Minitab 블로그

CART: 영업 직원 채용을 위한 분류 및 회귀 트리 | CART: Classification and Regression Trees for Sales Recruitment

Written by Joshua Zable | 2022. 7. 7 오전 6:06:34

신입 직원 채용은 과학적 정확성이 낮으며, 과거의 성과가 항상 미래의 결과를 보장하는 것은 아닙니다. 문화적 적합성과 개인적 상황과 같은 요인이 채용자의 성공에서 중요한 부분을 차지합니다. 그러나 정확성이 낮다고 해서 과학적인 근거가 전혀 없는 것은 아닙니다. 실제로 인사관리(HR) 담당자는 간단한 데이터 분석만으로도 우수한 지원자를 채용할 가능성을 크게 높일 있습니다. 채용 담당자는 통계에 대한 이해가 없어도 Minitab CART® 활용하여 '채용 트리' 만들 있습니다.

MINITAB 예시: 영업 직원 채용

적합한 영업 직원 채용은 어느 조직에게나 중요합니다. 대다수의 기업은 처음 6~18개월 동안에는 영업 직원을 채용하기 위한 투자에서 손해를 봅니다. 게다가 성과가 저조한 영업 직원을 채용하는 경우 발생하는 기회 비용은 영업 직원을 채용하는 과정에서 발생하는 비용을 증가시키기만 뿐입니다.

의료기기 회사의 인사관리(HR) 담당자를 예시로 들어보겠습니다. 담당자는 판매량이 가장 많은 기기를 담당하는 영업 직원을 교체하게 되어, 빨리 적합한 지원자를 채용해야 합니다.

1단계: 영업팀을 고성과자와 저성과자로 분류

영업 직원을 이렇게 분류할 정량적 할당량을 사용할 있습니다. 단계를 가장 간단하게 수행하는 방법은 영업팀을 연간 할당량을 달성한 그룹 1 그렇지 못한 그룹 2 나누는 것입니다. 성장 수치, 수익성 또는 해당 영업팀에 적합한 다른 주요 성과 지표를 기준으로 팀원들을 분류할 수도 있습니다.

다음으로 경력년수, 전문 분야, 대학교 학점 평균, 성격 특성과 같은 기타 측정 가능한 특성을 고려할 있습니다. 아래 예시의 인사관리 담당자는 채용 경력년수, 헬스케어 분야 경력(이항으로 정의: , 헬스케어 분야에서의 영업 경험 있음 - 1. 아니요, 헬스케어 분야에서의 영업 경험 없음 - 0), 대학교 학점 평균 성격적 특성(5 - 매우 외향적, 1 - 매우 내향적) 고려할 특성으로 선택했습니다.

2단계: 회귀 또는 채용 트리 실행

Minitab Statistical Software에서 CART® 분류 트리를 사용하여 분석을 실시하면 매우 흥미로운 정보를 확인할 수 있습니다. Minitab의 CART® 는 채용하기에 가장 적합한 후보 유형을 찾기 위한 최적의 트리(즉, 의사결정 트리 시나리오)를 선택합니다.


이항 반응 정보

트리 다이어그램

3단계: 결과 분석

분석 결과, 가지 흥미로운 인사이트를 확인할 있었습니다. 우선 의사결정 트리를 살펴보면 이상적인 지원자는 성격 점수가 4.5 이하이고 학점 평균(GPA) 3.15 이상인 사람으로 나타납니다.

성격이 성공에 중요한 영향을 미치는 영업 직무의 경우, 가장 외향적인 사람이 성공적인 것은 아니라는 사실을 확인할 있습니다. 예시의 모델에 따르면 성격 점수가 5 사람은 영업 직무를 맡기에는 너무 강한 성격이어서 적합하지 않을 있습니다

또한 그룹이 3.15 이상의 학점 평균(GPA) 기준으로 나뉘는 것도 흥미로운 사실입니다. 이제 직무 설명에서 최소 학점 요건을 3.0으로 기재하지 말고 세부적인 기준을 적용하는 것이 좋겠죠.

상대 변수 중요도를 살펴보면, 직무에서 고려해야 가장 중요한 가지 요소는 성격과 학점 평균(GPA)입니다.

반면 특이하게도 헬스케어 분야에서의 경력은 성공에 가장 적은 영향을 미치는 것으로 나타났습니다. 따라서 영업 직원을 채용할 헬스케어 분야의 경력이 있는 사람으로 대상을 제한할 필요는 없습니다.

4단계: 모델 평가

모델이 응답을 얼마나 효과적으로 분류할 있는지 평가하는 것이 좋습니다. 단계는 높은 수준에 해당하며, 모델의 신뢰도를 높여줍니다. '오차 행렬'이라는 이름 때문에 혼란스러워할 필요는 없습니다. 모델이 응답을 얼마나 예측하는지 보여주는 표일 뿐이니까요.



오차 행렬




예시의 모델은 테스트 데이터를 사용하여 직원이 자신의 할당량을 충족할 확률을 93.1% 정확하게 예측했습니다. 마찬가지로 다른 직원이 자신의 할당량을 충족하지 못할 확률도 95.4% 올바르게 예측했습니다. 따라서 모델이 채용 프로필에 사용할 특성을 파악하는 매우 유용하다는 사실을 있습니다.


결론

여러분도 데이터 기반의 채용 프로필을 손쉽게 만들 있습니다. 실제로 모델을 만들고 이해하는데 분밖에 걸리지 않았습니다. 이제 인식이 아닌 실제로 중요한 요인을 기준으로 지원자를 선별하는 집중할 있습니다.


CART 대해 자세히 알아보고 싶으신가요?