프로세스 및 가치 흐름 분석
프로세스 및 가치 흐름 분석은 일이 실제로 어떻게 흐르는지 측정합니다. 각 단계가 얼마나 걸리는지, 일이 얼마나 기다리는지, 어디서 되돌아가는지, 어디에 쌓이는지입니다. 타임스탬프가 있는 이벤트 데이터와 실제 추적에서 만들고, 제약에 겨냥하고, 일하는 사람들과 대조해 확인할 때 작동합니다.
왜 중요한가
누구나 일이 어떻게 흐르는지에 대한 그림을 가지고 있고, 그 그림은 대개 틀렸습니다. 프로세스 문서는 요청에서 완료까지의 깔끔한 경로를 보여 줍니다. 현실에는 우회, 루프, 어떤 다이어그램에도 없는 인계, 일이 손대지 않은 채 놓여 있는 긴 시간이 있습니다. 문서가 세 단계라고 하는 요청이 열한 단계를 거치면서 생애의 90퍼센트를 기다리며 보낼 수 있습니다.
프로세스와 가치 흐름의 분석은 그림을 증거로 대체합니다. 티켓 상태, 타임스탬프, 할당처럼 시스템이 이미 기록하는 데이터와 실제 업무의 관찰에서 시작합니다. 일이 거치는 경로를 재구성하고, 각 단계의 시간을 측정하고, 작업 시간과 대기 시간을 구분합니다. Wikipedia는 프로세스 마이닝을 이벤트 로그를 분석해 실제 프로세스를 발견하고, 모니터링하고, 개선하는 기법으로 설명합니다.
결과는 흔히 놀랍습니다. 병목은 사람들이 생각한 곳에 있지 않습니다. 모두가 불평하는 단계는 빠르고, 지연은 그 앞의 인계에 있습니다. 요청의 3분의 1이 빠진 정보 때문에 되돌아갑니다. 이런 발견은 구체적이고 작은 개선으로 이어지며, 그래서 이 분석은 서비스 관리에서 가장 유용한 것 가운데 하나입니다. 이 주제는 주요 기법, 필요한 데이터, 주의점을 설명합니다. 가치 사슬(주제 1.7 — 서비스 가치 사슬), 흐름과 칸반(주제 2.3 — 흐름과 칸반), 린 사고(주제 2.4 — 린과 카이젠), 분석(주제 7.1 — 서비스 관리를 위한 분석) 위에 서 있습니다. 타임스탬프와 상태 변경이 원재료이므로 데이터 기반(주제 7.2 — 데이터 기반과 데이터 거버넌스)이 여기서 매우 중요합니다.
핵심 개념
가치 흐름. "주요 인시던트 해결"이나 "신규 직원 온보딩"처럼 조직이 고객에게 제품이나 서비스를 전달하기 위해 수행하는 단계의 연속입니다. Wikipedia가 가치 흐름을 설명합니다. 가치 흐름은 가치 사슬의 활동을 자신의 순서로 거칩니다. 주제 1.7 — 서비스 가치 사슬을 참조하세요.
가치 흐름 매핑. 가치를 더하는 데 쓴 시간을 전체 경과 시간과 비교할 수 있도록, 가치 흐름의 각 단계를 처리 시간과 단계 사이의 대기와 함께 그리는 린 기법입니다. Wikipedia가 설명합니다. 지도는 흔히 관련된 사람들과 프로세스를 걸어 보며 실제 시간을 적어 그립니다.
프로세스 마이닝. 이벤트 데이터를 써서 프로세스가 실제로 어떻게 돌아가는지 발견하는 것입니다. 각 이벤트에는 (티켓 번호 같은) 케이스 식별자, ("할당됨"이나 "해결됨" 같은) 활동, 타임스탬프가 있습니다. 이로부터 기법은 모든 케이스의 경로를 재구성하고, 가장 흔한 경로를 보여 주고, 변형을 찾고, 시간을 측정합니다. Wikipedia가 프로세스 마이닝과 프로세스 발견을 설명합니다. 매핑을 보완합니다. 마이닝은 수천 케이스에서 무슨 일이 있었는지 보여 주고, 매핑은 몇 케이스에서 왜인지 보여 줍니다.
