KR20190114581A - 근태정보를 이용한 인사관리 및 정보제공 시스템 - Google Patents

Abstract

컴퓨터가 제1 직원의 근태정보를 획득하는 단계 및 상기 획득된 근태정보를 학습된 모델에 입력하여 상기 제1 직원의 인사관리 정보를 추정하는 단계를 포함하고, 상기 학습된 모델은, 하나 이상의 직원의 근태정보 및 상기 하나 이상의 직원의 인사관리 정보를 학습 데이터로 하여 학습된 모델인, 근태정보를 이용한 인사관리 방법이 개시된다.

Description

근태정보를 이용한 인사관리 방법 {HUMAN RESOURCE MANAGEMENT SYSTEM USING ATTENDANCE INFORMATION}

본 발명은 근태정보를 이용한 인사관리 방법에 관한 것이다.

기업에 있어서 직원들의 인사를 관리하는 것은 경영의 가장 중요한 부분이다. 이에 기업의 인사를 포함하는 및 다양한 전사적 자원관리를 보조하는 ERP 솔루션들이 제공되고 있다.

다만 기존의 ERP 솔루션들은 정보를 취합하고 정리하여 제공하는 기능만을 제공하고 있으며, 이는 기타 물질적인 자원들을 관리하는 데에는 효율적이나 각 개인특성에 따른 변수가 많은 인사관리에는 명백한 한계가 존재한다.

따라서, 기존 솔루션에 인공지능 기술을 결합하여 더 발전된 인사관리가 가능하도록 하는 솔루션의 개발에 대한 요구가 있다.

인공지능(Artificial Intelligence, AI) 시스템은 인간 수준의 지능을 구현하는 컴퓨터 시스템이며, 기존 Rule 기반 스마트 시스템과 달리 기계가 스스로 학습하고 판단하며 똑똑해지는 시스템이다. 인공지능 시스템은 사용할수록 인식률이 향상되고 사용자 취향을 보다 정확하게 이해할 수 있게 되어, 기존 Rule 기반 스마트 시스템은 점차 딥러닝 기반 인공지능 시스템으로 대체되고 있다.

인공지능 기술은 기계학습(딥러닝) 및 기계학습을 활용한 요소 기술들로 구성된다.

기계학습은 입력 데이터들의 특징을 스스로 분류/학습하는 알고리즘 기술이며, 요소기술은 딥러닝 등의 기계학습 알고리즘을 활용하여 인간 두뇌의 인지, 판단 등의 기능을 모사하는 기술로서, 언어적 이해, 시각적 이해, 추론/예측, 지식 표현, 동작 제어 등의 기술 분야로 구성된다.

등록특허공보 제10-1635573호, 2016.07.01 공고

본 발명이 해결하고자 하는 과제는 근태정보를 이용한 인사관리 방법을 제공하는 것이다.

본 발명이 해결하고자 하는 과제들은 이상에서 언급된 과제로 제한되지 않으며, 언급되지 않은 또 다른 과제들은 아래의 기재로부터 통상의 기술자에게 명확하게 이해될 수 있을 것이다.

상술한 과제를 해결하기 위한 본 발명의 일 면에 따른 근태정보를 이용한 인사관리 방법은, 컴퓨터가 제1 직원의 근태정보를 획득하는 단계 및 상기 획득된 근태정보를 학습된 모델에 입력하여 상기 제1 직원의 인사관리 정보를 추정하는 단계를 포함하고, 상기 학습된 모델은, 하나 이상의 직원의 근태정보 및 상기 하나 이상의 직원의 인사관리 정보를 학습 데이터로 하여 학습된 모델이다.

또한, 상기 인사관리 정보를 추정하는 단계는, 상기 제1 직원의 하나 이상의 인사관리 항목에 대한 추정값 또는 확률을 획득하는 단계를 포함할 수 있다.

또한, 상기 인사관리 정보를 추정하는 단계는, 상기 제1 직원의 근태정보에 기초하여 상기 제1 직원의 유형을 분류하는 단계를 포함할 수 있다.

또한, 상기 근태정보를 획득하는 단계는, 상기 제1 직원의 출근시간, 퇴근시간 및 일별 근로시간에 대한 정보를 획득하는 단계를 포함할 수 있다.

또한, 상기 근태정보를 획득하는 단계는, 상기 제1 직원의 지각여부에 대한 정보를 획득하되, 상기 지각여부에 대한 정보는 상기 제1 직원의 지각여부, 지각시간, 지각횟수 및 지각빈도 중 적어도 하나에 대한 정보를 획득하는, 단계를 포함하고, 상기 인사관리 정보를 추정하는 단계는, 상기 제1 직원의 지각여부에 대한 정보를 상기 학습된 모델에 입력하여, 상기 제1 직원의 퇴사가능성에 대한 정보를 획득하는 단계를 포함할 수 있다.

또한, 상기 제1 직원의 근태정보에 기초하여 상기 제1 직원의 인사평가 및 급여지급을 위한 정보 중 적어도 하나를 획득하는 단계를 더 포함할 수 있다.

또한, 상기 제1 직원의 근태정보에 기초하여 상기 제1 직원의 소득수준 및 신용도를 평가하는 단계를 더 포함할 수 있다.

