프로세스 마이닝은 이벤트 로그 데이터에 특수 알고리즘을 적용하여 프로세스가 어떻게 전개되는지에 대한 추세, 패턴 및 세부 정보를 식별하는 방법입니다. 프로세스 마이닝은 데이터 과학을 적용하여 워크플로를 검색, 검증 및 개선합니다.
데이터 마이닝 과 프로세스 분석을 결합함으로써 조직은 정보 시스템에서 로그 데이터를 마이닝하여 프로세스의 성능을 이해하고 병목 현상 및 기타 개선 영역을 파악할 수 있습니다. 프로세스 마이닝은 프로세스 최적화에 대한 데이터 기반 접근 방식을 활용하여 관리자가 기존 프로세스에 대한 리소스 할당에 대한 의사 결정에서 객관적인 상태를 유지할 수 있도록 합니다.
ERP(전사적 자원 관리) 또는 CRM(고객 관계 관리) 도구와 같은 정보 시스템은 해당 로그 데이터와 함께 프로세스에 대한 감사 추적을 제공합니다. 프로세스 마이닝은 IT 시스템의 이 데이터를 활용하여 실제 프로세스의 프로세스 모델 또는 프로세스 그래프를 생성합니다. 여기에서 엔드 투 엔드 프로세스를 검토하고 세부 사항 및 변형을 간략하게 설명합니다.
전문화된 알고리즘은 표준에서 벗어나는 근본 원인에 대한 통찰력을 제공할 수도 있습니다. 이러한 알고리즘과 시각화를 통해 경영진은 프로세스가 의도한 대로 작동하는지 확인할 수 있습니다. 그렇지 않은 경우에는 이를 정당화하고 최적화하는 데 필요한 리소스를 할당하는 정보를 제공합니다. 또한 RPA( 로봇 프로세스 자동화 )를 프로세스에 통합하여 회사의 자동화 이니셔티브를 가속화할 수 있는 기회를 찾을 수도 있습니다.
프로세스 마이닝은 제어 흐름, 조직, 사례 및 타임스탬프와 같은 다양한 관점에 중점을 둡니다. 프로세스 마이닝 관련 작업의 대부분은 일련의 활동, 즉 제어에 중점을 두고 있지만 다른 관점도 관리 팀에 귀중한 정보를 제공합니다. 조직적 관점은 개별 직무 또는 부서와 같은 프로세스 내의 다양한 리소스를 표면화할 수 있으며, 시간 관점은 프로세스 내 다양한 이벤트의 처리 시간을 측정하여 병목 현상을 보여줄 수 있습니다.
2011년, 전기 및 전자 엔지니어 협회 (IEEE) 는 비즈니스 운영을 재설계하기 위한 프로세스 마이닝 채택을 촉진하기 위한 노력의 일환으로 프로세스 마이닝 선언문 을 발표했습니다. IEEE와 같은 프로세스 마이닝 지지자들은 프로세스 마이닝 채택을 장려하고 있지만 Gartner는 시장 요인도 프로세스 마이닝 가속화에 중요한 역할을 할 것이라고 지적합니다. 디지털 혁신 노력은 프로세스에 대한 더 많은 조사를 촉발하여 인공 지능, 작업 자동화, 초자동화와 같은 신기술의 채택률을 높일 것입니다. 이러한 조직 변화의 속도에 따라 기업은 적응하기 위해 운영 탄력성을 발휘해야 합니다. 따라서 기업은 비즈니스 성과를 달성하기 위해 프로세스 마이닝 툴에 점점 더 의존하게 될 것입니다.
네덜란드의 컴퓨터 과학자이자 교수인 Wil van der Aalst는 프로세스 마이닝에 관한 많은 학술 연구에 기여한 것으로 알려져 있습니다. 그의 연구와 위에서 언급한 선언문은 모두 프로세스 마이닝의 세 가지 유형, 즉 발견, 적합성 및 향상에 대해 설명합니다.