이벤트 데이터. 프로세스 분석은 좋은 이벤트 데이터에 달려 있습니다. 안정적인 케이스 식별자, 분명한 활동 이름, 정확한 타임스탬프입니다. 티켓팅 및 워크플로 시스템은 보통 상태 변경을 시각과 함께 저장합니다. 데이터가 일어난 일을 반영하는지 확인하세요. "대기 중"으로 표시된 티켓이 고객을 기다린다는 뜻이 아닐 수 있고, 상태가 끝에 일괄로 설정될 수 있습니다. 주제 7.2 — 데이터 기반과 데이터 거버넌스를 참조하세요.
리드 타임, 사이클 타임, 대기 시간. 리드 타임은 고객이 경험하는 요청에서 완료까지의 경과 시간입니다. 사이클 타임은 작업 시작부터의 시간입니다. Wikipedia가 둘을 설명합니다. 대기 시간은 큐에서 또는 단계 사이에 놀고 있는 시간으로, 대개 가장 큰 부분입니다. 각 시작점과 끝점을 정밀하게 정의하세요. 진행 중인 일, 처리량, 리드 타임의 관계는 Wikipedia가 설명하는 리틀의 법칙이 줍니다. 주제 2.3 — 흐름과 칸반을 참조하세요.
흐름 효율. 리드 타임 중 일이 능동적으로 처리되고 있는 비중입니다. 많은 지식 및 서비스 프로세스에서 흐름 효율은 20퍼센트 미만이며, 대부분의 시간이 대기라는 뜻입니다. 이 척도는 노력이 아니라 지연에 주의를 끕니다. 능동 시간이 기록되는 방식에 달려 있으므로 실제 케이스를 표본 추출해 숫자를 확인하세요.
병목과 제약. 병목은 전체 프로세스의 처리량을 제한하는 단계입니다. Wikipedia가 설명하는 제약 이론은 제약 이외의 것을 개선해도 전체 흐름은 개선되지 않으며, 제약을 식별하고, 활용하고, 그다음 해소해야 한다고 주장합니다. Wikipedia가 생산의 병목을 설명합니다. 분석에서는 일이 줄지어 서는 단계, 대기 시간이 가장 긴 단계, 가동률이 가득에 가까운 단계를 찾으세요.
변형과 재작업. 같은 프로세스가 많은 변형으로 돌아갑니다. 정상 경로, 승인이 있는 경로, 루프가 있는 경로입니다. Wikipedia가 오류나 빠진 정보 때문에 일을 반복하는 재작업을 설명합니다. 케이스가 얼마나 자주 되돌아가는지와 이유를 세면 낭비가 보입니다. 요청의 30퍼센트에서 빠진 정보 때문에 고객에게 되돌아가는 루프는 양식의 문제를 가리킵니다.
인계. 팀 사이의 인계마다 대기와 정보를 잃을 가능성이 더해집니다. 케이스당 인계 수와 각각 뒤의 시간을 세세요. Wikipedia가 설명하는 스윔레인 보기는 누가 무엇을 처리하는지 보여 줍니다. 인계가 많은 경로는 재설계 후보입니다. 주제 3.1 — 서비스 데스크를 참조하세요.
변동. 평균은 퍼짐을 숨깁니다. 전형적인 케이스보다 열 배 오래 걸리는 케이스가 고통을 일으키며, 찾아볼 가치가 있는 원인이 있습니다. Wikipedia가 통계적 산포와, 정상 변동을 신호와 구별하는 통계적 공정 관리를 설명합니다. 평균만이 아니라 분포와 백분위수를 보고하세요. 주제 7.3 — 측정과 보고를 참조하세요.
파레토 원칙. 소수의 원인이 효과의 대부분을 낳는 경우가 많으며, Wikipedia는 이 패턴을 파레토 원칙으로 설명합니다. 지연에 적용하면 소수의 변형이나 단계가 잃은 시간의 대부분을 차지하는 경우가 많습니다. 거기서 시작하세요.
대기열. 대기 행렬 이론이 보여 주듯, 가동률이 용량에 다가가면 대기가 급격히 늘어납니다. Wikipedia가 설명합니다. "100퍼센트 바쁜" 팀에는 긴 대기열이 생깁니다. 특히 무작위로 도착하는 일에는 여유를 남기세요. 주제 3.11 — 가용성, 용량, 성능을 참조하세요.
