직원 온보딩 데이터 템플릿

온보딩 사례 ID는 신규 입사자 한 명의 온보딩 과정을 시작부터 끝까지 추적하는 기본 키입니다. 최초 입사 제안 수락부터 필수 작업 완료까지 각각의 온보딩 프로세스에 고유 ID가 부여됩니다. 이 ID를 통해 관련 이벤트, 작업, 주요 단계를 연결할 수 있습니다.

process mining에서 이 속성은 사례를 연결하는 데 필수적입니다. 소프트웨어는 이 ID를 사용해 신규 입사자별 전체 프로세스 흐름을 재구성하고, '신원 조회 시작'과 '장비 배송 완료'처럼 서로 다른 이벤트를 하나의 일관된 타임라인으로 연결합니다. 신뢰할 수 있는 사례 식별자가 없으면 사례별 프로세스 분석이 불가능합니다.

신규 입사자 한 명의 온보딩 과정에서 발생한 관련 이벤트를 모두 연결하는 데 필요한 필수 키로, 전체 프로세스 분석을 가능하게 합니다.

일반적으로 직원의 채용 프로세스가 시작될 때 기본 HR 시스템이나 온보딩 관리 시스템에서 생성됩니다.

이벤트 시각은 활동이 발생한 정확한 순간을 기록하는 타임스탬프입니다. 이벤트를 시간순으로 정렬하고 프로세스의 각 단계에 걸리는 시간을 계산하는 데 필요합니다. 활동이 완료된 시각이나 순간적으로 발생한 이벤트의 시각을 기록해야 합니다.

이 속성은 process mining에서 시간 기반 분석의 토대입니다. 주기 시간, 대기 시간, 처리 시간 등의 주요 성과 지표를 계산하는 데 사용됩니다. 타임스탬프를 분석하면 병목을 찾고, 서비스 수준 협약에 따른 프로세스 성과를 측정하며, 활동이 시간에 따라 어떻게 분포하는지 파악할 수 있습니다.

이 타임스탬프는 이벤트를 시간순으로 정렬하고 주기 시간과 대기 시간 등 시간 관련 지표를 계산하며 프로세스 병목을 찾는 데 필수적입니다.

각 온보딩 작업이나 주요 단계와 관련된 시스템 로그 또는 거래 기록에서 확인할 수 있습니다. 완료 날짜나 생성 날짜로 표시되는 경우가 많습니다.

이 속성은 전체 온보딩 프로세스에 포함된 개별 단계나 이벤트를 설명합니다. 예를 들면 '입사 제안 수락', '신원 조회 완료', 'IT 리소스 준비 요청' 등이 있습니다. 정확하고 이해하기 쉬운 프로세스 맵을 만들려면 활동 이름을 일관된 규칙에 따라 정해야 합니다.

분석에서는 활동명을 사용해 프로세스 흐름을 시각화하고, 특정 단계 사이의 병목을 찾으며, 각 활동의 발생 빈도를 측정합니다. 활동명은 프로세스 맵의 기반이 되며, 분석가가 온보딩의 각 단계에서 어떤 일이 일어나는지 파악하도록 돕습니다. 활동의 순서와 빈도를 분석하면 프로세스 이탈과 비효율을 발견할 수 있습니다.

프로세스의 개별 단계를 정의해 프로세스 맵을 만들고 워크플로, 병목, 이탈을 분석할 수 있게 합니다.

HR, IT 및 온보딩 시스템의 이벤트 로그, 작업 관리 모듈 또는 감사 추적에서 가져옵니다.

이 속성은 데이터 세트의 각 이벤트가 발생한 정보 시스템을 식별합니다. 예를 들어 HRIS, 지원자 추적 시스템(ATS), IT 서비스 관리(ITSM) 도구 등이 있습니다. 온보딩 프로세스는 여러 시스템에 걸쳐 진행되는 경우가 많으므로, 데이터 검증과 시스템 간 상호작용을 파악하려면 원천 시스템을 추적해야 합니다.

process mining 분석에서 원천 시스템을 알면 데이터 품질 문제를 진단하고 플랫폼 간 인계 과정을 파악하는 데 도움이 됩니다. 예를 들어 HR 시스템의 활동과 이에 대응하는 IT 시스템의 활동 사이에 발생한 시간 지연을 분석하면 시스템 통합 문제나 수동 데이터 전송 지연을 발견할 수 있습니다. 또한 특정 프로세스 단계가 그렇게 진행되는 이유를 이해하는 데 필요한 맥락을 제공합니다.

