프로세스 마이닝(Process Mining)에서의 의사 결정


의사결정은 여러 대안 중에서 하나의 행동을 고르는 일을 해내는 정신적 지각활동이다.
정보처리 관점에서 의사결정은 많은 정보를 지각하고 평가하여 하나의 선택을 하는 것이다
_위키백과

이번 글에서는 프로세스 마이닝에서 지원하는 의사결정에 대해서 알아보려고 합니다. 프로세스 마이닝은 이벤트 로그로부터 자동으로 생성된 프로세스 모델로부터 의사결정이 필요한 지점, 즉, decision point를 판별합니다.

예를 들어, 보험 심사 프로세스에서는 청구 요청 건에 대한 승인 혹은 반려의 행위를 결정해야 하는 단계가 의사 결정 지점입니다. 이외에도 제조 공정에서의 불량 처리, 이상 징후 탐지 프로세스에서는 특정 값이나 패턴 존재 여부를 체크하여 불량이나 이상 여부를 확인하여 정상적으로 흘러가는 단계와 에러가 발생하여 재작업이나 예외 처리를 해야 하는 단계가 “의사 결정 지점(decision point)”로 볼 수 있습니다. 이러한 의사 결정 지점은 프로세스 마이닝에서 아래와 같이 프로세스 맵 상에서의 분기되는 지점입니다.

<그림> 의사 결정 지점 (Decision Point) 사례

프로세스를 수행 시 이러한 “의사 결정 지점”이 중요한 이유는 프로세스의 복잡도 및 최종 결과에 영향을 미지는 주요 구간이기 때문입니다.  의사 결정 단계가 많으면 많을수록 다양한 경우의 수가 존재하여 프로세스도 복잡해지고, 병목 구간이 의사 결정 단계의 지연으로 발생하는 것을 볼 수 있습니다.

모든 데이터 분석이 궁금적으로 지향하는 것 중의 하나는 “의사 결정”에 도움이 되기 위한 것으로 볼 수 있는데, 프로세스 마이닝이라고 해서 예외는 아닙니다. 특히, 프로세스 마이닝은 현재 프로세스 모델 맵과 맵 위에서의 분기 지점을 자동으로 도출함으로써 주요 의사 결정 지점이 어디인지 그리고 결정에 따라 후속 프로세스들이 어떻게 분기되어 흘러가는지 쉽게 파악할 수 있도록 합니다.

프로세스 맵 상에서 도출되는 “분기”는 동시에 일어나는 병렬 작업을 의미할 수도 있고(AND-SPLIT), 선택적으로 여러 갈래 중 하나를 “선택”해야 하는 경우(OR-SPLIT)도 발생하는데, 이때 선택하는 행위 자체는 여러 가지 요인의 조건과 속성값에 의해 결정되게 됩니다.  아래 그림은 의사 결정 트리를 활용하여, 프로세스 내 수행 케이스(고객, 제품, 서비스 등)를 구분하는 규칙을 발견하는 예입니다.

<그림> 의사 결정 트리 (Decision Tree)를 사용한 주요 분기 요인 파악 예

“의사 결정”하는 행위는 비용이 많이 들 뿐 만 아니라, 그 파급에 따라 전체 프로세스 비용 및 생산성에도 많은 영향을 미치게 됩니다. 따라서, 프로세스 분석에 있어서 어디서 흐름이 나눠지는 지, 흐름이 나눠지는 주요 요인이나 규칙은 무엇인지 파악하는 것이 주요 분석 대상이 될 수 있습니다.

기존 프로세스 마이닝에서 도출한 프로세스 모델 안에서 분기 지점을 찾았다면, 의사결정 트리(Decision Tree)나 클러스터링 등 머신 러닝 기법을 적용함으로써 프로세스 내에서 비즈니스 규칙이나 패턴을 발견할 수 있습니다. 이를 통해 프로세스 개선과 업무 상의 의사결정이 데이터에 기반하여 좀 더 빠르고 쉽게, 정확하게 이뤄질 수 있습니다.

<그림> 프로세스 마이닝에서 의사결정 규칙 도출 사례 (A. Rozinat and W.M.P cander Aaist)

<참고>
1.  A. Rozinat and W.M.P. van der Aalst. Decision Mining in Business Processes. BPM Center Report BPM-06-10, BPMcenter.org, 2006
2.  Marlon Dumas, Beyond Process Mining: Discovering Business Rules From Event Logs, Keynote at the Brazilian Workshop on Business Process Management (WBPM) and Brazilian Symposium on Information Systems (SBSI), 2013