JP2004287874A - データ分析方法および営業支援システム - Google Patents
データ分析方法および営業支援システム Download PDFInfo
- Publication number
- JP2004287874A JP2004287874A JP2003079350A JP2003079350A JP2004287874A JP 2004287874 A JP2004287874 A JP 2004287874A JP 2003079350 A JP2003079350 A JP 2003079350A JP 2003079350 A JP2003079350 A JP 2003079350A JP 2004287874 A JP2004287874 A JP 2004287874A
- Authority
- JP
- Japan
- Prior art keywords
- information
- items
- sales
- item
- case information
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Abstract
【課題】営業担当者が営業活動に関し確定済みの情報を入力するだけで、その他の未確定項目に対する何らかの推奨値を提示する営業支援システムおよび方法を提供すること。
【解決手段】蓄積された営業活動情報の項目の中で指定された1つ以上の項目に関して類似した営業活動情報を検索し、該類似した営業活動情報の特徴をIF−THEN形式のルールを推奨値として出力する。指定された項目には営業の対象となる企業名が含まれなくてもよい。また、ユーザにより入力される営業活動情報の属性情報などユーザ指定の附帯情報に従って自動的に書込み先のボリュームを分類し、書込み時において該ボリュームのデータレコード上の特定のフィールドに該データの附帯情報を自動で付加的に書込み、営業活動情報データベースを構築する。
【選択図】 図1
【解決手段】蓄積された営業活動情報の項目の中で指定された1つ以上の項目に関して類似した営業活動情報を検索し、該類似した営業活動情報の特徴をIF−THEN形式のルールを推奨値として出力する。指定された項目には営業の対象となる企業名が含まれなくてもよい。また、ユーザにより入力される営業活動情報の属性情報などユーザ指定の附帯情報に従って自動的に書込み先のボリュームを分類し、書込み時において該ボリュームのデータレコード上の特定のフィールドに該データの附帯情報を自動で付加的に書込み、営業活動情報データベースを構築する。
【選択図】 図1
Description
【0001】
【発明の属する技術分野】
本発明は、あらゆる企業の営業担当者の活動を支援する営業支援システムに関するものであり、大量に蓄積された過去の営業活動情報および企業情報からデータマイニング技術により営業活動のレコメンデーションプランを抽出するものである。
【0002】
【従来の技術】
従来、企業では情報処理システムを用いた営業支援システムを導入し、営業担当の活動支援を実現している。従来の営業支援システムは、担当案件の管理や過去の営業案件の検索、資料の自動作成など、主として営業情報の共有や、営業活動の作業上の支援を目的としている。そのため、見積の作成を自動化したり、営業活動に必要な資料をデータベース化して容易に検索できるようにするなど作業工数の削減を行う機能や、各営業担当者の活動状況を記憶して他人が参照できるようにする機能が実現されていた。
【0003】
最近では、上述したような単なる活動状況の把握にのみならず、営業活動のノウハウも共有化する機能も実現されつつある。特許文献1では、これまで営業担当者が自分の経験に基づいて行ってきた営業活動における判断に対し、支援を行おうとするものである。この従来技術を用いた営業支援システムでは、営業担当者が営業の対象となる企業の情報や活動状況などの情報を入力すると、システム中の推論部が過去の企業情報や営業状況などを参照し、例えば「デモ実施」など、次の営業活動における行動指示メッセージを出力する。営業支援システムは企業情報データベース、営業状況データベースのほかに行動指示メッセージデータベースを持つことにより、企業情報等の入力に対し、行動指示メッセージデータベースに格納されている行動指示メッセージの中から適切なものを選択することにより、この機能を実現している。
【0004】
以上の従来技術により、営業支援システムは営業活動における判断上の支援を行って営業活動の円滑化が可能となる。さらに、経験の少ない営業担当者にとって、経験の累積による熟練を待つことなく、有能な営業担当者への速やかな育成の寄与を実現する。
【0005】
特許文献1では、推論部は営業担当者からの入力に対し、その営業状況が上向きか下向きかを示す「傾き」と、その傾きが前回に比べどう変化したかを示す「変化率」を算出し、それらふたつのパラメータを用いて「状況変化関数」を導出する。そして、状況変化関数が類似した過去の営業状況の情報をデータベースから探し出し、その状況でとった行動を行動指示メッセージとして出力するものである。
【0006】
以上に挙げた推論方法のほかに、データマイニングと呼ばれる、大量データ向けの分析、特徴抽出技術が活発に研究されている。これらの技術を営業支援システムに適用し、推論を行うという方法も考えられる。以下、二つのデータマイニング手法を挙げる。
【0007】
未知データの推論、予測を目的としたデータマイニング手法である特許文献2は、大量に蓄積したデータから、類似度に基づいて推論結果を算出する手法として知られている。特に、類似データに含まれる推論項目の値と、入出力空間において類似データが存在する領域情報のみを知識として抽出することが可能なため、知識獲得ボトルネックを回避しつつ、大量データから、データ構造の局所的な構造を縮約表現に変換することが可能である。
【0008】
また、特許文献3は、大量データの特徴をIF−THEN形式のルールで抽出することを目的としたデータマイニング手法である。この手法により、人間が解釈しデータの特徴を理解するのに有効なルールを生成することができる。
【0009】
以上のデータマイニング手法は、金融商品などに対するセグメントなど、コンシューマー向けのマーケティングツールとして用いられている。
【0010】
【特許文献1】
特開平8−235249号公報
【特許文献2】
特開2000−089958号公報
【特許文献3】
特開平8−077010号公報
【0011】
【発明が解決しようとする課題】
上述した従来の営業支援システムでは、営業支援システムの推論部が営業担当者に対し出力できるのは行動指示メッセージのみであり、以下に示す点までは考慮されていない。
【0012】
第一に、営業担当者はシステムに指定された企業情報や営業状況などの情報を全て入力しなければ、出力である行動指示メッセージを得られないという点である。システムに指定された情報の全てがすでに確定しているような営業状況ならば問題はないが、たとえば営業活動がまだ初期段階であるときでは、対象企業に提示する受注予定金額や、自社が案件に投入する人員数などはまだ未確定という場合がほとんどである。この場合、上記の従来の営業支援システムを使うには、営業担当者が未確定な項目についても何らかの目星をつけて情報を入力しなければならない。これは、未確定項目の入力は結局、営業担当者の経験や勘に頼っていることを意味する。これでは、経験の少ない営業担当者は未確定の項目についてどの程度の値を入力すればよいのかの判断が困難となり、営業活動の円滑化および営業担当者の速やかな育成に寄与できるとは言い難い。
【0013】
第二に、営業活動を行う前の段階、つまりどの企業に対しアプローチをかけていこうかという、ターゲティングの段階では従来の営業支援システムは使えないということである。この点は第一の点とも関連している。従来のシステムの推論部は行動指示メッセージだけしか出力できず、さらに入力として対象企業の情報を入力する必要がある。このことは、すでに営業の対象とする企業が決定していることを前提としている。そのため、営業活動がある程度進捗している場合では上記の従来の営業支援システムは利用できるが、営業活動を行う前の段階、特に営業活動の対象となる企業を探す場合では利用できない。
【0014】
第三に、データベースとして行動指示メッセージ用のデータベースを用意しなければならないという点である。上記の従来の営業支援システムでは、営業担当者からの入力に対し、推論部は企業情報データベース・営業状況データベースを参照し、その結果行動指示メッセージデータベースから適切な行動を選択し、出力するというアルゴリズムである。企業情報データベースと営業状況データベースは過去の営業情報であるので、情報を蓄積すればデータベースを構築する手間は小さいが、行動支持メッセージデータベースは、この営業支援システムのためだけに必要なものであるため、予め行動指示メッセージだけを集め、データベースに入力しなければならない。そのため構築するのに大きな手間がかかる。しかも、入力されているメッセージ以外は出力されないため、入力された行動支持メッセージの数が少ない場合、必ずしもそれぞれの営業活動状況に適した行動指示メッセージが出力されるとは限らない。
【0015】
本発明の第一の目的は、営業担当者が営業活動に関し確定済みの情報を入力するだけで、その他の未確定項目に対する何らかの推奨値を提示する営業支援システムおよび方法を提供することにある。
【0016】
本発明の第二の目的は、営業活動が始まる前での、対象企業のターゲティングの段階においても用いることのできる営業支援システムおよび方法を提供することにある。
【0017】
本発明の第三の目的は、このシステムのために特別に行動指示メッセージデータベースを構築することなく、過去の営業活動の情報が蓄積されたデータベースを用いることによって、次の活動の指示・推奨を行える営業支援システムおよび方法を提供することにある。
【0018】
【課題を解決するための手段】
前記第一の目的および第二の目的を達成するために、本発明のデータ分析方法および営業支援システムは、蓄積された営業活動情報の項目の中で指定された1つ以上の項目に関して類似した営業活動情報を検索し、該類似した営業活動情報の特徴をIF−THEN形式のルールを推奨値として出力する。指定された項目には営業の対象となる企業名が含まれなくてもよい。
【0019】
また、前記第三の目的を達成するために、本発明のデータ分析方法および営業支援システムは、ユーザにより入力される営業活動情報の属性情報などユーザ指定の附帯情報に従って自動的に書込み先のボリュームを分類し、書込み時において該ボリュームのデータレコード上の特定のフィールドに該データの附帯情報を自動で付加的に書込み、営業活動情報データベースを構築する。
【0020】
【発明の実施の形態】
