조직 데이터 준비Prepare organizational data

이 문서에서는 분석가를 위한 조직 데이터의 가치와 데이터를 업로드 하기 전에 식별, 수집 및 구성 하는 단계에 대해 설명 합니다.This article describes the value of organizational data for analysts and the steps of identifying, gathering, and structuring the data before you upload it.

조직의 데이터 특성 및 사용에 대 한 자세한 내용은 조직 데이터를 사용 하 여 보다 효율적인 분석을 참조 하세요.To learn more about the nature and use of organizational data, see Use organizational data for more effective analysis. 조직 데이터 작업을 시작할 준비가 되 면 다음 섹션에서 방법에 대해 설명 합니다.When you’re ready to start working with organizational data, the following sections describe how.

  • 분석할 추세 식별: 작업 효율성을 높이기 위해 학습 해야 하는 추세를 결정 합니다.Identify trends that you want to analyze: Decide what trends you need to learn about to improve efficiency at work. 이렇게 하면 사용할 조직 데이터를 보다 효율적으로 선택할 수 있습니다.From this, you can better choose what organizational data to use.
  • 포함할 데이터에 대한 자세한 내용은 반드시 입력 해야 합니다.Know what data to include: A few data attributes are required, and many are optional. 선택 사항 중에서 분석 목적에 가장 적합 한 옵션을 선택 합니다.Among the optional ones, choose those that best serve your analytical purposes.
  • 조직 데이터 내보내기: 관리자가 조직의 hr 시스템에서 hr 데이터를 내보내도록 합니다.Get an export of organizational data: Have an admin export the HR data from your organization’s HR system. 필요에 따라 분석에 필요한 기간 업무 (lob) 데이터를 포함 합니다.Optionally, include line-of-business data, if your analysis requires it.
  • 조직 데이터 구조화: 데이터에 대 한 유효성을 검사 하려면 먼저 업로드 한 the.csv 파일에서 올바르게 구성 해야 합니다.Structure the organizational data: For your data to validate successfully, you must first structure it correctly in the.csv file that you upload.
  • 데이터를 작업 영역 분석에 업로드: .csv 파일이 준비 된 후에는 유효성 검사 및 처리 후 분석에 사용할 수 있게 되는 작업 공간 분석에 업로드 합니다.Upload the data to Workplace Analytics: After your .csv file is ready, you upload it to Workplace Analytics where, after validation and processing, it becomes available for analysis.

보다 효율적인 분석을 위해 조직 데이터 사용Use organizational data for more effective analysis

조직 데이터는 직원에 대 한 세부 정보입니다.Organizational data is descriptive information about employees. 관리자가 조직 데이터를 업로드 하 고 나면 회사 분석에서이를 Office 365 데이터와 결합 하 여 기업 커뮤니케이션 및 공동 작업 추세에 대 한 상세한 실행 가능한 통찰력을 제공 합니다.After an admin uploads organizational data, Workplace Analytics combines it with Office 365 data to provide detailed, actionable insights into the company's communication and collaboration trends. 분석가는 이러한 추세를 파악 하 고이를 사용 하 여 비즈니스 의사 결정을 보다 효율적으로 수행할 수 있습니다.An analyst can uncover these trends and use them to make more effective business decisions.

다음은 조직 데이터를 업로드 한 후에 작업 영역 분석에서 분석가가 수행할 수 있는 작업의 예입니다.Here are examples of what analysts can do in Workplace Analytics after organizational data has been uploaded:

  • 설명 특성의 그룹화 및 필터링을 사용 하도록 설정 하 여 사용자가 작업 기능, 부서 그룹 및 관리 계층 구조에서 통신 하는 방식을 파악 합니다.Know how people communicate across job functions, department groups, and management hierarchies by enabling the grouping and filtering of descriptive attributes.
  • 메트릭을 사용자 지정 하 여 마케팅 그룹과 영업 그룹 간 공동 작업 시간과 같은 그룹 관계를 수량화 합니다.Customize metrics to quantify group relationships, such as collaboration time between the marketing and sales groups.
  • Insularity 및 중복성과 같은 메트릭 계산을 수행 합니다.Make metrics calculations, such as insularity and redundancy.

회사 분석에서는 Office 365에서 공동 작업 데이터를 자동으로 수집 합니다.Workplace Analytics automatically collects collaboration data from Office 365. 이 데이터만 분석 하면 불완전 한 그림이 생성 됩니다. 분석 컨텍스트를 제공 하는 사용자가 업로드 하는 조직 데이터입니다.Analyzing just this data would create an incomplete picture; It’s the organizational data that you upload that provides analysis context. 다음 비디오에서는 이러한 개념을 보여 줍니다.The following video illustrates these concepts:

비디오: 조직 데이터 컨텍스트 제공Video: Organizational data provides context

추출할 조직 데이터를 확인 하려면 먼저 필요한 작업 흐름 추세를 결정 해야 합니다.To know what organizational data to extract, you first need to decide what workplace trends you want to learn about. 예를 들어 예정 된 분석에서는 여러 직원 세그먼트 또는 그룹에서 공동 작업을 조사할 수 있습니다.For example, in an upcoming analysis, you may want to examine collaboration across different employee segments, or groups. 먼저 다음과 같은 다양 한 방법으로 이러한 그룹을 정의 해야 합니다.You must first define these groups, which you can do in various ways:

  • 조직 데이터에 정의 된 그룹Groups as defined by organizational data
  • 조직 계층 구조 수준으로 구성 된 그룹Groups made up of organizational hierarchy levels
  • 성능, 계약 또는 기타 기간 업무 (lob) 데이터로 구성 된 그룹Groups made up of performance, engagement, or other line-of-business data

정의 된 그룹은 다음 분석 예제에서 사용할 수 있습니다.Defined groups can be used in the following examples of analyses:

그룹 간 공동 작업Collaboration between groups

일반적인 분석 시나리오는 서로 다른 직원 그룹 간의 공동 작업 패턴을 찾는 것입니다.A common analysis scenario is to find patterns of collaboration between different groups of employees. 예를 들어 제품 마케팅 팀이 영업 팀에 게 어떤 시간을 말하고 있는지 확인할 수 있습니다.For example, you might want to know how much your product marketing team is talking to your sales team.