또한, 특정 지역에 속하는 직원들 각각의 소득수준에 대한 정보를 획득하되, 상기 소득수준에 대한 정보는 상기 직원들 각각의 근태정보에 기초하여 평가된 것인, 단계 및 상기 획득된 소득수준에 대한 정보에 기초하여 상기 특정 지역의 시장성을 평가하는 단계를 더 포함할 수 있다.

또한, 특정 지역에 속하는 직원들 각각의 근태정보 및 상기 근태정보에 기초하여 평가된 소득수준에 대한 정보를 획득하는 단계, 상기 직원들 각각의 인사관리 정보를 획득하는 단계 및 상기 획득된 근태정보, 소득수준에 대한 정보 및 인사관리 정보에 기초하여 상기 특정 지역의 임금수준 및 생산성을 평가하는 단계를 더 포함할 수 있다.

상술한 과제를 해결하기 위한 본 발명의 일 면에 따라 하드웨어인 컴퓨터와 결합되어, 개시된 실시 예에 따른 근태정보를 이용하는 인사관리 방법을 수행할 수 있도록 컴퓨터에서 독출가능한 기록매체에 저장된 컴퓨터프로그램이 제공된다.

본 발명의 기타 구체적인 사항들은 상세한 설명 및 도면들에 포함되어 있다.

개시된 실시 예에 따르면, 근태정보에 기초하여 직원들의 다양한 인사관리 정보를 추정하여 제공할 수 있는 효과가 있다.

이로서, 관리자가 직원들을 일일이 관리하지 않아도 중요한 인사관리 정보를 추정하여 관리자에게 제공하는 것이 가능하다.

나아가, 개시된 실시 예에 따르면 수집된 정보에 기초하여 특정 지역의 시장성 및 사업성에 대한 정보를 제공하고, 이에 기반한 컨설팅 서비스를 제공할 수 있는 효과가 있다.

본 발명의 효과들은 이상에서 언급된 효과로 제한되지 않으며, 언급되지 않은 또 다른 효과들은 아래의 기재로부터 통상의 기술자에게 명확하게 이해될 수 있을 것이다.

도 1은 일 실시 예에 따른 근태정보를 이용한 인사관리 시스템을 도시한 개념도이다.
도 2는 일 실시 예에 따른 근태정보를 이용한 인사관리 방법을 도시한 흐름도이다.
도 3은 직원의 근태정보를 이용하여 다양한 인사관리 정보를 획득하는 방법의 구체적인 실시 예들을 도시한 흐름도이다.
도 4는 다른 실시 예에 따라 직원의 근태정보를 이용하는 시스템을 도시한 도면이다.
도 5는 도 4에 도시된 실시 예에 따른 서비스를 제공하는 방법의 흐름도이다.

본 발명의 이점 및 특징, 그리고 그것들을 달성하는 방법은 첨부되는 도면과 함께 상세하게 후술되어 있는 실시예들을 참조하면 명확해질 것이다. 그러나, 본 발명은 이하에서 개시되는 실시예들에 제한되는 것이 아니라 서로 다른 다양한 형태로 구현될 수 있으며, 단지 본 실시예들은 본 발명의 개시가 완전하도록 하고, 본 발명이 속하는 기술 분야의 통상의 기술자에게 본 발명의 범주를 완전하게 알려주기 위해 제공되는 것이며, 본 발명은 청구항의 범주에 의해 정의될 뿐이다.

본 명세서에서 사용된 용어는 실시예들을 설명하기 위한 것이며 본 발명을 제한하고자 하는 것은 아니다. 본 명세서에서, 단수형은 문구에서 특별히 언급하지 않는 한 복수형도 포함한다. 명세서에서 사용되는 "포함한다(comprises)" 및/또는 "포함하는(comprising)"은 언급된 구성요소 외에 하나 이상의 다른 구성요소의 존재 또는 추가를 배제하지 않는다. 명세서 전체에 걸쳐 동일한 도면 부호는 동일한 구성 요소를 지칭하며, "및/또는"은 언급된 구성요소들의 각각 및 하나 이상의 모든 조합을 포함한다. 비록 "제1", "제2" 등이 다양한 구성요소들을 서술하기 위해서 사용되나, 이들 구성요소들은 이들 용어에 의해 제한되지 않음은 물론이다. 이들 용어들은 단지 하나의 구성요소를 다른 구성요소와 구별하기 위하여 사용하는 것이다. 따라서, 이하에서 언급되는 제1 구성요소는 본 발명의 기술적 사상 내에서 제2 구성요소일 수도 있음은 물론이다.

다른 정의가 없다면, 본 명세서에서 사용되는 모든 용어(기술 및 과학적 용어를 포함)는 본 발명이 속하는 기술분야의 통상의 기술자에게 공통적으로 이해될 수 있는 의미로 사용될 수 있을 것이다. 또한, 일반적으로 사용되는 사전에 정의되어 있는 용어들은 명백하게 특별히 정의되어 있지 않는 한 이상적으로 또는 과도하게 해석되지 않는다.

