온보딩 적응 생산성 시뮬레이터: 신입 직원이 본전을 뽑기 전까지 실제로 드는 비용

업계 경영 분석

공식 및 방법론 설계도

이 모델은 코호트의 첫 열두 달을 평균합니다. 생산성은 완전한 성과의 20%에서 시작해 적응 기간에 걸쳐 직선으로 100%까지 오른 뒤 그 수준에 머뭅니다. 평균 생산성은 그 곡선 아래 면적을 12로 나눈 값입니다. 멘토 시간은 신입이 적응하는 동안만 이어지며, 신입의 시간당 비용에 20%의 연차 할증을 더해 환산합니다. 조기 퇴사자는 평균적으로 기간의 절반 동안 자리를 비운다고 보며, 한 명당 후임을 채우는 데 2개월치 급여가 듭니다.

평균 생산성

P = [R × (0.2 + 1) / 2 + (12 − R)] / 12

열두 달에 걸친 적응 직선 아래 면적이며, R은 적응 기간입니다. R = 12일 때 평균은 60%입니다.

신입 1인당 멘토 비용

M = 멘토 시간 × (급여 / 160 × 1.2) × R / 12

매달 가르친 시간을 선임 시간당 단가로 환산하고, 적응이 끝나면 가르침도 멈추므로 한 해에 걸쳐 평균한 값입니다.

퇴사 반영 후 산출

O = 완전 가치 × P × (1 − 퇴사율 × 0.5)

퇴사해서 평균적으로 기간의 절반 동안 자리를 비우는 신입을 반영한 월 산출 가치입니다.

후임 채용 비용

X = 퇴사율 × 2 × 급여 / 12

조기 퇴사자의 자리를 채용해 메우는 데 드는 월 예상 비용입니다.

코호트 결과

Net = 채용 인원 × (O − 급여 − M − 준비 비용 − X)

코호트의 월 결과이며, 준비 비용은 신입 1인당 1,200을 한 해에 나눈 값입니다.

생산적인 한 달의 비용

E = (급여 + M) / P

코호트가 적응하는 동안 완전 성과 업무 한 달에 지급하는 금액입니다.

연쇄 탄력성

적응 기간과 완전 성과 가치는 가장 민감한 입력값입니다. 적응 기간이 한 달 늘 때마다 평균 생산성이 약 3.3포인트 줄어들며, 일반적인 급여 수준에서는 절약되는 멘토 시간보다 더 큰 비용이 듭니다. 조기 퇴사는 산출과 후임 채용 양쪽에 영향을 미치므로 그다음으로 민감합니다. 급여와 채용 인원은 선형이어서 기준선처럼 작용합니다. 손익분기점을 옮기지만 그 모양은 바꾸지 않습니다.

실제 사례 세 가지

업계 벤치마크 매트릭스

변수와 레버

이 시뮬레이터 사용 방법

1. 1함께 입사하는 인원과 신입 1인당 월 비용을 입력하세요.
2. 2완전 성과 가치와 해당 직무의 적응 기간에 대한 솔직한 추정치를 설정하세요.
3. 3주당 멘토 시간과 첫해에 잃을 것으로 예상하는 신입의 비율을 추가하세요.
4. 4다섯 개의 도미노를 보고 처음으로 주황색이나 빨간색으로 바뀌는 단계를 찾으세요.
5. 5평행 우주 탭에서 체계적인 프로그램과 비교하고 링크를 팀과 공유하세요.

피해야 할 실수

• 첫날부터 완전한 성과를 가정하는 것. 부분적인 생산성에 머무는 초기 몇 달을 세지 않았기 때문에 계획이 수익성 있어 보일 뿐입니다.
• 멘토 시간을 공짜로 취급하는 것. 멘토의 급여로 한 번, 하지 못한 업무로 한 번, 두 번 대가를 치릅니다.
• 모든 직무의 적응 기간을 평균 내는 것. 지원 직무의 2주와 엔지니어링의 7개월을 평균하면 오해를 부르므로, 직무별로 따로 모델링하세요.
• 프로그램을 평가할 때 조기 퇴사를 무시하는 것. 사람들을 길 잃게 만드는 저렴한 온보딩은 준비 비용을 아끼는 대신 산출과 후임 채용에서 훨씬 더 많이 잃을 수 있습니다.

자주 묻는 질문