현대 HR은 단순한 경험이나 직관적 판단에만 의존하지 않고, 데이터를 기반으로 한 체계적인 의사결정(Data-Driven Decision-Making)을 요구합니다. 특히 채용, 승진, 교육 프로그램 선정 등 중요한 의사결정 상황에서는 다양한 기준과 이해관계자들의 의견을 종합적으로 고려해야 합니다. 이러한 복잡한 문제를 해결하기 위해 HR 담당자는 AHP(Analytic Hierarchy Process) 기법을 이해할 필요가 있습니다. AHP는 의사결정을 계층적으로 구조화하고, 기준 간의 상대적 중요도를 정량화하여 복잡한 문제도 논리적이고 체계적으로 해결할 수 있는 강력한 도구입니다.
따라서, AHP를 활용하는 것은 HR 담당자의 전략적 역량을 강화하는 중요한 첫걸음이 될 것입니다. 실제 AHP 분석을 수행하는 절차는 다음과 같습니다.
1. 문제 정의 및 계층 구조 설정
📝 해결하려는 문제를 명확히 정의합니다. 문제를 해결하기 위해 고려할 기준과 대안을 설정하고, 이를
계층적으로 구조화합니다. 일반적으로 AHP 계층 구조는 다음 세 단계로 나뉩니다.
- 목표(최상위 계층): 최종적으로 달성하고자 하는 목적
- 기준(중간 계층): 목표를 달성하기 위해 고려해야 할 기준 또는 요소
- 대안(최하위 계층): 각 기준을 평가할 여러 대안들
|
Guide
AHP 분석의 가중치 계산을 예제로 설명해보겠습니다. 여기서는 예시로 아파트를 선택하는 상황을 가정하고, 기준으로는 "가격," "위치," "편의시설" 세 가지를 고려하겠습니다.
- 목표: 최적의 아파트 선택
- 기준: 가격, 위치, 편의시설
- 대안: 아파트 A, 아파트 B, 아파트 C
2. 쌍대 비교 행렬 작성
📝 각 기준과 대안 간의 중요도를 쌍대 비교 행렬로 작성합니다. 여기서는 1~9 사이의 척도를 사용하여
중요도를 평가합니다. 모든 기준 간, 그리고 대안 간에도 쌍대 비교를 수행하여 행렬을 구성합니다.
- 1: 두 요소가 동일하게 중요함
- 3: 한 요소가 다른 요소보다 조금 더 중요함
- 5: 한 요소가 다른 요소보다 상당히 더 중요함
- 7: 한 요소가 다른 요소보다 훨씬 더 중요함
- 9: 한 요소가 다른 요소보다 절대적으로 더 중요함
|
Guide
기준들 간의 중요도를 비교하여 쌍대 비교 행렬을 만듭니다. AHP에서는 각 요소의 중요도를 1~9로 평가합니다.
- 가격과 위치를 비교했을 때, 가격이 위치보다 조금 더 중요하다고 생각하면 3으로 평가합니다.
- 가격과 편의시설을 비교했을 때, 가격이 상당히 더 중요하다고 판단하면 5로 평가합니다.
- 위치와 편의시설을 비교했을 때, 위치가 조금 더 중요하다고 판단하면 3으로 평가합니다.
다음과 같이 쌍대 비교 행렬을 구성합니다. (자기 자신과의 비교는 항상 1입니다.)
[ 작성 예시 ] 쌍대 비교 행렬(A)
구분 | 가격 | 위치 | 편의시설 |
가격 | 1 | 3 | 5 |
위치 | 1/3 | 1 | 3 |
편의시설 | 1/5 | 1/3 | 1 |
3. 우선순위 계산
📝 쌍대 비교 행렬을 이용해 각 요소의 상대적 중요도, 즉 우선순위를 계산합니다. 일반적으로 행렬의
각 열의 합으로 행의 값을 나누고, 이를 정규화하여 우선순위를 구합니다. 이 과정을 통해 각 대안과
기준의 중요도를 백분율로 나타낼 수 있습니다.
|
여기부터 초집중! 포기하지 말고 읽어보세요
Guide
쌍대 비교 행렬의 각 열*을 합한 후, 이를 열 합계의 총합으로 나누어 정규화된 가중치 벡터 W를 계산합니다.
