HR
- A사의 HR 부서에서 재직 중인 Sidney,
- 인사 데이터를 바탕으로 새로운 HR 기준을 수립하고 싶었습니다.
특히, 채용 데이터와 성과 평가 데이터를 통합하여
채용 데이터와 입사 후 성과 점수 간의 상관 관계를 분석해보고 싶었습니다.
HEARTCOUNT에서는 클릭만으로 한 변수(성과점수)와 나머지 변수들간의
상관 관계를 한 화면으로 확인할 수 있어 편리했습니다.
또한, 특정 집단의 특성을 알아서 정리해주어 고성과자를 예측하는 규칙을
쉽게 발견할 수 있었습니다. 이를 통하여 새로운 채용 기준을 제시할 수 있었습니다.
또한, 근속기간을 최적화할 수 있는 규칙을 발견하여
평균 재직기간을 40% 상승시킬 수 있었습니다.
연구소
- A연구소에서 매달 고객사들에게 서베이 리포트를 전달해야 하는 Derik.
-
설문 결과를 단순 요약 정리하여 전달하는 것은 가능했지만
데이터 분석 도구 및 전문가의 부재로 인해, 고객사에서 활용할 만한 인사이트 및 패턴을 발견하는 데에는 어려움을 겪었습니다.
HEARTCOUNT는 고객사에서 원하는 모든 시각화 유형을 손쉽게 완성할 수 있어 보고서 작성 시간을 단축할 수 있었으며 별도의 학습 없이도 회귀분석, 의사결정 나무 알고리즘 등 고급 통계 분석 결과를 자연어로 확인할 수 있어 통계 비전문가도 쉽게 신뢰도 있는 분석 리포트를 제공할 수 있게 되었습니다.
이커머스·마케팅
- A서비스의 마케팅 담당자로 재직 중인 Emma.
-
광고 및 캠페인을 진행할수록 데이터는 쌓여갔지만
분석하고 활용하는 능력이 부족하여 막막했습니다.
동료의 추천으로 HEARTCOUNT를 구독하여 사용해본 이후로, 이메일/디지털 광고 등
개별 캠페인들이 주요 KPI에 어떤 영향을 끼쳤는지 자동 분석 결과를 통해 손쉽게 알아낼 수 있었습니다.
또한, 상품 구매율 최대화 규칙을 자동으로 알려주어 캠페인 기획에 참고할 수 있었습니다.
시각화 차트도 자동으로 함께 보여주기 때문에, 시각화 자료 제작에 추가적인 시간을
할애하지 않아도 되는 점 또한 만족스러웠습니다.
금융·보험
- A손해보험사의 보상업무 부서에서 재직 중인 Kai,
-
보상 업무 최적화를 위해 데이터를 활용하기 시작했습니다.
대시보드를 통해 주요 KPI의 추이를 파악할 수는 있었으나
그 이상의 인사이트 획득은 불가능했습니다.
대시보드에 더해, 고급 분석 기능을 보유하고 있는 HEARTCOUNT ABI를 활용한 결과,
보험금이 적절히 지급이 된 것인지를 분석하고, 유난히 보험금이 많이 지출된
시점을 분석하여 특이 보상 건을 발견할 수 있었습니다.
대학
- A대학의 빅데이터 센터에서 근무 중인 Logan,
-
데이터 민주화를 원했지만,
여러 부처에 각각 나뉘어 관리되는
데이터와 분석이 익숙하지 않는 교직원들 등 여러 문제를 겪었습니다.
HEARTCOUNT팀과 함께 학생 Life cycle(입학~취업)을 중심으로 데이터를 통합하고,
모든 교직원이 데이터로 현황을 파악하고 쉽게 데이터 분석도 가능했습니다.
그 결과 학생의 전체 대학 생활의 Life cycle을 수시로 분석하여 학생 유형에
맞는 수업 및 활동을 제시하기 위한 기준을 마련하는 토대를 마련할 수 있었습니다.
운영
- 글로벌 외식업 프랜차이즈 운영부서에서 근무 중인 Hazel,
-
직원 퇴사율과 매장별 순이익 지표가 지속적으로 악화하고 있었고,
전세계 비슷한 규모의 국가와 비교해도
매우 낮은 수치인 상황이였습니다.
특히, 직원이나 낙후된 설비에 대한 투자와 재무지표 간의 뚜렷한 관계를 입증하지 못 해
직원 교육이나 시설 투자를 집행하는 결정을 쉽게 내리지 못하고 있는 상태였습니다.
기존에 각 부서별로 따로 보던 지표를 HEARTCOUNT와 함께 모두 결합해서 분석하였습니다.
그 결과, 퇴사율과 매장의 인당 생산성과 고객 만족도 간 뚜렷한 상관 관계, 배달 판매 증가가
오히려 이익률에 미치는 악영향, 그리고 직원 만족도가 높은 매장의
고객 만족도가 높다는 사실을 발견할 수 있었습니다.