적합성과 규정 준수. 프로세스 마이닝은 실제 케이스가 의도한 프로세스를 따르는지, 예컨대 필요한 승인이 있었는지 점검할 수 있습니다. 감사와 통제에 도움이 되지만, 데이터는 기록된 것을 보여 줄 뿐 반드시 이루어진 것을 보여 주지는 않는다는 주의가 따릅니다. 주제 3.4 — 변경 실현을 참조하세요.
프로세스 걸어 보기. 데이터는 어디인지 찾고, 사람은 왜인지 설명합니다. 일을 관찰하고, 하는 사람들과 이야기하고, 실제 케이스의 표본을 보세요. 린 프랙티스는 이를 일이 일어나는 곳으로 가는 것, 즉 겜바(gemba)라고 부릅니다. 주제 2.4 — 린과 카이젠을 참조하세요.
프라이버시와 공정성. 프로세스 데이터는 개인의 업무 패턴을 보여 줄 수 있습니다. 시스템을 이해하는 데 쓰고, 팀이나 단계별로 집계하고, 개인을 모니터링하거나 순위를 매기는 데 쓰지 마세요. 주제 5.6 — AI 거버넌스, 위험, 규정 준수를 참조하세요.
렌즈는 어떻게 맞물리는가. 프로세스 분석은 애자일 개선과 린 사고의 데이터 측면입니다. 제약을 찾고, 작은 변경을 시도하고, 다시 측정합니다. AI는 검토 아래 패턴을 발견하고 지도의 초안을 쓰는 데 도움이 될 수 있습니다. 자동화는 인계를 제거하는 것처럼 발견에 따라 행동합니다. 분석은 증거를 제공합니다.
모범 사례
- 중요한 가치 흐름을 고릅니다. 접근 요청이나 주요 인시던트 처리처럼 고객이 신경 쓰고 느리거나 일관되지 않은 것을 고르세요. 고객의 관점에서 시작과 끝을 정의하세요.
- 먼저 이벤트 데이터를 점검합니다. 케이스 식별자, 활동 이름, 믿을 만한 타임스탬프가 있는지 확인하세요. 케이스를 현실과 대조해 표본 추출하고, 이름과 뜻이 다른 상태를 적어 두세요.
- 데이터와 사람에게서 현재 흐름을 그립니다. 가능하면 프로세스 마이닝으로 경로를 재구성하고, 처리하는 사람들과 실제 케이스 몇 개를 걸어 보세요. 두 관점을 비교하세요.
- 작업과 대기를 분리합니다. 단계마다 능동 시간과 대기 시간을 측정하세요. 흐름 효율을 계산하고 가장 긴 대기를 적어 두세요.
- 변형과 루프를 봅니다. 주요 변형, 되돌아가는 케이스의 비중, 이유를 세세요. 가장 긴 케이스를 개별로 검토하세요.
- 제약을 찾습니다. 처리량을 제한하는 단계를 식별하고 개선을 거기에 집중하세요. 다른 단계를 먼저 최적화하지 마세요.
- 인계와 잃어버린 정보를 셉니다. 케이스당 인계와 각 뒤의 지연을 측정하고, 받는 쪽에 무엇이 부족한지 인터뷰하세요.
- 분포를 쓰고 실제 케이스를 표본 추출합니다. 중앙값과 백분위수를 보고하고 꼬리에서 표본을 읽으세요. 자동화된 발견을 손으로 확인하세요.
- 한 가지를 바꾸고 다시 측정합니다. 제약에서 작은 변경을 하고, 기준선을 기록하고, 정해진 기간 뒤에 비교하되 같은 기간의 다른 변경을 적어 두세요.
- 데이터를 시스템을 이해하는 데 씁니다. 팀과 단계별로 집계하고, 개인의 순위를 매기지 않고, 발견을 일하는 사람들과 공유하세요.
팀과 논의할 질문
전형적인 요청은 어디에서 가장 오래 기다리며, 누구를 기다립니까? 데이터나 추적한 케이스를 쓰세요. 승인, 대기열, 고객 대기가 예상됩니다. 더 깊이 들어가려면, 대기 하나를 골라 누가 줄일 수 있는지 물으세요.