以下、本発明の実施の形態を図面に基づいて詳細に説明する。なお、これにより本発明が限定されるものではない。
【0021】
図1は、本発明を営業支援システムのデータ分析機能として適用した場合の実施の形態を示す概念図である。図2は本実施形態のシステム構成を示すブロック図を、図6、図9、図11は本実施形態の処理フローを、図7、図10、図12は本実施形態の表示画面イメージを、図3から図5、図8は本実施形態のデータテーブルをそれぞれ表している。図13は本実施形態におけるデータベースシステムの概念図を、図14と図15は本実施形態におけるデータベースシステムの処理フローを表している。
【0022】
最初に、図1を用いて、本発明の営業支援システムへの適用例の概略を説明する。
【0023】
まず、営業担当者は、現在抱えている営業案件についての、後述する営業活動情報600を営業支援システム100へ入力する。この際、営業活動情報600は、その営業案件について既に決定している項目(以後、確定済み項目という)610と、現段階では未だ決定していない項目(以後、未確定項目という)620の二つに分けられる。図1の例では、対象企業、対象製品が確定済み項目610であり、受注予定金額、投入人員数、次のアクションが未確定項目620である。営業担当者は、入力時には確定済み項目610のみシステム100に入力する。
【0024】
営業支援システム100は営業担当者からの入力を受け取ったら、推論部500において確定済み項目610についての類似例検索結果300を、過去の営業活動情報が蓄積されているデータベース200より検索する。この類似例検索機能510については後述する。さらに、営業担当者からの要請があれば、推論部500において、その類似例検索結果300のなかで受注などの良好な結果を収めた案件を取り出し、未確定項目620についての類似例検索結果300の特徴を特徴ルールを生成することにより抽出する。この特徴ルール生成機能520については後述する。受注を受けた情報について、予めフラグを立てておけば、受注を受けた情報を抽出できる。
【0025】
営業支援システム100は生成した特徴ルールを、未確定項目620に対する後述するレコメンデーションプラン700として営業担当者に表示する。営業担当者は提示されたプランを、営業活動を進めるうえでの参考にする。
【0026】
それぞれの処理の詳細については、後述する。
【0027】
図2は、営業支援システム100への適用例に係るデータ分析サーバ120と営業担当者用端末110とのオンラインシステムの構成を示すブロック図である。この図が示すように、営業支援システム100は、データ分析サーバ120と営業担当者用端末110、データベース200、及びこれらを接続する通信ネットワーク130で構成される。営業担当者用端末110は、営業部門等に設置されたパーソナルコンピュータ等の情報処理装置である。データ分析サーバ120は、企業の営業部門もしくはその他の部門等に設置されたワークステーションサーバ等の情報処理装置である。データベース200は過去の営業活動情報を格納した、ストレージなどの外部記憶装置である。通信ネットワーク130は、インターネットやLAN、その他の任意の有線又は無線を使った通信ネットワークを利用することができる。
【0028】
この図において、営業担当者は、営業担当者用端末110の入力装置111より営業活動情報600の確定済み項目610について入力する。表示装置112は例えばCRTディスプレイや液晶式表示装置であり、操作手順や営業担当者への指示案内を表示する。通信装置114は営業担当者が入力した情報のデータ分析サーバ120およびデータベース200への送信、およびデータ分析サーバ120が行った分析結果の受信を行う。制御装置113はこれらの装置からのデータの取り出し、記録、検査およびこれらの装置の動作制御を司り、内部に格納されたプログラムに従って上記の各機器の動作を制御する。また、データ分析サーバ120には、営業担当者用端末110から送信された確定済み項目610の受信、さらに分析結果の営業担当者用端末110への送信、およびデータベース200との類似例検索510および特徴ルール生成520のための過去営業活動情報の送受信を行う通信装置124を備える。制御装置123は、以上の動作を制御し、また実際に分析を行う、後述する推論部500の動作制御を行う。記憶装置125は、類似例検索510や特徴ルール生成520の結果などを保存するためのものである。データベース200には、企業情報が蓄積されている企業情報データベース210、過去の案件情報が蓄積されている案件情報データベース220、過去の営業活動情報が蓄積されている報告書情報データベース230がまとめられている。各データベースが持つ情報の詳細およびデータベース200の詳細については後述する。
【0029】
本実施形態ではデータ分析サーバ120と営業担当者用端末110、データベース200はそれぞれ別々の3台の情報処理装置で構成されるが、データ分析サーバ120およびデータベース200は営業担当者用端末110と同一の情報処理装置を使用してもよい。さらに、データ分析サーバ120とデータベース200もまた同一の情報処理装置を使用してもよい。
【0030】
上述した営業活動情報600とは、営業担当者が現在行っている、もしくは行おうとしている営業活動の情報である。具体的項目としては、例えば営業活動の対象となる企業の情報や売りたい製品の情報、受注予定金額、投入予定人員や次の顧客に対するアクションなどが存在する。この営業活動情報600の項目は確定済み項目610と未確定項目620に分けられる。確定済み項目610は既に決定されている項目のことであり、未確定項目620はまだ決定されていない、データ分析機能によって推論したい項目である。例えば、既に活動対象となる企業、さらに売り込みたい製品が決まっているならば、企業情報と製品情報が確定済み項目610となる。この場合、その他の項目、例えば受注予定金額や投入人員、アクションなどが未確定項目620となる。
【0031】
上述した類似例検索機能510とは、入力された分析対象の確定済み項目610について、後述する企業情報データベース210、案件情報データベース220および報告書情報データベース230に蓄積されている過去営業活動情報から類似した案件を検索する機能のことである。類似性については、入力された各確定済み項目610とデータベースの情報の該当項目との距離を測定することにより定義できる。類似例検索機能510の詳細については後述する。
【0032】
上述した企業情報データベース210とは、営業活動の対象となる企業に関する情報が格納されているデータベースのことであり、1企業が1レコードに対応している。レコードが持つ具体的な項目としては、企業名、業種、従業員数や業績などの基本的な情報のほか、これまでの自社との取引情報なども含まれる。企業情報データベース210に格納されているデータテーブル211の例を図3に示す。
【0033】
案件情報データベース220とは、過去の営業活動に関する情報が格納されているデータベースのことであり、営業活動の1案件が1レコードに対応している。レコードが持つ具体的な項目としては、案件名、相手企業名、対象製品、受注予定金額、さらに活動結果である受注/失注結果、受注金額などがある。案件情報データベース220に格納されているデータテーブル221の例を図4に示す。
【0034】
報告書情報データベース230とは、各営業活動において実際に行なわれた活動報告のことであり、1つの活動が1レコードに対応している。活動とは、ある案件に対し、例えば顧客とのコンタクトや社内打ち合わせなどがあり、1つの案件情報に対しいくつかの報告書情報が紐付けされている。レコードが持つ項目としては、活動内容、活動日時、活動場所、出席者(顧客側、自社側)などがある。報告書情報データベース230に格納されているデータテーブル231の例を図5に示す。
【0035】
上述した特徴ルール生成機能520とは、分析対象の未確定項目620に対し、確定済み項目610で類似例とされた類似例検索結果300からその特徴を抽出する機能のことである。類似例検索結果300の中で望ましい結果が得られた案件、つまり受注に至った案件を選び出し、それらの案件が営業活動情報600の未確定項目620において持っている値の特徴をルール生成という形で抽出し、それを推奨値として営業担当者に提示することにより、営業活動情報600の案件が受注に向かうように未確定項目620の値をレコメンデーションすることが可能となる。特徴ルール生成機能520の詳細については後述する。
【0036】
上述した推論部500とは、実際に分析対象の未確定項目620をデータマイニングによって推論するシステムのことである。このシステムは上述した類似例検索機能510と特徴ルール生成機能520の2つのデータマイニング機能をもっており、これらの機能をこの順で用いることにより、営業活動情報600の案件が受注に向かうよう未確定項目620を推論する。
【0037】
本実施形態のデータ分析サーバ120における処理フローを図6を用いて説明する。
【0038】
まず、営業担当者用端末110から送信された、分析対象の確定済み項目610をデータ分析サーバ120が受信し、記憶装置125中の確定済み項目テーブル450に保存する(ステップ1000)。
【0039】
次に、確定済み項目テーブル450の確定済み項目610に基づき、推論部500において類似例検索510を行う。類似例は過去の情報が格納されている企業情報データベース210、案件情報データベース220、報告書情報データベース230が収められたデータベース200から検索する。類似例検索結果300は記憶装置125中の類似例検索結果テーブル460に保存する(ステップ2000)。
【0040】
データ分析サーバ120は、推論部500によって類事例検索結果テーブル460に保存された類似例検索結果300を、営業担当者用端末110に送信する(ステップ3000)。
【0041】
営業担当者は営業担当者用端末110によって提示された類似例検索結果300を見て、特徴ルール生成520をデータ分析サーバ120に行わせるかどうかを判断する。営業担当者用端末110はその判断結果をデータ分析サーバ120へ送信する。データ分析サーバ120は営業担当者用端末110から送信された判断結果を受信し、特徴ルール生成520を行うのであれば次のステップへ、行わないのであれば処理を終了する(ステップ4000)。
【0042】
特徴ルール生成520を行う場合、推論部500において類似例検索結果テーブル460に保存された類似例検索結果300から、受注に至った類似例を選び出し、これらの情報を用いて分析対象の未確定項目620について特徴ルールの生成を行う。特徴ルールの例としては、IF−THEN形式で表されるものがある。抽出対象項目がTHEN部にあるときのIF部を生成する。生成された特徴抽出結果は、記憶装置125中の特徴ルール生成結果テーブル470に保存する(ステップ5000)。