* AHP에서 쌍대 비교 행렬의 고유벡터(eigenvector)는 의사결정 요소의 상대적 중요도를 나타내는 가중치 벡터로 사용됩니다. 고유벡터를 통해 얻어진 가중치는 행렬의 일관성을 최대한 유지하면서 정확한 가중치를 제공합니다. 그러나 계산이 복잡하고 이해하기 어려우며 수학적 배경이 필요하기에, 여기에서는 고유값과 유사한 계산으로 일관성 검토에 적합한 "열 합 정규화 방법(Row Sum Normalization)"을 사용했습니다.
각 열의 합 계산:
- 첫 번째 열 합: 1+1/3+1/5=1.533
- 두 번째 행 합: 3+1+1/3=4.333
- 세 번째 행 합: 5+3+1=9
정규화 행렬 계산:
각 원소를 해당 열의 합으로 나눠서 정규화된 행렬을 만듭니다.
가중치 벡터 W 계산:
정규화된 행렬에서 각 행의 평균을 계산합니다.
따라서, 열의 합을 이용한 가중치는 다음과 같습니다.
- 가격: 0.633
- 위치: 0.260
- 편의시설: 0.106
4. 일관성 검토
📝 쌍대 비교의 일관성을 검토하여 신뢰성을 평가합니다. AHP에서는 일관성 검토를 통해 쌍대 비교가 얼마나 일관성이 있는지 확인합니다. 일관성 지수(Consistency Index, CI)와 일관성 비율(Consistency
Ratio, CR)을 계산하여 이를 판단합니다.
- CI 계산: 최대 고유값 λmax를 구하고, CI를 계산합니다.
- CR 계산: CI를 무작위 지수(RI)로 나누어 일관성 비율을 구하며, 일반적으로 CR이 0.1 이하이면
일관성이 있다고 봅니다.
|
Guide
1. 최대 고유값 𝜆max 계산:
원래 행렬 A와 가중치 벡터 W를 곱하여 A⋅W를 구합니다.
λmax를 계산하기 위해 A⋅W를 가중치 벡터의 각 요소로 나눕니다.
위 값들의 평균을 구하여 λmax를 계산합니다.
2. 일관성 지수(CI) 계산:
CI는 다음과 같이 계산됩니다. 여기서 n=3입니다.
따라서 CI는 0.3925입니다.
3. 일관성 비율(CR) 계산:
일관성 비율 CR은 다음과 같이 계산됩니다. 여기서 n=3일 때, 임의 지수 RI=0.58입니다.
[ RI 값의 표 ]
다음은 다양한 행렬 크기 n에 대한 RI의 표입니다. 이는 Satty(1980)가 실험적으로 도출한 값입니다.
n | 1 | 2 | 3 | 4 | 5 | 6 | 7 | 8 | 9 | 10 |
RI 값 | 0.0 | 0.0 | 0.58 | 0.90 | 1.12 | 1.24 | 1.32 | 1.41 | 1.45 | 1.49 |
5. 종합 평가 및 최적 대안 선택
📝 모든 기준을 종합하여 각 대안의 최종 가중치를 계산하고, 가장 높은 가중치를 가진 대안을 최적의
선택으로 결정합니다.
|
Guide
CR = 0.676로, 일반적으로 일관성의 허용 기준인 0.1을 넘습니다.
따라서, 이 행렬은 일관성이 부족하다고 결론을 내릴 수 있습니다.