명세서에서 사용되는 "부" 또는 “모듈”이라는 용어는 소프트웨어, FPGA 또는 ASIC과 같은 하드웨어 구성요소를 의미하며, "부" 또는 “모듈”은 어떤 역할들을 수행한다. 그렇지만 "부" 또는 “모듈”은 소프트웨어 또는 하드웨어에 한정되는 의미는 아니다. "부" 또는 “모듈”은 어드레싱할 수 있는 저장 매체에 있도록 구성될 수도 있고 하나 또는 그 이상의 프로세서들을 재생시키도록 구성될 수도 있다. 따라서, 일 예로서 "부" 또는 “모듈”은 소프트웨어 구성요소들, 객체지향 소프트웨어 구성요소들, 클래스 구성요소들 및 태스크 구성요소들과 같은 구성요소들과, 프로세스들, 함수들, 속성들, 프로시저들, 서브루틴들, 프로그램 코드의 세그먼트들, 드라이버들, 펌웨어, 마이크로 코드, 회로, 데이터, 데이터베이스, 데이터 구조들, 테이블들, 어레이들 및 변수들을 포함한다. 구성요소들과 "부" 또는 “모듈”들 안에서 제공되는 기능은 더 작은 수의 구성요소들 및 "부" 또는 “모듈”들로 결합되거나 추가적인 구성요소들과 "부" 또는 “모듈”들로 더 분리될 수 있다.

한편, 본 명세서에서 언급되는 컴퓨터 또는 단말은 스마트폰, 태블릿 PC, PC, 스마트 TV, 휴대폰, PDA(personal digital assistant), 랩톱, 미디어 플레이어, 마이크로 서버, GPS(global positioning system) 장치, 전자책 단말기, 디지털방송용 단말기, 네비게이션, 키오스크, MP3 플레이어, 디지털 카메라, 가전기기 및 기타 모바일 또는 비모바일 컴퓨팅 장치일 수 있으나, 이에 제한되지 않는다.

또한, 컴퓨터 또는 단말은 통신 기능 및 데이터 프로세싱 기능을 구비한 시계, 안경, 헤어 밴드 및 반지 등의 웨어러블 디바이스일 수 있다.

명세서 전체에서, 어떤 부분이 다른 부분과 "연결"되어 있다고 할 때, 이는 "직접적으로 연결"되어 있는 경우뿐 아니라, 그 중간에 다른 소자를 사이에 두고 "전기적으로 연결"되어 있는 경우도 포함한다. 또한 "연결" 되어 있다는 것은 근거리 무선 통신 또는 네트워크를 통하여 통신가능한 상태에 있는 경우도 포함한다.

네트워크는, 근거리 통신망(Local Area Network: LAN), 광역 통신망(Wide Area Network: WAN) 또는 부가가치 통신망(Value Added Network: VAN) 등과 같은 유선 네트워크나 이동 통신망(mobile radio communication network) 또는 위성 통신망 등과 같은 모든 종류의 무선 네트워크로 구현될 수 있다.

이하, 첨부된 도면을 참조하여 본 발명의 실시예를 상세하게 설명한다.

도 1은 일 실시 예에 따른 근태정보를 이용한 인사관리 시스템을 도시한 개념도이다.

도 1을 참조하면, 시스템은 직원 단말(100), 관리자 단말(102), 서버(200) 및 직원의 출근카드(10)를 포함한다. 도 1에 도시된 구성요소들은 개시된 실시 예에 따른 시스템의 필수 구성요소가 아니고, 또한, 개시된 실시 예에 따른 시스템이 도 1에 도시된 구성요소들로만 이루어지는 것도 아니다.

실시 예에 따라, 도 1에 도시된 구성요소들 중 일부가 생략되거나 다른 구성요소로 대체될 수 있으며, 도 1에 도시되지 않은 구성요소들이 시스템에 추가될 수 있다.

도 1에 도시된 시스템은 설명의 편의를 위하여 결정된 구성요소들을 포함하는 것으로, 개시된 실시 예에 따른 시스템의 구성은 이에 제한되지 않는다.

일 실시 예에서, 서버(200)는 특정 업체에서 관리되는 로컬 서버일 수도 있고, 개시된 실시 예에 따른 서비스를 상기 특정 업체에 제공하는 서비스 제공자의 서버일 수도 있다.

이하에서 서버(200)의 동작으로 설명되는 실시 예들의 적어도 일부 또는 전부는 각 업체의 로컬 서버 또는 서비스 제공자의 서버에서 수행될 수 있으나, 이하에서는 설명의 편의를 위하여 도 1 및 이와 관련된 도 2 및 도 3에 도시된 실시 예들이 서버(200)에 의하여 수행되는 것으로 서술한다.

도 1에 도시된 실시 예에서, 서버(200)는 직원 단말(100) 또는 관리자 단말(102)로부터 직원들의 근태정보를 수집한다.

일 실시 예에서, 서버(200)는 직원 단말(100)을 이용하여 각 직원의 근태정보를 수집할 수 있다. 예를 들어, 직원 단말(100)은 각 직원이 보유한 스마트폰일 수 있다.

서버(200)는 각 직원 단말(100)의 GPS 정보, 와이파이 정보, 비콘 정보, 블루투스 정보 등을 이용하여 각 직원의 출근여부, 출근시간, 퇴근여부 및 퇴근시간 등에 대한 정보를 수집할 수 있다.

예를 들어, 직원이 직원 단말(100)을 이용하여 출근체크를 요청(예를 들어, 출근체크 버튼을 터치)하면, 서버(200)는 직원 단말(100) 주변의 비콘 정보, 직원 단말(100)에서 수신되는 와이파이 AP(Access Point)정보 또는 직원 단말(100)에 수신되는 GPS 정보 등을 이용하여 직원이 실제로 출근하였는지 여부를 확인한 후, 출근체크를 승인할 수 있다.