【0043】
最後に、データ分析サーバ120は、推論部500によって特徴ルール生成結果テーブル470に保存された特徴ルール生成結果を、分析対象の未確定項目620に対するレコメンデーションプラン700として営業担当者用端末110に送信する(ステップ6000)。
【0044】
以下、それぞれの方法を図面を用いてさらに説明する。
【0045】
まず、確定済み項目受信処理(ステップ1000)の方法を説明する。
【0046】
営業担当者用端末110は、データ分析サーバ120にアクセスすることにより、WWWブラウザ上に分析対象確定済み項目入力画面1010を表示する。図7は入力画面1010の例である。画面上には各項目名1011が画面右側に記されている。画面右側に、各項目の内容1012を営業担当者が入力する。入力方法はフリーテキストや選択方式など、項目によって異なる。営業担当者はすでに内容が確定している項目に対し値を入力する。未確定項目については、「未確定」を選択する。図7の例では、対象企業名や対象企業業種などの対象企業情報、さらに対象製品については確定済み項目610となっており、それ以外の受注予定金額や投入人員数などは未確定項目620となっている。つまり、この例では営業活動の対象となる企業や売り込みたい製品は既に決定されているが、どの程度の規模で、どのようにして営業活動を進めていけばよいかはまだ決定されていないということになる。全ての項目に対し、確定済み項目の内容、もしくは「未確定」が入力されたら、営業担当者は確定済み項目入力画面1010の下部にある決定ボタン1015をクリックする。この決定ボタン1015がクリックされると、営業担当者用端末110から入力内容が通信ネットワーク130を介してデータ分析サーバ120に送信される。データ分析サーバ120は送信された分析対象となる営業活動情報600を受信し、確定済み項目テーブル450に保存する。
【0047】
ここで、確定済み項目テーブル450について説明する。図8は確定済み項目テーブルのデータテーブル241の例である。この図が示すように、データ分析サーバ120が受信した確定済み項目610の内容をそれぞれの項目欄へ保存する。以上のように、全ての確定済み項目610を確定済み項目テーブル450に保存し終わったら、確定済み項目受信処理(ステップ1000)を終了する。
【0048】
次に、類似例検索処理(ステップ2000)について、図9を用いて説明する。
【0049】
類似例検索510を行うための準備として、まずデータ分析サーバ120は予め定義された、類似例検索510を行うのに必要なパラメータを読み込む。ここでのパラメータは項目ごとの選択肢間の距離、各項目の重み、類似例として表示する件数、などである。これらのパラメータは予め設定されている場合や、ユーザである営業担当者によってその都度設定される場合がある(ステップ2100)。
【0050】
パラメータの読み込みが終わった後、データ分析サーバ120の推論部500は、確定済み項目テーブル450に保存されている分析対象の確定済み項目610を取り出す。確定済み項目テーブル450には確定済み項目610のみ入力され、未確定項目620は未入力である。そのため、何らかの値が入力されている項目についてのみ取り出すことにより、確定済み項目テーブル450上のどの項目が確定済み項目610で、その項目が未確定項目620なのかが判断できる(ステップ2200)。
【0051】
次のステップより、実際に類似例を検索するステップに入る。データベース200内に入っている過去営業活動情報に、分析対象に対する類似度を計算する。類似度とは、確定済み項目610についてどの程度分析対象と類似しているかを表す値である。全案件の類似度を計算するため、ステップ2300からステップ2500までの処理を繰り返す。
【0052】
類似度算出のステップでは、まずデータベース200の過去営業活動情報中の、確定済み項目610に該当する項目に何らかの値が入力されているかどうかをチェックする。この過去営業活動情報の確定済み項目610に該当する項目を検索用項目とする。ひとつでも値が未入力の検索用項目がある場合は、その過去営業活動情報の類似度を算出せず、類似例としない。検索用項目全てに値が入力されている過去営業活動情報は、分析対象との類似度を算出する。分析対象の確定済み項目610と、データベース200中の過去営業活動情報の検索用項目との類似度の算出方法は、特許文献2のアルゴリズムに従う(ステップ2400)。
【0053】
以上より、ステップ2500までで、データベース200内の過去営業活動情報に分析対象に関する類似度が計算されたことになる。
【0054】
類似度が計算されたら、次にデータベース200の中から類似度の高いもの、つまり分析対象と類似している過去営業活動情報を類似例検索結果300としてリストアップする。リストアップする過去営業活動情報の件数はステップ2100で予め決めてあるので、件数分だけ類似度の高い過去営業活動情報を選び出す。このため、件数の回数分だけステップ2600からステップ2900までの処理を繰り返す。
【0055】
まず、データベース200中で類似度が最も高い過去営業活動情報を選び出す処理を行う。類似度が最も高い過去営業活動情報を一件選び出し、保持しておく。同じ類似度の案件が複数ある場合は、重みの高い項目の類似度が高い過去営業活動情報を選ぶこととする(ステップ2700)。
【0056】
最も類似度の高い過去営業活動情報を選び出したら、その情報が持つ全項目および類似度を類似例検索結果テーブル460に書き込む。類似例検索結果テーブル460に全項目を書き込んだら、その過去営業活動情報の類似度をゼロクリアする(ステップ2800)。
【0057】
以上の処理を繰り返し、ステップ2100でパラメータ設定した件数分だけ過去営業活動情報を類似例検索結果テーブル460に書き込んだら、類似例検索処理(ステップ2000)を終了する。
【0058】
次に、類似例探索結果送信処理(ステップ3000)について説明する。
【0059】
データ分析サーバ120は、類似例探索結果テーブル460に書き込んだ類似例検索結果300を、営業担当者用端末110に送信する。このとき、データ分析サーバ120は営業担当者用端末110のWWWブラウザ上に類似例検索結果表示画面3010を表示する。図10はその例である。
【0060】
図中の類似例検索項目ボックス3020には、類似例検索を行ったときに用いた検索用項目とその内容を示している。これらの項目・内容は、確定済み項目テーブル450より読み込み、表示する。図中の類似例検索結果ボックス3030は、類似例検索を行った結果を表示する。類似例検索結果300は類似度の高い例から順に順位付けされ、その順位に従って表示する。類似例検索結果300の件数は上述したように、類似例検索する以前に予め設定した件数を全件表示する。表示項目は、類似例検索結果300となった過去営業活動情報が持つ項目を、確定済み項目も含めすべてを表示する。類似例検索結果300が持つ表示件数・項目が多い場合には、スクロールバー3035およびスクロールバー3036よって表示範囲を移動させることにより、類似例検索結果300の全件・全項目を表示することができる。図中の特徴抽出ボックス3040は、類似例検索の後に、この類似例を用いて後述する特徴抽出を行うかどうかを営業担当者に決定させるためのボックスである。営業担当者は、類似例検索結果ボックス3030に表示された類似例を見て、特徴ルール生成を行うかどうかを判断し、特徴ルール生成を行う場合には「特徴ルール生成を行う」チェックボックス3041をオンにする。行わない場合には、「特徴ルール生成を行わない」チェックボックス3045をオンにする。これら二つのチェックボックスはどちらかが必ず選択されるようになっている。「特徴ルール生成を行う」チェックボックス3041をオンにした場合、営業担当者はどの項目のどの内容についての特徴ルール生成を行うかを決定する必要がある。そこで、営業担当者は項目欄3042で該当する項目を選択する。項目を選択した後、内容欄3043には選択された項目に入力されている値が全て選択肢として表示される。そこで、営業担当者はその中から該当する値を選択する。営業担当者は以上の作業を終えた後、決定ボタン3050を押す。この決定ボタン3050を押すことにより、特徴ルール生成ボックス3040の内容がデータ分析サーバ120に送信される。このとき、「特徴ルール生成を行う」チェックボックス3041がオンになっているにもかかわらず、項目や内容が選択されていない場合にはエラーメッセージを表示した後に、再びこの類似例検索結果表示画面3010に戻る。特徴ルール生成を行う・行わないにかかわらず、この決定ボタン3050が押されたら、営業担当者用端末110は類似例検索結果ボックス3030に表示された類似例検索結果300をCSV形式のファイルでデータ分析サーバ120よりダウンロードする。以上が類似例探索結果送信処理(ステップ3000)の処理である。
【0061】
次に、特徴ルール生成対象受信処理(ステップ4000)について説明する。
【0062】
データ分析サーバ120は営業担当者用端末110から送信された、特徴ルール生成を行うかどうかの意思を受信する。「特徴ルール生成を行う」チェックボックス3041がオンになっている場合、どの項目のどの内容についての特徴ルールを生成するかについて営業担当者が選択した内容も受信する。この内容を推論部500に送信し、特徴ルール生成処理へ進む。「特徴ルール生成を行わない」チェックボックス3045がオンになっている場合、データ分析サーバ120は全ての処理を終了する。以上の処理を終えたら、特徴ルール生成対象受信処理(ステップ4000)を終了する。
【0063】
次に、特徴ルール生成処理(ステップ5000)について図11を用いて説明する。
【0064】
推論部500は特徴ルール生成に必要なパラメータを読み込む。ここでいうパラメータとは、生成する特徴ルール数、レコメンデーションプラン700として最終的に営業担当者に提示する特徴ルール数、特徴ルールのIF部の最大項目数、特徴ルールが満たすべき最低ヒット率および最低カバー率、などである。カバー率とは、生成されたルールが全類似例のどの程度を覆っているかを表す指標である。上述した、IF−THEN形式のルールにおいては、IF部に当てはまる類似例が全類似例中に占める割合を意味している。このカバー率が極端に小さい場合、類似例全体を表す特徴とはいえないため、特徴ルールが満たすべき最低カバー率を設定する必要がある。ヒット率とは、IF部にあてはまる類似例のうち、THEN部についても当てはまっている類似例の割合である。ヒット率は特徴ルールの信憑性を表しているため。このヒット率が極端に小さい場合、そのルールは正しいとはいえない。そのため、特徴ルールが満たすべき最低ヒット率を設定する必要がある(ステップ5100)。