- 일관성이 없다는 결론이 도출되면, 쌍대 비교 행렬을 재검토하고 조정해야 합니다. 일관성을 개선하기 위해 쌍대 비교 행렬 수정, CI 및 CR 수정을 수정하거나 기준 수를 줄여 비교 작업의 복잡성을 낮춥니다.
- CR이 허용 기준(CR≤0.1)을 통과하여 일관성이 있다는 결론이 도출되면, 다음과 같이 대안(아파트 A, B, C)에 대해 위와 동일한 방법으로 쌍대 비교를 수행하고 각 대안의 가중치를 구합니다.
예를 들어, "가격" 기준에 대해 전문가 평가에 의해 아파트 A, B, C를 비교한 쌍대 비교 행렬이 주어졌다고 가정합니다. 이후 위와 동일한 방식으로 열의 합을 계산하고 각 원소를 해당 열의 합으로 나눕니다. 이를 통해 각 원소가 해당 열에서 차지하는 비율(정규화 값)을 구합니다. 이렇게 계산된 가중치 값은 "가격" 기준에서 각 대안(아파트 A, B, C)의 상대적 중요도를 나타냅니다.
방금 구한 대안의 가중치와 앞서 도출한 기준의 가중치를 대곱하여 최종 점수를 산출합니다. 이렇게 하면 최종적으로 AHP 분석을 통해 가장 높은 점수를 받은 아파트가 최적의 선택이 됩니다.
여기까지 오시느라 고생 많으셨습니다.
직무평가 등 실무적으로는 점수법(Points Rating Method)을 더 많이 사용합니다. "아니, 힘들게 여기까지 왔는데 이게 무슨 소리야?" 라고 말씀하고 싶겠지만 조금 더 읽어주세요. 점수법은 직무평가에서 단순하고 효율적이며 표준화된 방식으로 신속하게 결과를 산출할 수 있어 실무에서 많이 사용됩니다. AHP는 복잡한 계층적 문제에 유리하지만, 직무평가의 목적과 조건에는 다소 비효율적인 면이 있어 점수법보다 덜 활용됩니다.
다만, AHP는 단순한 점수화 이상의 체계적이고 논리적인 의사결정 도구를 제공합니다. HR 업무에서는 중요한 의사결정 상황에서 더 깊이 있는 분석이 요구될 수 있기 때문에 AHP를 이해하는 것이 중요합니다. 단순 점수화 방식으로는 놓칠 수 있는 복잡한 문제를 체계적으로 분석하고, 객관성과 일관성 있는 의사결정을 지원하며, 다양한 이해관계자 간의 협의를 도와 전략적 HR 정책을 수립할 수 있기 때문입니다.
HR 의사결정에서 AHP 적용 분야:
- 채용 시 후보자 비교(학력, 경력, 잠재력 등 기준 간 비교)
- 교육 프로그램 선정
- 성과 평가 기준 설정
- 승진 대상자 선정
AHP를 이해하면 단순 점수법 이상의 전문성과 신뢰성을 갖춘 HR 의사결정을 내릴 수 있습니다. HR 담당자는 단순히 실무적 문제를 해결하는 데 그치지 않고, 전략적 파트너로서 조직 내에서 더 큰 가치를 창출할 수 있습니다. 복잡한 AHP 분석 과정을 대신 수행해 주는 소프트웨어(Expert Choice, Super Decisions), Chat GPT, 스프레드 시트가 있으니 걱정 마세요. 이제는 HR이 데이터 분석과 의사결정 역량을 통해 조직의 성장을 견인할 수 있는 시대입니다. AHP라는 도구는 이 여정에서 강력한 동반자가 되어 줄 것입니다.
