Process mining 커넥터, 언제 도입할 가치가 있을까요?

process mining 커넥터가 제공하는 것은 무엇이며 비용은 얼마나 들까요?

기본 제공 process mining 커넥터는 원본 시스템에서 분석까지 빠르게 연결해 준다고 약속합니다. 애플리케이션에 연결해 데이터를 추출하고 일정에 맞춰 새로고침하는 방식입니다. 커넥터가 해당 시스템을 지원하고 데이터 요구사항에도 맞으면 효과적일 수 있습니다. 다만 연결만 하면 바로 쓸 수 있는 것은 아닙니다. 시스템 구성과 데이터 모델, 보안 요구사항, 답을 찾으려는 질문을 확인해야 합니다.

커넥터를 구축하거나 설정하려면 필드 매핑과 결과 검증이 필요하고, 사용자 지정 워크플로 또는 시스템 변경에 맞춰 조정해야 할 수 있습니다. 데이터 팀이 이미 신뢰할 수 있는 데이터셋을 관리하고 있다면 새 커넥터가 기존 기반을 활용하기보다 작업을 중복할 수 있습니다.

지속적인 관리 작업도 필요합니다. 담당자가 파이프라인을 유지하고 변경 사항을 해결하며 커넥터가 데이터를 어떻게 변환하는지 파악해야 합니다. 이런 작업 때문에 첫 분석이 늦어진다면 커넥터의 편리함에도 비용이 따릅니다.

커넥터가 제대로 처리해야 할 사항

간단한 설명은 이렇습니다. 시스템을 지정하고 버튼을 누르면 형식에 맞는 데이터를 가져와 새로고침 일정을 설정하면 끝입니다. 하지만 실제 작업의 대부분은 이 설명에서 빠진 부분에 있습니다.

• 시스템이 표준 구성과 다릅니다. 커넥터는 특정 소프트웨어의 특정 버전을 대상으로 만들어집니다. 하지만 기업은 필드를 추가하고 워크플로를 바꾸며 테이블 구조를 조정합니다. 10년 동안 발전해 온 시스템은 교과서에 나오는 기본 설치와 다릅니다.
• 커넥터 하나로 모든 요구사항을 처리하기 어렵습니다. 가능한 모든 분석을 지원하도록 만들면 실제로 마주칠 일이 없는 예외까지 다루느라 복잡해지면서, 정작 필요한 질문에는 답하지 못할 수 있습니다.
• 여러 테이블을 연결해야 하는 복잡성. 대부분의 커넥터는 서로 연관된 원본 테이블 여러 개를 전제로 합니다. 그러면 업무 프로세스와 커넥터의 데이터 모델, 원본 시스템의 데이터 모델을 파악하고 이들이 어떻게 연결되는지도 이해해야 합니다.
• 내부를 볼 수 없으면 신뢰하기 어렵습니다. 문제가 생겨도 내부를 확인할 수 없습니다. 원본 데이터가 잘못된 것인지, 커넥터가 데이터를 잘못 변환한 것인지, 설정 문제인지 알기 어렵습니다. 내부를 볼 수 없는 상태에서 원인을 찾으면 결과를 바탕으로 조치해야 하는 사람들에게 설명하기도 힘듭니다.
• 일반적인 이름 때문에 용어를 맞춰야 합니다. 커넥터가 어떤 항목을 “Order Confirmation”이라고 부르지만 팀에서는 “Sales Acknowledgment”라고 부른다면, 이후 논의마다 용어를 맞추는 과정이 필요합니다.

실제 비용

기술 작업에 드는 비용도 예산에 반영됩니다. 다만 계획한 항목에 포함되지 않는 경우가 많습니다.

• 시간. 분석 대신 데이터 추출에 몇 달을 씁니다.
• 비용. 커넥터 라이선스와 설정을 위한 컨설팅 비용이 듭니다.
• 기회. 파이프라인을 만드는 동안 개선이 미뤄집니다.
• 사기. 데이터 준비 단계에서 프로젝트가 지연되면 팀의 추진력이 떨어집니다.
• 신뢰. 첫 프로젝트가 예정보다 길어지면 이해관계자들은 process mining의 가치를 의심합니다.

저희가 함께 일한 한 조직은 공급업체의 SAP 커넥터를 통해 “3주 안에 첫 인사이트를 얻는다”는 약속을 받았습니다. 18개월이 지난 뒤에도 데이터 품질 문제를 해결하고 있었습니다. 항상 이런 결과로 이어지는 것은 아니지만 흔히 볼 수 있는 사례입니다. 그래서 커넥터를 권하기 전에 비용이 얼마나 들지 먼저 확인합니다.

커넥터는 언제 제값을 할까요?

데이터를 자주, 대량으로, 반복해서 추출해야 하고 원본 시스템을 충분히 지원하는 경우 커넥터가 좋은 선택일 수 있습니다. 보안과 거버넌스 절차를 갖춘 통제된 데이터 파이프라인이 필요한 규제 환경에도 적합할 수 있습니다.

