신한은행이 당초 프로세스 마이닝을 도입하게 된 계기는 주 40시간 근로 시행 규제 때문이었다.

초기에는 초과 근무를 줄이기 위해 효율화가 필요한 업무 구간이 어디인지 파악하기 위해서였지만 현재는 고객 행태를 분석, 고객 이탈 방지를 최소화할 수 있는 비즈니스 규칙을 도출하는 데도 프로세스 마이닝을 사용하고 있다. 프로세스 마이닝을 활용한 개인화, 고객 관리, 지속 거래 유도로 예적금 관심상품 신규율 3배, 자동해지 고객 재가입률은 2배, 대출 다음 단계 유도율은 31배나 상승한 것으로 보고 있다.

초과 근무 유발 업무 프로세스 파악 위해 도입

초과 근무를 줄이기 위해서는 내부 업무 효율화가 선결되어야 했고 이를 해결하려면 반복되거나 불필요한 업무 프로세스가 없는지 이해하는 것이 급선무였다. 그러나 당시 업무량 분석 기법으로는 업무별 처리 시간을 파악하거나 개선 업무를 도출해내기는 한계가 있었다. 신한은행은 프로세스 마이닝을 도입해 업무 로그 기반의 프로세스를 분석, 실질적인 효율화 방안을 도출하기로 했다. 신한은행이 활용한 프로세스 마이닝 솔루션은 퍼즐데이터의 프로 디스커버리다.

신한은행이 원했던 것은 업무 처리에 소요되는 시간을 직원별, 창구별로 파악하는 것이었다. 특히 현장에서 많은 비중을 차지하는 여신 업무 가운데 가장 많은 시간을 소요하는 업무 구간이 어디인지 파악하길 원했다. 이를 위해 기존의 단순 업무 발생 빈도 분석과 표준 업무 시간 추정 대신 프로세스 마이닝을 활용했다.

신한은행은 주 40시간 근무 대비 초과 근무 과다 지점의 업무 프로세스를 상세 분석하기 위해 점 유형별 18시 이후 업무량 상위 3개 지점에서 실무자 직급의 16시 이후 업무 로그를 살펴봤다. 프로세스 마이닝으로 업무 프로세스 패턴, 중복 및 반복 업무를 파악했으며 병목 구간을 탐지했다. 이를 통해 내점 고객의 예상 소요 시간을 계산하는 것은 물론 업무 예상 소요 시간의 시각화도 가능해졌다.

영업 창구의 업무 프로세스 분석으로 도출된 병목 구간에 대해서는 디지털UI/UX 개선과 영업점 업무 효율화가 필요하다는 판단을 내렸고 업무 처리 프로세스를 개선하기 위해 RPA 도입과 반복 업무 제거, 컴플라이언스 분석이 필요하다는 결론을 내렸다. 또 업무 패턴 분석을 통해 여수신 거래 패턴 기반 세분화, 디지털 거래 패턴 기반 세분화를 수행하기로 했으며 이러한 과정을 거쳐 상품별 신규 업무 비교 분석과 업무 처리 프로세스 비교 분석으로 베스트 프랙티스를 도출할 수 있었다.

실제로 상담 창구에는 UI/UX 개선을 통해 반복 작업과 작업 시간을 줄였고, 기업 창구에서는 서류 업무 지원을 강화하고 과거 수수료 정보 연동으로 소요 시간을 감축할 수 있었다. 또 WM 창구에서는 등록 화면 일괄화 및 자동화로 프로세스를 간소화했다.

고객 이탈 일어나는 병목 구간, 고객이 참는 시간은 얼마나 될까?

신한은행은 현재 프로세스 마이닝을 고객 행태 분석에 기반을 둔 비즈니스 규칙 도출에도 활용하고 있다. 영업 창구 업무 프로세스 분석 및 개선 이후 ELT 이탈 고객의 이탈 전후 행동 패턴을 분석하는 데 활용했다.

대상은 ELT 조기 상환 개인 고객이었으며 조기 상환일 전후 30일간의 접촉과 거래 로그를 분석해 이탈 고객과 유지 고객의 ELT 이탈 전후 접촉 및 행동, 거래 패턴을 비교했다. 분석 결과 고객에게 최초 전화 안내 후 고객이 내점에 방문하기까지의 기간이 관건이었다. 프로세스 마이닝에 의한 패턴 비교 분석으로 해당 시기를 파악할 수 있었고 ELT 재예치 및 이탈 방어의 최적 경로와 중요 시점을 도출해냈다.

프로세스 마이닝이 고객을 유지하는 데 필요한 업무 개선점을 도출할 수 있도록 해준다는 것이 증명된 후 각종 대출 상품의 중도 이탈 고객 프로세스 분석으로 활용 범위를 넓혔다. 프로세스 마이닝에 의한 프로세스 상세 분석 결과, 각각의 대출 상품 이용 고객들이 상품 안내 페이지에 첫 진입한 후 각각의 단계에서 얼마나 빠져나가는지, 가장 많이 빠져나가는 구간이 어디인지 알 수 있게 됐다. 가장 많은 유실이 발생하는 구간과 시점에서 고객 알림 기능으로 주의를 환기, 유실을 방어하고 있다. 

나아가 금융 상품 이탈 고객 대상 실시간 타깃 마케팅에 프로세스 마이닝을 활용하는 중이다. IRP(퇴직연금) 고객 행태를 프로세스별로 분석해 고객 85%가 신규 완료까지 소요되는 평균 시간을 파악했으며, 가입 자격 구분 접속 후 해당 시간 내 미가입 고객을 대상으로 실시간 콜 마케팅을 실시하고 있다. 이전에는 고객 접촉까지 최소 1~3일이 소요됐던 것을 1시간으로 단축, 신규 가입률 또한 4배 이상 달성됐다.

신용대출 상품에 대해서도 프로세스 분석을 통해 같은 효과를 누릴 수 있었다. 신용대출 가입은 [상품 안내-대출 보이스피싱 사전 안내-[대출 적합성 체크]-약관 동의-한도조회 신청-한도조회 결과-신용대출 신청 완료]로 진행된다. 매 단계마다 고객이 조금씩 이탈하는데, 기존 6단계에서 대출 적합성 체크 단계가 신설돼 7단계로 늘어나면서 고객 이탈 또한 증가한 것이다. 대출 약관 동의까지 접근하는 고객은 기존 60%에서 47%로 줄어들었으며, 고객 이탈률은 15%에서 28%로 2배 증가했다.

이를 해결하기 위해 프로세스별 고객 행태를 분석, 고객의 70%가 대출 적합성 체크 후 한도산출까지 걸리는 평균 시간, 고객의 75%가 한도 확인 후 실제 신청까지 고민하는 평균 시간을 파악했다. 이에 따라 고객이 대출 적합성 체크 화면 접속 후 특정 시간 이내 대출 한도 미산출 고객 대상으로 LMS을 사용한 실시간 마케팅을 실시했다. 기존에 최소 1일이 소요됐던 고객 접촉이 실시간화 되면서 5배 이상의 신규율을 달성하게 됐다.

신한은행은 향후 프로세스 마이닝을 영업점과 콜센터 연계 실시간 마케팅에 적용해 비대면 가입도중 고객 이탈을 방어할 계획이다. 또한 고객 대상 초개인화 마케팅, 실시간 컴플라이언스 내부 관리로도 확대 적용한다는 생각이다.