2021.04.30

칼럼ㅣ'그래프 DB' 기술이 HR 기반으로 자리 잡을 이유 

Amy Hodler | IDG Connect
글로벌 HR 전문가 조시 버신이 최근 향후 5~10년에 걸친 새로운 인적자본관리(Human Capital Management; HCM) 기술 물결의 기반으로 ‘그래프 데이터베이스(Graph Database)’를 선정했다. 이 주장을 검토하고 실제 사례를 살펴본다. 

HR은 명확한 구조를 바탕으로 한다. 조직 전체에서 보고 프로세스, 권한 부여, 역할 할당 등을 원활하게 관리하기 위해서다. 따라서 복잡한 조직도를 전체적으로 파악하고 변화에 대응할 수 있는 유연한 프레임워크를 갖추는 게 중요하다. 

이를 지원하는 게 바로 그래프 기술이다. 조시 바신은 최근 ‘연례 HR 기술 보고서(HR Technology 2021: A Definitive Guide)’를 발표하고, 데이터포인트 간 연결을 파악하는 데 사용할 수 있는 이 기술이 새로운 인간 중심 HR 애플리케이션 물결의 기반으로 자리 잡을 것이라 예상했다. 
 
ⓒGetty Images

바신은 ‘인력 애널리틱스(people analytics)’를 HR 부문에서 가장 빠르게 성장하고 있는 하위 전문 분야라고 진단했다. 그에 따르면 설문조사에 참여한 기업 가운데 25%가 이 역할을 채용하고 있다. 인력 애널리틱스는 조직도뿐만 아니라 관계와 역할을 반영하는 HR 데이터베이스를 만드는 것을 의미하며, 그는 이를 달성하기 위한 방법으로 그래프 기술을 강조하며 다음과 같이 말했다. 

“오늘날의 기업에서 사람들은 직책과 직무를 가지고 있지만 일반적으로 이는 실제 수행되는 업무를 반영하지 않는다. 점점 더 많은 사람이 역할과 프로젝트에 초점을 맞추고 있다. 이로 인해 직책, 수준, 경력뿐만 아니라 실제 비즈니스 역량을 살펴볼 필요가 있다...(중략)…회사의 모든 개인은 더 이상 계층 구조의 노드가 아니다. 네트워크의 각 노드이며 다른 많은 사람, 프로젝트, 정보, 이력과 연결돼 있다.” 

이어서 바신은 “그래프 데이터베이스는 네트워크에서 작업하는 방식, 데이터 및 객체를 검색하는 방식, 서로 다른 유형의 관계(예: 동료, 팀원, 상사, 부하직원 등)를 구축하고 소통하는 방식을 모델링하는 데 있어 훨씬 더 강력하다”라면서, “이를 지원하는 제품은 기본적으로 해당 정보를 기업 그래프에 저장하며 시간 경과에 따라 진화할 수 있다”라고 덧붙였다. 

그래프 기술은 검색엔진부터 GPS 내비게이션, 소셜 미디어, 접촉 추적 애플리케이션까지 모든 분야에서 활용된다. 이를테면 검색엔진을 사용할 때마다 지식 그래프가 결과의 정확성을 높이는 데 사용된다.

그래프 이론은 18세기 최고의 수학자 레온하르트 오일러가 처음 고안했으며, 그래프 기술은 조세 회피를 폭로하고 각국의 전·현직 정치인 및 유명인사가 숨기려 했던 흔적을 드러내기 위해 ‘파나마 페이퍼스(The Panama Papers)’를 분석하는 데 사용돼 유명해졌다. 

그래프 데이터 구조 형태로 모델링된 데이터는 상호연결성을 인코딩한다. 따라서 그래프 기반 모델은 대량의 상호연결된 데이터를 추론할 수 있다. 그래프 데이터베이스는 복잡한 엔티티 네트워크 및 그 상호관계를 효율적으로 모델링할 수 있어 HR 관계를 이해하는 데 점점 더 많이 사용되고 있다. 

전체적인 관점 확보를 위한 인력 구조 매핑 
자동차 제조사 다임러(Daimler)가 그래프 데이터베이스 기술을 사용한 사례를 살펴보자. 이 회사는 전 세계적으로 25만 명의 직원과 여러 학문 분야가 관련된 팀이 분산돼 있기 때문에 프로젝트 가용성과 관련해 시간 및 일정을 잡는 게 어려웠다. 관리자는 휴가 중인 팀원, 임시 직원, 파트너 및 서비스 업체의 리소스 등도 관리해야 했다. 이러한 인력 구조에 관한 인사이트를 제공하기 위해 다임러는 그래프 기반 HR 플랫폼을 구축했다. 