공동 작업 패턴을 정의할 때 다음과 같이 하는 것이 좋습니다.Attributes for segmenting populations can be helpful to consider in defining patterns of collaboration:

  • 직업, 기능, 부문별 및 직무 코드와 같은 작업 모음 또는 역할 특성Job family or role attributes, such as profession, function, discipline, and job code
  • 조직, 비즈니스 라인 또는 비용 센터 (예: HR, 재무, 판매 및 마케팅)Organization, line of business, or cost center, such as HR, Finance, Sales, and Marketing
  • 조직에서 정의 하는 구/군/시, 시/도, 국가 및 지역과 같은 위치 특성Location attributes, such as city, state, country, and regions, as defined by your organization
  • 원격, 제외/비 면제, FTE/공급 업체, 파트 시간/전일 시간, tenure 조직 및 현재 역할의 tenure 같은 작업자 유형을 설명 하는 특성입니다.Attributes that describe the type of worker, such as remote, exempt/non-exempt, FTE/vendor, part time/full time, tenure in organization, and tenure in current role.

이러한 특성 대부분은 HR 정보 시스템 내에서 사용할 수 있습니다.Most of these attributes are available within HR information systems.

계층적 공동 작업Hierarchical collaboration

또한 조직의 계층 구조에 대 한 참조에서 공동 작업의 패턴을 검색 하 고, 관리자와 개별 참가자 간의 공동 작업을 수량화 하 고, 조직의 상위 및 하위 수준 및 계층 사이에서 협력을 정량화 하는 것이 일반적입니다.It’s also common to seek patterns of collaboration behavior in reference to the hierarchy of your organization, as well as to quantify collaboration between managers and individual contributors, and between higher and lower levels and layers in the organization.

이 분석에서는 다음과 같은 개념을 유용 하 게 사용할 수 있습니다.The following concepts are helpful in this analysis:

  • IC 또는 관리자: 직원이 개별 참가자 인지 관리자 든 관계 없이 관리 됩니다.IC or manager: Whether an employee is an individual contributor or a manager.
  • 조직 계층 구조: 해당 직원의 보고 구조에서 직원 위의 모든 관리자의 이름입니다. 각 관리자를 별도의 특성으로 저장할 수 있습니다.Organizational hierarchy: For example, the names of all managers above the employee in that employee's reporting structure; each manager can be stored as a separate attribute.
  • 레이어: 예를 들어 계층 0 = 회사의 최상위 지도자 인 조직 계층 구조에서 직원의 위치를 예로 들 있습니다.Layer: For example, the position of the employee in the organizational hierarchy where layer 0 = the top leader in the company.
  • 범위: 예를 들어 직원에 게 할당 되는 직접 보고서의 수입니다.Span: For example, the number of direct reports assigned to an employee.
  • 수준 (예: 선임 관리자, VP, 디렉터, CVP 등)Level: For example, senior manager, VP, director, CVP, and so on.

이러한 특성 대부분은 HR 정보 시스템 에서도 찾을 수 있습니다.Most of these attributes are also found in HR information systems.

공동 작업, 약혼 및 결과 데이터Collaboration, engagement, and outcome data

마지막으로, 공동 작업 방식 패턴을 직원 참여 점수 또는 영업 할당량 attainment 또는 high/low 성능 등급과 같은 기타 성능 결과 데이터로 간주 하는 것이 좋습니다.Finally, you might want to consider tying collaboration behavior patterns to employee engagement scores or other performance outcome data, such as sales-quota attainment or high/low performance ratings. 이 데이터는 종종 별도의 HR 데이터 저장소 또는 기간 업무 (lob) 시스템에 있는 전통적인 HR 정보 시스템 외부에서 검색 됩니다.This data is often found outside of traditional HR information systems, either in separate HR data repositories or in line-of-business systems.

포함할 데이터 파악Know what data to include

작업 공간 분석에서 전체 기능을 가져오려면 특성 참조에 설명 된 대로 필요한 특성을 몇 개 제공 해야 합니다.To get full functionality from Workplace Analytics, you must supply several required attributes, as described in Attribute reference. 또한 사용자는 최대 100 개의 선택적 특성을 제공 하 여 흥미로운 방식으로 데이터를 그룹화 및 필터링 할 수 있습니다.Additionally, you can supply up to 100 optional attributes to group and filter data in interesting and custom ways.

조직 데이터의 예로는 작업 패밀리, 작업 역할, 조직, 비즈니스 라인, 비용 센터, 위치, 지역, 계층, 수준, 부하 직원 수 및 관리자 등이 있습니다.Examples of organizational data include: job family, job role, organization, line of business, cost center, location, region, layer, level, number of direct reports, and manager. 이 데이터는 개별 수준에서 작업 영역 분석에 제공 되므로 이러한 특성은 데이터 집합의 각 사용자에 게 컨텍스트를 제공 합니다.This data is supplied to Workplace Analytics at the individual level, which means that these attributes provide context to each person in the dataset.

다음 비디오에서는 데이터 업로드에 필요한 특성과 선택 사항인 특성에 대해 설명 합니다.The following video describes which attributes are required and optional in your data upload:

비디오: 업로드에 포함할 작업Video: What to include in the upload

포함할 직원Which employees to include

하위 그룹에 대 한 공동 작업 데이터를 수집 하는 경우에도 회사 내 모든 사용자를 데이터 업로드의 일부로 포함 하는 것이 가장 좋습니다.It's best to include every person in your company as part of your data upload, even if you plan to gather collaboration data for only a subgroup, a specific target population within the company.