【0065】
次に、推論部500はステップ4000でデータ分析サーバ120が営業担当者用端末110から受信した、特徴ルール生成対象項目とその内容を受け取る。上述したように、これは特徴ルールのTHEN部にあたる項目である。例としては、「項目:受注結果、内容:全受注」があげられる。これは、全受注に至った類事例検索結果300について特徴ルールを生成し、全受注に至った類似例が持つ項目内容の特徴をIF部で表すことを意味する。従って、以下の特徴ルール生成では、IF部を推論することになる(ステップ5200)。
【0066】
次のステップでは、類似例検索結果テーブル460に保存されている分析対象の類似例検索結果300を読み込む。類似例検索結果テーブル460に保存されている類似例検索結果300の全項目を読み込む(ステップ5300)。
【0067】
次のステップより特徴ルール生成を行うステップに入る。THEN部はステップ5200で設定されているので、実際に推論するのは特徴ルールのIF部ということになる。特徴ルール生成方法については、特許文献3のアルゴリズムに従う。ステップ5100で設定した、最低カバー率および最低ヒット率を満たさない特徴ルールは生成されない。生成される特徴ルールの例として、「IF 投入人員数=5人以上8人以下 かつ 受注予定金額=¥5M以下 THEN 受注結果=全受注」があげられる。この特徴ルールは、投入人員が5人以上8人以下で、かつ受注予定金額が5M円以下である場合、全受注できるということを意味する。このステップでは、以上のような特徴ルールをステップ5100で設定した数だけ生成する(ステップ5400)。
【0068】
特徴ルールが生成されたら、実際にレコメンデーションプラン700として営業担当者用端末110に送信する特徴ルールを選択する。送信される特徴ルールの数は、ステップ5100で受け取ったルール数である。そのため、ステップ5500からステップ5700までの処理を営業へ提示するルール数、すなわち営業担当者用端末110へ送信するルール数だけ繰り返す。
【0069】
まず、生成された特徴ルールの中から最もヒット率の高い特徴ルールを読み出す。同じヒット率の特徴ルールが複数ある場合は、その中でカバー率の最も高い特徴ルールを読み出す。そして、読み出された特徴ルールを特徴ルール生成結果テーブル470に書き込む。書き込む情報は特徴ルールのIF部、THEN部、それにこの特徴ルールのカバー率およびヒット率である。特徴ルール生成結果テーブル470に書き込まれた特徴ルールのカバー率およびヒット率は、その値をゼロクリアする(ステップ5600)。
【0070】
以上の処理を繰り返し、ステップ5100のルール数だけ特徴ルールを特徴ルール生成結果テーブル470に書き込んだら、特徴ルール生成処理(ステップ5000)を終了する。
【0071】
次に、特徴抽ルール生成結果送信処理(ステップ6000)について説明する。データ分析サーバ120は、特徴ルール生成結果テーブル470に書き込んだ特徴ルール生成結果を、営業担当者用端末110に送信する。このとき、データ分析サーバ120は営業担当者用端末110のWWWブラウザ上に特徴ルール生成結果表示画面6010を表示する。図12はその例である。
【0072】
図中の類似例検索項目表示ボックス6020は、類似例検索に用いた項目を引き続き表示している。図10で示した内容と同じものを表示する。
【0073】
図中の特徴ルール生成項目表示ボックス6030は、特徴ルール生成の対象となった項目とその内容である。つまり、生成された特徴ルールのTHEN部を表示している。これは、ステップ3000において営業担当者が指定した項目および内容である。
【0074】
図中のレコメンデーションプラン表示ボックス6040は、未確定項目620に対するレコメンデーションプラン700として、特徴ルール生成結果を表示する。ここでは、生成された特徴ルールのヒット率順位、ヒット率、カバー率およびIF部を構成する項目とその内容をヒット率が高い順に表示する。これらの内容は、特徴ルール生成結果テーブル470に書き込まれている内容を読み込み、表示する。そのため、ステップ5100で設定した数の特徴ルールを表示する。ルール数および表示項目が表示画面内に入りきらない場合には、それぞれスクロールバー6045および6046を用いて表示範囲を移動させることにより全特徴ルール・項目を表示することができる。以上の表示処理が終わった後、特徴ルール生成結果表示処理(ステップ6000)を終了する。
【0075】
次に、過去の営業情報を格納するデータベース200について説明する。
【0076】
上述のように、データベース200は企業情報データベース210、案件情報データベース220、報告書情報データベース230で構成され、過去の営業活動情報を格納している。これらのデータベースはそれぞれ外部記憶装置をもっている。本実施形態では3つのデータベースはそれぞれ独立した外部記憶装置としているが、同一のデータベースを使用してもよい。
【0077】
以下では、これらのデータベースのうち、案件情報データベースの構成および処理について詳細を述べるが、他のデータベースについてもデータの内容は異なるが構成および処理はこれと同様である。
【0078】
案件情報データベース220の構成および処理について、図13、図14、図15を用いて説明する。
【0079】
過去の案件情報を格納しているデータベース220は、ストレージ250など、大容量のデータが蓄積可能な記憶装置で構成される。格納されている過去案件情報は、最新の情報で精度の高いレコメンデーションプラン700を提供するため、常に既存情報の更新や新規の登録がなされている。
【0080】
この際、ストレージ250は格納している過去案件情報をディスク251に書き込むときにその属性など、附帯する情報をレコード255上の特定のフィールド256に付加する。さらに、案件情報が書き込まれるボリュームは附帯情報の内容ごとに別々に用意されており、同一の附帯情報をもつ案件情報は同一のボリュームに書き込まれる。つまり、付加された附帯情報の内容により、過去案件情報を同一の附帯情報ごとに、ストレージ250を構成するディスク251のボリューム281、282、283のうち該当するボリュームに附帯情報とともに書き込む。これにより、過去案件情報は付加された附帯情報ごとに同じボリューム上にまとめて書き込まれているので、新しい案件情報をストレージ250に書き込むとき、その案件情報が持つ附帯情報と同一の附帯情報のボリュームにその案件情報を書き込むことになる。
【0081】
図13は、上述の附帯情報が「営業活動開始年月」であるときの案件情報データベース220のシステム構成図である。案件情報データベース220は通信装置290とストレージ250で構成されている。通信装置290はデータベース通信ネットワーク205を通じて他のデータベースと連結されており、さらに通信ネットワーク130を通じてデータ分析サーバ120へ過去案件情報の送信、さらに営業担当者用端末110から入力された案件情報の受信を行う。ストレージ250は通信装置290を経由して受信したアクセス要求を受け付けてディスクI/Oを制御するディスクコントローラ295と、数個のディスク251、261で構成されている。ディスク251は案件情報を格納する案件情報格納ディスクであり、附帯情報の内容ごとに複数のボリュームA281、ボリュームB282、ボリュームC283などに分割されている。ディスク251上には案件情報が書き込まれるレコード255が並んでおり、そのレコードのフィールド256に、附帯情報である営業活動開始年月が書き込まれる。また、ディスク261は附帯情報とボリュームとの対応関係265を保持する附帯情報保持ディスクである。これは、案件情報がもつ附帯情報の内容によって、その案件情報が案件情報格納ディスク251中のどのボリュームに書き込まれるか、についての対応関係を表す。
【0082】
以下、図14および図15を用いて、システム導入時の設定およびデータ書込要求発生時の処理フローについて説明する。まず、システム導入時の設定処理のフローについて図14を用いて説明する。
【0083】
最初に、ディスクコントローラ295はストレージ250の特定のディスクを附帯情報保持ディスク261として確保する。上述したように、附帯情報保持ディスク261は案件情報が持つ附帯情報の内容とその案件情報を書き込むボリュームとの対応関係を格納するためのものである(ステップ8100)。
【0084】
次に、システム管理者はディスクコントローラ295に、附帯情報をどのような情報とするのかを指定する。ディスクコントローラ295は内部に持つ記憶装置に、指定された附帯情報名を格納する。「営業活動開始年月」を附帯情報とした場合、ディスクコントローラ295は内部記憶装置に「附帯情報:営業活動開始年月」と書き込む。この指定を行うのは、営業担当を統括するマネージャなどが行ってもよい(ステップ8200)。
【0085】
さらに、システム管理者は指定した附帯情報の算出方法をディスクコントローラ295に指定する。ディスクコントローラ295はステップ8200と同様に、内部記憶装置に指定された附帯情報の算出方法を格納する。附帯情報が営業活動開始年月の場合、案件情報中の項目である「営業活動開始年月日」から年月を算出する、という算出方法をディスクコントローラ295に格納する。案件情報中の項目から抽出できない情報を附帯情報とした場合、例えば「データ有効期限(データ入力時から1年)」とした場合には、案件情報入力時にディスクコントローラ295に残されたアクセスログから入力時間を割り出し、そこに3年を足すことによって附帯情報となるデータ有効期限が算出できる(ステップ8300)。
【0086】
以上がシステム導入時での設定処理フローである。なお、ステップ8200およびステップ8300でシステム管理者が行う設定は、営業担当者用端末110から行うことが可能であるが、ストレージ250にて直接行うことも可能である。
【0087】
次に、案件情報入力時のディスクコントローラ295の処理フローについて、図15を用いて説明する。
【0088】
最初に、ディスクコントローラ295は通信装置290を経て、営業担当者用端末110から入力された、書込対象となる案件情報を受信する(ステップ9100)。
【0089】
ディスクコントローラ295は書込対象の案件情報を受信したら、システム導入時に設定された附帯情報の算出方法を参照し、附帯情報を算出するのに必要な案件情報項目および情報を抽出する。附帯情報が営業活動開始年月の場合、ディスクコントローラ295は受け取った案件情報から営業活動開始年月日の項目に入っている内容(年月日)を抽出する(ステップ9200)。
【0090】
