대출 실행 데이터 템플릿

대출 신청 ID는 대출 요청이 생성될 때마다 부여되는 고유 키입니다. 기본 케이스 식별자로서 최초 신청 접수부터 최종 자금 지급 또는 종결까지 관련 활동, 문서, 결정을 연결합니다. 각 신청의 전체 여정을 재구성하려면 이 ID가 일관되게 유지되어야 합니다.

process mining에서는 이 속성을 사용해 관련 이벤트를 하나의 케이스로 묶고, 신청별 프로세스 흐름과 처리 주기, 변형을 분석합니다. 일관되고 고유한 케이스 식별자가 없으면 프로세스를 정확하게 매핑하거나 성과를 분석할 수 없습니다.

관련 이벤트를 하나의 케이스로 묶어 대출 실행의 전체 여정을 분석할 수 있게 하는 process mining의 기본 키입니다.

일반적으로 대출 신청의 헤더나 기본 거래 테이블에서 확인할 수 있습니다.

이벤트 시작 시간은 활동이 시작된 시점을 나타내는 정확한 타임스탬프입니다. 이벤트 로그의 기본 구성 요소로, 이벤트를 시간순으로 정렬해 각 케이스의 프로세스 흐름을 재구성하는 데 필요합니다.

프로세스 분석에서는 시작 시간을 사용해 전체 케이스 소요 시간과 활동 간 경과 시간, 종료 시간이 있는 경우 각 단계의 실제 처리 시간을 계산합니다. 프로세스 진행 시점을 파악하고 지연을 찾아내며 서비스 수준 협약에 따른 성과를 평가할 때 기준이 되는 시간 속성입니다.

이 타임스탬프는 이벤트를 정렬하고 프로세스 처리 시간을 계산하며 활동 간 지연을 파악하는 데 중요합니다.

모든 시스템의 이벤트 로그나 트랜잭션 이력 테이블에 필요한 필드입니다.

활동 이름은 '대출 신청 접수', '신용 조회 완료', '대출 제안서 생성'처럼 대출 실행 워크플로의 특정 단계나 진행 상황을 나타냅니다. 각 활동은 시간과 리소스가 투입되는 개별 프로세스 단계입니다.

활동의 순서와 빈도를 분석하는 것은 process mining의 기본입니다. 실제 프로세스 흐름을 파악하고 자주 나타나는 경로를 찾으며 병목을 감지하고 각 단계의 소요 시간을 측정할 수 있습니다. 이해하기 쉽고 정확한 프로세스 맵을 만들려면 활동 이름을 명확하고 일관되게 정해야 합니다.

프로세스의 단계를 정의하는 속성입니다. 프로세스 흐름을 시각화하고 분석하며 병목을 찾고 단계별 소요 시간을 측정할 수 있습니다.

업무 프로세스의 단계를 기록하는 이벤트 로그나 트랜잭션 테이블에서 찾을 수 있습니다.

소스 시스템 이름은 이벤트 데이터를 생성한 애플리케이션이나 플랫폼을 나타냅니다. 예를 들어 대출 실행 시스템(LOS), CRM, 문서 관리 시스템 등이 있습니다. 오늘날 기업에서는 대출 실행과 같은 하나의 업무 프로세스가 서로 연결된 여러 시스템에 걸쳐 진행되는 경우가 많습니다.

각 이벤트의 소스 시스템을 식별하면 데이터를 검증하고 문제를 해결하며 프로세스의 기술 환경을 파악하는 데 도움이 됩니다. 분석가는 데이터를 생성한 시스템을 추적하고, 각 시스템이 전체 프로세스 흐름에 어떻게 기여하는지와 지연이 발생할 가능성이 있는 지점을 확인할 수 있습니다.

데이터의 출처를 추적할 수 있어 데이터 검증과 여러 IT 시스템에 걸친 프로세스 흐름을 파악하는 데 중요합니다.

데이터 추출 파일에 기본 필드로 포함되는 경우가 많으며, 데이터 엔지니어링 과정에서 추가할 수도 있습니다.

