프로세스 마이닝은 데이터 사이언스를 적용하여 워크플로우를 도출, 검증 및 개선합니다. 데이터 마이닝과 프로세스 분석을 결합함으로써, 조직은 정보 시스템에서 로그 데이터를 마이닝하여 프로세스 성능을 이해하고 병목 지점 및 기타 개선이 필요한 영역을 확인할 수 있습니다. 프로세스 마이닝은 프로세스 최적화를 위한 데이터 기반 접근 방식을 활용하여 관리자가 기존 프로세스에 대한 리소스 할당과 관련된 의사결정을 할 때 객관성을 유지할 수 있도록 합니다.
ERP(Enterprise Resource Planning) 또는 CRM(Customer Relationship Management) 툴 등의 정보 시스템은 프로세스의 감사 추적과 해당 로그 데이터를 제공합니다. 프로세스 마이닝은 IT 시스템에서 이 데이터를 활용하여 프로세스 모델 또는 프로세스 그래프를 생성합니다. 여기서부터, 엔드투엔드 프로세스를 검토하고 관련 세부 사항 및 변경 사항에 대해 설명합니다. 또한 특수 알고리즘은 기준에서 벗어난 편차의 근본 원인에 대한 인사이트를 제공할 수 있습니다. 이러한 알고리즘과 시각화를 통해 관리 팀은 프로세스가 의도대로 작동하는지 확인할 수 있으며, 그렇지 않은 경우 프로세스를 최적화하는 데 필요한 리소스를 정렬하고 할당하기 위한 정보를 제공받습니다. 또한 로보틱 프로세스 자동화를 프로세스에 통합할 수 있는 기회를 포착하여 회사의 모든 자동화 이니셔티브를 가속화할 수 있습니다.
프로세스 마이닝은 제어 플로우, 조직, 케이스 및 시간 등 다양한 관점에 초점을 맞춥니다. 프로세스 마이닝과 관련된 작업의 상당수는 일련의 활동(예: 제어 플로우)에 초점을 맞추고, 다른 관점에서도 관리 팀에 중요한 정보를 제공합니다. 조직 관점에서는 개별 직무 또는 부서 등 프로세스 내의 다양한 리소스를 표면화할 수 있고, 시간 관점에서는 프로세스 내에서 다양한 이벤트의 처리 시간을 측정하여 병목 지점을 보여줄 수 있습니다.
2011년, IEEE(Institute of Electrical and Electronics Engineers)는 비즈니스 운영의 재설계를 위해 프로세스 마이닝의 채택을 늘리기 위한 노력으로 프로세스 마이닝 매니페스토(PDF, 9.6MB)(IBM 외부 링크)를 발표했습니다. IEEE와 같은 프로세스 마이닝 지지자들이 프로세스 마이닝의 채택을 유도하는 동안 Gartner에서는 시장 요인도 프로세스 마이닝을 가속화하는 데 중요한 역할을 할 것이라고 강조합니다. 디지털 혁신 작업은 프로세스에 대한 더 자세한 조사를 유도하여 인공 지능, 작업 자동화 및 하이퍼오토메이션과 같은 새로운 기술의 채택률을 지속적으로 높입니다. 기업은 이러한 조직의 변화 속도에 맞춰 적응하도록 운영 복원성을 적용해야 합니다. 결과적으로 기업은 비즈니스 성과를 달성하기 위해 점점 더 프로세스 마이닝 툴에 의존하게 될 것입니다.
myInvenio 인수 계약에 서명한 IBM
네덜란드의 컴퓨터 과학자이자 교수인 Wil van der Aalst 씨는 프로세스 마이닝에 관한 많은 학술 연구에 참여했습니다. 그의 연구와 위에서 언급한 매니페스토 모두 프로세스 마이닝의 세 가지 유형인 도출, 적합도 및 향상에 대해 설명합니다.
도출: 프로세스 도출은 이벤트 로그 데이터를 사용하여 외부의 영향 없이 프로세스 모델을 생성합니다. 이 유형에는 새로운 프로세스 모델의 개발을 알리는 이전 프로세스 모델이 존재하지 않습니다. 이 유형의 프로세스 마이닝이 가장 널리 채택되고 있습니다.
적합도: 적합도 검사는 의도한 프로세스 모델이 실제로 반영되었는지를 확인합니다. 이 유형의 프로세스 마이닝은 이벤트 로그 데이터를 기준으로 프로세스 설명과 기존 프로세스 모델을 비교하여 의도한 모델과의 편차를 파악합니다.
향상: 또한 이 유형의 프로세스 마이닝은 확장, 조직 마이닝 또는 성능 마이닝이라고 언급되어 왔습니다. 이 유형의 프로세스 마이닝에서는 기존 프로세스 모델을 개선하기 위해 추가 정보가 사용됩니다. 예를 들어, 적합도 확인 결과는 프로세스 모델 내의 병목 지점을 파악하는 데 도움이 될 수 있으며, 관리자가 기존 프로세스를 최적화할 수 있습니다.