다른 실시 예에서, 직원이 직원 단말(100)을 보유하고 있지 않거나, 직원 단말(100)이 상술한 실시 예에 따른 출근체크 기능을 수행할 수 없는 경우(예를 들어, 스마트폰이 아니거나, 데이터 통신이 불가능한 경우, 와이파이(무선랜) 모듈이 없는 경우, 비콘 신호 감지가 불가능(블루투스 3.0 미만)한 경우 등), 각 직원에게 출근카드(10)가 지급되고, 관리자 단말(102)이 출근카드(10)를 읽어 출근 및 퇴근체크를 수행할 수 있다.

예를 들어, 출근카드(10)에는 전자코드(예를 들어, 바코드나 QR코드)가 인쇄되고, 관리자 단말(102)은 출근카드(10)로부터 전자코드를 읽어 출근 및 퇴근체크를 할 수 있다.

또 다른 실시 예에서, 업체의 입구에 생체정보 판독에 기초한 출근 및 퇴근체크 장비가 구비되거나, 출근카드(10)를 이용하여 출근 및 퇴근체크가 가능한 장비가 구비될 수도 있다.

각 직원이 출근 및 퇴근체크를 수행하는 방법 및 이를 위한 장비의 종류는 제한되지 않으며, 통상의 기술자가 용이하게 적용할 수 있는 모든 형태의 장비 및 방법이 활용될 수 있다.

서버(200)는 상술한 방법 및 그와 유사한 방법들을 이용하여 각 직원의 근태정보를 수집한다.

도 2는 일 실시 예에 따른 근태정보를 이용한 인사관리 방법을 도시한 흐름도이다.

도 2에 도시된 방법은 도 1에 도시된 서버(200)에서 시계열적으로 수행되는 단계들로 구성된다. 따라서, 도 2와 관련하여 생략된 내용이라 하더라도 도 1의 서버(200)와 관련하여 설명된 내용들은 도 2의 방법에도 적용될 수 있다.

개시된 실시 예에서, 서버(200)는 인공지능 기술을 이용하여 직원의 근태정보로부터 다양한 정보들을 획득하는 것을 특징으로 한다.

인공지능 기술은 머신러닝(Machine Learning, 기계학습) 기술을 포함하며, 머신러닝 기술 중에서도 특히 영상을 분석하는 데 널리 이용되는 딥러닝(Deep Learning) 기술을 포함한다.

딥 러닝은 여러 비선형 변환기법의 조합을 통해 높은 수준의 추상화(abstractions, 다량의 데이터나 복잡한 자료들 속에서 핵심적인 내용 또는 기능을 요약하는 작업)를 시도하는 기계학습(machine learning) 알고리즘의 집합으로 정의된다. 딥 러닝은 큰 틀에서 사람의 사고방식을 컴퓨터에게 가르치는 기계학습의 한 분야로 볼 수 있다.

어떠한 데이터가 있을 때 이를 컴퓨터가 알아 들을 수 있는 형태(예를 들어 영상의 경우는 픽셀정보를 열벡터로 표현하는 등)로 표현(representation)하고 이를 학습에 적용하기 위해 많은 연구(어떻게 하면 더 좋은 표현기법을 만들고 또 어떻게 이것들을 학습할 모델을 만들지에 대한)가 진행되고 있다. 이러한 노력의 결과로 다양한 딥 러닝 기법들이 개발되었다. 딥 러닝 기법들로는 심층 신경망(Deep Neural Networks, DNN), 합성곱 신경망(Convolutional deep Neural Networks, CNN), 순환 신경망(Reccurent Neural Network, RNN) 및 심층 신뢰 신경망(Deep Belief Networks, DBN)을 예로 들 수 있다.

심층 신경망(Deep Neural Networks, DNN)은 입력 계층(input layer)과 출력 계층(output layer) 사이에 복수개의 은닉 계층(hidden layer)들로 이뤄진 인공신경망(Artificial Neural Network, ANN)이다.

상술한 내용은 인공지능 기술의 일부 실시 예를 예시로서 제시한 것이며, 개시된 실시 예에 따라 근태정보로부터 다양한 정보들을 획득하기 위해 통상의 기술자가 적용할 수 있는 모든 종류의 인공지능 기술(또는 머신러닝 기술)이 사용될 수 있다.

단계 S210에서, 서버(200)는 개시된 실시 예에 따라 근태정보를 이용하여 인사정보를 추정할 수 있는 모델을 학습시킨다.

서버(200)가 모델을 학습시키는 방식은 제한되지 않는다. 일 실시 예에서, 모델의 학습방식은 입력값과 출력값이 제공되는 지도학습 방식에 의하여 수행될 수 있다. 예를 들어, 직원의 근태정보를 입력으로 하고, 해당 직원의 인사관리 정보를 출력으로 하는 학습 데이터를 이용하여 모델(예를 들어, 인공신경망)을 학습시킴으로써, 직원의 근태정보를 입력하면 해당 직원의 인사관리 정보를 추정하여 출력할 수 있는 모델을 학습시킬 수 있다.

다른 예로, 모델의 학습방식은 입력 데이터만이 제공되는 비지도학습 방식에 의하여 수행될 수도 있다. 예를 들어, 직원의 근태정보를 입력하면 클러스터링 방식을 이용하여 해당 직원의 유형을 분류하고, 분류 결과를 출력하는 모델이 학습될 수도 있다.