이 속성은 소스 시스템에서 데이터를 마지막으로 추출하거나 갱신한 시점을 기록합니다. 데이터 거버넌스와 품질 관리에 필요한 메타데이터 필드입니다.

데이터가 마지막으로 업데이트된 시점을 알면 분석가는 데이터의 최신성을 파악하고 현재 정보를 바탕으로 분석이 이루어지는지 확인할 수 있습니다. 진행 중인 프로세스를 모니터링할 때는 프로세스 현황이 얼마나 최신인지 보여주므로 특히 중요합니다. 데이터 파이프라인을 디버깅하고 데이터 수집 일정의 잠재적 문제를 찾는 데도 유용합니다.

데이터가 최신 상태인지 확인해 시의성 있는 정보를 바탕으로 분석하고 데이터 품질을 관리할 수 있습니다.

일반적으로 데이터 추출, 변환, 적재(ETL) 과정에서 생성되어 저장됩니다.

대출 신청의 최종 결과가 거절인 경우, 거절 사유에는 거절 이유를 설명하는 코드나 문구가 기록됩니다. 일반적인 사유로는 신용 이력 부족, 소득 대비 부채 비율 과다, 신청서 미비 등이 있습니다.

이 속성은 신청 실패의 근본 원인을 분석하는 데 유용합니다. 자주 발생하는 거절 사유를 분석하면 신청자 구성, 심사 기준, 신청 절차 자체의 구조적인 문제를 파악할 수 있습니다. 분석 결과는 거절률을 낮추기 위한 마케팅 전략과 상품 개발, 프로세스 개선에 활용할 수 있습니다.

신청이 거절된 이유를 파악하고 개선 대상을 구체화하는 근본 원인 분석에 필요한 정보를 제공합니다.

최종 심사 이벤트의 일부로 기록되며, 대개 거절 결과와 연결됩니다.

담당 사용자는 특정 활동을 수행했거나 해당 활동을 맡은 직원 또는 시스템 사용자를 식별합니다. 대출 담당자, 대출 처리 담당자, 심사 담당자, 대출 종결 담당자 등이 해당합니다.

이 속성은 팀과 개인의 성과, 업무량 배분, 리소스 할당을 분석하는 데 필요합니다. 사용자별 활동을 추적하면 조직은 성과가 높은 직원을 파악하고 교육이 필요한 부분을 찾아 업무량을 재조정해 효율을 높일 수 있습니다. 사용자나 팀에 따라 프로세스 결과와 처리 시간이 어떻게 달라지는지도 분석할 수 있습니다.

업무량 배분과 팀 성과를 분석하고 프로세스에서 리소스와 관련된 병목을 찾는 데 필요합니다.

시스템 내 사용자 작업을 기록하는 트랜잭션 로그나 이벤트 로그에서 확인할 수 있습니다.

대출 금액은 신청자가 요청한 원금입니다. 대출 신청의 복잡성과 위험 수준에 영향을 미치는 중요한 금융 속성입니다.

대출 금액이 크면 심사 절차가 강화되거나 추가 승인 단계가 필요할 수 있으며 수수료 구조도 달라질 수 있습니다. 대출 금액에 따라 프로세스를 분석하면 금액이 처리 시간과 승인율, 심사 강도에 미치는 영향을 파악할 수 있습니다. 대출 파이프라인의 총액이나 대출 금액당 비용을 계산하는 등 재무 분석에도 활용됩니다.

프로세스의 복잡성과 위험 수준에 영향을 주는 속성으로, 대출 금액이 처리 시간과 승인율에 미치는 영향을 분석할 수 있습니다.

대출 신청 데이터의 기본 필드로, 일반적으로 대출 기본 정보 테이블에 저장됩니다.

대출 상품 유형은 신청한 금융 상품에 따라 대출 신청을 분류합니다. 예를 들어 일반 주택담보대출, FHA 대출, 자동차 대출, 개인 한도 대출 등이 있습니다.

대출 상품에 따라 프로세스와 규정 준수 요건, 위험 수준이 달라지는 경우가 많습니다. 상품 유형별로 프로세스를 분석하면 차이를 파악하고 상품군별 워크플로를 개선할 수 있습니다. 이처럼 구분하면 개선 대상을 구체화하고 대출 포트폴리오 내 처리 시간, 승인율, 재작업의 차이를 설명하는 데 도움이 됩니다.

