프로세스 마이닝이란 무엇인가요?

프로세스 마이닝 기술은 기업 정보 시스템 내에 이미 존재하는 데이터에서 지식을 추출하는 방식으로 작동합니다. 분산된 데이터를 활용 가능한 인사이트로 전환하기 위해 특정 워크플로를 따릅니다.

• 수집: 첫 번째 단계는 '이벤트 로그'를 수집하는 것입니다. 사용자가 소프트웨어 시스템과 상호작용할 때마다 레코드가 생성됩니다. 이 레코드에는 일반적으로 케이스 ID(주문 #123과 같은 프로세스의 특정 인스턴스), 타임스탬프(발생 시점), 활동('주문 승인'과 같은 발생한 작업)이 포함됩니다. 프로세스 마이닝 도구는 이 데이터를 수집하여 분석의 기반을 형성합니다.
• 발견: 데이터가 수집되면 알파 알고리즘이나 인덕티브 마이너와 같은 알고리즘이 프로세스 흐름을 재구성합니다. 모든 단일 사례에 대한 활동 순서를 살펴보고 Looker와 같은 소프트웨어가 자동으로 프로세스 맵을 그립니다. 이 맵은 다양한 케이스가 거치는 경로를 시각화하여 가장 일반적인 경로와 이상치를 사람의 편견 없이 보여줍니다.
• 분석: 마지막으로 팀은 소프트웨어를 사용하여 결과를 분석합니다. 이들은 프로세스가 따라야 하는 이상적이고 가장 효율적인 경로인 '해피 패스'를 찾습니다. 그런 다음 이를 편차, 루프 또는 지연과 비교하여 작업이 멈추는 위치 또는 팀이 불필요한 추가 단계를 수행하는 위치를 파악합니다.

이러한 용어를 혼동하기 쉽지만, 이 용어는 서로 다른 분야를 가리킵니다. 모두 데이터와 비즈니스 분석을 다루지만 문제에 접근하는 방식은 다릅니다.

• 프로세스 모델링은 전통적으로 수동 작업입니다. 비즈니스 분석가가 인터뷰를 진행하고, 워크숍을 개최하고, 포스트잇을 사용하여 프로세스가 어떻게 작동해야 하는지 도출하는 데 의존합니다. 주관적이며 '이상적인' 상태를 나타냅니다.
• 데이터 마이닝은 매우 광범위한 분야입니다. 프로세스 데이터뿐만 아니라 모든 종류의 데이터 세트에서 패턴을 찾습니다. '배송이 왜 이렇게 오래 걸리는 것인가?'와 같은 질문보다는 '이탈할 가능성이 높은 고객은 누구인가?'와 같은 질문에 답하는 데 도움이 될 수 있습니다.
• 프로세스 마이닝은 프로세스 중심 데이터에 초점을 맞춰 시퀀스와 흐름을 시각화합니다.

인공지능(AI)은 프로세스 마이닝을 진단 도구에서 예측 도구로 변화시키고 있습니다. 기존 프로세스 마이닝은 과거에 일어난 일을 분석하는 반면, 프로세스 마이닝 AI는 머신러닝을 사용하여 미래의 결과를 예측합니다. 예를 들어 모델이 현재 미해결된 케이스를 분석하고 특정 주문에 플래그를 지정하여 과거 데이터에서 확인된 패턴을 기반으로 '이 주문은 지연될 것입니다'라고 예측할 수 있습니다. 이를 통해 팀은 문제가 실제로 발생하기 전에 개입할 수 있습니다.

생성형 AI는 기술에 대한 접근성을 높이기도 합니다. 데이터 과학자가 복잡한 쿼리를 작성할 필요 없이 사용자가 자연어로 프로세스 데이터를 쿼리할 수 있습니다. 관리자가 '베를린 공장의 상위 3개 병목 현상을 보여 줘'라고 요청하기만 하면 시스템이 분석을 생성합니다. 이를 통해 인사이트에 대한 액세스가 범용화되어 기술 지식이 없는 사용자도 데이터 기반 의사 결정을 내릴 수 있습니다.