Process mining이란? 실제 업무 흐름을 확인하는 방법
process mining의 정의와 작동 방식, 세 가지 유형, 일반적인 활용 사례와 시작 방법을 알아보세요.
Process mining이란 무엇인가요?
process mining은 IT 시스템의 이벤트 데이터를 활용해 프로세스의 실제 흐름을 발견하고 분석하며 개선하는 방법입니다. 활동을 사례 및 타임스탬프와 연결하면 업무가 어떤 경로로 진행되는지, 각 단계에 시간이 얼마나 걸리는지, 예상과 다른 부분은 어디인지 확인할 수 있습니다.
이벤트 로그에는 활동, 타임스탬프, 사례 식별자가 기록됩니다. process mining은 이벤트를 사례별로 묶고 프로세스 흐름을 재구성합니다. 분석 결과를 활용해 병목, 재작업, 참조 프로세스와의 적합성을 조사할 수 있습니다. 분석은 근거를 제공하며, 그 결과를 어떻게 활용할지는 팀에서 결정합니다.
process mining 소프트웨어를 자세히 알아보려면 process mining 도구 가이드를 참조하세요.
process mining의 선구자인 Wil van der Aalst는 이를 기업을 위한 MRI에 비유했습니다. 표면 아래에서 일어나는 일을 드러낼 수 있다는 뜻입니다. 이렇게 확보한 가시성은 프로세스 개선과 디지털 전환을 뒷받침할 수 있습니다. 데이터 기반 프로세스 개선을 위한 전략 가이드를 확인하세요.
고객 주문이 접수와 승인 과정을 거쳐 배송되는 상황을 생각해 보세요. 각 단계에서 디지털 기록이 남을 수 있습니다. process mining은 이 기록을 연결해 각 주문이 거친 경로와 우회, 예외를 보여줍니다. 인터뷰나 추측에만 의존하지 않고 데이터에 기록된 흐름을 살펴볼 수 있습니다.
분석 결과는 이벤트 데이터의 품질과 관련 맥락에 따라 달라집니다. 프로세스 맵은 의도된 경로를 보여주고, process mining은 기록상 실제로 일어난 일을 확인하도록 돕습니다.
Process mining은 어떻게 작동하나요?
Process mining은 IT 시스템의 이벤트 데이터에서 시작합니다. 일반적으로 각 이벤트에는 다음 세 가지 필드가 필요합니다.
- 케이스 ID: 주문이나 지원 티켓처럼 프로세스 인스턴스를 식별하는 값입니다.
- 활동: 수행된 단계입니다.
- 타임스탬프: 해당 단계가 발생한 시점입니다.
소프트웨어는 Case ID별로 이벤트를 묶고 타임스탬프 순으로 정렬합니다. 그런 다음 사례별 경로를 재구성해 프로세스 모델로 보여줍니다. 경로를 비교하고 소요 시간을 살펴보며 반복 단계나 긴 대기 시간 같은 패턴을 찾을 수 있습니다.
결과의 품질은 데이터에 달려 있습니다. 타임스탬프 누락, 일관되지 않은 활동명, 잘못된 사례 식별자는 분석을 왜곡할 수 있습니다. 프로세스 데이터를 찾는 방법과 지원되는 데이터 형식을 알아보세요.
Process mining의 세 가지 유형
process mining의 세 가지 유형은 서로 다른 질문에 답합니다.
-
Process Discovery는 이벤트 로그 데이터로 프로세스 모델을 생성합니다. 문서화되지 않았을 수 있는 변형을 포함해 사례가 실제로 거치는 경로를 확인할 수 있습니다.
-
Conformance Checking은 실제 프로세스 동작을 참조 모델과 비교합니다. 사례가 예상된 단계를 따르거나 건너뛰거나 벗어나는 지점을 찾는 데 도움이 됩니다.
-
Process Enhancement는 이벤트 로그의 정보를 기존 프로세스 모델에 추가합니다. 예를 들어 대기 시간이나 활동 소요 시간 같은 성과 지표를 더해 프로세스 성과를 파악할 수 있습니다.
프로젝트는 대개 디스커버리로 시작한 다음, 적합성 검사를 통해 참조 프로세스와의 차이를 조사합니다. 개선 분석을 활용하면 모델에 성과 맥락을 더할 수 있습니다. 답을 찾으려는 질문에 맞는 접근 방식을 선택하세요.