발견: 프로세스 검색은 이벤트 로그 데이터를 사용하여 외부 영향 없이 프로세스 모델을 만듭니다. 이 분류에서는 새로운 프로세스 모델의 개발을 알리기 위한 이전 프로세스 모델이 존재하지 않습니다. 이러한 유형의 프로세스 마이닝이 가장 널리 채택됩니다.
규칙: 적합성 검사는 의도한 프로세스 모델이 실제로 반영되었는지 확인합니다. 이러한 유형의 프로세스 마이닝은 이벤트 로그 데이터를 기반으로 프로세스 설명을 기존 프로세스 모델과 비교하여 의도한 모델과의 편차를 식별합니다.
향상: 이러한 유형의 프로세스 마이닝은 확장, 조직 마이닝 또는 성능 마이닝이라고도 합니다. 이 종류의 프로세스 마이닝에서는 기존 프로세스 모델을 개선하기 위해 추가 정보가 사용됩니다. 예를 들어, 적합성 검사의 결과는 프로세스 모델 내에서 병목 현상을 식별하는 데 도움이 될 수 있으므로 관리자가 기존 프로세스를 최적화할 수 있습니다.
프로세스 마이닝은 비즈니스 프로세스 관리 (BPM)와 데이터 마이닝의 교차점에 있습니다. 프로세스 마이닝과 데이터 마이닝은 모두 데이터로 작동하지만 각 데이터 집합의 범위는 다릅니다. 프로세스 마이닝은 특히 이벤트 로그 데이터를 사용하여 지정된 프로세스를 검색, 비교 또는 향상시키는 데 사용할 수 있는 프로세스 모델을 생성합니다.
데이터 마이닝의 범위는 훨씬 더 광범위하며 다양한 데이터 집합으로 확장됩니다. 고객 이탈, 사기 탐지, 장바구니 분석 등의 응용 프로그램과 함께 행동을 관찰하고 예측하는 데 사용됩니다.
프로세스 마이닝은 지금까지 수동으로 관리해 온 BPM에 보다 데이터 중심적인 접근 방식을 취합니다. BPM은 일반적으로 워크샵과 인터뷰를 통해 보다 비공식적으로 데이터를 수집한 다음 소프트웨어를 사용하여 해당 워크플로를 프로세스 맵으로 문서화합니다. 이러한 프로세스 맵을 알려주는 데이터는 일반적으로 정성적이기 때문에 프로세스 마이닝은 이벤트 데이터를 통해 실제 프로세스를 자세히 설명하면서 프로세스 문제에 대한 보다 정량적인 접근 방식을 제공합니다.
매출을 늘리는 것만이 수익을 창출하는 유일한 방법은 아닙니다. 식스 시그마와 린 방법론은 운영 비용 절감이 어떻게 투자 수익률(ROI)을 높일 수 있는지 보여줍니다.
프로세스 마이닝 솔루션은 운영 모델의 비효율성을 정량화하여 기업이 이러한 비용을 절감하고 리더가 리소스 할당에 대한 객관적인 결정을 내릴 수 있도록 도와줍니다. 이러한 병목 현상을 발견하면 비용을 절감하고 프로세스를 신속하게 개선할 수 있을 뿐만 아니라 더 많은 혁신과 품질, 고객 유지율을 높일 수 있습니다.
프로세스 마이닝은 아직 비교적 새로운 분야이기 때문에 여전히 극복해야 할 몇 가지 장애물이 있습니다. 이러한 과제 중 일부는 다음과 같습니다.
데이터 품질: 데이터 찾기, 병합 및 정리는 일반적으로 프로세스 마이닝을 활성화하는 데 필요합니다. 데이터는 다양한 데이터 소스에 분산될 수 있습니다. 또한 불완전하거나 다른 레이블 또는 세분성 수준을 포함할 수도 있습니다. 이러한 차이를 고려하는 것은 프로세스 모델이 생성하는 정보에 중요합니다.