요청은 우리 프로세스를 통해 몇 가지 다른 경로를 거치며, 모두 필요합니까? 변형을 보여 주세요. 누구의 생각보다 많을 것으로 예상됩니다. 더 깊이 들어가려면, 가장 쓸모없는 것을 골라 제거할 수 있는지 물으세요.
우리 케이스 중 빠진 정보 때문에 되돌아가는 비중은 얼마이며, 무엇이 빠졌습니까? 세어 보세요. 특정 요청 유형에서 높은 수치가 예상됩니다. 더 깊이 들어가려면, 양식이나 첫 응답을 바꿔 더 일찍 요청하세요.
인계에서 정보는 어디서 사라지며, 받는 팀은 무엇을 갖기를 원합니까? 받는 팀에 물으세요. 같은 몇 가지 항목이 예상됩니다. 더 깊이 들어가려면, 그것들을 인계에 더하세요.
어느 단계가 제약이며, 그 속도를 두 배로 하면 전체 흐름은 어떻게 됩니까? 데이터로 따져 보세요. 사람들이 가장 시끄러운 단계를 꼽을 것으로 예상됩니다. 더 깊이 들어가려면, 답을 대기열과 대기 시간에 비추어 시험하세요.
AI가 프로세스 데이터에서 패턴을 찾는 데 어떻게 도울 수 있으며, 맞는지 어떻게 확인합니까? AI는 변형을 요약하고 원인을 제안할 수 있습니다. 소음을 과해석할 수도 있습니다. 누가 검토하는지 물으세요. 더 깊이 들어가려면, AI 요약을 표본의 수동 분석과 비교하세요.
실제 적용: 서비스 관리 사례
한 지역 보건 당국의 IT 부서는 임상의에게 새 임상 애플리케이션 접근을 부여하는 데 평균 영업일 19일이 걸립니다. 임상의들은 불평하고, 부서의 보고서는 모든 작업이 목표 안에 완료되었음을 보여 줍니다. 서비스 관리자는 흐름을 추적하기로 합니다.
그녀는 최근 접근 요청 600건의 이벤트 데이터를 추출합니다. 티켓 시스템의 상태 변경과 타임스탬프입니다. 프로세스 마이닝 도구가 경로를 재구성합니다. 아홉 가지 변형이 발견되고, 그중 셋이 케이스의 80퍼센트를 덮습니다. 작업 시간은 평균 약 2.5일입니다. 나머지는 대기입니다. 관리자의 승인(평균 4일), 임상 리드의 서명(평균 5일), 애플리케이션 팀이 작업을 가져가기(3일), 요청자가 빠진 교육 수료증을 제출하기(4일, 케이스의 35퍼센트)입니다. 흐름 효율은 약 13퍼센트입니다.
그녀는 관련된 사람들과 케이스 다섯 건을 걸어 봅니다. 임상 리드의 승인이 대부분의 역할에서 형식적임을 발견합니다. 최근 200건 중 거부된 것은 하나도 없었습니다. 또한 수료증 루프는 양식이 미리 요구하지 않기 때문에 생기며, 애플리케이션 팀이 요청을 목요일에 일괄 처리한다는 것도 발견합니다.
팀은 세 가지를 바꿉니다. 표준 접근 역할에 대한 임상 리드의 승인을 없애고, 양식에 수료증을 더하고, 애플리케이션 팀을 매일 처리하는 큐로 전환합니다. 관리자는 기준선을 기록하고 변경 뒤 100건을 추적합니다. 평균 리드 타임은 8일로 떨어지고, 90번째 백분위수는 31일에서 15일로 내려갑니다. 가장 긴 케이스 열 건을 읽어 보고 대부분 특이한 역할임을 발견합니다.
달라진 점은 임상의가 더 빨리 접근을 얻고, 보고서가 이제 고객이 경험하는 리드 타임을 보여 준다는 것입니다. 여전히 어려운 점은 승인 제거에 임상 안전 책임자의 동의가 필요해 시험 운영 중이라는 것, "보류"가 둘 다에 쓰이기 때문에 데이터가 고객 대기와 팀이 일으킨 대기를 구분하지 못한다는 것, 관리자가 개별 기술자의 속도 분석을 요청받았지만 거절했다는 것입니다. 그녀는 도구 오너에게 고객 대기를 위한 별도의 상태를 추가하도록 요청합니다.