이런 경우에는 같은 추출 작업을 반복할 때 이점이 생깁니다. 커넥터가 시스템 구성과 데이터 요구사항을 지원한다면 반복되는 수작업을 줄일 수 있습니다.

도입을 결정하기 전에 커넥터가 지원하는 시스템 버전과 구성, 추출하는 데이터, 사용자 지정 처리 방식, 유지 관리 담당자를 확인하세요. 커넥터는 시스템과 팀의 업무 방식에 맞을 때만 유용합니다.

커넥터가 필요 이상일 수 있는 경우는 언제인가요?

처음으로 프로세스에 관한 질문을 검토한다면 어떤 데이터가 필요한지, 분석이 유용할지 아직 모를 수 있습니다. 이런 질문에 답하기 전에 정기 파이프라인부터 구축하면 자동화할 가치가 있는지 알기도 전에 일이 늘어날 수 있습니다.

여러 시스템에 걸친 프로세스 중 일부만 커넥터가 지원할 수도 있습니다. 이 경우에도 데이터를 결합하고 명칭 차이를 해결하며 결과를 검증해야 할 수 있습니다. 한 애플리케이션용 커넥터만으로 전체 데이터 준비 문제가 해결되지는 않습니다.

첫 분석에는 기존 내보내기 파일만으로도 질문을 검토할 수 있습니다. 무엇이 빠졌는지 확인한 뒤 데이터셋을 보완하면 됩니다.

커넥터 방식에는 적합한 경우에도 다음 세 가지 비용이 따릅니다.

• 중복 작업. 많은 조직은 데이터 웨어하우스나 레이크에 이미 정리된 데이터를 보유하고 있습니다. 데이터 팀이 수년간 품질 문제를 해결해 만든 데이터입니다. 커넥터를 도입하면 처음부터 다시 작업하게 되고, 현업에서 이미 신뢰하는 데이터와 불일치가 생길 수 있습니다.
• ETL 도구에 종속될 위험. 커넥터는 대개 공급업체의 자체 도구와 함께 제공됩니다. 팀에서 이미 운영하고 잘 아는 인프라 대신 독점 시스템을 새로 익혀야 합니다.
• 종속성도 따져봐야 합니다. 구축에 6개월이 걸린 파이프라인은 교체 비용이 큽니다. 처음 도입하기 전에 고려해야 할 사항입니다.

실시간 추출은 분석 방식에도 영향을 줍니다. 데이터가 계속 바뀌면 기준선을 설정하기 어렵고, 파이프라인을 지속적으로 모니터링해야 하며, 컴퓨팅 비용도 계속 발생합니다. 기간별 비교도 간단하지 않습니다. 월간 새로고침으로 질문에 답할 수 있다면 상시 운영 파이프라인은 인사이트를 더하지 않은 채 비용만 늘릴 수 있습니다.

데이터 템플릿은 어떻게 사용하나요?

기본 제공 커넥터부터 도입하지 않고 보유한 데이터로 시작할 수 있도록 데이터 템플릿을 제공합니다. 템플릿에는 분석에 필요한 필드가 정리되어 있어 사용자나 데이터 팀이 준비할 수 있습니다.

프로세스 가이드에서 시작하기

프로세스 개선 가이드에서 프로세스나 시스템을 검색해 보세요. 각 가이드는 하나의 프로세스 또는 특정 시스템에서의 프로세스 하나를 다룹니다. 관련 과제와 목표, 활동, 데이터 요구사항을 확인하고 Excel 템플릿을 내려받을 수 있습니다.

프로세스가 목록에 없다면 일반 데이터 템플릿으로 시작하세요. 어느 템플릿을 사용하든 분석에 필요한 열이 미리 정리되어 있습니다. 팀은 스키마를 처음부터 설계하지 않고 내보내기 파일을 템플릿에 맞춰 채우면 됩니다.

Excel 파일로 시작하기

많은 분석은 케이스 ID, 타임스탬프, 활동 이름과 질문에 필요한 기타 속성이 들어 있는 스프레드시트로 시작할 수 있습니다. 접근 가능한 데이터를 내보내 템플릿 형식에 맞게 정리한 뒤 업로드하면 바로 살펴볼 수 있습니다.

아이디어를 검토하기 위해 완전 자동화된 파이프라인을 갖출 필요는 없습니다. 첫 데이터셋은 보완이 필요할 수 있습니다. 분석에 무엇이 필요한지 알아가는 과정의 일부입니다.

이벤트 로그가 처음이신가요? Excel과 SQL 예시를 통해 이벤트 로그를 만드는 방법을 알아보세요.

테이블 하나로 시작하기

대부분의 분석에 단일 테이블 형식을 사용하는 데는 이유가 있습니다.

1. 내용을 확인하기 쉽습니다. 누구나 스프레드시트를 열어 데이터가 어떻게 구성되어 있는지 볼 수 있습니다.
2. 만들기도 쉽습니다. 첫 분석 전에 조인하거나 관계를 관리할 필요가 없습니다.
3. 분석 단계에서 어차피 하나로 합쳐집니다. 여러 테이블을 가져오는 도구도 분석 전에 단일 이벤트 로그를 만듭니다.