개념 드리프트 : 때때로 프로세스가 분석되는 동안 변경되어 개념 드리프트가 발생합니다.
고급 프로세스 마이닝 솔루션을 활용하는 것이 효율성을 높이고 조직 혁신을 주도하는 핵심입니다.
투명성 향상: 프로세스 마이닝은 기존의 비즈니스 프로세스 매핑을 뛰어넘어 운영 프로세스에 대한 데이터 기반 뷰를 제공합니다. 이러한 심층적인 가시성은 비효율성과 규정 준수 문제를 파악하고 실제 프로세스 흐름을 이해하는 데 매우 중요합니다.
단순화된 프로세스 분석 및 향상된 효율성: 프로세스 마이닝은 이벤트 로그 데이터를 활용하여 비즈니스 프로세스를 신속하게 분석함으로써 다양한 변형을 시각화하고 운영을 간소화하여 주기 시간과 비용을 줄입니다. 이 접근 방식은 관리를 단순화하고 일상적인 작업의 자동화를 촉진합니다.
데이터 기반 의사 결정: 프로세스 마이닝은 IT 시스템 데이터를 사용하여 객관적인 의사 결정을 용이하게 합니다. 이 접근 방식은 병목 현상 및 편차와 같은 문제를 정확하게 식별하고 해결하는 데 중요합니다.
프로세스 최적화: 프로세스 마이닝은 KPI 및 SLA와 같은 프로세스 성능 메트릭을 지속적으로 모니터링하여 다양한 운영에서 최적화 및 자동화 기회를 식별합니다.
고객 중심 프로세스 뷰: 외부 고객 상호 작용을 내부 운영과 연계하고 고객 경험 개선이 필요한 영역을 강조하여 고객 여정에 대한 상세한 통찰력을 제공합니다.
프로세스 표준화: 변형을 식별하고 최적의 프로세스 모델에 맞게 조정하여 조직 전체의 프로세스를 표준화할 수 있도록 지원합니다. 이를 통해 일관된 성능과 품질을 보장할 수 있습니다.
더 나은 고객 경험: 프로세스를 간소화하고 효율성을 높이면 서비스 제공이 개선되어 고객 만족도와 충성도를 높일 수 있습니다.
데이터 품질 및 가용성: 효과적인 프로세스 마이닝은 고품질의 완전한 데이터에 의존합니다. 부정확성은 프로세스 모델을 왜곡하고 잘못된 통찰력으로 이어질 수 있습니다. 초기 단계에서 데이터 분석가를 참여시키면 프로세스 마이닝에 사용되는 데이터의 무결성과 완전성을 보장할 수 있습니다.
작업을 캡처할 수 없음: 프로세스 마이닝은 이벤트 로그에 기록되지 않는 IT 시스템 외부의 수동 작업을 놓칠 수 있으며, 이로 인해 워크플로우 최적화의 범위가 제한될 수 있습니다. 작업 마이닝 을 프로세스 마이닝과 통합함으로써 조직은 이러한 격차를 해소하고 워크플로우 분석 및 작업 수준 최적화를 향상시킬 수 있습니다.
업통합 장애물: 일부 IT 시스템은 커넥터 부족 또는 데이터 형식 문제로 인해 프로세스 마이닝과 통합 문제를 일으킵니다. 특정 시스템 또는 프로세스를 위해 설계된 사전 패키지된 솔루션은 통합을 단순화하여 프로세스를 보다 원활하게 만들 수 있습니다.
개념 드리프트: 프로세스가 진화함에 따라 프로세스 마이닝 모델을 계속 업데이트하기 어려울 수 있습니다. 오래된 모델을 사용하면 오래된 분석의 위험이 더 커집니다. 고급 프로세스 마이닝 솔루션은 거의 실시간으로 프로세스를 분석하여 모델이 최신의 관련성을 유지하도록 도와줍니다.
