'HEARTCOUNT'는 클라우드 기반 협업 용 데이터 분석 시스템으로 인사, 재무, 영업, 마케팅 등 기업 내 각 현업 부서에서 KPI 달성을 목적으로 데이터(엑셀, csv 등)를 클라우드에 업로드 하면 ‘무엇을(What), 왜(Why), 어떻게(How)’에 대한 뻔하지 않고 쓸모 있는 답변을 제공해 주는 증강형 데이터 분석 시스템입니다.
현업에서 해결하지 못하고 있는 질문이나 제대로 활용하고 있지 않은 데이터가 있다면 언제든지 문의해주세요. 서비스, 솔루션에 관한 궁금한 점이나 견적 등을 문의하시면 담당자가 직접 답변해드립니다.
기술적 차별점
- 특별한 교육없이 의사결정에 바로 활용할 수 있는 직관적인 패턴
- 가설없이 모든 경우의 수로 분석, KPI의 차이를 가져오는 주요 요인 자동 발견, 중요도 순으로 통계치/시각화 결과 제시
- KPI 최적화를 위한 투명하고 이해하기 쉬운 규칙 제공
- 임의의 두 집단을 가장 잘 구분하는 변수와 변수 구간 자동 제시
도입 사례
삼성전자 Analytics 컨설팅 및 솔루션 구축
SK그룹 13개 계열사 신입사원 성과분석 컨설팅
맥도날드 매장 생산성 분석 프로젝트
SK하이닉스 텍스트 데이터 분석 컨설팅
포스코ICT Data Democratization 프로젝트
-햄버거 프랜차이즈의 하트카운트 도입 사례
<가맹점 성과 분석 (Store Performance Analysis)>
도입 배경
국내 최대의 햄버거 프란차이즈인 M社는 Store Performance 관점에서 매출(Top Line)이 주어진 조건(Given)이라 했을 때,
이익과 고객가치를 지속적으로 만들어가는 매장과 그렇지 못한 매장의 차이는 무엇일까? 결국 현장의 사람들(Crew Performance)의 영향이 가장 큰 것일까?
그 외에 영향을 주는 변수는 없는 걸까? 매장 생산성에 영향을 주는 주요 변수들을 찾는다면 운영의 효율성과 고객가치를 조화하여 그 최적의 균형점을 찾아가는 일에 있어 데이터가 현재의 위치를 가늠하고 나아갈 방향을 제시하는 데 중요한 역할을 할 수 있도록 어떻게 방향을 제시하는 것이 좋을까?
등의 질의를 해결하고 더 나은 방향을 찾기 위해 데이터 분석 프로젝트를 수행함.
솔루션
위의 요구조건을 만족시키며 HR 등 현업부서에서 직접 사용하기 편하고 쉬운 분석 솔루션을 찾던 중 현업 기반의 데이터 분석 및 시각화 솔루션인 ‘heartcount’를 알게 되었고, 이를 활용하여 현업(HR, Sales)부서와 heartcount 분석 팀이 약 3개월간 M社의 인사, Sales 및 Store운영 등의 다양한 데이터를 분석하여 원하는 결과를 얻어낼 수 있었음.
구축 효과
데이터 분석 결과 아래와 같은 Insight를 얻고 이를 의사결정에 반영하여 Performance 향상 효과를 얻게 됨.
- 매장의 이익은 매출과 생산성이 증가할수록, 인건비와 배달비율이 감소할수록 증가
- 매출이 증가할수록 매출에서 매장 운영에 수반되는 고정비용 비율이 상대적으로 감소하여 이익도 커짐
- 매장 생산성은 a) 평균 근속기간과 주 평균 근무시간이 긴 매장일수록, b) Crew(점원)의 퇴사율이 낮을수록 증가
- 배달판매(MDS) 비율이 증가할수록 인건비 상승으로 인해 이익은 일관되게 줄어 듬
- ‘고객만족도’는 ‘직원만족도’ 점수가 높고 Crew(점원) 퇴사율이 낮은 매장일수록 높음; Happy Crew, Happy Customer.
- 동일한 매출규모에서 이익률을 개선하려면 a) 배달판매로 인한 배달원 추가 인건비를 판매가격에 반영하고,b) 실질 생산성을 정확하게 측정할 수 있는 새로운 생산성 지표의 개발과, c) Crew의 재직기간/근무시간 최적화를 통해 생산성을 개선할 수 있도록 People Strategy 수립이 필요하다는 결론에 이르고 이를 실천하여 경영 지표 개선 효과가 나타나고 있음.
- 메신저 기업의 하트카운트 도입 사례
< HR 데이터 분석>
도입 배경
국내 대표 메신저 기업인 K社에서 채용, 퇴사 요인 분석, 업무 성과 향상 등 HR 측면에서 데이터를 기반으로 분석하고 회사에 가장 적합한 과학적인 HR 기준을 수립하기 위해 HR 데이터 분석의 Needs가 생김.
솔루션
글로벌 대표 IT 제조 기업인 S社, 국내 최대 통신사 S 통신사, 글로벌 화장품 제조기업 A社 등에서 데이터 기반의 HR 분석을 수행하여 이미 그 효과가 검증이 된 ‘HEARTCOUNT’를 활용하여 채용, 퇴직자, 성과 분석 등에 대한 데이터 분석을 수행함.
구축 효과
데이터 분석 결과 아래와 같은 Insight를 얻고 이를 경영 의사결정에 반영하여 Performance 향상 효과를 얻게 됨.
1) 채용: 성과 기반 채용 기준 수립 - 신입사원 성과데이터와 채용 데이터를 결합, 고성과를 예측하는 과학적 선발기준 수립
2) 퇴직 예측: 근속기간 최적화를 위한 채용 전략 수립 - 30%에 달하는 퇴사율을 개선하기 위해 직군 별 인구통계학적 특성, 채용 경로 등의 데이터를 활용, 평균 근속기간을 최적화할 수 있는 세그먼트 발견; 해당 세그먼트에 집중적 리크루팅 활동 수행, 평균 재직기간 상승의 효과 달성
3) 성과 분석: 고성과 요인 발견 - 고성과 요인에 대한 인과적 분석을 통해 개입/통제할 수 있는 요인과 그렇지 못한 요인 분리; 개입할 수 있는 요인 중 개입의 효과가 가장 큰 항목과 효과의 크기를 분석하여 중/저 성과자의 교육, 육성에 활용