次に、ステップ9200で抽出した項目内容および情報を用いて、附帯情報を算出する。上述したように、システム導入時にディスクコントローラ295に設定された算出方法に基づいて附帯情報の算出が行われる(ステップ9300)。
【0091】
附帯情報が算出されたら、その内容がすでに附帯情報保持ディスク261に存在するかどうかを検索する。附帯情報保持ディスク261には、附帯情報の内容とその附帯情報を持つ案件情報が格納されているボリュームとの対応関係265が格納されている。ディスクコントローラ295はこの対応関係265から、該当する附帯情報を検索する(ステップ9400)。
【0092】
ステップ9400での附帯情報の検索の結果、該当する附帯情報が附帯情報保持ディスク261内の対応関係265に存在した場合、その案件情報は対応関係に記されているボリュームに書き込まれることになる。この場合、処理はステップ9600へ進む。該当する附帯情報が対応関係265に存在しない場合は、新しくボリュームを確保することになる。この場合、処理はステップ9700へ進む。つまり、図15に示すように、書込対象の案件情報の附帯情報である営業活動開始年月が「2002/01」である場合は、附帯情報保持ディスク261に既に存在するが、営業活動開始年月が「2002/02」である場合は、附帯情報保持ディスク261に存在しないことになる(ステップ9500)。
【0093】
ステップ9500において、書込対象の案件情報の附帯情報が附帯情報保持ディスク261に存在する場合、附帯情報保持ディスク261中の対応関係265に記されている該当ボリュームに案件情報をレコード255に書き込む。さらに書込時に、附帯情報をレコード255中の指定のフィールド256に付加する。附帯情報である営業活動開始年月が「2002/01」の場合、附帯情報保持ディスク261内の対応関係265に記されているように、案件情報格納ディスク251中の対応するボリュームA281に案件情報を書き込む。そのとき、附帯情報である「2002/01」を付加する。案件情報および附帯情報を対応関係にあるボリュームに書き込んだら、処理を終了する(ステップ9600)。
【0094】
ステップ9500において書込対象の案件情報の附帯情報が附帯情報保持ディスク261に存在しない場合、新たにその附帯情報用のボリュームを設定する必要がある。そこで、案件情報格納ディスク251の中の空きスペースにボリュームを新設する。例えば、図15では、附帯情報の営業活動開始年月が「2002/02」は附帯情報保持ディスク261に存在しないため、附帯情報「2002/02」用のボリュームB282を案件情報格納ディスク251内に新設する(ステップ9700)。
【0095】
ステップ9700でボリュームを新設したら、案件情報を新設ボリューム中のレコード255に書き込む。このとき、ステップ9600と同様に、附帯情報をレコード255中の指定のフィールド256に付加する。例えば、新設したボリュームが附帯情報「2002/02」用の場合、「2002/02」を案件情報に付加して書き込む(ステップ9800)。
【0096】
次に、新設したボリュームと附帯情報との対応関係を附帯情報保持ディスク261に保存する。これにより、次回の案件情報書込時に同じ附帯情報が算出された場合、今回新設したボリュームに書き込むことになる。これまでの例と同様に、附帯情報「2002/02」のボリュームを新設した場合、附帯情報保持ディスク261中の対応関係265に、「2002/02→B」という新しい対応関係を保存する。対応関係を保存したら、処理を終了する(ステップ9900)。
【0097】
以上の実施例では「営業活動開始年月」を附帯情報としたが、その他にも営業担当事業部(支社)、最終更新年月、対象製品、案件情報の有効期限年月などが附帯情報の項目として考えられる。以上のデータベース200によるデータベースシステムにより、データアクセス、過去営業活動情報のコピー・バックアップ、さらにデータ分析のためのETL、データクレンジングなどが容易に、しかも高速に行うことが可能となる。
【0098】
このように本実施形態によれば、営業支援システム100は営業担当者に、分析対象となる営業活動情報600の確定済み項目610のみを入力することにより、その対象の確定済み項目610に関する類似例を検索し表示することができる。さらに、未確定項目620に対しては、上述の類似例検索結果300が持つ特徴を抽出することにより、未確定項目620のレコメンデーションプラン700として提示することができる。以上により、営業担当者は自身の抱える営業案件を効率よく進めることができる。
【0099】
【発明の効果】
以上詳細に述べたごとく、本発明によれば、入力された確定済み項目についてまず過去の営業活動情報からその類似例を検索し、その検索結果から未確定項目についての特徴を抽出することにより、営業担当者は担当する営業活動案件について、その時点で確定している情報のみを営業支援システムに入力するだけで、システムは未確定の項目に対する推奨値をレコメンデーションプランとして提示することが可能となる。これは、営業活動の対象となる企業を見つけ出すターゲティングにも本発明を用いた営業支援システムが適用できることを意味する。
【0100】
また、企業情報データベースや、過去の案件情報・営業活動情報データベースなどを用いるため、行動指示メッセージなど、営業支援システムのための特別なデータを格納したデータベースを予め用意することなく、次の活動の指示や推奨などの営業支援を行うことが可能である。
【図面の簡単な説明】
【図1】本発明の実施形態におけるシステムの概念図である。
【図2】本発明の実施形態におけるシステムの構成を示すブロック図である。
【図3】本発明の実施形態における企業情報データベースに格納されているデータテーブルの例を示す図である。
【図4】本発明の実施形態における案件情報データベースに格納されているデータテーブルの例を示す図である。
【図5】本発明の実施形態における報告書情報データベースに格納されているデータテーブルの例を示す図である。
【図6】本発明の実施形態におけるデータ分析サーバの処理フロー図である。
【図7】本発明の実施形態における確定済み項目入力画面である。
【図8】本発明の実施形態における例外・推奨予測値・推奨根拠情報テーブルである。
【図9】本発明の実施形態における類似例検索の処理フロー図である。
【図10】本発明の実施形態における類似例検索結果表示画面である。
【図11】本発明の実施形態における特徴ルール生成の処理フロー図である。
【図12】本発明の実施形態における特徴ルール生成結果表示画面である。
【図13】本発明の実施形態におけるデータベースのシステム構成図である。
【図14】本発明の実施形態におけるデータベースシステムの、システム導入時における処理フロー図である。
【図15】本発明の実施形態におけるデータベースシステムの、データ書込時における処理フロー図である。
【符号の説明】
100…営業支援システム、200…データベース、300…類似例検索結果、500…推論部、510…類似例検索機能、520…特徴ルール生成機能、600…営業活動情報、610…確定済み項目、620…未確定項目、700…レコメンデーションプラン。
【発明の属する技術分野】
本発明は、あらゆる企業の営業担当者の活動を支援する営業支援システムに関するものであり、大量に蓄積された過去の営業活動情報および企業情報からデータマイニング技術により営業活動のレコメンデーションプランを抽出するものである。
【0002】
【従来の技術】
従来、企業では情報処理システムを用いた営業支援システムを導入し、営業担当の活動支援を実現している。従来の営業支援システムは、担当案件の管理や過去の営業案件の検索、資料の自動作成など、主として営業情報の共有や、営業活動の作業上の支援を目的としている。そのため、見積の作成を自動化したり、営業活動に必要な資料をデータベース化して容易に検索できるようにするなど作業工数の削減を行う機能や、各営業担当者の活動状況を記憶して他人が参照できるようにする機能が実現されていた。
【0003】
最近では、上述したような単なる活動状況の把握にのみならず、営業活動のノウハウも共有化する機能も実現されつつある。特許文献1では、これまで営業担当者が自分の経験に基づいて行ってきた営業活動における判断に対し、支援を行おうとするものである。この従来技術を用いた営業支援システムでは、営業担当者が営業の対象となる企業の情報や活動状況などの情報を入力すると、システム中の推論部が過去の企業情報や営業状況などを参照し、例えば「デモ実施」など、次の営業活動における行動指示メッセージを出力する。営業支援システムは企業情報データベース、営業状況データベースのほかに行動指示メッセージデータベースを持つことにより、企業情報等の入力に対し、行動指示メッセージデータベースに格納されている行動指示メッセージの中から適切なものを選択することにより、この機能を実現している。
【0004】
以上の従来技術により、営業支援システムは営業活動における判断上の支援を行って営業活動の円滑化が可能となる。さらに、経験の少ない営業担当者にとって、経験の累積による熟練を待つことなく、有能な営業担当者への速やかな育成の寄与を実現する。
【0005】
特許文献1では、推論部は営業担当者からの入力に対し、その営業状況が上向きか下向きかを示す「傾き」と、その傾きが前回に比べどう変化したかを示す「変化率」を算出し、それらふたつのパラメータを用いて「状況変化関数」を導出する。そして、状況変化関数が類似した過去の営業状況の情報をデータベースから探し出し、その状況でとった行動を行動指示メッセージとして出力するものである。
【0006】
以上に挙げた推論方法のほかに、データマイニングと呼ばれる、大量データ向けの分析、特徴抽出技術が活発に研究されている。これらの技術を営業支援システムに適用し、推論を行うという方法も考えられる。以下、二つのデータマイニング手法を挙げる。
【0007】
未知データの推論、予測を目的としたデータマイニング手法である特許文献2は、大量に蓄積したデータから、類似度に基づいて推論結果を算出する手法として知られている。特に、類似データに含まれる推論項目の値と、入出力空間において類似データが存在する領域情報のみを知識として抽出することが可能なため、知識獲得ボトルネックを回避しつつ、大量データから、データ構造の局所的な構造を縮約表現に変換することが可能である。
【0008】
また、特許文献3は、大量データの特徴をIF−THEN形式のルールで抽出することを目的としたデータマイニング手法である。この手法により、人間が解釈しデータの特徴を理解するのに有効なルールを生成することができる。
【0009】
以上のデータマイニング手法は、金融商品などに対するセグメントなど、コンシューマー向けのマーケティングツールとして用いられている。
【0010】
【特許文献1】