대규모 조직의 복잡성: 대규모 조직에서는 프로세스의 양과 복잡성으로 인해 프로세스 마이닝의 어려움이 증폭되어 인사이트 추출에 영향을 미칠 수 있습니다. 개체 중심 또는 다단계 프로세스 마이닝 기술을 채택함으로써 조직은 복잡한 프로세스를 더 잘 관리하고 분석할 수 있습니다.
변화에 대한 잠재적 저항: 프로세스 마이닝으로 인한 프로세스 관리의 중요한 변화는 기존 워크플로우에 익숙한 직원의 저항에 부딪힐 수 있습니다. 효과적인 변경 관리는 성공적인 구현 및 채택에 매우 중요합니다. 직원 교육 및 참여를 포함한 효과적인 변경 관리 전략을 구현하면 보다 원활한 전환과 채택을 촉진할 수 있습니다.
프로세스 마이닝 기술은 다양한 산업 분야에서 프로세스 흐름을 개선하는 데 사용됩니다. 프로세스 맵은 성과에 영향을 미치는 핵심 성과 지표(KPI)를 강조하기 때문에 기업이 운영의 비효율성을 재검토하도록 유도합니다. 프로세스 마이닝 솔루션의 가치와 다양성은 다음과 같은 사용 사례를 통해 알 수 있습니다:
교육: 프로세스 마이닝은 학생이 수업 자료를 보는 데 소비하는 시간과 같은 학생 성과 및 행동을 모니터링하고 평가하여 효과적인 코스 커리큘럼을 식별하는 데 도움이 될 수 있습니다.
재무: 금융 서비스, 기관 및 조달 운영에서는 프로세스 마이닝 소프트웨어를 사용하여 조직 간 프로세스 및 계정 감사를 개선하고 수입을 늘리며 고객 기반을 확대합니다.
공공 사업: 프로세스 마이닝은 건설 회사, 청소 업체 및 환경 국과 같은 다양한 이해 관계자가 참여하는 공공 사업 프로젝트의 송장 프로세스를 간소화하는 데 사용됩니다.
소프트웨어 개발: 엔지니어링 프로세스는 체계화되지 않을 수 있으며 프로세스 마이닝은 명확하고 문서화된 프로세스를 식별하는 데 도움이 됩니다. 또한 IT 관리자가 프로세스를 모니터링하여 시스템이 예상대로 실행되고 있는지 확인할 수 있습니다.
의료: 프로세스 마이닝은 환자의 치료 처리 시간을 줄이기 위한 권장 사항을 제공합니다.
전자상거래: 프로세스 마이닝은 구매자 행동에 대한 통찰력과 판매 증대를 위한 정확한 권장 사항을 제공할 수 있습니다.
제조: 프로세스 마이닝은 제품 속성에 따라 적절한 자원을 할당하여 공급망 및 제조 비즈니스 운영을 향상시킵니다. 생산 시간 및 저장 공간, 기계 또는 작업자와 같은 리소스 할당에 대한 통찰력을 통해 보다 효율적인 관리 및 운영 혁신을 이룰 수 있습니다.
IT 서비스 관리 (ITSM): 프로세스 마이닝은 서비스 제공 및 인시던트 관리 프로세스를 최적화할 수 있습니다. 이를 통해 IT 팀은 서비스 워크플로우를 분석하고, 비효율성을 식별하고, 응답 시간을 개선할 수 있습니다. 이는 전반적인 IT 지원과 고객 만족도를 높이는 데 도움이 됩니다.
데이터 기반 프로세스 인사이트를 통해 운영 효율성을 향상할 수 있습니다.
최적의 결과를 위해 모범 사례를 통합하는 사전 구축된 산업 중심 솔루션으로 프로세스 개선 및 디지털 혁신을 가속화합니다.
유연한 단일 패키지 내 사전 통합된 자동화 기술을 활용하여 모든 클라우드에서 자동화 애플리케이션 및 서비스를 설계/구축/실행합니다.