또한, 모델의 학습에는 강화학습이 활용될 수 있다. 강화학습은 상(state)의 변화에 따른 보상에 기초한 학습방식으로, 상술한 학습방식을 보조하여 모델의 정확도를 높이는 데 활용될 수 있으나, 이에 제한되는 것은 아니다.

단계 S220에서, 서버(200)는 직원의 근태정보를 획득한다.

일 실시 예에서, 서버(200)는 직원의 출근시간, 퇴근시간 및 일별 근로시간에 대한 정보를 획득한다.

서버(200)는 도 1과 관련하여 설명된 실시 예에 기초하여 각 직원의 출근시간과 퇴근시간을 획득하고, 이로부터 직원의 근로시간을 산출할 수 있다. 예를 들어, 출근시간과 퇴근시간의 차에 중간 휴식시간(예를 들어, 점심시간)을 제함으로써, 직원의 근로시간을 산출할 수 있다.

또한, 서버(200)는 직원의 출근시간 및 퇴근시간에 기초하여, 각 직원의 오전 및 야간 특근여부, 지각여부 및 조퇴여부를 판단할 수 있다.

예를 들어, 서버(200)는 각 직원의 지각여부, 지각한 시간, 지각횟수 및 지각빈도 등에 대한 정보를 따로 판단하여 수집할 수 있다.

나아가, 서버(200)는 직원의 휴식시간, 점심시간, 야근시간, 특근시간, 실제 근무시간 등 다양한 정보를 더 획득할 수 있다.

단계 S230에서, 서버(200)는 단계 S210에서 획득된 모델에 단계 S220에서 획득된 근태정보를 입력하여, 직원의 인사관리 정보를 추정한다.

일 실시 예에서, 서버(200)는 직원의 하나 이상의 인사관리 항목에 대한 추정값 또는 확률을 획득한다.

예를 들어, 서버(200)는 직원의 퇴사가능성, 즉 퇴사확률을 추정할 수 있다. 또한, 서버(200)는 직원의 퇴사시점의 범위를 추정할 수 있고, 그 외에도 직원의 문제여부, 질병, 스트레스, 직무적응도, 부서적응도, 친화도, 부서 재배치 필요여부, 면담필요여부, 교육필요여부 등 다양한 인사관리 항목에 대한 추정값 또는 확률을 추정할 수 있다.

서버(200)는 각각의 항목에 대한 학습데이터를 획득하여, 단계 S210과 같이 모델을 학습시킬 수 있다.

또한, 서버(200)는 개시된 실시 예에 따른 인사관리 방법을 수행하는 중에 획득되는 데이터들을 별도로 누적하여, 소정 주기로 모델을 재학습시켜 업데이트할 수 있다.

따라서, 서버(200)는 각 직원들의 근태에 기초하여 다양한 인사관리 정보를 예측할 수 있는 모델을 구축할 수 있다.

예를 들어, 지각이 잦은 직원의 경우 추후 결근으로 이어지거나, 머지않아 퇴사하게 될 수 있다. 또한, 단순히 지각횟수나 빈도뿐 아니라 지각하는 요일, 지각하는 시간, 지각사유 등 다양한 데이터들에 따라 서로 다른 인사관리 정보를 예측하는 것이 가능해진다.

따라서, 개시된 실시 예에 따른 서버(200)는 직원의 근태정보를 이용하여 다양한 인사관리 정보를 예측할 수 있다.

나아가, 직원의 근태정보는 시간과 관련된 정보(예를 들어, 출퇴근시간)뿐 아니라 근무태도나 작업량 등을 더 포함할 수 있다.

반대로, 직원의 근무태도나 작업량은 단순히 시간에 대한 정보로부터 서버(200)에 의하여 예측가능한 인사관리 정보가 될 수도 있다.

또한, 서버(200)는 직원의 근태정보를 이용하여 클러스터링을 수행, 직원의 유형을 분류하는 것이 가능하다.

직원을 분류하는 유형의 종류는 제한되지 않으며, 직원의 직무적성, 성실도, 퇴사가능성, 실적 등 다양한 기준으로 직원이 분류될 수 있다. 서버(200)는 클러스터링을 통해 직원들을 다양한 그룹으로 분류할 수 있고, 각각의 그룹에 포함된 직원들의 성질을 판단하여 각 직원들에 대한 분류결과를 출력할 수 있다.

도 3은 직원의 근태정보를 이용하여 다양한 인사관리 정보를 획득하는 방법의 구체적인 실시 예들을 도시한 흐름도이다.

단계 S232에서, 서버(200)는 직원의 근태정보를 이용하여 직원의 퇴사가능성을 판단할 수 있다.

예를 들어, 서버(200)는 직원의 지각여부에 대한 정보를 획득하되, 지각여부에 대한 정보는 직원의 지각여부, 지각시간, 지각횟수 및 지각빈도 중 적어도 하나에 대한 정보를 포함할 수 있다.

서버(200)는 상기한 직원의 지각여부에 대한 정보를 학습된 모델에 입력하여, 직원의 퇴사가능성에 대한 정보를 획득할 수 있다.