각 이벤트의 발생 시스템을 식별하므로, 데이터 품질 문제를 해결하고 기업 시스템 간 프로세스 인계를 분석하는 데 중요합니다.

일반적으로 데이터 추출, 변환, 적재(ETL) 과정에서 이 정보를 추가하거나, 중앙 데이터 웨어하우스의 표준 필드로 관리합니다.

이 속성은 원천 시스템의 데이터가 마지막으로 동기화된 시각을 나타냅니다. 분석 대상 데이터가 최신인지 확인하는 데 필요한 메타데이터입니다. 실제 업무 활동이 발생한 시각을 기록하는 이벤트 시각과는 다릅니다.

최종 데이터 업데이트 시각은 데이터 거버넌스와 최신 정보를 바탕으로 분석하는 데 중요합니다. 대시보드 사용자는 실시간 데이터를 보고 있는지, 특정 시점의 스냅샷을 보고 있는지 확인할 수 있습니다. 데이터 파이프라인 문제를 해결하고 데이터 추출 작업이 일정에 맞게 실행되는지 검증할 때도 필요합니다.

데이터의 최신 상태를 보여주므로, 데이터 거버넌스와 최신 운영 현황을 반영한 프로세스 분석에 중요합니다.

일반적으로 데이터 수집 과정에서 데이터 추출, 변환, 적재(ETL) 도구나 데이터 파이프라인이 이 시각을 생성하고 기록합니다.

이 속성은 신규 입사자가 근무할 지리적 위치나 실제 근무 장소를 나타냅니다. 도시, 국가, 특정 사무실 건물 또는 원격 근무와 같은 형태일 수 있습니다.

지역에 따라 법적 요건, 사무실 운영 방식, 지역별 관리 관행이 달라 온보딩 프로세스에도 차이가 생길 수 있으므로 근무지는 중요한 분석 기준입니다. 근무지별로 프로세스를 필터링하거나 비교하면 지역 간 차이를 파악하고 현지 규정 준수를 확인할 수 있으며, 적절한 경우 온보딩 경험을 표준화할 수 있습니다. 현지 요구와 회사 기준의 균형을 맞춰야 하는 글로벌 기업에 특히 중요합니다.

지역별 온보딩 프로세스 차이를 분석할 수 있어, 글로벌 조직의 규정 준수와 일관된 온보딩 경험을 마련하는 데 중요합니다.

일반적으로 HR 시스템의 직원 프로필에 저장되며, 채용 요청 정보를 바탕으로 정해지는 경우가 많습니다.

이 속성은 신규 입사자가 소속된 조직 단위를 나타냅니다. 예를 들어 영업, 엔지니어링, 재무 등이 있습니다. 각 온보딩 케이스를 이해하는 데 필요한 업무 맥락을 제공합니다.

process mining 분석에서 부서는 필터링과 비교에 사용하는 주요 기준입니다. 분석가는 부서별로 온보딩 프로세스를 나누어 조직 내 성과 차이를 파악할 수 있습니다. 예를 들어 엔지니어링 부서와 마케팅 부서의 평균 온보딩 주기를 비교해 모범 사례나 지원이 필요한 영역을 찾을 수 있습니다. 리소스 배분을 파악하고 부서별 온보딩 병목을 찾는 데도 도움이 됩니다.

사업 부문별 온보딩 효율, 프로세스 차이, 신규 입사자 경험을 비교해 표준화 기회를 찾을 수 있습니다.

일반적으로 HR 시스템의 신규 입사자 프로필이나 채용 요청 데이터에서 가져옵니다.

이 속성은 특정 활동을 수행한 주체를 식별합니다. 채용 관리자와 같은 특정 사용자, IT 지원과 같은 역할, 자동화된 시스템이나 봇이 수행자일 수 있습니다. 프로세스에 참여하는 리소스와 인계 과정을 이해하는 데 필요한 정보입니다.

이벤트 수행자를 분석하면 상호작용과 업무량을 보여주는 관계망이나 조직도를 만들 수 있습니다. 어느 부서나 개인에게 병목이 발생하는지 파악하고, 반복적인 수작업을 찾아 자동화 기회를 확인할 수 있습니다. 누가 어떤 일을 하는지 이해하는 것은 리소스를 최적화하고 부서 간 협업을 개선하는 데 기본이 됩니다.

각 작업의 수행 주체를 확인해 업무량 배분, 인계 효율, 자동화 기회를 분석할 수 있습니다.