네 가지 관점
제품 및 전달 팀
전달 파이프라인을 가치 흐름으로 만들고 변경을 아이디어에서 운영 환경까지 추적하세요. 분석을 가능하게 하는 이벤트와 타임스탬프를 제공하고, 발견을 여러분이 일으키는 대기를 없애는 데 쓰세요.
서비스 및 운영 팀
일이 어디서 왜 기다리는지 아세요. 일관된 상태를 쓰고, 대기 이유를 기록하고, 실제 케이스 추적에 참여하세요. 인계 문제를 흐름 오너에게 제기하세요.
리더십과 거버넌스
작업 시간뿐 아니라 고객이 보는 리드 타임, 흐름 효율, 제약을 요청하세요. 제약에서의 변경을 지원하세요. 프로세스 데이터로 개인의 순위를 매기지 마세요.
고객과 사용자
대기를 포함해 전체 흐름을 경험합니다. 얼마나 오래 무엇을 기다렸는지 말하고, 제공자가 정보를 요청하면 신속하게 응답하세요.
애자일, AI, 자동화, 분석
애자일
분석을 제약에서 다음 작은 개선을 고르고, 만들고, 다시 측정하는 데 쓰되 이해관계자를 참여시키세요. 주의: 무엇이든 바꾸기 전에 긴 매핑 프로그램을 돌리지 마세요. 흐름 하나를 추적하고, 한 가지를 바꾸고, 배우세요.
AI
AI는 오너와 점검 아래 프로세스 변형을 발견하고, 추적을 요약하고, 후보 원인을 제안할 수 있습니다. 주의: 프로세스 데이터에 대한 AI 요약은 소음을 패턴으로 제시할 수 있으므로, 표본 케이스와 관련된 사람들에 대조해 확인하세요. 주제 5.1 — 서비스 관리에서의 AI를 참조하세요.
자동화
분석이 안정적이고 반복된다고 보여 주는 단계를 자동화하고, 가치를 더하지 않는 인계를 로그와 대체 수단과 함께 제거하세요. 주의: 제약이 아닌 단계를 자동화해도 리드 타임은 짧아지지 않으므로, 대기가 어디인지 확인하세요. 주제 6.2 — 워크플로 자동화와 오케스트레이션을 참조하세요.
분석
이 주제는 흐름을 위한 분석입니다. 이벤트 데이터, 리드 타임과 대기 시간, 변형, 루프, 제약입니다. 주의: 타임스탬프는 상태가 쓰이는 방식을 반영하며 단계 속도의 척도는 티켓을 상태 사이에서 옮겨 조작될 수 있으므로, 실제 케이스로 확인하세요. 주제 7.3 — 측정과 보고와 서비스 관리 지표(Service Management Metrics) 책을 참조하세요.
흔한 실패 유형
- 문서화된 프로세스를 믿기. 현실과 다릅니다. 이벤트 데이터와 실제 케이스를 쓰세요.
- 지저분한 이벤트 데이터. 상태와 시간이 오도합니다. 먼저 데이터를 점검하고 고치세요.
- 엉뚱한 단계를 최적화하기. 노력이 시끄러운 곳으로 갑니다. 제약을 찾으세요.
- 평균만. 긴 케이스가 숨습니다. 백분위수를 쓰고 꼬리를 읽으세요.
- 대기 무시. 노력은 측정되는데 지연은 측정되지 않습니다. 작업 시간과 대기 시간을 분리하세요.
- 사람 없는 데이터. 발견에 원인이 없습니다. 일하는 사람들과 실제 케이스를 걸어 보세요.
- 개인 모니터링. 신뢰가 무너집니다. 시스템을 분석하세요.
