 ChatGPT를 통해 재현하고 그 예측성능을 비교해보았다. 고급 프로그래밍 역량이 필요했던 과거 연구방식과 달리, 분석가의 자연어 요청으로 진행한 ChatGPT 기반 머신러닝 데이터 분석은 훨씬 쉽고 빠르다는 장점이 있었고, 예측 정확도 역시 선행연구와 비교해 경쟁력 있는 수준을 기록했다. 이는 그동안 고급 프로그래밍 역량이 요구되던 기업데이터 분석 분야에서, ChatGPT를 비롯한 대형 언어 모델들이 효과적이고 실질적인 대안이 될 수 있다는 가능성을 시사한다. 또한 이를 통해 데이터 분석의 대중화 나아가 데이터 기반 의사결정(DDDM: Data-Driven Decision Making)의 확산에도 기여할 수 있을 것으로 기대된다. 데이터분석 과정에서 사용한 프롬프트와 ChatGPT가 생성한 프로그래밍 코드도 부록에 수록하여 검증 가능하게 함으로써, 향후 대형 언어 모델을 활용한 데이터분석 연구의 초석을 제공하고자 한다.

• 컴퓨터교육학회논문지
• /
• 제20권1호
• /
• pp.87-97
• /
• 2017

최근 대부분의 기업에서 인적 자원의 유출이 조직에 미칠 부정적인 영향을 인지하게 되면서 조직 구성원의 이직 및 퇴직의도에 대해 많은 연구가 이루어졌다. 그러나 대부분 설문조사의 형태로 이루어지며, 직장 생활 데이터를 기반으로 이직 또는 퇴직의도를 살펴본 연구는 아직까지 미비했다. 이에 본 연구에서는 직장 생활 프로파일을 기반으로 직원의 퇴직 여부에 영향을 미치는 요인에 대한 분석을 실시하고, 기계 학습 방법을 활용하여 퇴직 예측 모델을 생성했다. 이 결과, 기존의 설문조사를 중심으로 수행되었던 연구에서 접근하지 못했던 다양한 요인들을 파악할 수 있었다. 또한, 우수한 성능의 퇴직 예측 모델 생성을 통해 기업의 인적 자원 유출에 대한 해결방안을 제시할 수 있는 연구의 발판을 마련했다.

• 스마트미디어저널
• /
• 제11권10호
• /
• pp.9-21
• /
• 2022

최근 소셜미디어의 사용 확대는 사회, 경제, 정치, 문화 등 여러 방면에서 이용자들의 의견을 실시간으로 표현할 수 있는 계기가 되었고, 기업에 관한 다양한 정보를 제공하는 플랫폼들이 많이 늘어났다. 그중에서 2008년 미국에서 시작된 글래스도어(Glassdoor.com)는 기업의 전현직 직원이 자신이 근무한 기업의 처우를 평가하고 기업의 성장성에 관한 전망을 제공하고 있다. 이러한 플랫폼은 취업 또는 이직하려는 구직자에 필요한 정보를 제공하는 효용성이 있다. 이 외에도 여러 연구에서 이러한 플랫폼을 통해 제공되는 기업의 정보가 투자자에게도 유용하다는 점이 밝혀지고 있다. 본 연구에서는 국내에서 글래스도어와 대표적으로 유사한 기능을 하는 플랫폼인 잡플래닛(Jobplanet)에서 제공되는 직원들의 기업성장 전망이 실재 기업성장을 예측하는 예측력이 있는지 파악하였다. 잡플래닛에서 제공되는 전망과 에프앤가이드에서 받은 기업의 재무지표 데이터를 취합하여 패널데이터로 구성한 뒤 고정효과 모형 회귀분석을 이용하여 분석하였다. 그 결과 긍정적인 전망을 받은 회사가 부정적인 전망을 받은 회사보다 고용증가율이 더 높은 것으로 나타났다. 전망이 중립인 경우에도 전망이 부정적인 회사보다 고용증가율이 더 높은 것으로 나타났다.