Important

모든 사용자의 데이터를 업로드 하는 경우 대상 모집단 외부에 있더라도 모든 사람이 공동 작업을 하는 사람을 분석할 수 있습니다.If you upload data for everyone, you can analyze who everyone is collaborating with, even if they are outside your target population.

예를 들어 마케팅 부서의 사용자가 제품 개발 담당자와 자주 통신 하지만 회사 분석에는 마케팅 조직에 대 한 HR 데이터만 포함 되어 있는 경우 마케팅 개발에 소비 되는 시간을 보여 주는 보고서를 만들 수 없습니다.For example, if the people in Marketing communicate frequently with the people in Product Development, but Workplace Analytics has HR data only about the Marketing organization, you won't be able to create reports to show how much time Marketing is spending with Product Development.

조직의 모든 사용자를 포함할 수 없는 경우에는 공동 작업 데이터를 수집 하는 모든 사용자를 포함 해야 합니다.If you can't include every person in your organization, the minimum to include is all people for whom collaboration data is being gathered. 이 최소값을 사용 하면이 인구 내의 그룹 간 공동 작업 패턴을 분석할 수 있지만이 인구를 벗어나는 그룹 간에는 가능 하지 않습니다.This minimum enables you to analyze collaboration patterns between groups within this population, but not between groups outside this population.

조직 데이터 내보내기Get an export of organizational data

조직 데이터를 포맷 하 고 업로드 하기 전에 하나 이상의 원본에서 가져와야 합니다.Before you format and upload organizational data, you must get it from one or more sources. 기본 원본은 조직의 HR (인적 자원) 정보 시스템을 관리 하는 팀입니다.Your primary source is the team that manages your organization's human resources (HR) information systems. 이 팀은 개별 직원에 대 한 HR 특성의 데이터 내보내기를 제공 해야 합니다.This team will need to provide you with a data export of HR attributes for individual employees.

또한 분석가에 게 비즈니스 결과에 대 한 데이터가 필요할 수도 있습니다.In addition, your analysts might need data about business outcomes. 이 경우에는이 정보를 포함 하는 데이터 저장소에 대 한 액세스 권한이 있는 LOB (기간 업무) 소유자에 게 문의 해야 합니다.If so, you'll need to contact line-of-business (LOB) owners who have access to data stores that contain this information. 예제:For example:

  • 성능-특정 작업 그룹에 대 한 데이터 검토Performance-review data for specific work groups
  • HR 정보 시스템 외부에서 HR에 의해 캡처된 직원 계약 점수Employee engagement scores captured by HR outside of HR information systems
  • 성능에 대 한 추가 보기를 제공 하는 attainment 데이터 (판매 또는 기타 할당량)Sales or other quota-attainment data that provide additional views into performance
  • 직원 설문 조사 데이터Employee survey data

이 데이터를 가져온 후에는이를 작업 영역 분석에 업로드 한 후에 성공적으로 처리할 수 있도록 구성 해야 합니다.After you get this data, you must structure it for successful processing after uploading it to Workplace Analytics.

조직 데이터 구조화Structure the organizational data

제공할 데이터를 확인 한 후에는이를 올바른 형식으로 내보내서 작업 영역 분석에 업로드 해야 합니다.After you’ve identified what data to provide, you need to export it into the correct format to upload to Workplace Analytics. 먼저 데이터가 UTF-8 인코딩 .csv 파일에 있고 해당 모집단에 필요한 특성 집합을 하나 이상 포함 해야 합니다.To start with, the data must be in a UTF-8 encoded .csv file and contain at least the set of required attributes for the population. UTF-8 형식으로 파일을 저장 하는 방법에 대 한 자세한 내용은 Solution을 참조 하십시오.For more information about saving a file in UTF-8 format, see Solution.

파일 이름은 공백이 나 특수 문자를 사용 하지 않고 영숫자 문자 (문자 및 숫자)만 포함 해야 합니다.The file name must contain only alphanumeric characters (letters and numbers), with no spaces or special characters. 예를 _FileName2.csv_합니다.For example, FileName2.csv.

다음 비디오에서는 파일의 형식을 지정 하는 방법, EffectiveDate 필드를 사용 하 여 조직의 기록 변경 내용을 반영 하는 방법, 포함할 직원 및 후속 업로드에서 추가 하거나 업데이트 한 데이터를 구조화 하는 방법을 포함 하 여 조직 데이터 파일을 구성 하는 방법에 대해 설명 합니다.The following video describes how to structure your organizational data file, including how to format the file, how to use the EffectiveDate field to reflect historical changes in your organization, which employees to include, and how to structure data that you add or update in subsequent uploads:

동영상: 조직 데이터 파일의 구조를 구성 하는 방법Video: How to structure the organizational data file

Required, reserved optional 및 custom 특성Required, reserved optional, and custom attributes

.Csv 업로드에서 필요한 특성 은 다음과 같은 정확한 열 머리글 (대/소문자 구분)과 함께 제공 되어야 합니다.Required attributes must be supplied with the following exact column headers (case sensitive) in the .csv upload:

  • PersonIdPersonId
  • EffectiveDateEffectiveDate
  • LevelDesignationLevelDesignation
  • ManagerIdManagerId
  • 조직Organization

예약 된 선택적 특성 은 현재 데이터를 필터링 하 고 그룹화 하는 데만 사용 되는 특성에 대 한 예약 열 헤더입니다.Reserved optional attributes are reserved column headers for attributes that are currently used only to filter and group data. 나중에 추가 메트릭 계산에 사용 됩니다.In the future, they will be used for additional metric calculations.