질문에 필요하다면 ProcessMind에서 여러 관점과 여러 프로세스의 테이블을 함께 사용할 수 있습니다. 하지만 처음부터 여러 테이블을 사용할 필요는 없습니다. 질문에 답할 수 있는 가장 단순한 데이터셋으로 시작하세요.

데이터 팀과 협업하기

데이터 팀은 시스템 구성과 신뢰할 수 있는 필드, 이미 이용 가능한 데이터를 잘 알고 있습니다. 명확한 템플릿을 제공하면 독점 데이터 모델을 새로 익히게 하지 않고 필요한 내용을 구체적으로 전달할 수 있습니다.

데이터 팀은 SQL, 기존 ETL 플랫폼, 데이터 웨어하우스, 데이터 레이크 등 익숙한 도구와 인프라를 사용할 수 있습니다. 별도의 파이프라인을 만드는 대신 신뢰할 수 있는 데이터를 활용하는 데 도움이 됩니다.

이벤트 로그 준비 방법은 데이터 준비 문서를 참고하세요.

AI 지원 매핑 사용하기

내보낸 파일의 열 이름이 템플릿과 정확히 일치하지 않을 수 있습니다. 업로드 중 ProcessMind가 케이스 ID, 타임스탬프, 활동 같은 필드를 인식하는 경우가 많습니다. 필드가 잘못 매핑되면 직접 수정할 수 있습니다.

이 기능을 활용하면 모든 원본 파일을 미리 완벽한 형식으로 정리하지 않아도 기존 내보내기 파일에서 분석으로 이어갈 수 있습니다.

실제 데이터 업데이트는 어떻게 진행하나요?

프로세스를 정기적으로 모니터링해야 한다면 예약 새로고침이 유용합니다. 하지만 첫 질문에 답하거나 기간별 성과를 비교하는 데 계속 데이터를 업데이트할 필요는 없습니다.

많은 분석에서는 일정에 따라 새로고침하는 안정적인 데이터셋이 해석하기 쉽습니다. 기준선을 설정하고 변경을 적용한 뒤 결과를 기준선과 비교할 수 있습니다. 적절한 주기는 프로세스가 얼마나 자주 바뀌는지, 얼마나 빠르게 대응해야 하는지에 따라 달라집니다.

먼저 분석에 새 데이터가 얼마나 자주 필요한지 정하세요. 월간 또는 분기별 업데이트로 질문에 답할 수 있다면 실시간 파이프라인은 의사결정을 개선하지 않은 채 작업만 늘릴 수 있습니다.

나중에 자동화가 필요해지면 어떻게 하나요?

필요한 데이터를 확인하고 분석이 유용하다는 점을 검증한 뒤 데이터 팀에서 반복 가능한 데이터 적재 작업을 만들 수 있습니다. 이를 위해 ProcessMind REST API를 사용할 수 있습니다. 팀에서 이미 예약해 둔 작업이 내보내기 파일을 업로드해 새 데이터셋을 만들거나 기존 데이터셋을 업데이트할 수 있습니다. API 개요에서 인증 및 엔드포인트를 확인하세요.

제품 안에 스케줄러를 두지 않은 것은 의도적인 선택입니다. 일정과 인증 정보, 모니터링을 팀에서 이미 운영하는 인프라에 유지할 수 있습니다. 별도의 설정 및 모니터링 환경을 추가할 필요가 없습니다.

무엇을 자동화할지 알기 전에 자동화할 필요는 없습니다. 내보내기 파일로 시작해 분석을 검증한 다음, 정기 적재 작업을 만들 가치가 있는지 결정하세요. 파이프라인을 구축한다면 process mining을 위한 ETL에서 설명한 장단점을 고려하면 됩니다.

사전 구축된 커넥터를 제공하는 업체는 언제 선택해야 하나요?

업체가 지원하는 시스템에서 정기적으로 데이터를 추출해야 하고 커넥터가 시스템 구성 및 거버넌스 요구사항에 맞는다면, 사전 구축된 커넥터를 제공하는 업체가 더 나은 선택일 수 있습니다. 특히 추출 빈도가 높거나 조직에서 특정 연동 방식을 요구하는 규제 대상 파이프라인에 해당할 수 있습니다.

선택하기 전에 커넥터가 지원하는 기능과 사용자 지정 처리 방식, 유지 관리에 필요한 사항, 생성된 데이터를 확인하고 재사용할 수 있는지 문의하세요. 우선 분석을 시험하는 것이 목적이라면 기존 내보내기 파일과 데이터 템플릿으로 더 간단하게 시작할 수 있습니다.

장단점은 분명합니다. 커넥터가 요구사항에 맞으면 반복적인 데이터 추출 작업을 줄일 수 있습니다. 템플릿을 사용하면 커넥터 프로젝트를 첫 단계로 삼지 않고 보유한 데이터로 시작할 수 있습니다. 데이터는 사용자의 소유이며 특정 업체에 종속되지 않습니다. 자동화 여부는 나중에 결정할 수 있습니다.