KYC 고객 온보딩 데이터 템플릿

고객 신청 ID는 온보딩 요청이 시작된 시점부터 완료되거나 종료될 때까지 각 요청에 부여되는 고유 키입니다. 이 ID는 하나의 온보딩 절차와 관련된 모든 활동, 이벤트, 데이터 지점을 연결하는 기준이므로 process mining에서 가장 중요한 속성입니다.

분석 시 이 ID를 사용하면 고객별 전체 프로세스를 재구성할 수 있습니다. 신청 진행 상황을 추적하고 전체 처리 시간을 계산하며 다른 신청의 경로와 비교할 수 있습니다. 프로세스 변형, 병목, 성과 지표를 신청별로 분석하려면 이 속성을 케이스 ID로 정확히 식별해 사용해야 합니다.

관련된 모든 이벤트를 하나의 전체 프로세스로 묶는 데 필수이며, 모든 process mining 분석의 기반이 됩니다.

일반적으로 고객 신청 시스템이나 케이스 관리 시스템의 헤더 또는 기본 테이블에서 찾을 수 있습니다.

이벤트 시작 시간은 활동이 시작된 정확한 날짜와 시간을 나타냅니다. 케이스 ID, 활동명과 함께 process mining의 세 가지 필수 요소 중 하나입니다. 타임스탬프가 있으면 케이스별 이벤트를 시간순으로 정렬할 수 있어 실제로 진행된 프로세스 흐름을 재구성할 수 있습니다.

이 속성은 시간 관련 분석의 기반입니다. 종료 시간이 있으면 활동별 소요 시간을 계산하고, 활동 간 대기 시간(인계 시간)과 전체 온보딩 프로세스의 처리 시간을 산출할 수 있습니다. 이러한 시간을 분석하면 병목을 찾고 SLA 준수 여부를 측정하며 전반적인 프로세스 성과를 모니터링할 수 있습니다.

이벤트의 시간순서를 제공하므로 프로세스 모델을 발견하고 시간 기반 성과 지표를 계산하는 데 필수입니다.

이벤트 로그, 신청 감사 추적 또는 거래 테이블에서 찾을 수 있으며, '타임스탬프', '생성일' 또는 '시작 시간'으로 표시되는 경우가 많습니다.

활동명은 고객 온보딩 절차의 개별 단계나 주요 시점을 나타냅니다. 예를 들어 '신청 제출', '규정 준수 검토 시작', '신청 승인' 등이 있습니다. 각 활동은 사용자나 시스템이 신청을 다음 단계로 진행하기 위해 수행한 구체적인 작업을 의미합니다.

이 속성은 process mining의 핵심인 프로세스 맵을 시각화하는 데 기본이 됩니다. 활동의 순서와 빈도를 분석하면 실제 프로세스 흐름을 파악하고, 자주 거치는 경로와 프로세스 이탈, 재작업이나 반복이 발생하는 지점을 찾을 수 있습니다. 의미 있고 이해하기 쉬운 프로세스 모델을 만들려면 활동명을 명확하고 일관되게 작성해야 합니다.

프로세스의 단계를 정의하므로 프로세스 흐름과 병목, 변형을 시각화하고 분석할 수 있습니다.

업무 프로세스 단계를 기록하는 이벤트 로그, 감사 추적 또는 거래 테이블에서 찾을 수 있습니다.

소스 시스템 속성은 특정 활동의 데이터를 생성한 애플리케이션이나 플랫폼을 나타냅니다. 복잡한 환경에서는 KYC 프로세스가 신청 접수용 CRM, 위험 평가 전용 KYC 플랫폼, 계정 생성용 코어 뱅킹 시스템 등 여러 시스템에 걸쳐 진행될 수 있습니다.

소스 시스템별로 프로세스를 분석하면 시스템 환경과 프로세스에 미치는 영향을 파악할 수 있습니다. 시스템 간 연동 문제나 데이터 지연, 시스템마다 정보를 기록하는 방식의 차이를 확인하는 데 도움이 됩니다. 이 관점은 온보딩을 지원하는 시스템 아키텍처를 개선하려는 IT 및 프로세스 개선 팀에 유용합니다.

각 프로세스 단계가 어느 시스템에서 진행되는지 파악할 수 있어 시스템 간 비효율과 데이터 연동 문제를 찾는 데 도움이 됩니다.

여러 시스템이 연동된 환경에서 데이터 추출 파일이나 이벤트 로그에 포함되는 경우가 많습니다.