  • FunctionTypeFunctionType
  • HireDateHireDate
  • HourlyRateHourlyRate
  • 레이어에서만Layer
  • SupervisorIndicatorSupervisorIndicator
  • 표준TimeZone

이러한 특성은 필요 하지 않지만 포함 된 경우에는 특정 검사 요구 사항을 충족 해야 합니다.Although these attributes are not required, if included, they must meet particular coverage requirements.

사용자 지정 특성 은 데이터를 필터링 하 고 그룹화 하는 데 사용 하기 위해 정의 하려는 추가 특성입니다.Custom attributes are any additional attributes you want to define to use in filtering and grouping data.

Note

  • 시스템에서 허용 되는 최대 총 특성 수는 105입니다.The maximum number of total attributes allowed in the system is 105. 여기에는 다섯 가지 필수 특성이 포함 됩니다.This includes the five required attributes.
  • 모든 날짜는 MM/DD/YYYY 형식 이어야 합니다.All dates should be in the MM/DD/YYYY format.
  • 숫자 필드 (예: "HourlyRate")는 "number" 형식 이어야 하며 쉼표나 달러 기호를 포함할 수 없습니다.Numerical fields (such as "HourlyRate") must be in the "number" format and cannot contain commas or a dollar sign.

자세한 내용은 특성 설명 및 데이터 검사 요구 사항비디오: 업로드에 포함할 항목을 참조 하세요.For more information, see Attribute descriptions and data-coverage requirements and Video: What to include in the upload.

예제 .csv 내보내기 파일Example .csv export file

다음은 올바른 .csv 내보내기 파일의 예입니다.Here's an example snippet of a valid .csv export file:

PersonId, EffectiveDate, HireDate, ManagerId, TimeZone, LevelDesignation, 조직, 레이어, 영역 Emp1@contoso .com, 10/1/2017, 1/3/2014, Mgr1@contoso .com, 태평양 표준시, 5, Sales, 8, 동남 Emp1@contoso .com, 11/1/2017, 1/3/2014, Mgr1@contoso .com, 태평양 표준 시간, 5, Sales, 8, 남동쪽 Emp1@contoso .com, 12/1/2017, 1/3/2014, Mgr2@contoso .com, 태평양 표준시 4, Sales, 7, 북동쪽 Emp2@contoso .com, 10/1/2017, 8/15/2015, Mgr3@contoso .com, 태평양 표준시, 6, Sales, 9, 중부 Emp2@contoso .com, 11/1/2017, 8/15/2015, Mgr3@contoso .com, 태평양 표준 시간, 6, Sales, 9, 중부 Emp2@contoso .com, 12/1/2017, 8/15/2015, Mgr3@contoso .com, 태평양 표준시, 6, Sales, 9, 중부PersonId,EffectiveDate,HireDate,ManagerId,TimeZone,LevelDesignation,Organization,Layer,Area Emp1@contoso.com,10/1/2017,1/3/2014,Mgr1@contoso.com,Pacific Standard Time,5,Sales,8,Southeast Emp1@contoso.com,11/1/2017,1/3/2014,Mgr1@contoso.com,Pacific Standard Time,5,Sales,8,Southeast Emp1@contoso.com,12/1/2017,1/3/2014,Mgr2@contoso.com,Pacific Standard Time,4,Sales,7,Northeast Emp2@contoso.com,10/1/2017,8/15/2015,Mgr3@contoso.com,Pacific Standard Time,6,Sales,9,Midwest Emp2@contoso.com,11/1/2017,8/15/2015,Mgr3@contoso.com,Pacific Standard Time,6,Sales,9,Midwest Emp2@contoso.com,12/1/2017,8/15/2015,Mgr3@contoso.com,Pacific Standard Time,6,Sales,9,Midwest

특성에 대 한 자세한 내용은 Attribute reference 섹션을 참조 하십시오.For more information about attributes, see the Attribute reference section.

작업 공간 분석에 데이터 업로드Upload the data to Workplace Analytics

원본 .csv 파일을 만든 후에는 작업 공간 분석 서비스에 업로드할 수 있습니다.After you create a source .csv file, you can upload it to the Workplace Analytics service. 조직 데이터를 처음 업로드 하는 경우에는 업로드 조직 데이터 (첫 번째 업로드)를 참조 하십시오.If this is the first time that you will upload organizational data, see Upload organizational data (first upload). 처음이 아닌 경우 업로드 조직 데이터 (후속 업로드)를 참조 하세요.If this is not the first time, see Upload organizational data (subsequent uploads).

데이터를 업로드 한 후에는 작업을 통해 추가 유효성 검사 및 처리를 수행 하 여 프로 비전을 완료 합니다.After your data has been successfully uploaded, Workplace Analytics performs additional validation and processing to complete provisioning. 문제가 발생 하면 작업 영역 분석 팀에서 작업 영역 분석 관리자에 게 문의 합니다.If any problems occur, the Workplace Analytics team will contact your Workplace Analytics administrator.

조직 데이터를 업로드 하는 빈도How often to upload organizational data

데이터를 최신 상태로 유지 하 고 분석 하려면 HR 데이터를 매월 한 번 업로드 하는 것이 좋습니다.It is recommended that you upload HR data at least once a month to keep data fresh and analysis relevant. HR 업로드가 성공한 후에는 페이지 탐색쿼리에서업데이트 된 데이터를 사용할 수 있게 됩니다.Soon after an HR upload has succeeded, the updated data becomes available in the Explore pages and in queries.

기간에 따른 데이터 제공Supplying data over a time period

기본적으로 회사 분석에는 1 년 동안 측정 된 직원에 대 한 모임 및 전자 메일 데이터가 포함 됩니다.By default, Workplace Analytics includes meeting and email data for measured employees for one year. 조직 데이터는 특성 설명 및 데이터 적용 범위비디오: 조직 데이터 파일을 구성하는 방법에 설명 된 대로 업로드 파일의 각 행과 연결 된 유효 날짜를 사용 하 여 작업 공간 분석에 제공 됩니다.Organizational data is provided to Workplace Analytics with an effective date associated with each row in the upload file, as described in Attribute descriptions and data-coverage requirements and in Video: How to structure the organizational data file.

