간략 요약:
이 영상에서는 반복적인 업무 자동화만으로는 조직의 생산성 한계가 명확함을 강조하며, '프로세스 마이닝'이라는 데이터 기반 분석 기법을 활용해 실제로 조직의 핵심 병목을 찾아내고 업무를 혁신하는 방법을 쉽고 구체적으로 소개합니다. 개발자가 단순 구현을 넘어, 어떻게 일해야 조직이 성장하는지 주도적으로 고민하고 실천하는 전략을 명확하게 제시합니다. 자동화 이후 업무 방식의 고도화와 데이터 중심의 개선 프로세스에 관심 있는 모든 직장인에게 유익한 가이드입니다.
1. 주제 소개와 발표자의 문제의식
발표자인 김병묵 개발자는 먼저 프로세스 마이닝이라는 용어가 다소 생소할 수 있음을 인정하면서도, 사실 이는 "기술 얘기가 아니라 우리가 어떻게 일하는지에 대한 이야기"라고 설명합니다.
"이건 기술에 대한 이야기라기보다는 우리가 어떻게 일하는지에 대해 살펴보는 이야기입니다."
그는 반복적인 자동화나 운영 효율화가 한계에 부딪힌 경험을 바탕으로 발표를 준비했다고 밝혔습니다. 김병묵 님이 이 주제에 관심을 갖게 된 계기는, 개발자가 되기 전 아르바이트 경험에서 비롯되었습니다. 그 당시 갑작스럽게 손님이 몰리자, 준비되지 않은 운영 시스템 탓에 실수가 잦아졌고, 오히려 클레임이 생기고 매장 평판이 나빠지는 등 '성장 과정에서 오히려 위기가 찾아올 수 있다'는 것을 깨달았다고 합니다.
"고객이 늘어날 때는 그에 맞춰 일하는 방식도 진화하지 않으면, 성장 과정에서 오히려 위기가 생길 수 있다라는 생각을 하게 되었습니다."
이후 개발자로서도 그는 업무 방식의 고도화에 지속적으로 관심을 갖게 되었습니다.
2. 데이터 기반 업무 개선의 필요성
단순히 불편한 업무를 자동화하거나, AI 등 첨단 기술을 도입하는 것만으로는 근본적인 생산성 향상이 어렵다고 강조합니다. 먼저 우리 팀이 어떻게 일하는지, 어느 단계에서 시간이 낭비되는지, 데이터를 통해 구체적으로 파악해야 한다는 것이 핵심 메시지입니다.
"구현에 앞서서 우리 팀이 지금 어떻게 일하고 있는지를 자세히 살펴보고, 또 이걸 추측이 아니라 데이터로 정확하게 살펴보는 것이 정말 중요하다는 생각을 하게 되었어요."
현실에서는 유지보수, 에러 대응 등 반복적인 엔지니어 업무에서도 '우리가 한 달에 몇 건의 이슈를 처리하는지, 각 단계에서 실제로 얼마나 시간이 소요되는지' 잘 모르는 경우가 많음을 예로 듭니다. 만약 한 단계를 간단한 슬랙 알림만으로 줄일 수 있다면, 팀 전체에서 매달 100시간 이상을 절약할 수도 있다는 점을 강조합니다.
3. 프로세스 마이닝이란 무엇인가?
3.1. 개념 및 도입 배경
프로세스 마이닝이란 각종 시스템(예: 기터, 센트리, 슬랙 등)에 남아 있는 실제 업무 흐름 데이터를 수집·분석해, 업무 프로세스를 시각화하고 병목점을 찾아내는 방법론입니다.
"프로세스 마이닝은 데이터를 기반으로 업무의 흐름을 분석하는 이론으로, 업무 데이터를 모으고, 분석용 포맷으로 가공하고, 마지막으로 '프로세스 모델'이라는 지도를 도출하는 3단계로 나눠 볼 수 있습니다."
3.2. 적용 범위
이 방법론은 IT 개발 업무뿐만 아니라, 운영, 마케팅, CS, 영업, 주문 처리 등 모든 반복적 조직 업무에 적용할 수 있습니다.
4. 프로세스 마이닝의 3단계 실행법
4.1. 첫 번째 단계: 데이터 수집
모든 일은 어딘가의 시스템 위에서 일어난다고 전제하고,
업무가 남기는 데이터의 흔적(로그)을 모읍니다.
- 예) 주문-배송 업무 → 커머스 시스템, 어드민, 배송사 데이터 등
- 각종 시스템에서 API를 통해 업무 흐름 데이터를 가져올 수 있습니다
(기터, 센트리, 슬랙, CRM, 콜센터, 마케팅 툴 등).
"모든 일의 흔적을 데이터로 쌓을 수 있다… 외부 툴도 API를 통해 수집 가능합니다."
4.2. 두 번째 단계: 이벤트 로그 포맷으로 정제
데이터를 '이벤트 로그 포맷'으로 정리합니다. 핵심 컬럼은 다음과 같습니다:
- 케이스 아이디(Case ID): 하나의 업무 또는 처리 건(예: 이슈 번호, 주문 번호 등)
- 액티비티(Activity): 업무를 구성하는 구체적인 단계(예: 개발, 코드리뷰, 배포, 담당자 할당 등)
- 타임스탬프(Timestamp): 각 단계가 일어난 시각
"이렇게 케이스 아이디, 액티비티, 타임스탬프 3가지 정보를 같이 기록해야 각 단계별 소요 시간과 연관관계, 병목 지점까지 정확히 분석할 수 있습니다."
또한, 담당자(리소스) 컬럼도 추가하면 인력 분배 문제, 특정 업무 쏠림 현상 등도 파악 가능하다고 언급합니다.