단계 S234에서, 서버(200)는 직원의 기타 문제사항들을 판단할 수 있다. 예를 들어, 직원이 자주 지각한다는 것은 단계 S232에서와 같이 퇴사의 신호가 될 수도 있지만, 그 이전에 현재 직책, 직무, 부서 등에서 문제가 있거나, 개인적인 사정이 있다는 신호가 될 수 있다.

따라서, 서버(200)는 직원의 근태정보에 기초하여 기타 다양한 문제사항을 미리 추정, 판단할 수 있고, 그에 따라 각 직원에 대한 면담 또는 교육의 필요성을 판단할 수 있다. 이러한 필요성은 확률로서 제시되거나, 소정 수치로서 추정되어 제공될 수 있다.

따라서, 서버(200)는 각 직원의 퇴사가능성을 판단하기 이전에, 문제소지가 있는 직원을 인식, 관리자로 하여금 필요한 조치를 취하도록 하는 정보를 미리 제공할 수 있다.

나아가, 서버(200)는 각 직원의 근태정보에 기초하여, 직원의 인사평가 및 급여지급을 위한 정보를 획득할 수 있다.

예를 들어, 서버(200)는 각 직원의 근태정보를 활용하여 각 직원의 성실도를 평가할 수 있고, 각 직원의 근무시간에 기초하여 지급하여야 할 급여를 산출할 수 있다.

나아가, 서버(200)는 각 직원의 근태정보를 학습된 모델에 입력하여 각 직원의 성실성, 생산성 등을 포함하는 인사관리 정보를 획득할 수 있고, 획득된 인사관리 정보를 이용하여 급여에 차등을 둘 수 있다.

각 직원의 실제 생산성이나 실적은 별도로 수집될 수 있고, 차후 학습데이터로 재활용되어 각 직원의 근태정보에 기초하여 더 정확한 생산성 또는 실적을 추정할 수 있는 모델을 만들 수 있다.

따라서, 개시된 실시 예에 따른 서버(200)는 관리자가 직접 직원들을 관찰하고 평가하지 않아도, 직원의 인사평가를 수행하고, 별도 관리가 필요한 직원들을 선별하는 등 근태정보에 기초하여 다양한 인사관리 정보를 획득하여 관리자에게 제공할 수 있다.

단계 S238에서, 서버(200)는 직원의 근태정보에 기초하여 직원의 소득수준 및 신용도를 평가할 수 있다.

예를 들어, 직원이 오래 근무할수록 더 많은 소득을 얻을 것이므로 직원의 소득수준을 평가하는 것이 가능하며, 직원이 성실할수록 소득을 꾸준히 유지할 가능성이 높으므로 직원의 신용도를 평가하는 것이 가능하다.

따라서, 서버(200)는 직원의 근태정보를 이용하여 각 직원의 소득수준 및 신용도를 평가할 수 있고, 평가정보는 금융기관 등에 제공될 수 있다.

도 4는 다른 실시 예에 따라 직원의 근태정보를 이용하는 시스템을 도시한 도면이다.

일 실시 예에서, 서버는 업체(예를 들어, 공장)에 구비되는 로컬 서버(300)와 개시된 실시 예에 따른 서비스 제공자 서버(302)로 구분될 수 있다. 로컬 서버(300)는 직원 단말(100)로부터 정보를 수집하여 서비스 제공자 서버(302)로 전달하고, 서비스 제공자 서버(302)는 이를 이용하여 다양한 서비스를 제공할 수 있다.

실시 예에 따라서, 서비스 제공자 서버(302)는 직원 단말(100)로부터 직접 정보를 획득하는 것도 가능하다.

로컬 서버(300)는 개시된 실시 예들에 따라 직원의 근태정보를 수집하고, 이에 기초하여 다양한 인사관리 정보를 추정할 수 있다. 또한 이뿐 아니라 직원 단말(100)로부터 다양한 개인정보를 수집하여 데이터베이스화할 수 있다.

로컬 서버(300)는 서비스 제공자 서버(302)로부터 제공되는 프로그램이나 솔루션을 이용하여 개시된 실시 예들을 수행하고, 데이터베이스를 구축할 수 있다.

서비스 제공자 서버(302)는 로컬 서버(300)에서 수집된 데이터베이스를 획득하고, 획득된 데이터베이스에 기초하여 다양한 서비스를 제공할 수 있다.

도 5는 도 4에 도시된 실시 예에 따른 서비스를 제공하는 방법의 흐름도이다.

단계 S310에서, 서비스 제공자 서버(302)는 로컬 서버(300)로부터 로컬 서버(300)에 대응하는 업체의 직원정보를 수집한다.

예를 들어, 서비스 제공자 서버(302)는 로컬 서버(300)에 대응하는 업체의 직원들에 대한 급여, 재산, 가족, 기타 개인정보 등 다양한 정보를 획득할 수 있다.

단계 S320에서, 서비스 제공자 서버(302)는 단계 S310에서 수집된 직원정보에 기초하여 특정 지역의 시장성을 평가할 수 있다.

일 실시 예에서, 서비스 제공자 서버(302)는 로컬 서버(300)로부터 직원들의 소득수준과 신용도에 대한 정보를 획득하거나, 로컬 서버(300)로부터 획득되는 정보들을 이용하여 직원들의 소득수준과 신용도를 평가할 수 있다.

