프로세스마이닝으로 실제 업무 흐름을 분석하는 방법

로그가 보여주는 실제 프로세스

프로세스마이닝은 정보시스템에 남은 업무 로그를 분석해 실제 업무 흐름을 파악하고, 성과와 규정 준수 상태를 정량적으로 진단하는 방법이다. 인터뷰, 워크숍, 문서 검토처럼 사람이 재구성한 프로세스의 한계를 보완하며, 경영 의사결정에 데이터 기반 근거를 제공한다.

분석의 출발점은 이벤트 로그다. 로그에는 Case ID, Activity, Timestamp, Resource, Attributes가 포함되며, ERP·CRM·MES·ITSM 등 여러 시스템의 기록을 XES, OCEL, CSV 같은 표준 스키마로 정제해 사용한다.

핵심 분석은 다음 흐름으로 이어진다.

발견(Discovery): 이벤트 로그에서 실제 프로세스 모델을 자동으로 도출한다.
순응도(Conformance): 표준 프로세스와 실제 처리 간의 일탈과 변형 수준을 정량 측정한다.
확장(Enhancement): 성과를 모델에 겹쳐 보고 원인을 분석해 운영과 모델을 개선한다.

이 과정을 통해 프로세스를 가시화하고 병목, 재작업, 우회 경로를 찾을 수 있다. SLA와 컴플라이언스 준수율을 높일 과제를 찾고, 자동화 후보를 식별하는 데도 쓰인다.

분석을 뒷받침하는 데이터와 모델

프로세스마이닝의 품질은 데이터 인프라에서 크게 좌우된다. 데이터 소스로는 구매·재무 ERP, 영업·CS CRM, 생산·물류 WMS/MES, 인시던트 관리 ITSM이 활용된다. ETL/ELT 과정에서는 주문번호 같은 이벤트 연계 키를 정의하고, 타임스탬프를 정규화하며, 노이즈를 걸러낸다.

분석 지표는 리드타임, 대기·처리시간, 변동성, 재작업률, 병목 단계, SLA 위반률, WIP 등을 포함한다. Alpha, Heuristics, Inductive Miner로 흐름을 발견하고, ILP 기반 정합화와 Alignment·Token-replay 순응도 점수로 표준과 실제의 차이를 분석할 수 있다.

표현 모델로는 Petri net, BPMN, Directly-Follows Graph(DFG), Object-Centric 모델을 쓴다. 분석 결과는 표준 경로 단순화, 승인 규칙 재설계, 병렬화·배치 전략, 라우팅 정책 최적화로 이어질 수 있다.

운영 단계에서는 KPI 대시보드와 이상 탐지를 통해 우회 경로 급증을 감시하고 지연 위험을 예측한다. RPA 후보 식별, 변경 영향 분석, “If we change X” 시나리오 시뮬레이션도 이 흐름에 연결된다.

이벤트 로그에서 개선안까지 이어지는 흐름

⤢✕

데이터 품질 검증에서 누락, 불일치, 시계 동기화 문제가 확인되면 정제 단계로 돌아간다. 순응도가 임계치에 미달하면 우회 경로와 승인 예외 등 일탈 원인을 분석하고, 규정 또는 시스템 보완으로 연결한다. Case 키를 기준으로 이벤트를 정렬한 뒤 모델을 도출하고, 순응도와 성과 오버레이를 거쳐 개선안을 만드는 것이 일관된 흐름이다.

운영 프로세스에서 찾을 수 있는 문제

주문-입금-출하(O2C)에서는 무상출하와 우회승인을 탐지하고, 인보이스 지연 원인을 분석해 크레딧 홀드 정책을 개선할 수 있다. 구매-지급(P2P) 프로세스에서는 선지출·후승인 비율, 3-way match 일탈, 벤더 리드타임 변동성을 관리 대상으로 삼는다.

고객센터와 ITSM에서는 티켓 라우팅 병목, 재오픈률, 에스컬레이션 패턴, 교대 간 핸드오버 리스크를 확인한다. 제조·품질 영역에서는 공정 간 WIP 정체와 설비 다운타임의 영향, 불량 재작업 루프를 분석할 수 있다.