현재 날짜를 사용 하 여 HR 정보 시스템에서 조직 데이터를 지정 하는 경우에는 해당 시점에 대 한 직원 인구를 파악할 수 있습니다.If you do a point-in-time export of organizational data from your HR information system as of the current date, you will get a picture of your employee population for that single point in time. 따라서 프로 비전 중에 데이터 충실도가 최대로 향상 되도록 하려면 지난 13 개월 동안 조직 데이터 내보내기를 제공 해야 합니다.Therefore, for the greatest data fidelity during provisioning, you should provide organizational data exports for each of the last 13 months. 이 파일은 단일 파일이 나 파일 순서에 제공 될 수 있습니다.This can be supplied in a single file or in a sequence of files.

즉, 측정 된 각 직원에 대해 13 개의 개별 행이 있습니다. 각 행에는 데이터를 가져온 각 월의 유효한 날짜가 포함 됩니다.This means that for each measured employee, you would have 13 separate rows; each row would contain an effective date for each month in which data was pulled. 이렇게 할 수 없는 경우에는 한 번에 한 가지 시점을 제공할 수 있습니다.If this is not possible, then you can provide one single point in time. 이 경우에는 유효 날짜를 이번 달의 1 년 전으로 설정 해야 합니다.In this case, the effective date should be set to the first day of the current month, one year back. 예를 들어 구축이 10 월 2020 일에 발생 한 경우 모든 행에 대 한 유효 날짜를 10/1/2019로 설정 해야 합니다.For example, if provisioning occurred in October 2020, the effective date for all rows should be set to 10/1/2019.

직원의 공동 작업 활동은 공동 작업 활동의 날짜 이전에 가장 최근 조직 데이터 스냅숏 (EffectiveDate 기반)에 매핑됩니다.The employee’s collaboration activity will be mapped to the most recent organizational data snapshot (based on EffectiveDate) that precedes the date of the collaboration activity. 자세한 예는 about 1:25부터 시작 하 여 조직 데이터 파일을 구성 하는 방법에 대 한 비디오 비디오를 참조 하십시오.For a detailed example, see the video Video: How to structure the organizational data file, starting at about 1:25.

특성 참조Attribute reference

이 섹션에는 작업 공간 분석에 업로드 된 조직 데이터 파일에서 사용 하는 특성에 대 한 정보가 포함 되어 있습니다.This section contains information about the attributes that you use in the organizational data files uploaded to Workplace Analytics.