성숙도 모델
| 영역 | 시작 | 발전 | 표준화 | 관리 | 오케스트레이션 |
|---|---|---|---|---|---|
| 데이터 | 작업 수 | 일부 타임스탬프 | 핵심 흐름에 일관된 상태와 타임스탬프 | 이벤트 데이터 품질을 모니터링한다 | 도구와 공급자 전반에서 이벤트 데이터가 통합된다 |
| 분석 | 문서화된 프로세스 | 흐름 하나를 추적한다 | 핵심 흐름의 정기 분석: 리드 타임, 대기, 변형 | 제약을 식별하고 추적한다 | 사람의 검토 아래 분석이 자동화되고 지속적이다 |
| 개선 | 임시방편 | 가끔의 수정 | 제약에서의 변경, 측정된다 | 개선을 흐름 결과와 연결한다 | 흐름과 파트너 전반에서 개선을 조율한다 |
| 윤리 | 불분명하다 | 인식한다 | 팀 수준의 분석, 개인 순위 없음 | 직원과 사용을 검토한다 | 분석에 프라이버시가 내장된다 |
체크리스트
- 시작과 끝이 분명한 고객과 관련된 가치 흐름을 골랐다.
- 이벤트 데이터의 케이스 식별자, 활동 이름, 타임스탬프를 점검했다.
- 데이터와 실제 케이스를 걸어 보며 현재 흐름을 그렸다.
- 작업 시간, 대기 시간, 흐름 효율을 측정했다.
- 변형, 루프, 인계를 세었다.
- 제약을 식별하고 변경을 거기에 집중했다.
- 백분위수를 보고하고 꼬리에서 표본을 읽었다.
- 개인 수준이 아니라 팀과 단계 수준에서 분석한다.
AI 프롬프트
케이스 경로에서 변형을 요약합니다.
Here is a list of case paths (sequence of activities) with counts, and median time for each path, identifiers removed: [paste].
Describe the main variants, the share of cases each covers, where loops occur, and what the longest paths have in common. Do not infer causes.
List what you are unsure of.
추적에서 대기를 찾습니다.
Here are the events of five cases with timestamps and the person or team handling each: [paste, names removed].
For each case, compute time between events, identify the three longest waits, and say whether the data suggest waiting on a team, on a customer, or unclear. Do not guess where the data are silent.
List what you are unsure of.
프로세스 걸어 보기를 위한 질문을 준비합니다.
We are about to walk through a value stream with the people who do the work. Here is what the data show: [paste summary].
Write ten open questions to ask on the walk, aimed at why waits and loops occur. Avoid blame and do not suggest answers.
List what you are unsure of.
AI 스킬
- value-stream-map: 가치 흐름을 매핑하고 측정할 때 사용합니다.
- workflow-analysis: 단계, 인계, 대기를 분석할 때 사용합니다.
- statistical-analysis: 변동과 불확실성을 살펴볼 때 사용합니다.
- kaizen: 발견을 작은 개선으로 바꿀 때 사용합니다.
- mermaid-diagram: 현재와 미래의 흐름을 텍스트로 그릴 때 사용합니다.
주요 출처
- Wil van der Aalst, Process Mining: Data Science in Action (2nd edition, 2016): 프로세스 마이닝에 대한 주된 참고 자료.
- Mike Rother and John Shook, Learning to See (1999): 가치 흐름 매핑에 대한 고전 안내서.
- Eliyahu Goldratt, The Goal (1984): 제약 이론을 소개한 소설.
- Wikipedia, "Process mining" and "Value-stream mapping": 기법의 개관.
참고 문헌
- Process mining — Wikipedia — https://en.wikipedia.org/wiki/Process_mining
- Value-stream mapping — Wikipedia — https://en.wikipedia.org/wiki/Value-stream_mapping
- Value stream — Wikipedia — https://en.wikipedia.org/wiki/Value_stream
- Theory of constraints — Wikipedia — https://en.wikipedia.org/wiki/Theory_of_constraints
- Bottleneck (production) — Wikipedia — https://en.wikipedia.org/wiki/Bottleneck_(production)
- Cycle time — Wikipedia — https://en.wikipedia.org/wiki/Cycle_time
- Lead time — Wikipedia — https://en.wikipedia.org/wiki/Lead_time
- Little's law — Wikipedia — https://en.wikipedia.org/wiki/Little%27s_law
- Rework — Wikipedia — https://en.wikipedia.org/wiki/Rework
- Pareto principle — Wikipedia — https://en.wikipedia.org/wiki/Pareto_principle
- Statistical process control — Wikipedia — https://en.wikipedia.org/wiki/Statistical_process_control
- Swimlane — Wikipedia — https://en.wikipedia.org/wiki/Swimlane