로컬 서버(300)는 로컬 서버(300)를 포함하는, 특정 지역에 속하는 업체들의 서버들로부터 직원들의 소득수준 및 신용도에 대한 정보를 획득하거나 평가하고, 이로부터 해당 지역의 시장성을 평가할 수 있다.

예를 들어, 특정 지역에 공장들이 모여 있고, 해당 지역의 주민들이 공장에 출퇴근하며 주변 지역들에 비해 높은 소득을 올린다는 정보가 획득되면, 서비스 제공자 서버(302)는 해당 지역은 주변 지역들에 비해 구매력이 있는, 즉 시장성이 높은 지역인 것으로 평가할 수 있다.

단계 S330에서, 서비스 제공자 서버(302)는 평가 정보에 기초하여 특정 지역에서 사업을 하고자 하는 사람들을 대상으로 컨설팅 서비스를 제공할 수 있다.

일 실시 예에서, 서비스 제공자 서버(302)는 사업자들을 대상으로 효율적인 마케팅을 위한 정보를 제공할 수 있으며, 나아가 마케팅 서비스를 제공할 수 있다.

예를 들어, 개시된 실시 예에 따르면 직원들은 하루에 최소 두 번(출근 및 퇴근시) 직원 단말(100)을 이용하여 출근 및 퇴근 체크를 하여야 한다.

서비스 제공자 서버(302)는 직원 단말(100)에서 출근 및 퇴근 체크를 위한 애플리케이션이 수행될 때, 적어도 한 번 광고를 제공할 수 있다. 광고는 로컬 서버(300)로부터 제공된 정보들에 기초하여 그 종류가 결정될 수 있다.

또한, 서비스 제공자 서버(302)는 직원 단말(100)에서 출근 및 퇴근 체크를 위한 애플리케이션이 수행될 때, 적어도 한 번 설문조사를 요청할 수 있다. 서비스 제공자 서버(302)는 설문조사 결과를 마케팅이나 컨설팅 서비스에 활용할 수 있다.

단계 S340에서, 서비스 제공자 서버(302)는 다른 일 측면에서 특정 지역에 대한 사업성을 평가할 수 있다.

일 실시 예에서, 서비스 제공자 서버(302)는 로컬 서버(300)로부터 획득되는 정보에 기초하여 특정 지역에 속하는 직원들 각각의 근태정보 및 근태정보에 기초하여 평가된 소득수준에 대한 정보를 획득할 수 있다.

또한, 서비스 제공자 서버(302)는 이로부터 추정되는 직원들 각각의 인사관리 정보를 획득할 수 있다.

서비스 제공자 서버(302)는 획득된 근태정보, 소득수준에 대한 정보 및 인사관리 정보에 기초하여 특정 지역의 임금수준 및 생산성을 평가할 수 있다.

예를 들어, 서비스 제공자 서버(302)는 특정 지역의 근로자들의 근로시간 대비 임금수준과, 그에 대응하는 생산성(예를 들어, 성실성, 실적, 근속기간 등)과 관련된 정보들을 획득할 수 있다.

획득된 정보는, 예를 들어 해당 지역에 공장을 설립하고자 하는 사업자들에게 제공될 수 있다.

사업자들은 제공되는 정보에 기초하여 상대적으로 임금수준이 낮고 생산성이 높은 지역에 공장을 설립할 수 있다. 또한, 사업자들은 특정 지역에 공장을 세우고자 할 때 기존 공장의 우수한 인력들을 데려오기 위해서는 어느 정도의 투자를 하여야 하는지에 대한 정보 또한 획득할 수 있다.

개시된 실시 예에 따르면, 특히 동남아나 중국 등 외국자본에 의한 공장설립이 많은 지역에서 공장설립을 위한 지역을 선택하기 위한 정보를 제공할 수 있다.

또한, 공장설립 후 직원관리를 위한 솔루션을 제공하며, 이러한 솔루션이 나아가 공장설립을 위한 지역을 선택하는 데 도움이 되는 자료수집에 활용될 수 있다.

또한, 핸드폰이나 신분증, 통장 등이 없는 경우가 잦은 생산지역의 근로자들도 효율적으로 관리할 수 있는 솔루션을 제공할 수 있으며, 이러한 근로자들의 소득수준이나 신용도를 객관적으로 평가할 수 있는 시스템을 제공하여 근로자들이 더욱 적극적으로 경제활동을 하도록 할 수 있다. 예를 들어, 근로자들은 신분증이나 통장이 없어도 일정시간 이상 성실하게 근무한다면 신용평가를 받을 수 있고, 금융거래도 할 수 있게 된다.

또한, 공장설립으로 인하여 해당 지역의 경기가 활성화되면, 해당 지역을 생산시장뿐 아니라 소비시장으로 판단, 해당 지역에 대한 마케팅 및 사업 컨설팅 서비스까지 제공할 수 있다.

따라서, 개시된 실시 예에 따르면 제품생산을 위한 공장설립 지역을 물색하고, 공장이 설립된 이후에는 직원관리에 도움을 줄 뿐 아니라 해당 지역의 경기를 활성화시키고, 해당 지역의 경기가 활성화되어 소비시장이 되면 이에 대한 마케팅 서비스까지 제공하는, 올인원 서비스를 제공할 수 있는 효과가 있다.

이에 따라, 기업은 생산에서 관리, 판매까지 모두 포괄하는 토탈 서비스를 제공받음으로써 이익을 추구할 수 있다.