ⓒ The ROI Group
서울특별시 서초구 서초대로 398, BNK디지털타워 6층 ㅣ 02-6929-1205 ㅣ www.the-roi.co.kr
현대 HR은 단순한 경험이나 직관적 판단에만 의존하지 않고, 데이터를 기반으로 한 체계적인 의사결정(Data-Driven Decision-Making)을 요구합니다. 특히 채용, 승진, 교육 프로그램 선정 등 중요한 의사결정 상황에서는 다양한 기준과 이해관계자들의 의견을 종합적으로 고려해야 합니다. 이러한 복잡한 문제를 해결하기 위해 HR 담당자는 AHP(Analytic Hierarchy Process) 기법을 이해할 필요가 있습니다. AHP는 의사결정을 계층적으로 구조화하고, 기준 간의 상대적 중요도를 정량화하여 복잡한 문제도 논리적이고 체계적으로 해결할 수 있는 강력한 도구입니다.
따라서, AHP를 활용하는 것은 HR 담당자의 전략적 역량을 강화하는 중요한 첫걸음이 될 것입니다. 실제 AHP 분석을 수행하는 절차는 다음과 같습니다.
1. 문제 정의 및 계층 구조 설정
계층적으로 구조화합니다. 일반적으로 AHP 계층 구조는 다음 세 단계로 나뉩니다.
Guide
AHP 분석의 가중치 계산을 예제로 설명해보겠습니다. 여기서는 예시로 아파트를 선택하는 상황을 가정하고, 기준으로는 "가격," "위치," "편의시설" 세 가지를 고려하겠습니다.
2. 쌍대 비교 행렬 작성
중요도를 평가합니다. 모든 기준 간, 그리고 대안 간에도 쌍대 비교를 수행하여 행렬을 구성합니다.
Guide
기준들 간의 중요도를 비교하여 쌍대 비교 행렬을 만듭니다. AHP에서는 각 요소의 중요도를 1~9로 평가합니다.
다음과 같이 쌍대 비교 행렬을 구성합니다. (자기 자신과의 비교는 항상 1입니다.)
[ 작성 예시 ] 쌍대 비교 행렬(A)
구분
가격
위치
편의시설
가격
1
3
5
위치
1/3
1
3
편의시설
1/5
1/3
1
3. 우선순위 계산
각 열의 합으로 행의 값을 나누고, 이를 정규화하여 우선순위를 구합니다. 이 과정을 통해 각 대안과
기준의 중요도를 백분율로 나타낼 수 있습니다.
여기부터 초집중! 포기하지 말고 읽어보세요
Guide
쌍대 비교 행렬의 각 열*을 합한 후, 이를 열 합계의 총합으로 나누어 정규화된 가중치 벡터 W를 계산합니다.
* AHP에서 쌍대 비교 행렬의 고유벡터(eigenvector)는 의사결정 요소의 상대적 중요도를 나타내는 가중치 벡터로 사용됩니다. 고유벡터를 통해 얻어진 가중치는 행렬의 일관성을 최대한 유지하면서 정확한 가중치를 제공합니다. 그러나 계산이 복잡하고 이해하기 어려우며 수학적 배경이 필요하기에, 여기에서는 고유값과 유사한 계산으로 일관성 검토에 적합한 "열 합 정규화 방법(Row Sum Normalization)"을 사용했습니다.
각 열의 합 계산:
정규화 행렬 계산:
각 원소를 해당 열의 합으로 나눠서 정규화된 행렬을 만듭니다.
가중치 벡터 W 계산:
정규화된 행렬에서 각 행의 평균을 계산합니다.
따라서, 열의 합을 이용한 가중치는 다음과 같습니다.
4. 일관성 검토
Ratio, CR)을 계산하여 이를 판단합니다.
일관성이 있다고 봅니다.
Guide
1. 최대 고유값 𝜆max 계산:
원래 행렬 A와 가중치 벡터 W를 곱하여 A⋅W를 구합니다.
λmax를 계산하기 위해 A⋅W를 가중치 벡터의 각 요소로 나눕니다.
위 값들의 평균을 구하여 λmax를 계산합니다.
2. 일관성 지수(CI) 계산:
CI는 다음과 같이 계산됩니다. 여기서 n=3입니다.