特開平8−235249号公報
【特許文献2】
特開2000−089958号公報
【特許文献3】
特開平8−077010号公報
【0011】
【発明が解決しようとする課題】
上述した従来の営業支援システムでは、営業支援システムの推論部が営業担当者に対し出力できるのは行動指示メッセージのみであり、以下に示す点までは考慮されていない。
【0012】
第一に、営業担当者はシステムに指定された企業情報や営業状況などの情報を全て入力しなければ、出力である行動指示メッセージを得られないという点である。システムに指定された情報の全てがすでに確定しているような営業状況ならば問題はないが、たとえば営業活動がまだ初期段階であるときでは、対象企業に提示する受注予定金額や、自社が案件に投入する人員数などはまだ未確定という場合がほとんどである。この場合、上記の従来の営業支援システムを使うには、営業担当者が未確定な項目についても何らかの目星をつけて情報を入力しなければならない。これは、未確定項目の入力は結局、営業担当者の経験や勘に頼っていることを意味する。これでは、経験の少ない営業担当者は未確定の項目についてどの程度の値を入力すればよいのかの判断が困難となり、営業活動の円滑化および営業担当者の速やかな育成に寄与できるとは言い難い。
【0013】
第二に、営業活動を行う前の段階、つまりどの企業に対しアプローチをかけていこうかという、ターゲティングの段階では従来の営業支援システムは使えないということである。この点は第一の点とも関連している。従来のシステムの推論部は行動指示メッセージだけしか出力できず、さらに入力として対象企業の情報を入力する必要がある。このことは、すでに営業の対象とする企業が決定していることを前提としている。そのため、営業活動がある程度進捗している場合では上記の従来の営業支援システムは利用できるが、営業活動を行う前の段階、特に営業活動の対象となる企業を探す場合では利用できない。
【0014】
第三に、データベースとして行動指示メッセージ用のデータベースを用意しなければならないという点である。上記の従来の営業支援システムでは、営業担当者からの入力に対し、推論部は企業情報データベース・営業状況データベースを参照し、その結果行動指示メッセージデータベースから適切な行動を選択し、出力するというアルゴリズムである。企業情報データベースと営業状況データベースは過去の営業情報であるので、情報を蓄積すればデータベースを構築する手間は小さいが、行動支持メッセージデータベースは、この営業支援システムのためだけに必要なものであるため、予め行動指示メッセージだけを集め、データベースに入力しなければならない。そのため構築するのに大きな手間がかかる。しかも、入力されているメッセージ以外は出力されないため、入力された行動支持メッセージの数が少ない場合、必ずしもそれぞれの営業活動状況に適した行動指示メッセージが出力されるとは限らない。
【0015】
本発明の第一の目的は、営業担当者が営業活動に関し確定済みの情報を入力するだけで、その他の未確定項目に対する何らかの推奨値を提示する営業支援システムおよび方法を提供することにある。
【0016】
本発明の第二の目的は、営業活動が始まる前での、対象企業のターゲティングの段階においても用いることのできる営業支援システムおよび方法を提供することにある。
【0017】
本発明の第三の目的は、このシステムのために特別に行動指示メッセージデータベースを構築することなく、過去の営業活動の情報が蓄積されたデータベースを用いることによって、次の活動の指示・推奨を行える営業支援システムおよび方法を提供することにある。
【0018】
【課題を解決するための手段】
前記第一の目的および第二の目的を達成するために、本発明のデータ分析方法および営業支援システムは、蓄積された営業活動情報の項目の中で指定された1つ以上の項目に関して類似した営業活動情報を検索し、該類似した営業活動情報の特徴をIF−THEN形式のルールを推奨値として出力する。指定された項目には営業の対象となる企業名が含まれなくてもよい。
【0019】
また、前記第三の目的を達成するために、本発明のデータ分析方法および営業支援システムは、ユーザにより入力される営業活動情報の属性情報などユーザ指定の附帯情報に従って自動的に書込み先のボリュームを分類し、書込み時において該ボリュームのデータレコード上の特定のフィールドに該データの附帯情報を自動で付加的に書込み、営業活動情報データベースを構築する。
【0020】
【発明の実施の形態】
以下、本発明の実施の形態を図面に基づいて詳細に説明する。なお、これにより本発明が限定されるものではない。
【0021】
図1は、本発明を営業支援システムのデータ分析機能として適用した場合の実施の形態を示す概念図である。図2は本実施形態のシステム構成を示すブロック図を、図6、図9、図11は本実施形態の処理フローを、図7、図10、図12は本実施形態の表示画面イメージを、図3から図5、図8は本実施形態のデータテーブルをそれぞれ表している。図13は本実施形態におけるデータベースシステムの概念図を、図14と図15は本実施形態におけるデータベースシステムの処理フローを表している。
【0022】
最初に、図1を用いて、本発明の営業支援システムへの適用例の概略を説明する。
【0023】
まず、営業担当者は、現在抱えている営業案件についての、後述する営業活動情報600を営業支援システム100へ入力する。この際、営業活動情報600は、その営業案件について既に決定している項目(以後、確定済み項目という)610と、現段階では未だ決定していない項目(以後、未確定項目という)620の二つに分けられる。図1の例では、対象企業、対象製品が確定済み項目610であり、受注予定金額、投入人員数、次のアクションが未確定項目620である。営業担当者は、入力時には確定済み項目610のみシステム100に入力する。
【0024】
営業支援システム100は営業担当者からの入力を受け取ったら、推論部500において確定済み項目610についての類似例検索結果300を、過去の営業活動情報が蓄積されているデータベース200より検索する。この類似例検索機能510については後述する。さらに、営業担当者からの要請があれば、推論部500において、その類似例検索結果300のなかで受注などの良好な結果を収めた案件を取り出し、未確定項目620についての類似例検索結果300の特徴を特徴ルールを生成することにより抽出する。この特徴ルール生成機能520については後述する。受注を受けた情報について、予めフラグを立てておけば、受注を受けた情報を抽出できる。
【0025】
営業支援システム100は生成した特徴ルールを、未確定項目620に対する後述するレコメンデーションプラン700として営業担当者に表示する。営業担当者は提示されたプランを、営業活動を進めるうえでの参考にする。
【0026】
それぞれの処理の詳細については、後述する。
【0027】
図2は、営業支援システム100への適用例に係るデータ分析サーバ120と営業担当者用端末110とのオンラインシステムの構成を示すブロック図である。この図が示すように、営業支援システム100は、データ分析サーバ120と営業担当者用端末110、データベース200、及びこれらを接続する通信ネットワーク130で構成される。営業担当者用端末110は、営業部門等に設置されたパーソナルコンピュータ等の情報処理装置である。データ分析サーバ120は、企業の営業部門もしくはその他の部門等に設置されたワークステーションサーバ等の情報処理装置である。データベース200は過去の営業活動情報を格納した、ストレージなどの外部記憶装置である。通信ネットワーク130は、インターネットやLAN、その他の任意の有線又は無線を使った通信ネットワークを利用することができる。
【0028】
この図において、営業担当者は、営業担当者用端末110の入力装置111より営業活動情報600の確定済み項目610について入力する。表示装置112は例えばCRTディスプレイや液晶式表示装置であり、操作手順や営業担当者への指示案内を表示する。通信装置114は営業担当者が入力した情報のデータ分析サーバ120およびデータベース200への送信、およびデータ分析サーバ120が行った分析結果の受信を行う。制御装置113はこれらの装置からのデータの取り出し、記録、検査およびこれらの装置の動作制御を司り、内部に格納されたプログラムに従って上記の各機器の動作を制御する。また、データ分析サーバ120には、営業担当者用端末110から送信された確定済み項目610の受信、さらに分析結果の営業担当者用端末110への送信、およびデータベース200との類似例検索510および特徴ルール生成520のための過去営業活動情報の送受信を行う通信装置124を備える。制御装置123は、以上の動作を制御し、また実際に分析を行う、後述する推論部500の動作制御を行う。記憶装置125は、類似例検索510や特徴ルール生成520の結果などを保存するためのものである。データベース200には、企業情報が蓄積されている企業情報データベース210、過去の案件情報が蓄積されている案件情報データベース220、過去の営業活動情報が蓄積されている報告書情報データベース230がまとめられている。各データベースが持つ情報の詳細およびデータベース200の詳細については後述する。
【0029】
本実施形態ではデータ分析サーバ120と営業担当者用端末110、データベース200はそれぞれ別々の3台の情報処理装置で構成されるが、データ分析サーバ120およびデータベース200は営業担当者用端末110と同一の情報処理装置を使用してもよい。さらに、データ分析サーバ120とデータベース200もまた同一の情報処理装置を使用してもよい。
【0030】
上述した営業活動情報600とは、営業担当者が現在行っている、もしくは行おうとしている営業活動の情報である。具体的項目としては、例えば営業活動の対象となる企業の情報や売りたい製品の情報、受注予定金額、投入予定人員や次の顧客に対するアクションなどが存在する。この営業活動情報600の項目は確定済み項目610と未確定項目620に分けられる。確定済み項目610は既に決定されている項目のことであり、未確定項目620はまだ決定されていない、データ分析機能によって推論したい項目である。例えば、既に活動対象となる企業、さらに売り込みたい製品が決まっているならば、企業情報と製品情報が確定済み項目610となる。この場合、その他の項目、例えば受注予定金額や投入人員、アクションなどが未確定項目620となる。
【0031】
上述した類似例検索機能510とは、入力された分析対象の確定済み項目610について、後述する企業情報データベース210、案件情報データベース220および報告書情報データベース230に蓄積されている過去営業活動情報から類似した案件を検索する機能のことである。類似性については、入力された各確定済み項目610とデータベースの情報の該当項目との距離を測定することにより定義できる。類似例検索機能510の詳細については後述する。