이 속성은 데이터를 마지막으로 추출하거나 새로 고친 날짜와 시간을 기록합니다. 비즈니스 프로세스 자체에는 포함되지 않지만 데이터 검증과 거버넌스에 필요한 메타데이터입니다. 분석 중인 데이터가 얼마나 최신인지 명확히 보여줍니다.

프로세스 분석에서는 마지막 데이터 업데이트 시점을 알아야 인사이트의 적시성을 판단할 수 있습니다. 데이터가 얼마나 최신인지 확인해 분석 결과에 대한 신뢰를 높이고, 오래된 정보를 바탕으로 잘못 해석하는 일을 방지합니다. 지속적으로 모니터링할 때는 데이터 새로 고침이 지연되거나 실패하면 알림을 설정해 process mining 대시보드의 신뢰성을 유지할 수 있습니다.

데이터의 최신성을 보여줘 분석의 적절성과 정확성에 중요한 데이터 투명성을 확보합니다.

데이터 추출, 변환, 적재(ETL) 과정에서 생성되며 데이터셋 메타데이터에서 찾을 수 있는 경우가 많습니다.

고객 유형은 신청자를 '개인', '법인', '신탁', '비영리 단체' 등으로 분류합니다. 고객 유형에 따라 온보딩 요건과 프로세스 복잡성이 크게 달라질 수 있습니다.

분석을 위한 주요 세분화 기준입니다. 고객 유형별로 프로세스 맵과 KPI를 필터링하면 중요한 차이를 확인할 수 있습니다. 예를 들어 법인 고객 온보딩에는 실소유자 확인과 같은 복잡한 단계가 포함되지만 개인 고객에게는 필요하지 않습니다. 이 분석을 통해 각 고객군에 맞게 프로세스 효율을 높이고, 대상별로 적절한 개선 방안을 마련할 수 있습니다.

고객 유형별로 프로세스를 나누어 온보딩 절차를 비교하고 최적화할 수 있습니다.

일반적으로 신청 절차 초기에 수집해 고객 또는 신청 기본 테이블에 저장합니다.

사용자 ID는 프로세스의 특정 활동을 수행한 사람이나 시스템 봇을 식별합니다. 규정 준수 담당자, 데이터 입력 직원, 자동 위험 점수 산정 엔진 등이 해당할 수 있습니다. 리소스 분석을 정확히 하려면 사용자 식별 정보가 일관되어야 합니다.

이 속성을 통해 프로세스를 사람 중심으로 살펴볼 수 있습니다. 업무량 분배, 개인 및 팀 성과, 리소스 배치를 분석하는 데 필요합니다. 사용자 ID로 프로세스 맵을 필터링하면 관리자는 직원별 작업 처리 방식을 파악하고 교육이 필요한 부분을 찾으며 업무가 균형 있게 배분되는지 확인할 수 있습니다. 또한 협업 분석을 통해 담당자 간 업무 인계 방식도 확인할 수 있습니다.

업무량, 리소스 성과, 협업 패턴을 분석해 리소스 관리와 교육을 개선할 수 있습니다.

시스템 감사 추적이나 거래 로그에서 확인할 수 있으며, 레코드를 생성하거나 마지막으로 수정한 사용자와 연결되는 경우가 많습니다.

사용자 부서는 활동을 수행한 사용자가 속한 기능 조직이나 팀을 나타냅니다. 예를 들어 '규정 준수', '고객 온보딩', '운영' 등이 있습니다. 개별 사용자 ID보다 상위 수준의 조직 정보를 제공합니다.

부서별로 프로세스를 분석하면 부서 간 협업을 파악하고 조직 전반의 병목을 찾을 수 있습니다. 팀 간 업무 인계를 시각화하는 데 도움이 되며, 이러한 인계는 지연과 비효율의 주요 원인인 경우가 많습니다. 이 정보는 팀 구조를 최적화하고 책임을 명확히 하며 소통 방식을 개선해 온보딩 절차를 원활하게 만드는 데 유용합니다.

팀별 프로세스 성과와 업무 인계를 분석해 부서 간 협업을 개선할 기회를 찾을 수 있습니다.

사용자 ID와 연결된 사용자 프로필 데이터에서 확인할 수 있으며, 거래 정보에 직접 기록되기도 합니다.

신청 상태는 '승인', '거부', '철회'와 같이 신청의 최종 처리 결과를 나타냅니다. 프로세스의 업무 결과를 보여주며 성과 측정에 중요한 기준입니다.