이 과정에서 솔루션은 사용자 친화적이고 투명한 방식으로 직원들의 정기적인 변화에 적응해야 했다. 백엔드에서는 데이터에 관한 전반적인 보기 또는 새로운 관점을 제공하고 새로운 연결을 발견하기 위해 인력 구조를 매핑해야 했다. 소프트웨어는 구조를 변경할 때 데이터 무결성과 품질을 유지할 필요가 있었다. 

그래프 데이터베이스는 이런 과제를 해결하는 한편 다임러에게 다양한 구조 수준에 관한 더 깊은 인사이트를 얻을 수 있는 기회를 제공했다. ‘직원’이나 ‘전문가’와 같은 노드 그리고 이들 간의 연결(예: 활성, 보고, 참여 등)에는 채용 기간이나 유형 등의 질적/양적 특성을 얼마든지 할당할 수 있었다. 

그 결과, 전체적으로 탐색할 수 있고 관계에 대한 실시간 인사이트를 제공할 수 있는 데이터 및 데이터 관계 네트워크가 생성됐다. 이를 통해 사용자는 그래프 데이터베이스에서 노드 간 이동할 수 있으며, 계층 네트워크를 빠르게 탐색할 수 있었다.

또 그래프 데이터베이스는 HR에 구조 수준에 관한 더 깊은 인사이트를 제공했다. 사용자는 데이터 구조를 심층적으로 조사할 수 있으며, 언뜻 보기에 명확하지 않은 데이터 관계에 관한 새로운 인사이트를 얻을 수도 있었다. 
 
우주 탐사에서의 기술 격차
그래프 데이터베이스는 우주 탐사에서도 활용됐다. 나사(NASA)는 빠르게 변화하는 조직의 직무 및 업무 역할에 대응하기 위해 기술 및 역량 분석 시스템을 구축할 필요가 있었다. 피플 애널리틱스(People Analytics)의 지사장이자 데이터 과학자 데이비드 메자는 그 이유를 다음과 같이 설명했다. 

“달과 화성에 간다고 해보자. 이전에 달에 갔을 때 사용했던 기술을 다시 쓸 뿐만 아니라 새로운 기술, 새로운 프로그램 및 프로젝트, 통합해야 하는 새로운 기술을 검토한다. 또 인력을 잘 이해해야 할 필요도 있다.”

나사는 핵심 기술, 인접 기술, 교차 기능 기술, 인증 교육, 교육 자격증명 및 커리어패스 등을 포함하는 데이터베이스를 만들고자 했다. 또 데이터베이스를 통해 기술이 지리적으로 어디에 있는지, 어떤 프로그램 및 프로젝트 내에 있는지 파악하고자 했다. 

그래프 데이터베이스를 사용하면 사용자가 노드 간에 이동할 수 있고, 기술 매트릭스를 탐색할 수 있으며, 전체 데이터 모델을 변경하지 않고도 노드 자체를 쉽게 이동하고 재배치할 수 있다. 이 밖에 그래프 데이터 과학 알고리즘을 쉽게 적용해 기술 및 L&D 트렌드에 관한 인사이트를 추출할 수도 있다.

결과적으로 나사 프로젝트 관리자는 직원, 부서, 프로그램, 위치, 기술/역량, 커리어 패스에 관한 복잡한 데이터를 실시간으로 쿼리하여 모든 프로젝트가 전략적 목표를 달성할 수 있도록 후속 계획 및 전략적 정렬 모델에 기여할 수 있었다. 

자, 그렇다면 그래프 데이터베이스 기술이 HR과 HCM 시장 전체를 변화시킬까? 그래프 데이터베이스가 본질적으로 관계 관리에 관한 것이라는 점을 감안한다면 이는 매우 자연스럽게 HR 리더가 살펴봐야 할 것임이 틀림없다. 