누구나 process mining을 활용할 수 있습니다
프로세스 데이터를 살펴보기 위해 데이터 과학자일 필요는 없습니다. 분석가, 프로세스 책임자, 운영팀, IT팀이 함께 질문을 정하고 이벤트 로그를 준비한 뒤 분석 결과를 검토할 수 있습니다.
다음과 같이 시작할 수 있습니다.
- 프로세스 하나와 구체적인 질문을 정합니다.
- 활동이 기록되는 시스템 데이터를 확인합니다.
- Case ID, 활동명, 타임스탬프가 포함된 이벤트 로그를 준비합니다.
- 발견된 흐름을 검토하고 중요한 경로를 조사합니다.
- 업무를 잘 아는 사람들과 결과를 검증합니다.
process mining의 5단계
데이터 수집
주문부터 대금 회수까지 각 단계의 기록처럼 시스템에 저장된 이벤트 데이터를 모읍니다. 시작할 때는 Excel 파일만으로도 충분할 수 있습니다.
프로세스 파악
process mining 소프트웨어로 Case ID와 시간을 기준으로 이벤트를 연결한 다음, 데이터에 나타난 프로세스 흐름을 살펴봅니다.
규정 준수 확인
파악한 프로세스를 BPMN 모델과 같은 참조 모델과 비교해 차이를 조사합니다.
분석 결과 검토
프로세스 대시보드로 병목, 재작업, 비효율을 살펴보고 무엇을 조사하거나 바꿀지 결정합니다.
변화 모니터링
변경 후 프로세스를 다시 살펴보고 성과와 흐름이 어떻게 달라졌는지 확인합니다.
첫 분석을 준비하려면 시작 안내를 확인하세요.
Process mining과 프로세스 매핑 비교
process mining과 프로세스 매핑은 서로 연관되어 있지만, 답하는 질문은 다릅니다. process mining은 이벤트 데이터를 바탕으로 프로세스가 실제로 어떻게 진행됐는지 보여줍니다. 프로세스 매핑은 구성원의 지식과 프로세스 설계 방법을 활용해 업무가 어떻게 진행되어야 하는지 기록하거나 계획합니다.
| 항목 | process mining | 프로세스 매핑 |
|---|---|---|
| 데이터 출처 | IT 시스템의 이벤트 로그 데이터 | 인터뷰, 워크숍, 문서 |
| 결과 | 기록된 이벤트를 바탕으로 한 프로세스 동작 현황 | 문서화하거나 설계한 프로세스 |
| 소요 작업 | 데이터 접근성과 준비 작업에 따라 다름 | 범위와 이해관계자의 참여에 따라 다름 |
| 포괄 범위 | 이벤트 로그에 기록된 경로를 확인할 수 있음 | 구성원이 기록한 내용에 따라 다름 |
| 적합한 목적 | 실제 프로세스 동작 파악 | 프로세스 설계 또는 문서화 |
두 방법은 함께 활용하면 효과적입니다. process mining으로 데이터에 나타난 프로세스를 조사한 뒤, 프로세스 매핑이나 BPMN 모델링으로 변경 사항을 문서화하거나 설계할 수 있습니다. ProcessMind는 하나의 플랫폼에서 process mining과 프로세스 매핑을 지원합니다. 두 방법을 함께 활용하는 자세한 내용은 프로세스 모델링과 process mining의 결합 효과를 참고하세요.
Process mining 알고리즘의 실제 작동 방식
process mining 알고리즘은 이벤트 데이터를 프로세스 모델로 변환합니다. 관련 연구에서는 여러 알고리즘 계열을 소개합니다. alpha algorithm은 활동 간 관계를 도출하는 고전적인 출발점입니다. heuristic miner는 노이즈가 있거나 불완전한 로그를 처리하고, fuzzy miner는 구조가 명확하지 않은 동작을 다룹니다. inductive miner는 건전성이 보장되는 프로세스 트리를 만듭니다. 각 알고리즘은 특정 유형의 로그를 대상으로 정의되어 있으며, 그 정의에 따라 결과 모델을 생성합니다.