결과를 기준으로 분석할 때 필요한 속성입니다. 성공적으로 처리된 프로세스 경로와 거부로 이어진 경로를 비교할 수 있습니다. 분석가는 이를 활용해 거부율이 높은 프로세스 패턴을 찾고, '신청 거부율'과 같은 KPI를 계산하며, 신청자가 어느 단계에서 이탈하는지 확인하는 '온보딩 퍼널 분석'을 만들 수 있습니다. 신청이 거부되는 이유를 파악하는 것이 성공률을 높이기 위한 프로세스 개선의 첫걸음입니다.

각 케이스의 업무 결과를 정의하므로 신청이 거부되는 이유를 분석하고 승인율을 높이는 방법을 찾을 수 있습니다.

일반적으로 케이스 또는 신청 기본 테이블에서 레코드의 최종 상태를 나타냅니다.

위험 수준은 KYC 프로세스의 주요 결과로, 업종, 지역, 거래 패턴 등의 요소를 바탕으로 고객을 분류합니다. 이 분류에 따라 신청에 필요한 심사와 실사 수준이 결정됩니다.

process mining에서는 규정 준수 및 변형 분석을 위한 중요한 기준입니다. 설계상 고위험 고객의 프로세스는 저위험 고객보다 더 엄격하고 세밀해야 합니다. 위험 수준별 실제 프로세스 흐름을 예상 절차와 비교하면 내부 정책과 규정 준수 여부를 확인할 수 있습니다. '고위험 고객에게 항상 강화 실사를 진행하는가?', '저위험 고객 심사에 지나치게 많은 시간을 쓰고 있는가?'와 같은 질문에 답하는 데 도움이 됩니다.

규정 준수와 위험 관리에 필수이며, 위험 프로필에 따라 실사 절차가 적절히 달라지는지 분석할 수 있습니다.

위험 산정 엔진이 계산하거나 규정 준수 담당자가 직접 지정합니다. 고객 또는 신청 기본 레코드에 저장됩니다.

이벤트 종료 시간은 활동이 끝난 정확한 날짜와 시간을 나타냅니다. 이벤트 시작 시간과 함께 사용하면 개별 작업의 처리 시간을 정확히 계산할 수 있습니다. 모든 시스템이 시작 시간과 종료 시간을 모두 제공하는 것은 아니며, 완료 시점만 기록하는 시스템도 있습니다.

종료 시간은 성과 분석에 큰 도움이 됩니다. 직원이 작업을 실제로 처리한 시간과 작업이 대기열에서 기다린 시간을 구분해 '평균 규정 준수 검토 시간'과 같은 세부 지표를 만들 수 있습니다. 이를 통해 병목을 정확히 찾고 리소스 용량이나 프로세스 인계 중 어느 부분을 개선할지 판단할 수 있습니다.

활동별 처리 시간을 정확히 계산해 실제 작업 시간과 대기 시간을 구분할 수 있습니다.

이벤트 로그나 거래 테이블에서 시작 시간과 함께 찾을 수 있습니다. '종료 시간', '완료일' 또는 '수정일'로 표시될 수 있습니다.

서비스 수준 계약(SLA) 목표일은 고객 온보딩 프로세스의 완료 기한입니다. 내부 정책이나 계약상 의무에 따라 정해지는 경우가 많으며, 처리 적시성을 측정하는 기준으로 사용됩니다.

이 속성은 'SLA 성과 모니터링' 대시보드의 기반입니다. 신청의 실제 완료일을 SLA 목표일과 비교해 'SLA 준수율'을 계산할 수 있습니다. SLA를 지키지 못한 케이스를 분석하면 지연을 일으키는 구체적인 활동이나 부서를 찾을 수 있습니다. 이를 바탕으로 작업 대기열과 리소스 배치를 선제적으로 관리해 SLA 미준수를 줄이고 고객 만족도를 높일 수 있습니다.

성과 기준을 제공해 SLA 준수 여부를 측정하고 지연 위험이 있는 케이스를 찾을 수 있습니다.

신청 유형이나 기타 기준에 따라 케이스 생성 시 계산되어 신청 기본 레코드에 저장되는 경우가 많습니다.

신청 상태가 '거부'인 경우 거부 사유는 '서류 미비', '고위험 프로필', '제재 대상 일치'와 같은 구체적인 원인을 나타냅니다. 이 속성은 실패한 프로세스에 대한 중요한 맥락을 제공합니다.