* Amy Hodler는 그래프 데이터베이스 회사 NEO4j의 애널리틱스 및 AI 부문 디렉터다. ciokr@idg.co.kr
 



2021.04.30

칼럼ㅣ'그래프 DB' 기술이 HR 기반으로 자리 잡을 이유 

Amy Hodler | IDG Connect
글로벌 HR 전문가 조시 버신이 최근 향후 5~10년에 걸친 새로운 인적자본관리(Human Capital Management; HCM) 기술 물결의 기반으로 ‘그래프 데이터베이스(Graph Database)’를 선정했다. 이 주장을 검토하고 실제 사례를 살펴본다. 

HR은 명확한 구조를 바탕으로 한다. 조직 전체에서 보고 프로세스, 권한 부여, 역할 할당 등을 원활하게 관리하기 위해서다. 따라서 복잡한 조직도를 전체적으로 파악하고 변화에 대응할 수 있는 유연한 프레임워크를 갖추는 게 중요하다. 

이를 지원하는 게 바로 그래프 기술이다. 조시 바신은 최근 ‘연례 HR 기술 보고서(HR Technology 2021: A Definitive Guide)’를 발표하고, 데이터포인트 간 연결을 파악하는 데 사용할 수 있는 이 기술이 새로운 인간 중심 HR 애플리케이션 물결의 기반으로 자리 잡을 것이라 예상했다. 
 
ⓒGetty Images

바신은 ‘인력 애널리틱스(people analytics)’를 HR 부문에서 가장 빠르게 성장하고 있는 하위 전문 분야라고 진단했다. 그에 따르면 설문조사에 참여한 기업 가운데 25%가 이 역할을 채용하고 있다. 인력 애널리틱스는 조직도뿐만 아니라 관계와 역할을 반영하는 HR 데이터베이스를 만드는 것을 의미하며, 그는 이를 달성하기 위한 방법으로 그래프 기술을 강조하며 다음과 같이 말했다. 

“오늘날의 기업에서 사람들은 직책과 직무를 가지고 있지만 일반적으로 이는 실제 수행되는 업무를 반영하지 않는다. 점점 더 많은 사람이 역할과 프로젝트에 초점을 맞추고 있다. 이로 인해 직책, 수준, 경력뿐만 아니라 실제 비즈니스 역량을 살펴볼 필요가 있다...(중략)…회사의 모든 개인은 더 이상 계층 구조의 노드가 아니다. 네트워크의 각 노드이며 다른 많은 사람, 프로젝트, 정보, 이력과 연결돼 있다.” 

이어서 바신은 “그래프 데이터베이스는 네트워크에서 작업하는 방식, 데이터 및 객체를 검색하는 방식, 서로 다른 유형의 관계(예: 동료, 팀원, 상사, 부하직원 등)를 구축하고 소통하는 방식을 모델링하는 데 있어 훨씬 더 강력하다”라면서, “이를 지원하는 제품은 기본적으로 해당 정보를 기업 그래프에 저장하며 시간 경과에 따라 진화할 수 있다”라고 덧붙였다. 

그래프 기술은 검색엔진부터 GPS 내비게이션, 소셜 미디어, 접촉 추적 애플리케이션까지 모든 분야에서 활용된다. 이를테면 검색엔진을 사용할 때마다 지식 그래프가 결과의 정확성을 높이는 데 사용된다.

그래프 이론은 18세기 최고의 수학자 레온하르트 오일러가 처음 고안했으며, 그래프 기술은 조세 회피를 폭로하고 각국의 전·현직 정치인 및 유명인사가 숨기려 했던 흔적을 드러내기 위해 ‘파나마 페이퍼스(The Panama Papers)’를 분석하는 데 사용돼 유명해졌다. 

그래프 데이터 구조 형태로 모델링된 데이터는 상호연결성을 인코딩한다. 따라서 그래프 기반 모델은 대량의 상호연결된 데이터를 추론할 수 있다. 그래프 데이터베이스는 복잡한 엔티티 네트워크 및 그 상호관계를 효율적으로 모델링할 수 있어 HR 관계를 이해하는 데 점점 더 많이 사용되고 있다. 

전체적인 관점 확보를 위한 인력 구조 매핑 
자동차 제조사 다임러(Daimler)가 그래프 데이터베이스 기술을 사용한 사례를 살펴보자. 이 회사는 전 세계적으로 25만 명의 직원과 여러 학문 분야가 관련된 팀이 분산돼 있기 때문에 프로젝트 가용성과 관련해 시간 및 일정을 잡는 게 어려웠다. 관리자는 휴가 중인 팀원, 임시 직원, 파트너 및 서비스 업체의 리소스 등도 관리해야 했다. 이러한 인력 구조에 관한 인사이트를 제공하기 위해 다임러는 그래프 기반 HR 플랫폼을 구축했다. 

