| 기간 | 2026.10 |
| 인원 | 개인 |
| 데이터 | BPI Challenge 2020 Request For Payment (실제 업무 로그, 6,886건 · 이벤트 36,796개) |
| 역할 | 분석 설계, 가설 수립과 검증, 해석 전체. 코드 구현은 ChatGPT·Claude와 함께 진행 |
| 주요 기술 | Python, pandas, pm4py, statsmodels, Graphviz |
| GitHub | sung-ju-park/process-mining-payment-approval |
지급 요청은 왜 늦게 처리되는가
한 대학에서 직원이 비용 지급을 요청하면 행정·예산책임자·관리자의 결재를 거쳐 시스템이 지급합니다. 2018년 이후 지급까지 중앙값은 9.2일, 7일 안에 끝나는 건은 29%뿐이었습니다. 어디서 시간이 새고, 무엇을 바꾸면 얼마나 빨라지는지를 로그만으로 답하는 것이 목표였습니다.
My Contribution
- XES 이벤트 로그를 케이스·활동·시각 테이블로 정리하고 케이스별 결과(지급 완료, 반려 종료 등) 분류
- 2017년과 2018년의 대상 조직이 다르다는 걸 확인하고, 같은 조직끼리만 비교하도록 분석 기준 설계
- 단계 사이 대기 시간을 분해해 병목 구간을 정량화하고, 마감 시간 후보를 바꿔 가며 실제 지급 시각과 가장 잘 맞는 가정을 찾음
- 반려·예산책임자 경유·금액·제출 요일·조직을 통제한 회귀분석으로 지연 요인의 크기 비교
- 가장 잘 맞는 지급 가정 위에서 개선 시나리오 3가지를 시뮬레이션하고 기대효과 제시
로그에서 직접 계산해 그린 결재 프로세스 맵입니다. 선이 굵을수록 많이 지나가고, 붉을수록 다음 단계까지 오래 기다리는 구간입니다.
단계 사이 대기 시간을 모두 더하면, 결재자가 아니라 최종 승인 이후 두 구간이 전체의 51.9%를 차지했습니다.
시뮬레이션이 실제를 절반밖에 재현하지 못했다
지급 5,303건 중 97.5%가 월·목 오후 5시에 처리되는 주 2회 배치였습니다(월·목 99.6%, 오후 5시 98.0%). 그런데 "요청 후 다음 배치에 지급"이라고 가정하면 실제 지급 시각과 51.1%만 맞았습니다. 이 상태로 개선 시나리오를 계산하면 숫자를 믿을 수 없었습니다.
배치 직전에 올라온 요청은 그 배치에 못 들어갈 수 있다는 가설을 세우고, 마감 시간 후보를 0~72시간으로 바꿔 가며 실제 지급 시각과 비교했습니다. 테스트한 조건 중에서는 '배치 24시간 전 마감' 가정의 재현율이 88.9%로 가장 높았고, 시나리오는 이 가정 위에서 계산했습니다. 데이터에 가장 잘 맞는 가정일 뿐 실제 규칙으로 확정할 수는 없어, 그 한계를 리포트에 함께 적었습니다.
최종 승인 즉시 지급 요청 자동 생성, 평일 매일 지급, 반려 후 재제출 지연 단축을 함께 적용하면 지급까지 중앙값 9.2일 → 4.3일, 7일 내 지급 29% → 67%로 개선됩니다.
관측된 조건을 통제한 회귀분석에서 반려가 있었던 건은 처리 기간이 +79%, 예산책임자 승인 경유 건은 +41% 길었고 요청 금액과의 연관은 거의 없었습니다. 로그에 없는 요인은 통제하지 못한 관찰 데이터의 연관이라, 원인으로 단정하지는 않았습니다. 결재 규칙 6가지 점검에서는 위반이 5건(0.09%)뿐이었습니다. 통제는 잘 되고 있고, 문제는 속도라는 결론입니다.