프로세스 마이닝은 비즈니스 프로세스 관리(BPM)와 데이터 마이닝이 상호 작용하는 지점에서 이루어집니다. 프로세스 마이닝과 데이터 마이닝은 모두 데이터를 다루지만 각 데이터 세트의 범위가 다릅니다. 프로세스 마이닝은 특히 이벤트 로그 데이터를 사용하여 특정 프로세스를 도출, 비교 또는 향상시키는 데 사용할 수 있는 프로세스 모델을 생성합니다. 데이터 마이닝의 범위는 훨씬 광범위하며 다양한 데이터 세트로 확장됩니다. 데이터 마이닝은 행동을 관찰하고 예측하는 데 사용되며 고객 이탈, 사기 감지, 장바구니 분석 등에 적용할 수 있습니다.
프로세스 마이닝은 BPM에 대한 데이터 기반의 접근 방식을 취하는데, 이전에는 보다 수동적으로 관리되었습니다. 일반적으로 BPM은 워크샵과 인터뷰를 통해 비공식적으로 데이터를 수집한 다음 소프트웨어를 사용하여 해당 워크플로우를 프로세스 맵으로 문서화합니다. 이러한 프로세스 맵에 영향을 미치는 데이터는 질적 측면에 주목하므로, 프로세스 마이닝은 프로세스 문제에 양적 접근 방식을 적용하여 이벤트 데이터를 통해 실제 프로세스를 자세히 설명합니다.
판매를 늘리는 것 외에 다른 방법으로도 수익을 창출할 수 있습니다. 6 시그마 및 린(Lean) 방법론도 운영 비용을 절감하여 어떻게 투자수익(ROI)을 높일 수 있는지 보여줍니다. 프로세스 마이닝은 운영 모델의 비효율성을 정량화하여 기업이 이러한 비용을 줄이고 리더가 리소스 할당에 대한 객관적인 의사결정을 내릴 수 있도록 도와줍니다. 이러한 병목 지점을 도출하면 비용을 절감하고 프로세스 개선을 가속화할 수 있을 뿐만 아니라 혁신을 촉진하고 품질과 고객 유지를 개선할 수 있습니다. 그러나 프로세스 마이닝은 상대적으로 새로운 분야이기 때문에 여전히 극복해야 할 몇 가지 장애물이 있습니다. 이러한 도전 과제 중 일부는 다음과 같습니다.
- 데이터 품질: 일반적으로 프로세스 마이닝을 활성화하려면 데이터를 찾고, 병합하고, 정리해야 합니다. 데이터는 다양한 데이터 소스에 분산되어 있을 수 있습니다. 불완전할 수 있고 다른 레이블 또는 세분화 수준을 포함할 수도 있습니다. 이러한 차이를 설명하는 것은 프로세스 모델이 산출하는 정보에 중요할 것입니다.
- 개념 드리프트: 경우에 따라 프로세스는 분석 과정에서 변경되며, 결과적으로 개념 드리프트가 발생합니다.
프로세스 마이닝 기술은 다양한 산업에서 프로세스 흐름을 개선하는 데 사용되어 왔습니다. 프로세스 맵은 성능에 영향을 미치는 핵심성과지표(KPI)를 강조하여 기업이 운영 비효율성을 재검토하도록 유도했습니다. 일부 사용 사례는 다음과 같습니다.
- 교육: 프로세스 마이닝은 학생이 수업 자료를 보는 데 사용하는 시간 등 학생 성과 및 행동을 모니터링하고 평가하여 효과적인 교과 과정을 식별하는 데 도움을 줄 수 있습니다.
- 금융: 금융 기관은 프로세스 마이닝 소프트웨어를 사용하여 조직 간 프로세스를 개선하고, 계정을 감사하고, 수입을 늘리며, 고객 기반을 확장했습니다.
- 공공 사업: 프로세스 마이닝은 건설 회사, 환경미화 사업, 환경 당국과 같은 다양한 이해관계자가 참여하는 공공 사업 프로젝트의 인보이스 프로세스를 간소화하는 데 사용되었습니다.
- 소프트웨어 개발: 엔지니어링 프로세스는 대개 체계적이지 않기 때문에 프로세스 마이닝은 명확하게 문서화된 프로세스를 식별하는 데 도움이 될 수 있습니다. 또한 IT 관리자가 프로세스를 모니터링하여 시스템이 예상대로 실행되고 있는지 확인할 수 있습니다.
- 의료: 프로세스 마이닝은 환자의 진료 처리 시간을 줄이기 위한 권장사항을 제공합니다.
- 전자상거래: 구매자 행동에 대한 인사이트를 제공하고 판매를 늘리기 위한 정확한 권장사항을 제공할 수 있습니다.
- 제조: 프로세스 마이닝은 케이스 속성(예: 제품)별로 적절한 리소스를 할당하여 관리자가 비즈니스 운영을 혁신하도록 지원할 수 있습니다. 관리자는 생산 시간에 대한 인사이트를 확보하여 그에 맞게 저장 공간, 시스템 또는 작업자 등의 리소스를 재할당할 수 있습니다.