ProcessMind는 자체 마이너 세 가지를 제공합니다. 모델 마이닝 대화상자에서 마이너를 선택할 수 있습니다. 이 대화상자에는 생성 결과의 엄격도를 조정하는 게이트웨이 정책도 있으며, 자세한 내용은 마이닝 문서에서 확인할 수 있습니다.
| 마이너 | 생성 결과 | 적합한 경우 |
|---|---|---|
| Directly-Followed-By 마이너 | 하위 프로세스 없이 각 활동을 바로 다음 활동과 연결하는 평면 모델 | 이벤트 로그의 원본 흐름을 확인하거나 데이터에 실제로 무엇이 들어 있는지 점검하려는 경우 |
| Simple Miner | 그래프의 복잡한 부분을 반복적으로 분해해 중첩된 구간으로 표현 | 한 화면에 들어오는 간결한 모델이 필요한 경우 |
| AI 마이너 | 보강 정보를 바탕으로 AI가 분해하고 병렬 구간을 감지해 별도로 표시 | 이벤트 로그가 복잡하거나 불완전한 경우, 또는 평면 모델에서 사라지는 병렬 작업이 있는 경우 |
AI Miner는 ProcessMind가 자체 개발한 miner이며, 이미 발표된 알고리즘을 다시 구현한 것이 아닙니다. 이벤트 로그와 함께 보강 데이터를 읽고 병렬 구간을 찾아 그래프를 계층적으로 분해합니다. 따라서 로그가 암시하는 구조를 평면화하지 않고 모델에 반영합니다. 이 점이 AI Miner의 장점입니다. 기존 알고리즘은 깔끔하고 완전한 로그를 전제로 정의되지만, 대부분의 조직이 사용하는 데이터 내보내기 파일은 그런 조건을 충족하지 않습니다. AI Miner는 정의상 필요한 데이터가 아니라 실제로 확보할 수 있는 데이터에 활용할 수 있도록 개발했습니다. 세 가지 miner 중 보강 데이터가 필요한 것은 AI Miner뿐입니다. 따라서 새 로그를 분석할 때는 Directly-Followed-By miner로 시작해 결과를 비교하는 것이 적절합니다.
Miner가 구조를 만든 뒤에는 레이아웃 알고리즘이 흐름을 읽기 쉽게 배치합니다. ProcessMind의 Clarity Engine이 이 단계를 처리합니다.
Process mining을 활용해야 하는 이유
process mining을 활용하면 프로세스 설명이나 몇 가지 사례에만 의존하지 않고, 기록된 여러 케이스에서 업무가 어떻게 진행되는지 살펴볼 수 있습니다. 다음과 같은 분석에 도움이 됩니다.
- 프로세스 경로 비교: 케이스별 경로를 비교해 일반적인 경로와 이례적인 경로를 찾습니다.
- 지연 원인 조사: 케이스가 어디서 대기하는지, 어떤 활동에 시간이 오래 걸리는지 살펴봅니다.
- 재작업 파악: 오류나 불명확한 요구사항을 나타낼 수 있는 반복 활동과 루프를 찾습니다.
- 규정 준수 확인: 실제 동작을 참조 프로세스와 비교합니다.
- 성과 추적: 대시보드와 KPI로 시간에 따른 프로세스 지표를 확인합니다.
이러한 분석 결과를 바탕으로 더 구체적인 질문을 할 수 있습니다. 다만 지연이나 편차가 발생한 이유를 결과만으로 입증할 수는 없습니다. 변경을 결정하기 전에 관련 담당자와 논의하고 상황을 확인하세요.
프로세스 대시보드와 KPI로 성과를 검토하는 방법을 알아보세요.
좋은 점, 아쉬운 점, 주의할 점
좋은 점
마이닝을 사용하면 기억에 의존해 재구성할 필요 없이 실제 업무가 어떻게 진행됐는지 객관적으로 확인할 수 있습니다.
- 로그에 기록된 모든 케이스의 동작을 보여주므로, 일부 사람이 기억하는 몇 가지 사례에만 의존하지 않습니다.
- 흐름과 지연, 재작업을 시각화해 원인 파악에 드는 시간을 줄입니다.
- IT 시스템에 구조화된 이벤트 데이터가 남는 프로세스라면 무엇이든 분석할 수 있습니다.
- 프로세스 대시보드를 활용하면 분석가뿐 아니라 현업 팀도 근거를 확인할 수 있습니다.
아쉬운 점
분석 근거는 이벤트 로그의 품질에 달려 있고, 로그를 준비하는 데는 작업이 필요합니다.
- 데이터 품질이 낮으면 그럴듯하지만 잘못된 결과가 나올 수 있습니다. 분석의 신뢰도는 이벤트 로그의 신뢰도에 달려 있습니다.
- 프로젝트에서 가장 많은 노력이 드는 작업은 데이터 준비와 검증인 경우가 많습니다.