규제 준수와 내부감사에는 SoD 분리의무 위반 탐지, 감사 증적 자동 수집, 통제 설계 효과 측정이 포함된다. 자동화 관점에서는 빈도·변동성·예외율을 기준으로 RPA 후보를 선별하고, 자동화 전후 효과를 검증한다.

개선 효과를 측정하는 기준

정량 효과로는 리드타임 15~~40% 단축, 재작업률 20~~50% 감소, SLA 준수율 10~~30%p 향상이 제시된다. 감사·분석 리드타임은 30~~60% 단축되고, 자동화 식별·검증 비용은 20~40% 절감될 수 있다.

데이터를 공통 근거로 사용하면 협업 과정의 합의 비용을 줄이고 표준화와 문서화 수준을 높일 수 있다. 지속적인 모니터링은 규정 준수를 운영에 내재화하고 개선 사이클을 빠르게 만든다.

파일럿에서 운영까지의 전개

처음에는 빈도가 높고 데이터 확보가 가능한 핵심 프로세스 1~2개를 대상으로 잡는다. 리드타임, 일탈률, 재작업률 등 성공 기준도 함께 정한다.

데이터 온보딩에서는 Case, Activity, Timestamp, Resource, Attributes를 매핑하는 스키마를 설계한다. ETL 파이프라인으로 데이터를 추출·정제하고, 타임존과 클럭 동기화, 유니크 키를 검증한다.

분석 단계에서는 Inductive Miner의 노이즈 내성을 활용하고 DFG로 흐름을 먼저 가시화할 수 있다. Alignment 기반으로 일탈 유형과 코스트를 분석해 규정에 매핑하고, 성과 오버레이·소셜 네트워크·병목 원인 분석으로 범위를 넓힌다.

이후 승인 체계 단순화, 병렬 처리, 규정·시스템 룰 보강, RPA 배치를 실행한다. KPI 대시보드와 알림, 월/분기 단위 리마이닝, 변경 영향 추적으로 개선안을 운영에 고정한다.

데이터 품질과 복잡도를 함께 관리하기

이벤트 경계는 Create, Start, Complete처럼 일관되게 설정해야 한다. 다중 객체는 OCEL을 적용하고, 누락과 중복을 관리한다. 다만 정제를 엄격히 할수록 소요시간이 늘고 초기 가설 검증 속도는 낮아진다.

복잡한 프로세스 모델은 변형·빈도 필터, 변동성이 높은 경로 분리, 변형 군집으로 다룰 수 있다. 반대로 지나친 단순화는 중요한 예외와 리스크를 가릴 수 있다.

성능과 확장성 측면에서는 샘플·윈도잉·증분 마이닝, 컬럼너 스토리지(Parquet), 분산 처리를 고려한다. 스트리밍과 증분 방식은 전역 최적 솔루션과 비교해 근사치가 될 가능성이 있다.

프라이버시와 거버넌스는 가명화·마스킹, 최소권한 접근, 감사 로깅, 데이터 보존정책으로 관리한다. 식별성을 줄이면 리소스 기반 분석의 정밀도가 일부 낮아질 수 있다.

인터뷰 기반 분석과 로그 기반 분석의 차이

지표	전통적 분석(인터뷰/문서)	프로세스마이닝
성능(분석 속도)	수주~수개월	수일~수주(데이터 준비 의존)
확장성	조직·시스템 확대 시 급격히 저하	로그 증분·자동화로 확장 용이
일관성	개인·시간 편향 높음	재현 가능, 버전관리 용이
안정성(근거)	정성 위주, 누락 위험	이벤트 기반 정량 근거
운영 편의	일회성 산출물	상시 모니터링·알림·시뮬레이션

프로세스마이닝의 가치는 발견·순응도·확장 사이클로 실제 운영을 투명하게 드러내고, 그 결과를 개선으로 연결하는 데 있다. 데이터 가용성이 높은 단일 프로세스에서 시작해 KPI와 데이터 품질 기준을 분명히 하고, 개선 실행과 운영 모니터링까지 연결해야 한다. 도구는 PoC로 적합성을 검증한 뒤 표준화·권한·보안 정책과 함께 엔터프라이즈로 확산한다.