자동화된 사무시스템 기반의 데이터 발굴 및 업무 프로세스 최적화

Abstract

인터넷의 발전과 클라우드 서비스의 진보에 따라 자동화된 사무 시스템은 당대 기업에 필수적인 수단 중의 하나로서 점차 중대형 기업의 생산 운영 속에 융합된다. 자동화 사무 시스템은 모든 직원 정보, 업무 처리 정보, 업무 흐름 정보와 지식을 데이터베이스에 모으고 대량의 데이터 축적은 데이터 발굴의 기초를 제공하다. 자동화 사무 시스템에서의 데이터 존재 가치는 매우 큽니다. 전통적인 방법으로 귀납하면 그 속에 존재하는 규율과 지식을 발견하기 어렵기 때문에 자동화된 사무 시스템의 데이터 발굴은 꼭 필요해야 한다. 한 회사가 금융 과학 기술 공사로서, 컴퓨터 개발과 운영이 주 업무이다. 따라서 본문의 데이터 발굴 방향은 주로 개발 과정 중에 남아 있는 정보에 초점을 맞추어 분석함으로써 코드 생산 중의 효율 문제와 생산 관리 중의 생산 모순 문제를 분석하였다. 이것으로 회사의 관리 수단과 업무 프로세스 등의 측면을 분석하여 최적화한 후에 회사 내부의 생산 관리 효율을 높이다. 본 논문은 데이터 탐색 알고리즘의 K평균 알고리즘을 통해 임무와 직원 두 가지 능력에서 출발하여, 업무 처리량과 직급 및 직급 유형의 결합을 통해 직급에 따른 생산성의 차이를 발견할 수 있고 내부 직원과 외주 직원은 생산성이 어떻게 다르다. 업무 처리 시간 중 인계 시간과 배포 시간을 분석해 하루 동안 직원이 일할 수 있는 능률의 주요 단계가 어디인지를 알아냈다. 작업 내용의 다양성 발굴을 통해 서로 다른 직원의 임무 묘사 습관을 분석하여 회사 내 생산 설비에서의 커뮤니케이션 비용을 분석하다. 생산성을 높이고, 커뮤니케이션 비용을 절감해 분석할 수 있다. 임무와 직원 2개의 레벨이 존재하는 다양한 정보를 조합하여 분석함으로써 회사의 관리 아키텍처, 관리 습관, 업무 프로세스 등 여러 가지 측면에서 문제점을 분석하고 대책을 제시하다. 데이터 발굴 후 데이터 발굴에서 나타난 현상과 그에 따른 사고분석에 따라, 다시 사내에서 대표적인 업무 프로세스를 최적화하고 통합하여 재구성하다. DMAIC 방법, ECRS법, SDCA 사이클의 3가지 산업 공정을 결합한 프로세스 최적화 방법을 이용하고 서로 다른 부서가 내놓은 생산 건의를 결합하여 여러 차례 검증을 거치고 업무 프로세스를 탐색 분석하여 최적화하고 재구성했다. 본문에서 제시된 발굴 방법 방안과 프로세스를 최적화하는 방법 방안은 실천과 이론을 서로 결합해 지식탐구연구를 만족시킬 뿐만 아니라 연구목표도 달성할 수 있도록 하였다. ECRS의 원리는 생산 현장뿐만 아니라 간접 부문에서도 사용할 수 있는 범용 프레임워크이다. 이 네 가지 관점을 더 자세히 설명해 보겠다.|With the development of the Internet and the progress of cloud services, office automatic system has become one of the important means of today's enterprises, more and more integrated into the production and operation of large and medium-sized enterprises. The office automatic system collects all employee information, business processing information, work flow information and knowledge into the database, and accumulates a large amount of data, which provides a basis for data discovery. The value of data in office automation system is very important. It is necessary to find data in the automatic office system, because it is difficult to find the existing disciplines and knowledge by the traditional method of introducing data. Company is a computer development and operation as the main work of financial technology companies. Therefore, the data discovery direction of this paper mainly focuses on the residual information in the development process, and analyzes the efficiency problems in the code production process and the production contradictions in the production management. Through the analysis and optimization of the company's management methods and work flow, the efficiency of the company's internal production management is improved. The K-means algorithm of the data search algorithm allows us to start with mission and employee capabilities, and to find differences in productivity by position throughput and type of position, and how internal and outsourced employees are productive. We analyzed the handover time and distribution time during the business processing time to determine the key steps in the efficiency of the employee's day-to-day work. Analyze the communication costs in the company's production lines by analyzing the task description habits of different employees through the discovery of diversity in work content. Increase productivity, reduce communication costs, and analyze them. Analyze and respond to problems in various aspects, including the company's management architecture, management habits, and work processes, by analyzing a combination of information that exists at the mission and two levels of staff. Based on the phenomenon and consequent incident analysis of data discovery after data discovery, we again optimize, integrate and reconfigure representative work processes in-house. Using a process optimization method that combines three industrial processes: the DMAIC method, the ECRS method, and the SDCA cycle, the production proposals from different departments were validated several times, explored, analyzed, and reconstructed. The discovery method and process optimization method presented in the text combine practice and theory to satisfy the knowledge exploration research and achieve the research goal.