- process mining이 프로세스를 직접 개선해 주지는 않습니다. 조사할 대상을 보여줄 뿐, 판단하고 바꾸는 일은 사람이 해야 합니다.
- 복잡한 모델은 읽기 어렵습니다. 명확한 질문 하나와 그에 관련된 경로부터 살펴보세요.
주의할 점
근거를 부주의하게 사용하면 오히려 문제가 생길 수 있습니다.
- 프로세스 데이터를 개인을 탓하는 데 사용하면 불안과 반발을 낳습니다. 개인이 아니라 프로세스의 조건을 살펴보세요.
- 데이터를 잘못 해석하면 결론도 틀릴 수 있습니다. 업무를 잘 아는 사람들과 결과를 검증하세요.
- 일부 도구는 상당한 IT 지원과 투자가 필요합니다. 도입을 결정하기 전에 설정 비용과 필요한 역량을 확인하세요.
- 명확한 질문 없이 시작하면 데이터만 늘고 얻는 인사이트는 부족해집니다. 그 결과로 내릴 결정도 없게 됩니다.
Process mining은 처음에는 마법처럼 느껴지지만, 곧 한계도 보입니다. 이전에는 알기 어려웠던 인사이트를 얻을 수 있지만, 이를 실제 변화로 이어가는 일은 여전히 사용자의 몫입니다. 누군가가 변화를 실행하고 정착시켜야 분석이 의미를 갖습니다.
Process mining을 잘못 활용하지 않으려면
명확한 질문과 신뢰할 수 있는 데이터, 결과를 해석할 사람이 있을 때 process mining을 가장 유용하게 활용할 수 있습니다. 다음과 같은 실수는 프로젝트의 신뢰도를 떨어뜨립니다.
명확한 목표 없이 시작하지 마세요
목표를 정하지 않고 분석하면 결정을 내리지 못한 채 분석만 이어질 수 있습니다. “송장 승인이 10일 넘게 걸리는 이유는 무엇인가요?” 또는 “온보딩 과정에서 고객이 어느 단계에서 지연을 겪나요?”처럼 구체적인 질문으로 시작하세요. 질문이 구체적이면 어떤 프로세스와 데이터를 살펴보고 무엇을 측정할지 정하기 쉽습니다.
실행 가능한 목표에는 프로세스, 분석 기간, 분석 결과로 뒷받침할 결정이 명시되어야 합니다. 데이터를 불러오기 전에 목표를 문서화하고 프로세스 책임자와 합의하세요. 그래야 파일럿의 범위가 모든 것을 다루느라 커지고도 아무 질문에 답하지 못하는 상황을 막을 수 있습니다.
어디서 시작할지 모르겠다면 프로세스 개선 가이드를 참고하세요. 가이드에는 범위가 이미 정리되어 있습니다. 대상 프로세스와 시스템, 내보낼 필드, 기록할 활동이 명시되어 있어 질문에 답하는 데 필요한 데이터부터 준비할 수 있습니다.
도구가 프로세스를 고쳐줄 것이라고 기대하지 마세요
process mining은 프로세스 동작을 분석하는 방법이지 자동 해결책이 아닙니다. 승인에 시간이 오래 걸린다는 점은 확인할 수 있어도, 그 이유와 필요한 변경은 직접 찾아야 합니다. 결과를 검토하고 관련 담당자와 논의한 뒤, 변경 후 프로세스를 다시 측정하세요.
혼자서 진행하지 마세요
데이터를 해석하려면 맥락이 필요합니다. 프로세스를 혼자 분석해 보고서만 배포하면 우회 경로가 있는 이유나 정당한 업무상 필요가 있는지 놓칠 수 있습니다. 프로세스 담당자와 함께 일하고, 데이터 접근이나 검증에 도움이 필요하면 IT 부서도 참여시키세요. 담당자의 지식이 있어야 로그가 보여주는 내용과 보여주지 못하는 내용을 구분할 수 있습니다.
검토 단계까지 기다리지 말고 시작부터 담당자들을 참여시키고, 분석 목적을 공유하세요. 질문을 미리 알고 있는 사람은 우회 경로나 임시 대처, 실제 현장에서만 이루어지는 단계를 설명할 수 있습니다.
업무 담당자는 시스템에 기록되지 않는 단계도 알고 있습니다. 이런 공백 때문에 파악된 프로세스가 불완전하게 보일 수 있습니다. ProcessMind에서는 해당 단계를 데이터 흐름으로 표시해 실제로 기록되지 않은 이벤트를 만들어내지 않고도 모델에서 확인할 수 있습니다.