거부 사유 분석은 '신청 거부 분석' 대시보드의 기반입니다. 온보딩 프로세스에서 자주 발생하는 실패 지점을 파악하기 위한 근본 원인 분석에 도움이 됩니다. 사유를 분류하고 발생 건수를 집계하면 개선 우선순위를 정할 수 있습니다. 예를 들어 '서류 미비'가 주요 사유라면 고객 안내를 명확히 하거나 서류 제출 포털을 개선할 수 있습니다.

신청이 실패한 근본 원인을 파악해 거부율을 낮추고 고객 경험을 개선할 수 있습니다.

일반적으로 신청 또는 케이스 기본 테이블에 저장되며, 상태가 '거부'로 설정될 때 입력되는 경우가 많습니다.

고객 ID는 여러 상호작용이나 신청에 걸쳐 동일하게 유지되는 고객 고유 식별자입니다. 고객 신청 ID가 하나의 온보딩 절차를 추적하는 반면, 고객 ID는 동일 고객의 여러 온보딩 신청이나 다른 프로세스를 연결할 수 있습니다.

이 속성을 사용하면 단일 케이스를 넘어 고객 중심으로 분석할 수 있습니다. 반복 신청자를 파악하고 고객과의 장기적인 관계를 분석하거나 온보딩 프로세스를 '대출 신청', '계정 관리'와 같은 다른 프로세스와 연결하는 데 유용합니다. 단일 프로세스 분석에 필수는 아니지만, 객체 중심 process mining을 위한 데이터의 활용도를 높여줍니다.

고객 중심으로 데이터를 살펴보고 동일 고객의 여러 온보딩 신청이나 관련 프로세스를 연결할 수 있습니다.

일반적으로 중앙 고객 마스터 데이터 시스템에서 찾을 수 있으며 신청 레코드와 연결됩니다.

고객 국가는 신청자의 지역을 나타냅니다. 국가마다 규정과 위험 요소가 크게 다를 수 있으므로 KYC 프로세스에서 중요한 정보입니다.

지역별 분석을 통해 추가적인 인사이트를 얻을 수 있습니다. 국가별 법적 요건에 따라 온보딩 절차가 달라질 수 있습니다. 고객 국가별로 필터링하면 관할 지역에 따른 절차가 올바르게 적용되는지 확인할 수 있습니다. 또한 강화 실사 요건으로 고위험 국가의 신청 처리 시간이 더 긴 경우처럼 성과 차이도 확인할 수 있습니다.

지역별 프로세스 변형과 성과를 분석할 수 있어 현지 규정 준수 여부를 확인하는 데 중요합니다.

신청 과정에서 고객으로부터 수집해 고객 또는 신청 레코드에 저장합니다.

이 속성은 고객이 신청서를 제출한 방식을 나타냅니다. 예를 들어 '웹 포털', '모바일 앱', '영업점 방문' 등이 있습니다. 채널에 따라 데이터 수집 절차와 고객 경험이 다를 수 있습니다.

채널별 프로세스를 분석하면 각 고객 접점의 성과와 효율을 평가할 수 있습니다. '모바일 신청이 웹 신청보다 빠르게 처리되는가?', '영업점에서 접수한 신청의 재작업률이 더 높은가?'와 같은 질문에 답할 수 있습니다. 이러한 인사이트는 모든 채널의 고객 여정을 최적화하고 리소스를 효과적으로 배치하는 데 유용합니다.

웹, 모바일, 대면 등 제출 채널별로 프로세스 효율과 고객 경험을 비교할 수 있습니다.

일반적으로 신청이 처음 생성되는 프로세스 초기에 기록됩니다.

이 불리언 속성은 소프트웨어나 봇이 실행한 작업과 사용자가 수행한 작업을 구분합니다. 자동화 활동에는 초기 데이터 검증, 제재 대상 확인, 표준 안내 발송 등이 포함될 수 있습니다.

자동화 도입의 효과를 평가하는 데 중요한 속성입니다. 자동화 단계와 수동 단계의 처리 속도 및 결과를 비교하면 비용과 처리 시간을 줄이기 위해 추가로 자동화할 기회를 찾을 수 있습니다. 또한 자동화 시스템의 성능을 모니터링하고 전체 프로세스에서 예상대로 작동하는지 확인하는 데 도움이 됩니다.

프로세스 자동화의 효과와 효율을 측정하고 RPA 또는 시스템 개선을 추가로 적용할 기회를 찾을 수 있습니다.

이벤트 로그의 전용 필드로 기록하거나 사용자 ID를 기준으로 추정할 수 있습니다. 예를 들어 ID가 'SYSTEM' 또는 'BOT'이면 자동화 활동으로 볼 수 있습니다.