대출 유형별로 프로세스를 구분해 성과를 비교하고 워크플로의 차이를 파악할 수 있습니다.

대출 신청서의 기본 필드로, 일반적으로 주 신청 데이터 테이블에 저장됩니다.

신청 채널은 신청자가 처음 문의하거나 신청서를 제출한 경로를 나타냅니다. 온라인 포털, 모바일 앱, 지점 방문, 제3자 중개인 등이 해당합니다.

채널에 따라 고객 경험과 내부 처리 워크플로가 크게 달라질 수 있습니다. 채널별 프로세스를 분석하면 각 신청 경로의 효율과 효과를 파악할 수 있습니다. 처리 시간이 짧거나 고객 만족도와 데이터 품질이 높은 채널을 찾아 기술과 운영에 대한 투자 방향을 정하는 데 참고할 수 있습니다.

온라인, 지점 방문, 모바일 등 신청 채널별로 프로세스 성과와 고객 경험을 분석할 수 있습니다.

신청 절차가 시작될 때 수집되어 주 대출 신청 테이블에 저장됩니다.

심사 결과는 대출 신청 처리가 모두 끝난 뒤의 최종 상태를 나타냅니다. 일반적인 결과로는 승인, 거절, 신청자 철회, 대안 조건 제시 등이 있습니다.

이 속성은 어떤 프로세스 경로가 성공 또는 실패로 이어지는지 파악하는 결과 분석에 필요합니다. 프로세스의 차이와 심사 결과를 비교하면 승인율을 높이는 모범 사례나 거절로 이어지는 행동을 찾을 수 있습니다. 이러한 분석은 프로세스 효율과 업무 성과를 개선하는 데 중요합니다.

결과 분석에 필요하며, 대출 신청의 성공 또는 실패와 관련된 프로세스의 진행 방식과 경로를 파악할 수 있습니다.

일반적으로 대출 신청 상태 필드나 트랜잭션 이력의 심사 결과 이벤트에 기록됩니다.

이벤트 종료 시간은 활동이 끝난 정확한 시점을 나타냅니다. 시작 시간만 기록되는 주요 시점도 있지만, 많은 활동에는 명확한 소요 시간이 있습니다. 종료 시간이 있으면 실제 처리 시간을 직접 계산할 수 있습니다.

실제 처리 시간을 분석하면 리소스 활용 현황을 파악하고 특정 작업의 비효율을 찾아내며 케이스를 실제로 처리한 시간과 대기 시간을 구분할 수 있습니다. 예를 들어 대출 신청이 심사 담당자의 대기열에 머문 시간과 실제 심사에 걸린 시간을 구분할 수 있습니다.

활동의 실제 처리 시간을 계산해 부가가치가 있는 업무와 대기 시간을 구분할 수 있습니다.

활동 시간을 추적하는 시스템의 이벤트 로그나 트랜잭션 테이블에서 시작 시간과 함께 확인할 수 있습니다.

이 불리언 속성은 자동 신용 조회나 초기 서류 검증처럼 시스템이 자동으로 처리한 활동과 사용자가 직접 수행한 활동을 구분합니다.

이 구분은 프로세스의 자동화 수준과 효율에 미치는 영향을 파악하는 데 중요합니다. 자동 처리 단계와 수동 처리 단계를 분석하면 추가 자동화 기회를 찾고 기존 자동화로 절감한 시간을 측정하며 인력의 업무량을 파악할 수 있습니다. 대출 실행 과정에서 사람과 시스템이 어떻게 상호작용하는지 명확하게 보여줍니다.

시스템이 처리한 활동과 사람이 수행한 활동을 구분해 자동화 수준과 리소스 업무량을 분석할 수 있습니다.

이벤트 로그의 필드로 제공되거나 활동 이름 또는 이벤트와 연결된 사용자(예: 'system' 사용자)를 기준으로 산출할 수 있습니다.