한 번으로 끝나는 프로젝트로 여기지 마세요
개선한 프로세스도 시간이 지나면 다시 달라질 수 있습니다. 변경 후 프로세스를 다시 검토하고 시간에 따른 결과를 비교해 동작이 달라졌는지 확인하세요. 지속적인 모니터링이 분석 결과를 실제 성과로 이어줍니다.
분석 결과로 사람을 탓하지 마세요
process mining은 업무가 어떤 구조로 진행되는지 보여줄 뿐, 누가 잘못했는지 판단하지 않습니다. 분석 목적을 공유하고 처음부터 프로세스 책임자와 현장 직원을 참여시키세요. 데이터에서 특정 그룹의 처리 시간이 더 긴 것으로 나타난다면 업무량, 시스템 제약, 명확히 해야 할 단계 등 어떤 조건이 차이를 만드는지 살펴보세요. 원인은 대개 구조에 있으며, 답은 보통 실제 업무를 하는 사람에게서 찾을 수 있습니다.
품질이 낮은 데이터를 사용하지 마세요
분석 결과는 이벤트 로그에 달려 있습니다. 타임스탬프가 누락되거나 활동명이 일관되지 않거나 Case ID가 잘못되면 실제와 다른 프로세스로 보일 수 있습니다. 각 필드의 의미를 확인하고, 이벤트가 올바른 케이스에 속하는지 검증한 뒤, 전체 데이터셋을 분석하기 전에 일부 데이터를 먼저 살펴보세요. 필요한 필드는 프로세스 데이터를 얻는 방법에서 확인할 수 있습니다.
시작하는 방법
범위를 좁힌 파일럿을 진행하면 처음부터 모든 것을 분석하지 않고도 process mining으로 무엇을 확인할 수 있는지 알아볼 수 있습니다.
process mining으로 무엇을 확인할 수 있는지 설명하고, 무엇을 알아볼지 합의하세요. 프로세스와 데이터, 업무 맥락을 아는 소규모 인원을 모으세요.
지연이 발생하는 지점이나 케이스가 이전 단계로 돌아가는 이유처럼 팀에 중요한 질문부터 시작하세요.
범위가 명확하고 데이터에 접근할 수 있는 프로세스를 선택하세요. 지연이나 반복 작업이 알려진 프로세스부터 시작해도 좋습니다.
파일럿 범위는 사업부나 제품군 등 정의된 영역으로 제한하세요. 범위를 좁히면 결과를 검증하기 쉽습니다.
파일럿에 필요한 데이터를 모으세요. 시작할 때는 스프레드시트나 CSV 파일로 내보낸 데이터만으로도 충분할 수 있습니다. 데이터 접근이나 통합에 도움이 필요하면 IT 부서를 참여시키세요.
각 이벤트에 Case ID와 활동명, 타임스탬프가 있는지 확인하세요. 필드가 일관되고 분석하려는 프로세스를 제대로 나타내는지도 검증합니다.
이벤트 로그를 불러와 프로세스 모델을 검토하세요. 케이스 수와 기간이 타당한지 확인합니다. 그렇지 않다면 데이터 준비 단계를 다시 살펴보세요.
주요 경로와 변형, 활동별 소요 시간을 확인하세요. 필터를 사용해 질문과 관련된 케이스에 집중한 다음, 추가 조사가 필요한 패턴을 기록합니다.
분석가와 프로세스 책임자, 실제 업무를 아는 직원들과 결과를 검토하세요. 발견한 패턴이 현장 경험과 일치하는지, 무엇이 원인일 수 있는지 물어보세요.
어떤 문제를 조사하거나 해결할지 합의하고, 변경 사항을 어떻게 측정할지 정합니다.
팀이 변경 사항을 적용한 뒤 프로세스를 다시 분석하세요. 시작 시점의 결과와 비교해 무엇이 달라졌는지 확인합니다.
분석에서 얻은 내용을 바탕으로 다음 질문을 구체화하거나 다른 프로세스로 분석 범위를 넓히세요.
ProcessMind의 활용 방식
Process mining 활용 사례
활동이 디지털 기록으로 남고 그 기록을 케이스별로 연결할 수 있다면 해당 프로세스를 분석할 수 있습니다. 대표적인 사례는 다음과 같습니다.
- 주문부터 대금 회수까지(O2C): 고객 주문부터 대금 지급까지의 주문 처리 과정을 살펴보고, 이행과 송장 발행, 대금 회수 과정의 지연을 조사합니다.
