by 어떤 조직이나 능력 있는 사람을 계속 붙들어 두고 싶어한다. 하지만 일하는 사람 입장은 다르다. 나에게 가장 대우를 잘 해주고, 내 커리어에 도움이 되는 조직으로 옮기고 싶은 마음이 크다. 많은 연구자들은 어떤 조직구성원이, 특히 어떤 R&D 인력이 이직을 하게 되는지에 대해 관심을 가지고 있었다. 이들은 보통 특허데이터를 이용해 R&D 인력의 이직을 추적했다. 하지만 본 연구에서는 링크드인에서 사람들의 이력서를 추출해 연구를 진행했다. 논문 저자들은 두 데이터를 비교하고, 연구결과를 분석했다
1. 특허데이터 vs 링크드인데이터
저자들은 링크드인을 주목한다. 링크드인은 자신의 경력을 공유하는 웹서비스다. 기존 연구자들은 이직정보를 확인하기 위해 특허를 사용했다. 왜냐하면 특허에 발명가의 소속정보가 나오기 때문이다. 하지만 특허와 링크드인 정보에 차이가 나타났다. 그래서 저자들은 특허를 출원한 사람들에게 직접 메일을 보내 실제 이들의 이력사항을 확보하고 특허와 링크드인 정보를 비교했다. 아래 그림은 두 자료를 비교한 것이다. 빨간점은 링크드인에 경력을 공개한 사람 중 특허자료에서도 매칭이 가능한 인력을 대상으로 한 정보다. 자료들 패턴에 아주 큰 차이가 있지는 않았지만, 개별 연구자 데이터를 살펴보면, 링크드인 정보가 특허보다는 이직여부를 확인하는데 더 유용했다.
여기에 몇 가지 이유가 있다. 첫째, 사람들은 매년 특허를 출원하지는 않는다. 그렇기 때문에 특허로는 정확한 이직연도를 확인하는데 어려움이 있다. 둘째, 특허에 소속정보가 항상 기재되는 것은 아니다. 셋째, 종종 특허에 있는 소속정보가 틀리는 경우도 있다. 넷째, 다른 조직과 공동으로 연구할 경우 자신의 원래 소속이 누락되는 경우도 있다.
2. 이직에 영향을 주는 요인들
저자들은 다양한 분석을 수행했지만, 여기서는 링크드인 자료로 분석한 결과를 소개하고자 한다. 링크드인 자료의 문제는 R&D 인력 중 일부만이 링크드인을 이용해 자신의 경력을 공개한다는 것이다 (특히 나이가 어린 사람들의 자료가 높게 관찰됨). 이를 표본선택문제라고 하는데, 이를 통계적으로 해결한 뒤, 저자들은 두 가지 영향 요인을 확인했다. 첫째, 특허출원빈도가 높을수록, 즉 특허생산성이 높은 유능한 인재의 이직률이 낮다. 둘째, 특정지역(여기서는 실리콘밸리) 거주자들이 이직을 많이 한다. 저자들은 추가로 연도별 데이터에서 발생하는 오차를 고려한 통계분석(패널분석)도 수행했다. 여기서도 결과는 비슷하게 나왔다. 다만 특허출원비율은 영향을 미치는 크기자체가 크지는 않았다.
3. 무슨 의미가 있나?
링크드인과 같이 개인이 직접 공개한 경력 데이터베이스는 정보 정확도가 높고, 따라서 연구자 이직 연구에 상당히 유용할 수 있다. 실리콘밸리와 R&D클러스터는 확실히 이직이 많으며, 이를 통해 기업들 사이의 기술파급효과도 높을 수 있다.
4. 어떻게 연구했나?
하버드대학의 공개특허데이터와 링크드인에서 일반에게 공개된 경력자료를 이용했다. 특정연도에 이직을 한 경우는 1로 그렇지 않은 경우는 0으로 데이터를 만들었다. 프로빗 모형을 활용해 통계 검증을 했다.
Ge, C., Huang, K.-W., & Png, I. P. L. (2016). Engineer/scientist careers: Patents, online profiles, and misclassification bias. Strategic Management Journal, 37, 232-253.