원천 시스템의 감사 추적 기록이나 이벤트 로그 데이터에서 확인할 수 있습니다. 보통 '사용자 ID', '변경자', '시스템 에이전트' 등의 필드에 기록됩니다.

이벤트 종료 시각은 일정 시간 동안 진행되는 활동이 완료된 시점을 나타냅니다. 온보딩 이벤트 중에는 즉시 완료되는 활동도 많지만, '신원 조회'나 '필수 교육'처럼 시작과 종료 시점이 분명한 작업도 있습니다. 이 속성은 이러한 작업의 종료 시점을 기록합니다.

process mining에서 시작 시각과 종료 시각을 모두 사용하면 활동 처리 시간을 정확하게 계산할 수 있습니다. 이는 활동 간 대기 시간과 다릅니다. 처리 시간을 분석하면 단계 사이의 지연이 긴 곳뿐 아니라 완료까지 가장 오래 걸리는 작업도 찾을 수 있습니다. 정확한 리소스 활용 모델을 만들고 개별 작업의 병목을 자세히 분석하는 데도 중요합니다.

개별 활동의 완료까지 걸리는 시간인 처리 시간을 정확하게 계산할 수 있어, 리소스 분석과 비효율적인 작업 파악에 도움이 됩니다.

일반적으로 활동에 '진행 중', '완료'처럼 구분되는 상태가 있는 작업 관리 시스템이나 워크플로 시스템에서 확인할 수 있습니다.

직원 ID는 신규 입사자가 회사의 인사 정보 시스템(HRIS)에 정식으로 등록될 때 부여되는 고유 코드입니다. 온보딩 케이스 ID와는 별개이며, 직원의 영구 기록을 식별하는 기본 키로 사용됩니다.

온보딩 케이스 ID가 프로세스를 추적한다면, 직원 ID는 온보딩 활동을 특정 직원과 연결합니다. 이를 통해 온보딩 경험과 이후의 직원 성과, 참여도, 근속 여부 간의 관계를 장기적으로 분석할 수 있습니다. 또한 HR 시스템의 근속 기간이나 직무 변경 정보 등 다른 직원 속성을 온보딩 데이터에 추가할 때도 사용합니다.

온보딩 프로세스를 직원의 영구 기록과 연결해, 온보딩이 직원의 근속과 성과에 미치는 영향을 장기적으로 분석할 수 있습니다.

신규 입사자 프로필이 생성된 후 핵심 인사 정보 시스템(HRIS)이나 직원 마스터 데이터 파일에서 가져옵니다.

이 속성은 신규 입사자가 근무를 시작하는 공식 날짜입니다. 온보딩 프로세스의 주요 이정표이며 여러 성과 지표를 산출할 때 기준으로 사용됩니다.

직원 입사일을 기준으로 입사 전과 입사 후의 온보딩 단계를 구분할 수 있습니다. '첫 출근일 준비 완료율'이나 '입사 전 소요 시간'과 같은 KPI를 계산하는 데 필요합니다. '장비 전달'과 같은 활동의 시각을 입사일과 비교하면 신규 입사자를 맞이할 준비가 얼마나 잘 이루어졌는지 측정할 수 있습니다. 이 날짜는 입사 전 준비 활동의 마감 기준이 됩니다.

입사 전 준비와 입사 후 활동을 구분하는 기준일이며, '첫 출근일 준비 완료'와 기타 주요 KPI를 측정하는 데 필요합니다.

일반적으로 인사 정보 시스템(HRIS)에 저장된 직원의 계약서나 프로필에 포함된 기본 날짜 필드입니다.

직책 속성은 신규 입사자가 맡을 공식 직책을 나타냅니다. 예를 들어 소프트웨어 엔지니어, 고객 관리 담당자, HR 제너럴리스트 등이 있습니다. 이 정보는 온보딩 프로세스를 더 세부적으로 분석하는 데 도움이 됩니다.

직책이나 직급별로 프로세스를 분석하면 중요한 패턴을 찾을 수 있습니다. 예를 들어 임원 직책의 온보딩은 신입 직책보다 절차가 크게 다르고 더 오래 걸릴 수 있습니다. 이 속성을 사용하면 직원 집단별로 맞춤형 프로세스 보기를 만들 수 있습니다. 비슷한 직무끼리 비교하고 직무별 온보딩 경로를 설계하는 데도 도움이 됩니다.

직무별 온보딩 프로세스 차이를 분석해, 직무에 맞는 프로세스 최적화와 맞춤화가 필요한 영역을 찾을 수 있습니다.