또한, 개시된 실시 예에 따르면 해당 지역의 근로자들도 정당한 대우를 받으며 근로하고, 지역의 경기가 활성화됨에 따라 다양한 이득을 얻을 수 있다.

본 발명의 실시예와 관련하여 설명된 방법 또는 알고리즘의 단계들은 하드웨어로 직접 구현되거나, 하드웨어에 의해 실행되는 소프트웨어 모듈로 구현되거나, 또는 이들의 결합에 의해 구현될 수 있다. 소프트웨어 모듈은 RAM(Random Access Memory), ROM(Read Only Memory), EPROM(Erasable Programmable ROM), EEPROM(Electrically Erasable Programmable ROM), 플래시 메모리(Flash Memory), 하드 디스크, 착탈형 디스크, CD-ROM, 또는 본 발명이 속하는 기술 분야에서 잘 알려진 임의의 형태의 컴퓨터 판독가능 기록매체에 상주할 수도 있다.

이상, 첨부된 도면을 참조로 하여 본 발명의 실시예를 설명하였지만, 본 발명이 속하는 기술분야의 통상의 기술자는 본 발명이 그 기술적 사상이나 필수적인 특징을 변경하지 않고서 다른 구체적인 형태로 실시될 수 있다는 것을 이해할 수 있을 것이다. 그러므로, 이상에서 기술한 실시예들은 모든 면에서 예시적인 것이며, 제한적이 아닌 것으로 이해해야만 한다.

10: 출근카드
100: 직원 단말
102: 관리자 단말
200: 서버

Claims (10)

1. 컴퓨터가 제1 직원의 근태정보를 획득하는 단계; 및
   상기 획득된 근태정보를 학습된 모델에 입력하여 상기 제1 직원의 인사관리 정보를 추정하는 단계; 를 포함하고,
   상기 학습된 모델은,
   하나 이상의 직원의 근태정보 및 상기 하나 이상의 직원의 인사관리 정보를 학습 데이터로 하여 학습된 모델인, 근태정보를 이용한 인사관리 방법.
2. 제1 항에 있어서,
   상기 인사관리 정보를 추정하는 단계는,
   상기 제1 직원의 하나 이상의 인사관리 항목에 대한 추정값 또는 확률을 획득하는 단계; 를 포함하는, 근태정보를 이용한 인사관리 방법.
3. 제1 항에 있어서,
   상기 인사관리 정보를 추정하는 단계는,
   상기 제1 직원의 근태정보에 기초하여 상기 제1 직원의 유형을 분류하는 단계; 를 포함하는, 근태정보를 이용한 인사관리 방법.
4. 제1 항에 있어서,
   상기 근태정보를 획득하는 단계는,
   상기 제1 직원의 출근시간, 퇴근시간 및 일별 근로시간에 대한 정보를 획득하는 단계; 를 포함하는, 근태정보를 이용한 인사관리 방법.
5. 제4 항에 있어서,
   상기 근태정보를 획득하는 단계는,
   상기 제1 직원의 지각여부에 대한 정보를 획득하되, 상기 지각여부에 대한 정보는 상기 제1 직원의 지각여부, 지각시간, 지각횟수 및 지각빈도 중 적어도 하나에 대한 정보를 획득하는, 단계; 를 포함하고,
   상기 인사관리 정보를 추정하는 단계는,
   상기 제1 직원의 지각여부에 대한 정보를 상기 학습된 모델에 입력하여, 상기 제1 직원의 퇴사가능성에 대한 정보를 획득하는 단계; 를 포함하는, 근태정보를 이용한 인사관리 방법.
6. 제1 항에 있어서,
   상기 제1 직원의 근태정보에 기초하여 상기 제1 직원의 인사평가 및 급여지급을 위한 정보 중 적어도 하나를 획득하는 단계; 를 더 포함하는, 근태정보를 이용한 인사관리 방법.
7. 제1 항에 있어서,
   상기 제1 직원의 근태정보에 기초하여 상기 제1 직원의 소득수준 및 신용도를 평가하는 단계; 를 더 포함하는, 근태정보를 이용한 인사관리 방법.
8. 제7 항에 있어서,
   특정 지역에 속하는 직원들 각각의 소득수준에 대한 정보를 획득하되, 상기 소득수준에 대한 정보는 상기 직원들 각각의 근태정보에 기초하여 평가된 것인, 단계; 및
   상기 획득된 소득수준에 대한 정보에 기초하여 상기 특정 지역의 시장성을 평가하는 단계; 를 더 포함하는, 근태정보를 이용한 인사관리 방법.
9. 제7 항에 있어서,
   특정 지역에 속하는 직원들 각각의 근태정보 및 상기 근태정보에 기초하여 평가된 소득수준에 대한 정보를 획득하는 단계;
   상기 직원들 각각의 인사관리 정보를 획득하는 단계; 및
   상기 획득된 근태정보, 소득수준에 대한 정보 및 인사관리 정보에 기초하여 상기 특정 지역의 임금수준 및 생산성을 평가하는 단계; 를 더 포함하는, 근태정보를 이용한 인사관리 방법.
10. 하드웨어인 컴퓨터와 결합되어, 제1 항의 방법을 수행할 수 있도록 컴퓨터에서 독출가능한 기록매체에 저장된 컴퓨터프로그램.

Images