이 속성은 대출 처리, 심사, 대출 종결 등 특정 활동을 담당하거나 특정 시점에 케이스를 맡은 부서 또는 기능별 팀을 식별합니다.

부서 간 인계 내역을 추적하면 조직의 워크플로를 이해하고 부서 간 지연을 찾는 데 도움이 됩니다. 부서별로 프로세스를 분석하면 팀별 성과와 업무량을 측정하고 팀 간 협업과 인계 절차를 개선할 수 있습니다.

기능별 팀의 프로세스 인계와 성과를 분석해 부서 간 병목과 비효율을 파악할 수 있습니다.

워크플로 관리 시스템에서 확인하거나 작업에 지정된 사용자 또는 역할을 기준으로 산출할 수 있습니다.

대출 심사 SLA 목표는 대출 신청의 심사 단계를 완료해야 하는 기준 시간을 정합니다. 업무 부서가 적시에 처리하기 위해 설정한 KPI 기준입니다.

타임스탬프로 계산한 실제 심사 소요 시간과 목표를 비교하면 SLA 준수 여부를 측정할 수 있습니다. 이를 통해 심사 단계의 병목을 찾고 팀 성과를 평가하며 고객의 기대를 효과적으로 관리할 수 있습니다.

서비스 수준 협약에 따른 성과를 측정하는 기준으로, 지연을 파악하고 운영 목표를 관리하는 데 도움이 됩니다.

일반적으로 업무 규칙 설정이나 서비스 수준 협약 문서에 정의되며, 케이스 데이터에 저장될 수 있습니다.

신용 점수는 신청 절차 중 신용평가기관에서 조회한 신청자의 신용도를 수치로 나타낸 값입니다. 위험 평가와 대출 심사 결정의 주요 기준입니다.

신용 점수가 높으면 일반적으로 위험이 낮다고 판단해 더 유리한 대출 조건을 적용하거나 승인을 빠르게 진행할 수 있습니다. process mining으로 신용 점수가 프로세스에 미치는 영향을 분석하면 위험 수준이 다른 신청자에게 어떤 경로가 적용되는지 파악할 수 있습니다. 예를 들어 점수가 낮은 신청은 수동 검토를 더 많이 거치거나 추가 서류를 요구받아 처리 시간이 길어질 수 있습니다.

위험 평가의 주요 기준으로, 프로세스 경로와 심사 결과, 전체 처리 시간에 큰 영향을 줄 수 있습니다.

외부 신용평가기관에서 가져와 신청자 프로필 데이터와 함께 저장합니다.

신청자 유형은 금융기관과 신청자의 관계에 따라 신규 고객이나 기존 고객 등으로 분류합니다.

신청자 유형에 따라 프로세스가 달라질 수 있으므로 이 구분은 중요합니다. 기존 고객은 이미 보유한 데이터 덕분에 절차가 간소화될 수 있지만, 신규 고객은 신원과 정보를 더 자세히 확인해야 할 수 있습니다. 신청자 유형별로 프로세스를 분석하면 이러한 차이를 파악하고 각 고객군에 맞게 고객 여정을 조정하고 개선할 수 있습니다.

워크플로와 서비스 수준에 대한 기대가 다를 수 있는 고객군별로 프로세스를 비교할 수 있습니다.

고객 관계 관리(CRM) 데이터에서 가져오거나 신청서에 기재된 정보를 사용합니다.

지역은 부동산 소재 주, 신청을 처리하는 지점, 신청자 거주 지역 등 대출과 관련된 위치를 나타냅니다.

이 속성을 사용하면 지역별 프로세스 차이를 분석할 수 있습니다. 예를 들어 주마다 규정 준수 요건이 달라 프로세스 단계가 추가될 수 있고, 지점에 따라 처리 효율이 다를 수 있습니다. 지역별로 구분하면 대출 실행 프로세스에 영향을 미치는 성과 차이와 리소스 수요, 시장별 동향을 파악할 수 있습니다.

지역별 분석을 통해 프로세스 성과와 규정 준수 요건, 업무 결과의 차이를 파악할 수 있습니다.

부동산 주소나 신청서를 제출한 지점 등 신청 데이터에서 확인할 수 있습니다.