이 과정에서 솔루션은 사용자 친화적이고 투명한 방식으로 직원들의 정기적인 변화에 적응해야 했다. 백엔드에서는 데이터에 관한 전반적인 보기 또는 새로운 관점을 제공하고 새로운 연결을 발견하기 위해 인력 구조를 매핑해야 했다. 소프트웨어는 구조를 변경할 때 데이터 무결성과 품질을 유지할 필요가 있었다. 

그래프 데이터베이스는 이런 과제를 해결하는 한편 다임러에게 다양한 구조 수준에 관한 더 깊은 인사이트를 얻을 수 있는 기회를 제공했다. ‘직원’이나 ‘전문가’와 같은 노드 그리고 이들 간의 연결(예: 활성, 보고, 참여 등)에는 채용 기간이나 유형 등의 질적/양적 특성을 얼마든지 할당할 수 있었다. 

그 결과, 전체적으로 탐색할 수 있고 관계에 대한 실시간 인사이트를 제공할 수 있는 데이터 및 데이터 관계 네트워크가 생성됐다. 이를 통해 사용자는 그래프 데이터베이스에서 노드 간 이동할 수 있으며, 계층 네트워크를 빠르게 탐색할 수 있었다.

또 그래프 데이터베이스는 HR에 구조 수준에 관한 더 깊은 인사이트를 제공했다. 사용자는 데이터 구조를 심층적으로 조사할 수 있으며, 언뜻 보기에 명확하지 않은 데이터 관계에 관한 새로운 인사이트를 얻을 수도 있었다. 
 
우주 탐사에서의 기술 격차
그래프 데이터베이스는 우주 탐사에서도 활용됐다. 나사(NASA)는 빠르게 변화하는 조직의 직무 및 업무 역할에 대응하기 위해 기술 및 역량 분석 시스템을 구축할 필요가 있었다. 피플 애널리틱스(People Analytics)의 지사장이자 데이터 과학자 데이비드 메자는 그 이유를 다음과 같이 설명했다. 

“달과 화성에 간다고 해보자. 이전에 달에 갔을 때 사용했던 기술을 다시 쓸 뿐만 아니라 새로운 기술, 새로운 프로그램 및 프로젝트, 통합해야 하는 새로운 기술을 검토한다. 또 인력을 잘 이해해야 할 필요도 있다.”

나사는 핵심 기술, 인접 기술, 교차 기능 기술, 인증 교육, 교육 자격증명 및 커리어패스 등을 포함하는 데이터베이스를 만들고자 했다. 또 데이터베이스를 통해 기술이 지리적으로 어디에 있는지, 어떤 프로그램 및 프로젝트 내에 있는지 파악하고자 했다. 

그래프 데이터베이스를 사용하면 사용자가 노드 간에 이동할 수 있고, 기술 매트릭스를 탐색할 수 있으며, 전체 데이터 모델을 변경하지 않고도 노드 자체를 쉽게 이동하고 재배치할 수 있다. 이 밖에 그래프 데이터 과학 알고리즘을 쉽게 적용해 기술 및 L&D 트렌드에 관한 인사이트를 추출할 수도 있다.

결과적으로 나사 프로젝트 관리자는 직원, 부서, 프로그램, 위치, 기술/역량, 커리어 패스에 관한 복잡한 데이터를 실시간으로 쿼리하여 모든 프로젝트가 전략적 목표를 달성할 수 있도록 후속 계획 및 전략적 정렬 모델에 기여할 수 있었다. 

자, 그렇다면 그래프 데이터베이스 기술이 HR과 HCM 시장 전체를 변화시킬까? 그래프 데이터베이스가 본질적으로 관계 관리에 관한 것이라는 점을 감안한다면 이는 매우 자연스럽게 HR 리더가 살펴봐야 할 것임이 틀림없다. 

* Amy Hodler는 그래프 데이터베이스 회사 NEO4j의 애널리틱스 및 AI 부문 디렉터다. ciokr@idg.co.kr
 

X