【0032】
上述した企業情報データベース210とは、営業活動の対象となる企業に関する情報が格納されているデータベースのことであり、1企業が1レコードに対応している。レコードが持つ具体的な項目としては、企業名、業種、従業員数や業績などの基本的な情報のほか、これまでの自社との取引情報なども含まれる。企業情報データベース210に格納されているデータテーブル211の例を図3に示す。
【0033】
案件情報データベース220とは、過去の営業活動に関する情報が格納されているデータベースのことであり、営業活動の1案件が1レコードに対応している。レコードが持つ具体的な項目としては、案件名、相手企業名、対象製品、受注予定金額、さらに活動結果である受注/失注結果、受注金額などがある。案件情報データベース220に格納されているデータテーブル221の例を図4に示す。
【0034】
報告書情報データベース230とは、各営業活動において実際に行なわれた活動報告のことであり、1つの活動が1レコードに対応している。活動とは、ある案件に対し、例えば顧客とのコンタクトや社内打ち合わせなどがあり、1つの案件情報に対しいくつかの報告書情報が紐付けされている。レコードが持つ項目としては、活動内容、活動日時、活動場所、出席者(顧客側、自社側)などがある。報告書情報データベース230に格納されているデータテーブル231の例を図5に示す。
【0035】
上述した特徴ルール生成機能520とは、分析対象の未確定項目620に対し、確定済み項目610で類似例とされた類似例検索結果300からその特徴を抽出する機能のことである。類似例検索結果300の中で望ましい結果が得られた案件、つまり受注に至った案件を選び出し、それらの案件が営業活動情報600の未確定項目620において持っている値の特徴をルール生成という形で抽出し、それを推奨値として営業担当者に提示することにより、営業活動情報600の案件が受注に向かうように未確定項目620の値をレコメンデーションすることが可能となる。特徴ルール生成機能520の詳細については後述する。
【0036】
上述した推論部500とは、実際に分析対象の未確定項目620をデータマイニングによって推論するシステムのことである。このシステムは上述した類似例検索機能510と特徴ルール生成機能520の2つのデータマイニング機能をもっており、これらの機能をこの順で用いることにより、営業活動情報600の案件が受注に向かうよう未確定項目620を推論する。
【0037】
本実施形態のデータ分析サーバ120における処理フローを図6を用いて説明する。
【0038】
まず、営業担当者用端末110から送信された、分析対象の確定済み項目610をデータ分析サーバ120が受信し、記憶装置125中の確定済み項目テーブル450に保存する(ステップ1000)。
【0039】
次に、確定済み項目テーブル450の確定済み項目610に基づき、推論部500において類似例検索510を行う。類似例は過去の情報が格納されている企業情報データベース210、案件情報データベース220、報告書情報データベース230が収められたデータベース200から検索する。類似例検索結果300は記憶装置125中の類似例検索結果テーブル460に保存する(ステップ2000)。
【0040】
データ分析サーバ120は、推論部500によって類事例検索結果テーブル460に保存された類似例検索結果300を、営業担当者用端末110に送信する(ステップ3000)。
【0041】
営業担当者は営業担当者用端末110によって提示された類似例検索結果300を見て、特徴ルール生成520をデータ分析サーバ120に行わせるかどうかを判断する。営業担当者用端末110はその判断結果をデータ分析サーバ120へ送信する。データ分析サーバ120は営業担当者用端末110から送信された判断結果を受信し、特徴ルール生成520を行うのであれば次のステップへ、行わないのであれば処理を終了する(ステップ4000)。
【0042】
特徴ルール生成520を行う場合、推論部500において類似例検索結果テーブル460に保存された類似例検索結果300から、受注に至った類似例を選び出し、これらの情報を用いて分析対象の未確定項目620について特徴ルールの生成を行う。特徴ルールの例としては、IF−THEN形式で表されるものがある。抽出対象項目がTHEN部にあるときのIF部を生成する。生成された特徴抽出結果は、記憶装置125中の特徴ルール生成結果テーブル470に保存する(ステップ5000)。
【0043】
最後に、データ分析サーバ120は、推論部500によって特徴ルール生成結果テーブル470に保存された特徴ルール生成結果を、分析対象の未確定項目620に対するレコメンデーションプラン700として営業担当者用端末110に送信する(ステップ6000)。
【0044】
以下、それぞれの方法を図面を用いてさらに説明する。
【0045】
まず、確定済み項目受信処理(ステップ1000)の方法を説明する。
【0046】
営業担当者用端末110は、データ分析サーバ120にアクセスすることにより、WWWブラウザ上に分析対象確定済み項目入力画面1010を表示する。図7は入力画面1010の例である。画面上には各項目名1011が画面右側に記されている。画面右側に、各項目の内容1012を営業担当者が入力する。入力方法はフリーテキストや選択方式など、項目によって異なる。営業担当者はすでに内容が確定している項目に対し値を入力する。未確定項目については、「未確定」を選択する。図7の例では、対象企業名や対象企業業種などの対象企業情報、さらに対象製品については確定済み項目610となっており、それ以外の受注予定金額や投入人員数などは未確定項目620となっている。つまり、この例では営業活動の対象となる企業や売り込みたい製品は既に決定されているが、どの程度の規模で、どのようにして営業活動を進めていけばよいかはまだ決定されていないということになる。全ての項目に対し、確定済み項目の内容、もしくは「未確定」が入力されたら、営業担当者は確定済み項目入力画面1010の下部にある決定ボタン1015をクリックする。この決定ボタン1015がクリックされると、営業担当者用端末110から入力内容が通信ネットワーク130を介してデータ分析サーバ120に送信される。データ分析サーバ120は送信された分析対象となる営業活動情報600を受信し、確定済み項目テーブル450に保存する。
【0047】
ここで、確定済み項目テーブル450について説明する。図8は確定済み項目テーブルのデータテーブル241の例である。この図が示すように、データ分析サーバ120が受信した確定済み項目610の内容をそれぞれの項目欄へ保存する。以上のように、全ての確定済み項目610を確定済み項目テーブル450に保存し終わったら、確定済み項目受信処理(ステップ1000)を終了する。
【0048】
次に、類似例検索処理(ステップ2000)について、図9を用いて説明する。
【0049】
類似例検索510を行うための準備として、まずデータ分析サーバ120は予め定義された、類似例検索510を行うのに必要なパラメータを読み込む。ここでのパラメータは項目ごとの選択肢間の距離、各項目の重み、類似例として表示する件数、などである。これらのパラメータは予め設定されている場合や、ユーザである営業担当者によってその都度設定される場合がある(ステップ2100)。
【0050】
パラメータの読み込みが終わった後、データ分析サーバ120の推論部500は、確定済み項目テーブル450に保存されている分析対象の確定済み項目610を取り出す。確定済み項目テーブル450には確定済み項目610のみ入力され、未確定項目620は未入力である。そのため、何らかの値が入力されている項目についてのみ取り出すことにより、確定済み項目テーブル450上のどの項目が確定済み項目610で、その項目が未確定項目620なのかが判断できる(ステップ2200)。
【0051】
次のステップより、実際に類似例を検索するステップに入る。データベース200内に入っている過去営業活動情報に、分析対象に対する類似度を計算する。類似度とは、確定済み項目610についてどの程度分析対象と類似しているかを表す値である。全案件の類似度を計算するため、ステップ2300からステップ2500までの処理を繰り返す。
【0052】
類似度算出のステップでは、まずデータベース200の過去営業活動情報中の、確定済み項目610に該当する項目に何らかの値が入力されているかどうかをチェックする。この過去営業活動情報の確定済み項目610に該当する項目を検索用項目とする。ひとつでも値が未入力の検索用項目がある場合は、その過去営業活動情報の類似度を算出せず、類似例としない。検索用項目全てに値が入力されている過去営業活動情報は、分析対象との類似度を算出する。分析対象の確定済み項目610と、データベース200中の過去営業活動情報の検索用項目との類似度の算出方法は、特許文献2のアルゴリズムに従う(ステップ2400)。
【0053】
以上より、ステップ2500までで、データベース200内の過去営業活動情報に分析対象に関する類似度が計算されたことになる。
【0054】
類似度が計算されたら、次にデータベース200の中から類似度の高いもの、つまり分析対象と類似している過去営業活動情報を類似例検索結果300としてリストアップする。リストアップする過去営業活動情報の件数はステップ2100で予め決めてあるので、件数分だけ類似度の高い過去営業活動情報を選び出す。このため、件数の回数分だけステップ2600からステップ2900までの処理を繰り返す。
【0055】
まず、データベース200中で類似度が最も高い過去営業活動情報を選び出す処理を行う。類似度が最も高い過去営業活動情報を一件選び出し、保持しておく。同じ類似度の案件が複数ある場合は、重みの高い項目の類似度が高い過去営業活動情報を選ぶこととする(ステップ2700)。
【0056】
最も類似度の高い過去営業活動情報を選び出したら、その情報が持つ全項目および類似度を類似例検索結果テーブル460に書き込む。類似例検索結果テーブル460に全項目を書き込んだら、その過去営業活動情報の類似度をゼロクリアする(ステップ2800)。
【0057】
以上の処理を繰り返し、ステップ2100でパラメータ設定した件数分だけ過去営業活動情報を類似例検索結果テーブル460に書き込んだら、類似例検索処理(ステップ2000)を終了する。
【0058】
次に、類似例探索結果送信処理(ステップ3000)について説明する。
【0059】
データ分析サーバ120は、類似例探索結果テーブル460に書き込んだ類似例検索結果300を、営業担当者用端末110に送信する。このとき、データ分析サーバ120は営業担当者用端末110のWWWブラウザ上に類似例検索結果表示画面3010を表示する。図10はその例である。
