작업 마이닝이란?

이 기술은 광학 문자 인식(OCR), 자연어 처리(NLP) 및 머신 러닝 알고리즘을 사용하여 이 데이터를 해석하고 분석하므로 분석가와 이해관계자는 운영 비효율성을 식별할 수 있습니다.

태스크 마이닝 솔루션은 프로세스 마이닝의 하위 집합인 프로세스 검색의 일부로 간주되며 Gartner의 '프로세스 마이닝 시장 가이드' 에 따르면 이 기술 시장은 빠르게 성장하고 있습니다.

코로나19 팬데믹으로 인해 디지털 혁신 노력이 계속 가속화됨에 따라, 태스크 마이닝 기술의 채택은 그 이점이 완전히 실현됨에 따라 더욱 증가할 것으로 예상됩니다.

프로세스 마이닝은 전체 구매 프로세스와 같은 엔드투엔드 프로세스 최적화에 중점을 둡니다. 반면, 태스크 마이닝은 미지급금에 대한 예산 승인과 같이 더 큰 프로세스로 올라가는 개별 작업에 초점을 맞춥니다. 또한 각 분석에 사용하는 데이터 유형이 주로 다릅니다.

프로세스 마이닝은 주로 전사적 자원 관리(ERP) 또는 고객 관계 관리(CRM) 도구와 같은 정보 시스템의 비즈니스 지표와 이벤트 로그 데이터에 의존합니다. 반면 태스크 마이닝은 컴퓨터의 키 입력, 마우스 클릭 또는 데이터 입력을 포함한 사용자 상호 작용 데이터를 사용할 수 있습니다. 또한 다양한 타임스탬프 간격의 사용자 녹음 및 스크린샷을 포함할 수도 있습니다.

이러한 데이터 포인트는 분석가와 연구자가 개인이 작업을 완료하기 위해 프로세스 및 하위 프로세스와 상호 작용하는 방법을 이해하는 데 도움이 됩니다. 또한 둘 다 데이터 과학 기술을 사용하여 프로세스를 최적화하기 위해 이러한 인사이트를 얻지만, 태스크 마이닝은 보다 세분화된 수준에서 이 프로세스를 가능하게 합니다.

태스크 마이닝과 RPA는 모두 프로세스 자동화를 위해 중점을 두고 있습니다. 두 기술은 다르지만 서로를 잘 보완합니다. 태스크 마이닝 기술은 기업이 프로세스 워크플로에서 병목 현상을 식별하는 데 도움이 되지만, RPA 툴은 이러한 분석을 통해 발견된 자동화 기회를 수행하고 구현합니다.

태스크 마이닝 도구는 사용자 컴퓨터에서 키 입력, 클릭, 사용자 입력, 녹음, 스크린샷 등의 데이터를 수집하는 것으로 시작합니다. 여기에서 광학 문자 인식 능력을 통해 사용자가 수행하는 작업에 대한 더 많은 컨텍스트를 추가할 수 있습니다.

예를 들어, 타임스탬프 데이터를 보고 하위 프로세스에서 활동의 일반적인 타임라인을 구성하는 데 도움을 줄 수 있습니다. 데이터가 적절하게 구조화되면 머신 러닝 알고리즘을 사용하여 데이터를 하위 프로세스의 특정 작업(예: '구매 주문서 제출')으로 클러스터링할 수 있습니다.

그런 다음 데이터를 이벤트 로그 데이터와 결합하여 성과를 맥락화할 수 있습니다. 이러한 데이터 기반 인사이트는 기업이 병목 현상을 식별하고 이를 해결하기 위해 필요한 조치를 취하는 데 도움이 됩니다.

태스크 마이닝 기술은 다양한 산업 분야에서 프로세스 흐름을 개선하는 데 사용되어 왔습니다. 프로세스 맵은 기업이 중요한 핵심 성과 지표(KPI)에 더 집중할 수 있도록 도와주며, 프로세스 마이닝과 태스크 마이닝을 통해 운영의 비효율성을 재검토하도록 유도할 수 있습니다.

태스크 마이닝의 몇 가지 사용 사례는 다음과 같습니다.