특성 설명 및 데이터 검사 요구 사항Attribute descriptions and data-coverage requirements

특성 메모 및 권장 사항Attribute notes and recommendations

특성 설명 및 데이터 검사 요구 사항Attribute descriptions and data-coverage requirements

특성 (열 머리글)Attribute (column header) 데이터/데이터 유효성 설명Description of data / data validity 데이터 검사 요구 사항Data coverage requirements
PersonIdPersonId 직원 레코드의 고유 식별자입니다.Unique identifier for the employee record. 이 식별자는 직원의 기본 SMTP 주소 또는 전자 메일 별칭 일 수 있습니다.This identifier can be the employee's primary SMTP address or email alias. 공백이 포함 되지 않은 단순한 형식 이어야 합니다.It must be in a simplified format that contains no spaces. 예제:For example:
  • 허용: person.name@xyz.comAllowed: person.name@xyz.com
  • 허용 되지 않음: <이름, 사용자> (person.name@xyz.com)Not allowed: <Name, Person> (person.name@xyz.com)
  • 각 행은 유효한 PersonId을 포함 해야 합니다.Each row must contain a valid PersonId. 각 업로드 파일에는 PersonID/EffectiveDate 쌍이 같은 레코드가 하나만 있을 수 있습니다.Each upload file can have only ONE record with the same PersonID / EffectiveDate pair.
    EffectiveDateEffectiveDate 지정 된 특성 값이 직원에 적용 되는 날짜입니다.Date for which the given attribute value applies for the employee. 이 특성은 다른 유효 날짜와 동일한 특성에 대 한 다른 레코드가 지정 될 때까지 적용 됩니다.The attribute applies until another record for the same attribute with a different effective date is specified. 각 행은 유효한 EffectiveDate을 포함 해야 합니다.Each row must contain a valid EffectiveDate. 각 업로드 파일에는 PersonID/EffectiveDate 쌍이 같은 레코드가 하나만 있을 수 있습니다.Each upload file can have only one record with the same PersonID / EffectiveDate pair.
    LevelDesignationLevelDesignation 직원의 수준으로, 문자열로 표현 됩니다.The employee’s level, which is represented as a string. 이 수준은 조직에 한정 되며 직원의 경험과 관리 수준 또는 조직 내 연공서열를 나타낼 수 있습니다.This level is specific to your organization and can represent an employee’s experience or management level, or seniority within the organization. 이 데이터는 중복성 및 insularity에 대 한 메트릭을 올바르게 계산 하는 데 필요 합니다.This data is needed to correctly calculate metrics for redundancy and insularity. 각 행에는 LevelDesignation 값이 포함 되어야 합니다.Each row must contain a LevelDesignation value.
    ManagerIdManagerId 관리자 및 부하 직원에 게 소요 되는 시간에 대 한 메트릭을 올바르게 계산 하는 데 필요한 사원의 관리자에 대 한 고유 식별자입니다.Unique identifier for the employee’s manager, which is needed to correctly calculate metrics for time spent with managers and their direct reports.
    이 식별자는 관리자의 기본 SMTP 주소 또는 전자 메일 별칭 일 수 있습니다.This identifier can be the manager's primary SMTP address or email alias. 공백이 포함 되지 않은 단순한 형식 이어야 합니다.It must be in a simplified format that contains no spaces. 예제:For example:
  • 허용: person.name@xyz.comAllowed: person.name@xyz.com
  • 허용 되지 않음: <이름, 사용자> (person.name@xyz.com)Not allowed: <Name, Person> (person.name@xyz.com)
  • 각 행은 유효한 ManagerId을 포함 해야 합니다.Each row must contain a valid ManagerId.
    조직Organization 직원이 속하는 내부 조직입니다.The internal organization that the employee belongs to. 직원의 조직은 개별 요구 사항에 맞게 구성 되며, 조직의 리더가 나 다른 명명 규칙에 의해 식별 될 수 있습니다.An employee’s organization will be specific to your individual needs and could be identified by the leader of the organization, or by another naming convention. 이 데이터는 중복성 및 insularity에 대 한 메트릭을 올바르게 계산 하는 데 필요 합니다.This data is needed to correctly calculate metrics for redundancy and insularity. 각 행에는 조직 값이 포함 되어야 합니다.Each row must contain an organization value.
    FunctionTypeFunctionType 직원이 수행 하는 작업 함수입니다.The job function that the employee performs. 이는 조직에 따라 다릅니다.This is specific to your organization. 이 데이터는 보고서를 필터링 하 고 그룹화 하는 데 사용 되며, 데이터를 탐색 하는 방법에 대 한 정보를 그룹화 합니다.This data is used to filter and group reports, and for grouping of data in Explore-the-metrics features. 이 특성 열은 필수가 아닙니다.This attribute column is not required. 포함 된 경우 각 행에 함수 값이 포함 되어야 합니다.If it is included, then each row must contain a function value.
    HireDateHireDate 직원이 고용를 시작한 날짜입니다.The date the employee began employment. 이 날짜는 측정 한 직원의 메트릭을 계산 하기 위한 시작 날짜를 결정 합니다.This date determines the beginning date for calculating metrics of a measured employee. 직원에 게 고용 날짜가 여러 개인 경우 (예: 첫 번째 고용 날짜, 가장 최근 고용 날짜)에는 가장 최근 고용 날짜를 사용 하는 것이 좋습니다.If an employee has multiple hire dates (for example: first hire date, most recent hire date), it is best to use the most recent hire date. 각 행에는 유효한 HireDate이 포함 되어야 합니다.Each row should ideally contain a valid HireDate. 포함 되지 않은 경우 데이터 수집 기간의 시작 날짜를 기준으로 메트릭이 계산 됩니다.If not included, metrics will be calculated from the start date of the data collection period.
    HourlyRateHourlyRate 미국 달러 단위로 표시 되는 직원의 급여입니다.The employee’s salary represented as an hourly rate in US dollars. 참고:Notes:
  • HR 데이터가 연간 급여만 제공 하는 경우에는 직원의 급여를 2080로 나누면 업로드 (.csv) 파일에서 시간별 시간 급여를 계산 하 고 작업을 수행 해야 합니다.If the HR data only provides annual salaries, you'll need to divide the employees’ salaries by 2080 to calculate their hourly rates in the upload (.csv) file before uploading it into Workplace Analytics.
  • 값의 형식은 전체 숫자로 지정 하거나 소수 두 자리를 포함할 수 있으며 달러 기호와 같은 특수 문자는 포함할 수 없습니다.The value can be formatted as a whole number, or include two decimal places, and cannot include any special characters, such as a dollar sign.
  • 이 값은 급여만 나타내거나 모든 직원에 대해 선택이 일관 되 게 적용 되는 모든 혜택을 포함할 수 있습니다.The value can represent pay only, or include the full value of benefits, as long as that choice is consistently applied for all employees.
  • 이 속도는 계산에 사용 되며 직원을 필터링 하 고 그룹화 하는 데 사용할 수 있습니다.This rate is used in calculations and can be used to filter and group employees.
  • 업로드에 직원의 시간별 급여가 포함 되지 않으면 작업을 분석 하 여 계산 및 메트릭에 대 한 기본 HourlyRate $75을 사용 합니다.If the upload doesn’t include an hourly rate for an employee, Workplace Analytics uses a default HourlyRate of $75 for calculations and metrics.
  • 관리 설정에서 기본 속도를 변경할 수 있습니다.You can change the default rate in Admin settings. 기본값을 변경 하는 경우이 변경 내용은 조직 (HR) 또는 Office 365 공동 작업 데이터의 다음 예정 된 새로 고침에 대해 시간 단위 시간 (초)이 없는 모든 사용자에 게 retroactively 적용 됩니다.If you change the default, this change applies retroactively to anyone without an effective hourly rate for the next scheduled refresh of your organizational (HR) or Office 365 collaboration data. 자세한 내용은 시스템 기본값을 참조 하십시오.For more information, see System defaults.
  • 이 특성 열은 필수가 아닙니다.This attribute column is not required. 포함 된 경우 각 행에 특수 문자 (예: 달러 기호)가 없는 부동 소수점 또는 정수 값이 포함 되어야 합니다.If it is included, then each row must contain a floating point or integer value with no special characters (such as a dollar sign).
    레이어에서만Layer 직원이 조직 계층 구조 내에 있는 위치입니다.The place where the employee is within the organizational hierarchy. Layer는 정수 이며 직원이 조직의 최상위 리더 로부터 보낸 거리로 표시 됩니다.Layer is represented as an integer and expressed as the distance the employee is from the top leader of the organization. 예를 들어 CEO는 계층 0에 있습니다.For example, the CEO, is at layer 0. 이 데이터는 보고서를 필터링 하 고 그룹화 하며, 데이터 그룹화를 위해 메트릭 기능을 살펴보는 데 사용 됩니다.This data is used to filter and group reports, and for grouping of data in Explore the metrics features. 이 특성 열은 필수가 아닙니다.This attribute column is not required. 포함 된 경우 각 행에 정수 값이 포함 되어야 합니다.If it is included, then each row must contain an integer value.
    SupervisorIndicatorSupervisorIndicator 이 특성을 사용 하 여 Power BI 시각화에서 조직의 사용자 관리자 또는 영향력 요인에 대 한 습관을 볼 수 있습니다.Use this attribute to view the habits of people managers or influencers in your organization in Power BI visualizations. 관리자 영향 POWER bi 서식 파일을 사용할 때 생성 되는 생성 된 작업 차트와, 영향을 받는 insights Power bi 대시보드가개요 테이블에 들어옵니다.It powers the Overview table, the Generated Workload charts that are generated when you use the Manager Impact Power BI template, and the Influence insights Power BI dashboard.