4.3. 스코핑(Scoping) – 어떤 단계를 추적할 것인가?
무작정 데이터를 다 쌓는 것이 아니라,
문제 정의에 맞게 추적할 단계의 범위를 정해야 합니다.
"관심 있는 문제에 필요한 만큼, 최소한의 단계만 추적해서 데이터를 쌓으시면 됩니다."
예시로, 배송 업무에서는 굳이 모든 세부 단계를 쌓기보다는
'출고'와 '배송 완료'만 기록할 수도 있다고 설명합니다.
병목이나 개선점이 발견되면, 이후 그 부분만 더 세분화해서 다시 추적할 수 있습니다.
- → 최소 공수로 빠르게 병목을 파악하고,
- → 필요하다면 해당 지점만 확장해서 분석한다는 유연한 접근이 중요하다고 강조합니다.
4.4. 엔터티 레졸루션(Entity Resolution)
여러 시스템의 데이터를 어떻게 '하나의 업무 흐름'으로 묶어주는가?
— 이것이 엔터티 레졸루션의 문제입니다.
"여러 시스템에 쌓인 데이터를 '케이스 아이디'로 잘 엮어서 묶어줘야 전체 업무 소요 시간, 병목 구간 등을 정확하게 볼 수 있습니다."
실제 구현은 공통 식별값(예: 주문번호, 고객 전화번호 등)이나, 각 툴의 제공 기능,
혹은 데이터 통합 등을 활용할 수 있습니다.
5. 프로세스 마이닝으로 인사이트 발견하기
5.1. 프로세스 모델 도출 및 사례
이벤트 로그 데이터만 잘 갖추면,
상용툴이나 오픈소스(PM4Py 등)로 단 몇 줄의 코드만으로
아래 같은 시각화 모델을 뽑을 수 있습니다.
- 단계별로 얼마나 많은 흐름이 어떻게 분기되는지,
- 각 단계/전체 소요 시간이 어느 정도 되는지
예시에서, 에러 감지 후 원래는 담당자 할당으로 넘어가야 하지만
17%는 그냥 종결되는 흐름이 있었습니다(불필요한 에러알림).
"이 흐름의 빈도를 17%에서 0%로 낮추자. 감지되는 에러는 반드시 처리해야만 하는 에러가 되도록 하자."
더불어 주문 프로세스의 경우, 단계를 세분화해서 분석하면
'주문 취소'가 어디서, 왜 많이 발생하는지 정확히 알 수 있어
실제 원인 파악과 선별적 개선이 가능합니다.
5.2. 구체적 병목 파악 및 최적화 전략
실제로 코드리뷰 단계에서만 전체 소요시간의 43%가 소요되는 등
'대기시간이 개선 가능한 구간'이 명확히 드러난 점을 강조합니다.
"코드리뷰처럼 대기하는 시간 때문에 오래 걸리는 단계는, 슬랙 알림이나 자동머지 도입만으로도 전체 속도를 확 높일 수 있습니다."
이 과정은 운영, 주문, 고객상담 등 반복 업무 전체에 적용할 수 있습니다.
예를 들어, 고객응대의 경우 '연락이 닿지 않아 방치'되는 구간이
의외로 전체 지연에 큰 영향을 준다면,
예약 문자, 알림톡 등을 보내는 방식으로 크게 개선할 수 있다고 제안합니다.
"이런 아이디어를 그저 막연히 도출하는 것은 어렵지만, 데이터를 뽑아 정확히 어느 단계가 문제인지 딱 아는 순간, 자연스럽게 좋은 아이디어가 많이 떠오르는 것을 경험하실 수 있습니다."
6. 정리 및 개발자의 역할 확장
마지막으로 김병묵 님은 '제품의 고도화만큼 일하는 방식의 고도화'가
조직의 성장에 중요하다고 다시 한 번 강조합니다.
- 프로세스 마이닝:
- 이벤트 로그 데이터 구축
- 데이터 기반 업무 흐름 분석
- 병목점 발견, 개선 아이디어 도출
- 개선 뒤 효과 검증까지 반복
"개발자로서 주어진 요구사항 개발을 넘어서, 데이터로 업무 흐름을 깊이 들여다보고, 예상치 못한 문제를 찾아보는 과정이 정말 흥미롭고 성취감이 컸습니다."
또한 AI 등 기술이 빨라지는 시대일수록
단순 개발역량이 아니라 '좋은 문제 정의 능력'이 점점 중요해질 것임을 조언합니다.
"요즘 AI와 LLM 등이 발전하면서 구체적인 요구 사항만 잘 정의하면 개발 자체는 AI가 빠르게 할 수 있는 상황이 되었습니다. 이럴수록 개발자도 '좋은 문제 정의'에 관심을 갖고 역할을 확장해 나가는 것이 중요합니다."
발표자는 이 세션이 "개발자로서 역할 확장의 실질적인 계기"가 되기를 바란다는 따뜻한 인사와 함께 마무리합니다.
"본 세션이 개발자로서 어떻게 역할을 확장시킬지에 조금이나마 도움이 되는 시간이 되었기를… 이상으로 세션을 마치겠습니다. 감사합니다."
마무리
이 영상은 반복 업무 자동화 '그다음'을 고민하는 모든 구성원에게,
데이터에 근거해 일하는 방식을 과감하게 혁신하는 방법을 구체적으로 알려줍니다.
프로세스 마이닝을 통한 데이터 기반 분석과 문제 정의는
개발자뿐 아니라 조직 전체의 생산성 혁신을 이끄는 핵심 전략이 될 것입니다. 🚀
더 나은 길을 스스로 찾아가는 개발자와 조직을 위한 실전적인 인사이트를 담은 발표였습니다.