채용 요청 정보나 인사 정보 시스템(HRIS)에 등록된 직원의 직위 정보에서 가져옵니다.

채용 관리자 속성은 신규 입사자의 직속 상사를 식별합니다. 이 관리자는 신규 직원의 적응, 교육, 초기 성과를 주로 책임집니다.

process mining에서 채용 관리자별 활동을 분석하면 온보딩 과정에서 관리자의 참여도와 업무 수행 방식이 어떻게 다른지 파악할 수 있습니다. 온보딩 업무를 효율적으로 완료하는 관리자와 추가 지원이나 교육이 필요한 관리자를 찾는 데 도움이 됩니다. 직속 관리자의 영향이 큰 신규 입사자 경험을 개선하고 일관성을 높이려면 관리자의 책임과 역할을 명확히 하는 것이 중요합니다.

관리자가 온보딩 책임을 얼마나 일관되게 수행하는지 평가할 수 있습니다. 이는 신규 입사자의 경험과 업무 생산성을 갖추기까지 걸리는 시간에 직접 영향을 줍니다.

채용 요청 데이터나 HR 시스템에 정의된 직원의 보고 체계에서 가져옵니다.

이 속성은 신규 입사자의 고용 형태를 구분합니다. 일반적인 값으로는 정규직, 시간제 근무자, 계약직, 인턴 등이 있습니다. 고용 형태에 따라 온보딩 프로세스의 복잡성과 요구 사항이 달라질 수 있습니다.

고용 형태별 프로세스 분석은 프로세스 차이를 이해하는 데 중요합니다. 예를 들어 계약직 온보딩은 정규직보다 훨씬 짧고, 법무 및 IT 절차도 다를 수 있습니다. 이 속성으로 분석을 구분하면 성과 지표를 공정하게 비교하고 고용 형태별 온보딩 경로를 최적화할 수 있습니다.

고용 형태별로 온보딩 프로세스를 나누어 분석할 수 있습니다. 이를 통해 성과를 공정하게 비교하고 각 유형에 맞는 프로세스 경로를 최적화할 수 있습니다.

일반적으로 핵심 HR 시스템의 직원 직무 또는 직위 데이터에 포함된 기본 속성입니다.

이 속성에는 신규 입사자의 전체 이름이 들어 있습니다. 각 온보딩 케이스를 사람이 쉽게 알아볼 수 있어, ID 번호를 따로 조회하지 않고도 특정 사례를 확인할 수 있습니다.

신규 입사자 이름은 일반적으로 집계 프로세스 분석에는 사용하지 않지만, 운영 현황을 살피고 개별 케이스를 한 단계 아래로 내려가 확인할 때 유용합니다. 예를 들어 온보딩 진행 상황을 추적하는 실시간 대시보드에 특정 단계에서 멈춰 있는 신규 입사자의 이름을 표시하면 HR 담당자나 관리자가 직접 조치할 수 있습니다. process mining 대시보드를 더 편리하게 활용할 수 있도록 돕는 정보입니다.

개별 케이스를 쉽게 알아볼 수 있어, 관리자와 HR 담당자가 특정 온보딩 과정을 추적하고 확인하기 편리합니다.

지원자 추적 시스템(ATS)이나 인사 정보 시스템(HRIS)에 등록된 신규 입사자 프로필에서 가져옵니다.

이 속성은 온보딩 케이스가 진행 과정의 어느 단계에 있는지 요약해 보여줍니다. 일반적인 상태로는 진행 중, 완료, 취소, 보류 등이 있습니다. 보통 케이스 단위로 관리하며 프로세스가 진행됨에 따라 값이 바뀝니다.

온보딩 상태는 운영 현황을 살피고 전체 상황을 보여주는 대시보드를 만드는 데 유용합니다. 이해관계자는 진행 중이거나 완료된 온보딩, 문제가 발생한 온보딩의 수를 빠르게 확인할 수 있습니다. process mining에서는 미완료 또는 취소된 케이스를 필터링해 원인을 분석하고 온보딩이 성공적으로 완료되지 않는 이유를 파악할 수 있습니다.

케이스 진행 상황을 한눈에 파악할 수 있어 운영 현황을 모니터링하고 미완료 또는 취소된 온보딩의 원인을 분석하는 데 도움이 됩니다.

일반적으로 기본 온보딩 시스템이나 HR 워크플로 관리 시스템에서 상태를 관리하고 업데이트합니다.