• 문서: 새로운 팀원이 합류하면 지식 격차를 해소하기 위해 문서를 자주 검토합니다. 그러나 프로젝트 및 사용 가능한 리소스에 따라 문서가 사용할 수 없거나 최신 상태가 아닐 수도 있습니다. 태스크 마이닝 도구는 팀이 더 큰 프로세스에서 작업에 대한 인사이트를 얻을 수 있는 방법을 제공하여 팀 전체에 일관성을 부여합니다. 또한, 프로세스 매핑 및 기타 자동화 도구를 통해 문서와 시각화를 쉽게 구축할 수 있는 방법을 제공함으로써 개별적인 의존성을 줄여줍니다.
• 거버넌스 및 규정 준수: 기업이 더욱 엄격한 정부 규제에 직면함에 따라 태스크 마이닝은 규정 준수 오류가 발생하는 영역을 식별하여 기업에 책임을 묻는 데 도움이 될 수 있습니다. 이러한 가시성은 이러한 문제를 보다 신속하게 해결할 수 있는 경로를 제공하여 잠재적으로 법률 비용 및 부정적인 브랜드 홍보와 같은 비용을 절감할 수 있습니다.
• 작업 자동화: 태스크 마이닝은 특정 하위 프로세스를 보다 명확하게 파악하여 프로그램 관리자와 인력 관리자가 RPA와 같은 도구를 통해 프로세스의 어떤 부분을 자동화할 수 있는지 이해할 수 있게 해줍니다.

태스크 마이닝을 통해 많은 이점을 얻을 수 있지만, 가장 자주 실현되는 이점은 다음과 같습니다.

• 효율성 향상: 태스크 마이닝은 프로세스 개선을 가속화하기 위해 운영 병목 현상을 파악하는 데 중점을 둡니다. 이러한 비효율성을 발견하고 수정함으로써 기업은 작업 전반의 속도가 향상되는 것을 경험하게 됩니다. 프로세스의 한 작업에 리소스가 과도하게 투입된 경우, 직원이 다른 우선 순위 업무에 재배치되어 잠재적으로 더 의미 있는 작업을 찾아 직원의 사기를 향상시킬 수도 있습니다.
• 규정 준수 개선: 태스크 마이닝 도구는 사용자로부터 데이터를 수집하여 거버넌스 팀이 특정 작업 중 규정 준수 위반을 파악할 수 있게 해줍니다. 문제를 정확히 찾아내고 신속하게 해결하는 이러한 기능은 비즈니스 전반에 걸쳐 더 나은 거버넌스 및 규정 준수를 촉진하는 데 도움이 될 수 있습니다.
• 투명성 향상: 태스크 마이닝을 통해 개인 수준에서 인력에 대한 인사이트를 얻을 수 있으므로, 관리자는 성과 평가 시 귀중한 피드백을 제공하고 직원의 업무에 따라 공정하게 보상할 수 있습니다. 또한 업무에 적합하지 않은 것으로 보이는 직원을 다른 업무로 재배치하는 데에도 도움이 될 수 있습니다.

그러나 태스크 마이닝에도 어려움이 없는 것은 아닙니다. 몇 가지 주요 어려움은 다음과 같습니다. 

• 데이터 개인정보 보호: 태스크 마이닝은 사용자 작업을 기록하할 수 있으며, 개인 정보 보호에 대한 우려를 제기할 수도 있습니다. 따라서 사용자는 이러한 도구를 활성화하기 전에 승인을 받아야 하며, 적절한 익명화를 통해 사용자의 개인 데이터를 보호해야 합니다.
• 컨텍스트 누락: 태스크 마이닝은 더 큰 프로세스 내의 하위 프로세스에 초점을 맞추기 때문에 때때로 성능에 대한 더 큰 맥락을 놓칠 수 있습니다. 팀 전체의 성과를 더욱 전체적으로 파악하려면 프로세스 마이닝과 함께 태스크 마이닝 기술을 사용하는 것이 중요합니다. 그렇지 않으면 기업은 비즈니스에 큰 영향을 미치지 않는 작업 최적화를 우선순위에 둘 위험이 있습니다.
• 개념 드리프트: 기업이 디지털 시대에 맞게 빠르게 변화함에 따라 작업과 프로세스는 실시간으로 변경될 수 있습니다. 작업과 프로세스의 변화는 분석 결과에 영향을 미쳐 개념 드리프트를 유발할 수 있습니다.