- 구매부터 대금 지급까지(P2P): 구매 요청부터 공급업체 대금 지급까지 구매 프로세스를 검토해 승인 지연이나 반복 작업을 찾습니다.
- IT 서비스 관리(ITSM): 서비스 데스크 티켓을 분석해 해결이 늦어지는 경로와 에스컬레이션, SLA 위반을 파악합니다.
- 고객 온보딩: 신규 고객이 온보딩 과정을 거치는 방식과 지연 또는 이탈이 발생하는 지점을 살펴봅니다. 주문 관리에서는 이행 측면에서 같은 질문을 다룹니다.
- 보험금 청구 처리: 보험 또는 의료 관련 청구가 검토와 처리 단계를 거치는 방식을 살펴봅니다.
- 제조 및 공급망: 생산 및 공급망 프로세스를 검토해 지연과 품질 문제, 리소스 제약을 조사합니다.
이벤트 데이터는 SAP, Oracle, Microsoft Dynamics 같은 ERP 시스템, Salesforce와 HubSpot 같은 CRM 플랫폼, ServiceNow와 Zendesk 같은 헬프데스크 도구, 또는 맞춤형 애플리케이션에서 가져올 수 있습니다. 시스템 데이터의 적합성은 케이스와 활동, 타임스탬프를 식별할 수 있는지에 따라 달라집니다.
산업, 부서, 전환 담당 역할별로 자료를 찾아보거나, 해당 프로세스와 시스템에 맞는 프로세스 개선 가이드를 참고하세요. 각 가이드에는 내보낼 필드와 기록할 활동, 원천 시스템에서 작성할 데이터 템플릿이 안내되어 있습니다.
팀과 산업별 process mining 활용 사례를 살펴보세요.
Process mining과 데이터 마이닝, 머신러닝의 차이
Process mining, 데이터 마이닝, 머신러닝은 데이터를 서로 다른 방식으로 분석합니다. Process mining은 시간이 흐르면서 케이스가 여러 활동을 거치는 과정을 살펴봅니다. 데이터 마이닝은 데이터 세트에서 패턴을 찾고, 머신러닝은 데이터를 활용해 결과를 예측하거나 분류합니다.
| 특징 | Process Mining | 데이터 마이닝 | 머신러닝 |
|---|---|---|---|
| 답하는 질문 | 이 프로세스는 어떻게 진행되는가? | 이 데이터셋에는 어떤 패턴이 있는가? | 다음에 어떤 일이 일어날 수 있는가, 또는 이 케이스는 무엇인가? |
| 분석 단위 | 시간에 따라 활동을 거치는 케이스 | 레코드, 행, 특징 | 예측 결과에 연결된 입력값 |
| 입력 | 케이스 ID, 활동, 타임스탬프가 포함된 이벤트 로그 | 준비된 데이터셋 | 레이블이 있거나 없는 학습 데이터 |
| 결과 | 프로세스 모델, 변형, 적합성, 병목 | 패턴, 세그먼트 또는 클러스터 | 예측값, 점수 또는 분류 결과 |
| 일반적인 활용 사례 | 주문이 어디에서 대기하고 어떻게 이동하는지 파악 | 고객 레코드에서 패턴 찾기 | 배송 지연 가능성 예측 |
두 방법의 가장 큰 차이는 각각 답하려는 질문에 있습니다. process mining은 활동이 진행되는 순서를 추적합니다. 케이스가 인계 단계에서 대기했는지, 같은 활동을 반복했는지 확인할 수 있습니다. 데이터 마이닝은 여러 레코드에서 패턴을 찾고, 머신러닝은 특정 결과가 발생할 가능성을 추정합니다.
각 방법은 서로 보완해서 사용할 수 있습니다. process mining으로 흐름을 파악하고 편차를 찾은 다음, 다른 분석 방법으로 패턴을 살펴보거나 결과를 예측할 수 있습니다. 다만 예측만으로 프로세스의 원인을 설명하거나 프로세스를 바꿀 수는 없습니다.
프로세스 분석에서 사용하는 용어는 ProcessMind 용어집에서 확인하세요.
다음 단계
가장 빠르게 process mining을 이해하는 방법은 익숙한 이벤트 로그에서 어떤 정보를 보여주는지 직접 확인하는 것입니다. 데이터를 불러오거나 샘플 프로세스를 사용해 보면 추상적인 개념이 구체적으로 와닿습니다.