    이 특성은 각 직원의 관리자 상태를 IC (개별 참가자), Mngr (관리자) 또는 Mngr + (관리자 관리자)로 나타냅니다. 그러나 파일에서 다른 명명법을 사용 하는 경우에는 Power BI 차트 필터를 적절 하 게 업데이트 해야 합니다.This attribute indicates the manager status of each employee as IC (individual contributor), Mngr (manager), or Mngr+ (manager of managers); however, note that if different nomenclature is used in your file, you must update the Power BI chart filters accordingly. SupervisorIndicator을 포함 하는 경우 조직 데이터에 IC, Mngr또는 Mngr + 값도 포함 해야 합니다.If you include SupervisorIndicator, you must also include the values IC, Mngr, or Mngr+ in your organizational data.
    이 특성은 다음 중 하나를 사용 하려는 경우에 필요 합니다.This attribute is required if you want to use either of the following:
    표준TimeZone 직원이 작업을 수행 하는 표준 시간대입니다.Time zone in which the employee performs work. 이는 작업 공간 분석에 대 한 표준시간대의 표준 시간대 중 하나 여야 합니다.This must be one of the time zones in Time zones for Workplace Analytics. 각 직원에 대해 사용할 수 있는 표준 시간대가 없는 경우 시스템에서 기본값 (태평양 표준시)을 사용 하 게 됩니다.If you do not have a time zone available for each employee, the system will use the default, which is Pacific Standard Time. 이 특성 열은 필수가 아닙니다.This attribute column is not required. 이 파일을 포함 하지 않으면 기본 표준 시간대가 사용 됩니다.If it is not included, the default time zone will be used.
    모든 사용자 정의 열Any user-defined columns 추가 열은 직원 레코드를 그룹화 하 고 필터링 하기 위해 쿼리에 사용 하려는 모든 데이터를 나타낼 수 있습니다.Additional columns can represent any data that you want to use in queries to group and filter employee records. 검사 요구 사항 없음No coverage requirements.

    특성 메모 및 권장 사항Attribute notes and recommendations

    일부 특성은 모집단의 하위 집합에 대해서만 존재 합니다.Some attributes exist only for a subset of the population

    포함할 특성을 선택할 때 일부 특성 값은 특정 조직에 대해 채워질 수 있지만 다른 조직의 경우에는 그렇지 않을 수 있습니다.When choosing attributes to include, some attribute values might be populated for one organization but not others. 예를 들어 업로드에 영업 할당량-attainment 데이터가 포함 된 경우 sales 조직에만 적용 되는 경우에는이 데이터를 사용 하 여 판매 외부에서 직원을 필터링 하 고 그룹화 할 수 없습니다.For example, if the upload includes sales quota-attainment data that only applies to your sales organization, you cannot use this data for filtering and grouping employees outside of sales.

    허용 되는 표준 시간대만 사용Use only allowed time zones

    회사 분석의 기본 표준 시간대는 PST (태평양 표준시)입니다.The default time zone for Workplace Analytics is Pacific Standard Time (PST). 사용할 수 있는 시간대 전체 목록에 대 한 자세한 내용은 작업 공간 분석의 표준 시간대를 참조 하세요.See Time zones for Workplace Analytics for a complete list of the times zones that you can use.

    고유 값 너무 많음Too many unique values

    특성에 그룹화 및 필터링에 사용할 고유 값이 너무 많은 경우가 있습니다.Sometimes an attribute has too many unique values to use for grouping and filtering. 예를 들어 작업 함수 또는 코드가 너무 좁은 정의 되어 있는 경우 전체 그룹에 대 한 유용한 보기를 제공 하지 못할 수 있습니다.For example, if a job function or code is too narrowly defined, it might not give you a useful view of the overall group. 특성에 값 당 인구 수가 적은 수백 개의 고유한 값이 있는 경우 특성이 유용 하지 않을 수 있습니다.If an attribute has hundreds of unique values that result in a small population group per value, the attribute might not be useful.

    고유 값이 너무 적음Too few unique values

    반대로 특성이 너무 광범위 하 게 정의 되어 있어 유용한 필터링이 없을 수도 있습니다.Conversely, sometimes an attribute is too broadly defined for useful filtering. 예를 들어 조직이 미국의 모든 지역에 있고 직원 당 HR 레코드에 항상 우리와 같은 국가 코드가 포함 되어 있으면 해당 특성은 유용 하지 않습니다.For example, if your organization resides entirely in the United States and your HR records per employee contain a country code that always equals US, that attribute won’t be useful.

    중복 특성Redundant attributes

    일부 특성은 동일한 데이터를 나타내고 분석을 위해 불필요 한 중복 데이터를 제공할 수 있습니다.Some attributes might represent the same data and provide unnecessary redundant data for analysis. 예를 들어 HR 데이터에는 직원의 비용 센터 ID와 비용 센터 이름이 모두 포함 될 수 있습니다.For example, HR data could contain both a cost center ID and a cost center name for an employee. 두 가지가 모두 약간 다른 형식으로 동일한 정보를 나타내기 때문에 "사용자에 게 친숙 한" 이름을 사용 하는 것만 포함 하는 것이 좋습니다.Because both represent the same information in a slightly different format, you’ll want to include only the one with the more "user friendly" name.