따라서 CI는 0.3925입니다.
3. 일관성 비율(CR) 계산:
일관성 비율 CR은 다음과 같이 계산됩니다. 여기서 n=3일 때, 임의 지수 RI=0.58입니다.
[ RI 값의 표 ]
다음은 다양한 행렬 크기 n에 대한 RI의 표입니다. 이는 Satty(1980)가 실험적으로 도출한 값입니다.
n
1
2
3
4
5
6
7
8
9
10
RI 값
0.0
0.0
0.58
0.90
1.12
1.24
1.32
1.41
1.45
1.49
5. 종합 평가 및 최적 대안 선택
선택으로 결정합니다.
Guide
CR = 0.676로, 일반적으로 일관성의 허용 기준인 0.1을 넘습니다.
따라서, 이 행렬은 일관성이 부족하다고 결론을 내릴 수 있습니다.
예를 들어, "가격" 기준에 대해 전문가 평가에 의해 아파트 A, B, C를 비교한 쌍대 비교 행렬이 주어졌다고 가정합니다. 이후 위와 동일한 방식으로 열의 합을 계산하고 각 원소를 해당 열의 합으로 나눕니다. 이를 통해 각 원소가 해당 열에서 차지하는 비율(정규화 값)을 구합니다. 이렇게 계산된 가중치 값은 "가격" 기준에서 각 대안(아파트 A, B, C)의 상대적 중요도를 나타냅니다.
방금 구한 대안의 가중치와 앞서 도출한 기준의 가중치를 대곱하여 최종 점수를 산출합니다. 이렇게 하면 최종적으로 AHP 분석을 통해 가장 높은 점수를 받은 아파트가 최적의 선택이 됩니다.
여기까지 오시느라 고생 많으셨습니다.
직무평가 등 실무적으로는 점수법(Points Rating Method)을 더 많이 사용합니다. "아니, 힘들게 여기까지 왔는데 이게 무슨 소리야?" 라고 말씀하고 싶겠지만 조금 더 읽어주세요. 점수법은 직무평가에서 단순하고 효율적이며 표준화된 방식으로 신속하게 결과를 산출할 수 있어 실무에서 많이 사용됩니다. AHP는 복잡한 계층적 문제에 유리하지만, 직무평가의 목적과 조건에는 다소 비효율적인 면이 있어 점수법보다 덜 활용됩니다.
다만, AHP는 단순한 점수화 이상의 체계적이고 논리적인 의사결정 도구를 제공합니다. HR 업무에서는 중요한 의사결정 상황에서 더 깊이 있는 분석이 요구될 수 있기 때문에 AHP를 이해하는 것이 중요합니다. 단순 점수화 방식으로는 놓칠 수 있는 복잡한 문제를 체계적으로 분석하고, 객관성과 일관성 있는 의사결정을 지원하며, 다양한 이해관계자 간의 협의를 도와 전략적 HR 정책을 수립할 수 있기 때문입니다.
HR 의사결정에서 AHP 적용 분야:
AHP를 이해하면 단순 점수법 이상의 전문성과 신뢰성을 갖춘 HR 의사결정을 내릴 수 있습니다. HR 담당자는 단순히 실무적 문제를 해결하는 데 그치지 않고, 전략적 파트너로서 조직 내에서 더 큰 가치를 창출할 수 있습니다. 복잡한 AHP 분석 과정을 대신 수행해 주는 소프트웨어(Expert Choice, Super Decisions), Chat GPT, 스프레드 시트가 있으니 걱정 마세요. 이제는 HR이 데이터 분석과 의사결정 역량을 통해 조직의 성장을 견인할 수 있는 시대입니다. AHP라는 도구는 이 여정에서 강력한 동반자가 되어 줄 것입니다.
ⓒ The ROI Group
서울특별시 서초구 서초대로 398, BNK디지털타워 6층 ㅣ 02-6929-1205 ㅣ www.the-roi.co.kr