프로세스 마이닝 이해하기: 데이터 기반 프로세스 분석의 시작

업무 프로세스를 효율적으로 분석하고 개선하기 위해 주목받고 있는 방법론, 바로 **프로세스 마이닝(Process Mining)**입니다. 전통적인 인터뷰나 문서 기반 분석에서 벗어나, 실제 데이터에 기반한 분석을 통해 더 정확하고 신뢰도 높은 인사이트를 도출할 수 있습니다.

이번 포스팅에서는 프로세스 마이닝의 기본 개념부터 시간 관점의 분석, 활용 지표까지 이미지와 함께 차근차근 살펴보겠습니다.

 

 

프로세스 모델링의 개념

• 현실의 복잡한 프로세스를 이해하고 시각화하기 위해, 프로세스 마이닝은 **실제 프로세스를 모델(맵)**로 재현합니다. 이를 통해 프로세스를 조직의 가시적인 자산으로 만들고, 개선 방향을 제시할 수 있습니다.
• 프로세스 모델링이란, 실세계에서 이루어지는 프로세스를 프로세스 모델(맵) 형태로 시각화하는 작업을 말합니다.

 

케이스와 베리언트의 개념

• **케이스(Case)**는 분석 대상 프로세스의 한 인스턴스를 의미하며, 각 케이스는 고유한 ID로 식별됩니다. 비슷한 흐름을 따르는 케이스들은 **베리언트(Variant)**로 그룹화되며, 이는 프로세스의 반복 패턴을 파악하는 데 매우 유용합니다.
• 베리언트가 많을수록 프로세스의 복잡도가 높습니다.
• 반대로 베리언트 수가 적다면, 프로세스가 일정한 경로로 수행되는 정형화된 구조임을 나타냅니다.

 

 

시간 관점의 지표 (1/6)

프로세스 마이닝에서는 각 액티비티가 완료된 시점(Timestamp) 정보를 기반으로, 시간 관점의 분석이 가능합니다. 예를 들어, 각 단계별 완료 시간과 전체 흐름을 파악할 수 있습니다.

 

 

시간 관점의 지표 (2/6)

완료된 시간 정보만으로도 케이스 수행기간, 단계 간 평균 시간, 최대/최소 소요 시간 등 유용한 시간 지표들을 도출할 수 있습니다.

 

 

시간 관점의 지표 (3/6)

• 하지만 완료 시점 정보만으로는 일부 한계가 존재합니다. 예를 들어, 실제 수행된 시간이 아닌 누락된 구간이 발생할 수 있어, 정확한 분석을 위해 시작-종료 시간 기록이 중요합니다.
• 완료 시점만을 기준으로 분석하면, '구매오더생성'의 수행 시간이 누락되며, 대기 시간과 수행 시간의 경계도 명확하지 않습니다.

 

시간 관점의 지표 (4/6)

보다 정교한 분석을 위해 각 액티비티의 시작 및 종료 시점을 모두 기록하면, 전체 흐름은 물론 대기 시간까지 분석할 수 있게 됩니다.

시간 관점의 지표 (5/6)

이 정보를 통해 액티비티 간 시간 차이, 평균 대기 시간, 최대 수행 시간 등 다양한 시간 기반 성과 지표를 도출할 수 있습니다.

 

 

시간 관점의 지표 (6/6)

예시 케이스를 기준으로 유효시간(Active Time), 대기시간(Waiting Time), 케이스 사용률 등을 계산할 수 있으며, 이는 프로세스 효율성을 진단하는 데 매우 유용합니다.

 

 

절대 빈도 vs 케이스 빈도

프로세스의 흐름을 분석할 때, 절대 빈도 기준과 케이스 빈도 기준으로 모델을 그릴 수 있습니다. 절대 빈도는 전체 발생 횟수를 기반으로 하고, 케이스 빈도는 케이스 수를 기반으로 모델링하여 다양한 관점에서 분석이 가능합니다.

 

절대 빈도 (Absolute Frequency)

: 특정 활동(또는 경로)이 전체 이벤트 로그에서 몇 번 발생했는지를 보여줍니다.

• **기준은 '이벤트 발생 횟수'**입니다.
• 중복 포함: 동일한 케이스에서 같은 활동이 여러 번 나타나면 전부 다 셈합니다.

예시:
자재입고가

• 케이스 A에서 1번
• 케이스 B에서 2번
• 케이스 C에서 1번
  → 절대 빈도는 총 4번

 

케이스 빈도 (Case Frequency)

: 특정 활동(또는 경로)이 몇 개의 서로 다른 케이스에서 등장했는지를 보여줍니다.

• **기준은 '케이스 수(프로세스 인스턴스 수)'**입니다.
• 중복 제거: 동일 케이스 내에서 같은 활동이 여러 번 있어도 한 번만 셈합니다.

예시:
자재입고가

• 케이스 A에서 1번
• 케이스 B에서 2번
• 케이스 C에서 1번
  → 케이스 빈도는 총 3개 (A, B, C)

 

정리 비교 표

 

 

전통적 프로세스 분석의 한계

기존 방식은 인터뷰와 설문에 의존하여 시간과 비용이 많이 들고, 주관적인 결과를 낳기 쉽습니다. 반면, 프로세스 마이닝은 객관적이고 자동화된 방식으로 실제 업무 수행 데이터를 분석하기 때문에, 정확성과 재현성이 높습니다.

 

마무리

프로세스 마이닝은 단순한 분석을 넘어, 현업의 비효율을 진단하고 개선을 이끄는 핵심 도구입니다. 다양한 속성 데이터를 기반으로 시간, 빈도, 흐름을 종합적으로 분석할 수 있다는 점에서, 앞으로도 많은 산업 분야에서 활용될 전망입니다.