ILM Conjoint (3장) : Tabulation, Importance, Partworth
Mercer의 ILM 분석프레임워크. Flow(유입 및 유출, 승진 및 강등), Stock(총량, 비중, 유급)을 Career level별로 나타낸다.
Symorg의 Conjoint 분석에 앞선 Employee tabulation 사례.
채용 단계에서 Discrete talent mix(스펙조합)를 가진 카드 서열을 회귀분석해 내부노동시장의 스펙 선호 벡터를 구할 수 있다. 위의 사례처럼 Categorical set(와닿지만 사람마다 느끼는 바 다름)이 아니라 Continuous dataset(숫자로만 정확. 덜 와닿음)으로도 시도해볼 수 있겠다.(Individual/Team performance, 예측타당도 차이는 얼마나 될지 모르겠으나) 1 : Org(Avg), 1 : Team(Avg), 1 : 1 Aligment score(쉽게 말해 "일궁합")을 정량화 할 수 있게된다. 팀별 Misalignment를 사전에 발견하고 개선할 수 있게 된다.
Partworth(부분효용)의 속성의 급간 탄력성을 나타낸 그래프. 전체적인 기울기가 가파를수록, Max-diff(최대최소의 격차)가 클수록 그 Attribute의 중요도가 크게 인식된다는 것을 보여준다. 적극성(Proactivity), 업무경력(Work Experience), 학력(Education)이 중요하게 작용하는데, 그동안 준비해온 것과 달리, 특히 당장의 "면접 준비성"의 중요도가 크게 작용한다는 점은 준비자 입장에서 특기할 만하다. 면접을 잘 준비하는 게 학력보다 중요하게 인식되기 때문(적어도 이 Synorg 보고서에서는).