    LOB(기간 업무) 데이터Line-of-business data

    HR 데이터와 달리 기간 업무 (lob) 데이터의 경우에는 데이터 업로드의 일부로 회사의 모든 사용자를 포함 하지 않아도 될 수 있습니다.Unlike HR data, for line-of-business data, you might not need to include every person in your company as part of your data upload. 분석할 시나리오를 알면 결정 하는 데 도움이 됩니다.Knowing the scenarios you want to analyze will help you to decide.

    예를 들어 영업 조직에서 계약이 낮은 사용자와 비교 하 여 높은 계약을 갖는 직원 간의 공동 작업 패턴을 비교 하려는 경우를 가정해 보겠습니다.For example, suppose you want to compare collaboration patterns between employees in the Sales organization who have high engagement as compared to those who have low engagement. 모든 직원에 대해 HR 데이터를 사용 하 여 더 넓은 공동 작업 패턴의 특성을 지정할 수 있지만, 점수 값을 사용해 서 특정 보고서 출력을 그룹화 하 고 필터링 하기 때문에 영업 조직의 직원에 대 한 계약 점수 데이터만 있으면 됩니다.Although you will want HR data for all employees so you can characterize broader collaboration patterns, you only need engagement score data for employees in the Sales organization, because you will use the score values to group and filter specific report outputs.

    유효한 값 및 서식만 사용Use only valid values and formats

    모든 특성 값이 잘못 된 데이터 행 이나 열 이면 원본 파일을 고정할 때까지 전체 업로드가 실패 하 고, 매핑이 값을 유효 하 게 하는 방식으로 특성의 유효성 검사 형식이 변경 됩니다.When any data row or column has an invalid value for any attribute, the entire upload will fail until the source file is fixed (or the mapping changes the validation type of the attribute in a way that makes the value valid).

    모든 필드 헤더 또는 열 이름에는 다음이 필요 합니다.All field header or column names must:

    • 문자로 시작 (숫자가 아님)Begin with a letter (not a number)
    • 영숫자 문자 (예: Date1)만 사용할 수 있습니다.Only contain alphanumeric characters (letters and numbers, for example Date1)
    • 하나 이상의 소문자 (Hrbp)가 있어야 합니다. 모든 대문자 작동 안 함 (HRBP)Have at least one lower-case letter (Hrbp); all uppercase won’t work (HRBP)
    • 대/소문자 구분 (예: PersonId 및 HireDate)을 포함 하 여 작업 공간 분석의 필수 및 예약 옵션 특성에 대해 나열 된 그대로 일치Match exactly as listed for Workplace Analytics’ Required and Reserved optional attributes, including for case sensitivity (for example PersonId and HireDate)
    • 선행 공백 또는 후행 공백이 나 특수 문자 (예: @, #,%, &)가 없습니다. 공백이 나 특수 문자를 포함 하는 경우 작업을 분석 하면 이름에서 제거 됩니다.Have no leading or trailing blank spaces or special characters (non-alphanumeric, such as @, #, %, &); if spaces or special characters are included, Workplace Analytics will remove them from the name

    데이터 행의 필드 값은 다음 서식 규칙을 따라야 합니다.The field values in the data row must comply with the following formatting rules:

    • 필수 EffectiveDate 및 HireDate 필드 값은 MM/DD/YYYY 형식 이어야 합니다.The required EffectiveDate and HireDate field values must be in the MM/DD/YYYY format
    • 필수 PersonId 및 ManagerId 필드 값은 유효한 전자 메일 주소 (예: gc@contoso.com) 여야 합니다.The required PersonId and ManagerId field values must be a valid email address (for example, gc@contoso.com)
    • 필요한 표준 시간대 필드 값은 지원 되는 Windows 형식 이어야 합니다.The required TimeZone field values must be in a supported Windows format
    • 필수 레이어 필드 값에는 숫자만 포함 해야 합니다.The required Layer field values must contain numbers only
    • 필수 HourlyRate 필드 값은 계산 및 데이터 분석을 위해 회사 분석에서 미국 달러로 가정 하는 숫자만 포함 해야 합니다.The required HourlyRate field values must contain numbers only, which Workplace Analytics assumes is in US dollars for calculations and data analysis
    • 일본어 문자와 같이 데이터 값에 더블 바이트 문자를 사용할 수 있습니다.Double-byte characters, such as Japanese characters, are permitted in the data values.

    Note

    회사 분석에서는 현재 HourlyRate 데이터에 대 한 통화 변환을 수행 하지 않습니다.Workplace Analytics does not currently perform currency conversions for HourlyRate data. 작업 공간 분석의 모든 계산 및 데이터 분석에서는 데이터를 미국 달러로 가정 합니다.All calculations and data analysis in Workplace Analytics assume the data to be in US dollars.

    또한 필드 값에는 다음 항목이 포함 될 수 없습니다.The field values also cannot contain any of the following:

    • 악센트 부호 없음 (á)No accent marks (á)
    • 물결표 없음 (~)No tildes (~)
    • 짧거나 긴 대시 (-,--) 없음No short or long dashes (-, --)
    • 쉼표 (,) 없음No commas (,)
    • "새 줄" 문자 없음 (\n)No "new line" characters (\n)
    • 이중 ("") 또는 작은따옴표 (' ')가 없습니다.No double (" ") or single quotes (‘ ‘)
    • 행에 있는 필드 값의 문자 길이를 최대 128 KB, 즉 1024 x 128 자로 제한 합니다.Limit character length of field values in rows to a maximum of 128 KB, which is about 1024 x 128 characters