【0060】
図中の類似例検索項目ボックス3020には、類似例検索を行ったときに用いた検索用項目とその内容を示している。これらの項目・内容は、確定済み項目テーブル450より読み込み、表示する。図中の類似例検索結果ボックス3030は、類似例検索を行った結果を表示する。類似例検索結果300は類似度の高い例から順に順位付けされ、その順位に従って表示する。類似例検索結果300の件数は上述したように、類似例検索する以前に予め設定した件数を全件表示する。表示項目は、類似例検索結果300となった過去営業活動情報が持つ項目を、確定済み項目も含めすべてを表示する。類似例検索結果300が持つ表示件数・項目が多い場合には、スクロールバー3035およびスクロールバー3036よって表示範囲を移動させることにより、類似例検索結果300の全件・全項目を表示することができる。図中の特徴抽出ボックス3040は、類似例検索の後に、この類似例を用いて後述する特徴抽出を行うかどうかを営業担当者に決定させるためのボックスである。営業担当者は、類似例検索結果ボックス3030に表示された類似例を見て、特徴ルール生成を行うかどうかを判断し、特徴ルール生成を行う場合には「特徴ルール生成を行う」チェックボックス3041をオンにする。行わない場合には、「特徴ルール生成を行わない」チェックボックス3045をオンにする。これら二つのチェックボックスはどちらかが必ず選択されるようになっている。「特徴ルール生成を行う」チェックボックス3041をオンにした場合、営業担当者はどの項目のどの内容についての特徴ルール生成を行うかを決定する必要がある。そこで、営業担当者は項目欄3042で該当する項目を選択する。項目を選択した後、内容欄3043には選択された項目に入力されている値が全て選択肢として表示される。そこで、営業担当者はその中から該当する値を選択する。営業担当者は以上の作業を終えた後、決定ボタン3050を押す。この決定ボタン3050を押すことにより、特徴ルール生成ボックス3040の内容がデータ分析サーバ120に送信される。このとき、「特徴ルール生成を行う」チェックボックス3041がオンになっているにもかかわらず、項目や内容が選択されていない場合にはエラーメッセージを表示した後に、再びこの類似例検索結果表示画面3010に戻る。特徴ルール生成を行う・行わないにかかわらず、この決定ボタン3050が押されたら、営業担当者用端末110は類似例検索結果ボックス3030に表示された類似例検索結果300をCSV形式のファイルでデータ分析サーバ120よりダウンロードする。以上が類似例探索結果送信処理(ステップ3000)の処理である。
【0061】
次に、特徴ルール生成対象受信処理(ステップ4000)について説明する。
【0062】
データ分析サーバ120は営業担当者用端末110から送信された、特徴ルール生成を行うかどうかの意思を受信する。「特徴ルール生成を行う」チェックボックス3041がオンになっている場合、どの項目のどの内容についての特徴ルールを生成するかについて営業担当者が選択した内容も受信する。この内容を推論部500に送信し、特徴ルール生成処理へ進む。「特徴ルール生成を行わない」チェックボックス3045がオンになっている場合、データ分析サーバ120は全ての処理を終了する。以上の処理を終えたら、特徴ルール生成対象受信処理(ステップ4000)を終了する。
【0063】
次に、特徴ルール生成処理(ステップ5000)について図11を用いて説明する。
【0064】
推論部500は特徴ルール生成に必要なパラメータを読み込む。ここでいうパラメータとは、生成する特徴ルール数、レコメンデーションプラン700として最終的に営業担当者に提示する特徴ルール数、特徴ルールのIF部の最大項目数、特徴ルールが満たすべき最低ヒット率および最低カバー率、などである。カバー率とは、生成されたルールが全類似例のどの程度を覆っているかを表す指標である。上述した、IF−THEN形式のルールにおいては、IF部に当てはまる類似例が全類似例中に占める割合を意味している。このカバー率が極端に小さい場合、類似例全体を表す特徴とはいえないため、特徴ルールが満たすべき最低カバー率を設定する必要がある。ヒット率とは、IF部にあてはまる類似例のうち、THEN部についても当てはまっている類似例の割合である。ヒット率は特徴ルールの信憑性を表しているため。このヒット率が極端に小さい場合、そのルールは正しいとはいえない。そのため、特徴ルールが満たすべき最低ヒット率を設定する必要がある(ステップ5100)。
【0065】
次に、推論部500はステップ4000でデータ分析サーバ120が営業担当者用端末110から受信した、特徴ルール生成対象項目とその内容を受け取る。上述したように、これは特徴ルールのTHEN部にあたる項目である。例としては、「項目:受注結果、内容:全受注」があげられる。これは、全受注に至った類事例検索結果300について特徴ルールを生成し、全受注に至った類似例が持つ項目内容の特徴をIF部で表すことを意味する。従って、以下の特徴ルール生成では、IF部を推論することになる(ステップ5200)。
【0066】
次のステップでは、類似例検索結果テーブル460に保存されている分析対象の類似例検索結果300を読み込む。類似例検索結果テーブル460に保存されている類似例検索結果300の全項目を読み込む(ステップ5300)。
【0067】
次のステップより特徴ルール生成を行うステップに入る。THEN部はステップ5200で設定されているので、実際に推論するのは特徴ルールのIF部ということになる。特徴ルール生成方法については、特許文献3のアルゴリズムに従う。ステップ5100で設定した、最低カバー率および最低ヒット率を満たさない特徴ルールは生成されない。生成される特徴ルールの例として、「IF 投入人員数=5人以上8人以下 かつ 受注予定金額=¥5M以下 THEN 受注結果=全受注」があげられる。この特徴ルールは、投入人員が5人以上8人以下で、かつ受注予定金額が5M円以下である場合、全受注できるということを意味する。このステップでは、以上のような特徴ルールをステップ5100で設定した数だけ生成する(ステップ5400)。
【0068】
特徴ルールが生成されたら、実際にレコメンデーションプラン700として営業担当者用端末110に送信する特徴ルールを選択する。送信される特徴ルールの数は、ステップ5100で受け取ったルール数である。そのため、ステップ5500からステップ5700までの処理を営業へ提示するルール数、すなわち営業担当者用端末110へ送信するルール数だけ繰り返す。
【0069】
まず、生成された特徴ルールの中から最もヒット率の高い特徴ルールを読み出す。同じヒット率の特徴ルールが複数ある場合は、その中でカバー率の最も高い特徴ルールを読み出す。そして、読み出された特徴ルールを特徴ルール生成結果テーブル470に書き込む。書き込む情報は特徴ルールのIF部、THEN部、それにこの特徴ルールのカバー率およびヒット率である。特徴ルール生成結果テーブル470に書き込まれた特徴ルールのカバー率およびヒット率は、その値をゼロクリアする(ステップ5600)。
【0070】
以上の処理を繰り返し、ステップ5100のルール数だけ特徴ルールを特徴ルール生成結果テーブル470に書き込んだら、特徴ルール生成処理(ステップ5000)を終了する。
【0071】
次に、特徴抽ルール生成結果送信処理(ステップ6000)について説明する。データ分析サーバ120は、特徴ルール生成結果テーブル470に書き込んだ特徴ルール生成結果を、営業担当者用端末110に送信する。このとき、データ分析サーバ120は営業担当者用端末110のWWWブラウザ上に特徴ルール生成結果表示画面6010を表示する。図12はその例である。
【0072】
図中の類似例検索項目表示ボックス6020は、類似例検索に用いた項目を引き続き表示している。図10で示した内容と同じものを表示する。
【0073】
図中の特徴ルール生成項目表示ボックス6030は、特徴ルール生成の対象となった項目とその内容である。つまり、生成された特徴ルールのTHEN部を表示している。これは、ステップ3000において営業担当者が指定した項目および内容である。
【0074】
図中のレコメンデーションプラン表示ボックス6040は、未確定項目620に対するレコメンデーションプラン700として、特徴ルール生成結果を表示する。ここでは、生成された特徴ルールのヒット率順位、ヒット率、カバー率およびIF部を構成する項目とその内容をヒット率が高い順に表示する。これらの内容は、特徴ルール生成結果テーブル470に書き込まれている内容を読み込み、表示する。そのため、ステップ5100で設定した数の特徴ルールを表示する。ルール数および表示項目が表示画面内に入りきらない場合には、それぞれスクロールバー6045および6046を用いて表示範囲を移動させることにより全特徴ルール・項目を表示することができる。以上の表示処理が終わった後、特徴ルール生成結果表示処理(ステップ6000)を終了する。
【0075】
次に、過去の営業情報を格納するデータベース200について説明する。
【0076】
上述のように、データベース200は企業情報データベース210、案件情報データベース220、報告書情報データベース230で構成され、過去の営業活動情報を格納している。これらのデータベースはそれぞれ外部記憶装置をもっている。本実施形態では3つのデータベースはそれぞれ独立した外部記憶装置としているが、同一のデータベースを使用してもよい。
【0077】
以下では、これらのデータベースのうち、案件情報データベースの構成および処理について詳細を述べるが、他のデータベースについてもデータの内容は異なるが構成および処理はこれと同様である。
【0078】
案件情報データベース220の構成および処理について、図13、図14、図15を用いて説明する。
【0079】
過去の案件情報を格納しているデータベース220は、ストレージ250など、大容量のデータが蓄積可能な記憶装置で構成される。格納されている過去案件情報は、最新の情報で精度の高いレコメンデーションプラン700を提供するため、常に既存情報の更新や新規の登録がなされている。
【0080】
この際、ストレージ250は格納している過去案件情報をディスク251に書き込むときにその属性など、附帯する情報をレコード255上の特定のフィールド256に付加する。さらに、案件情報が書き込まれるボリュームは附帯情報の内容ごとに別々に用意されており、同一の附帯情報をもつ案件情報は同一のボリュームに書き込まれる。つまり、付加された附帯情報の内容により、過去案件情報を同一の附帯情報ごとに、ストレージ250を構成するディスク251のボリューム281、282、283のうち該当するボリュームに附帯情報とともに書き込む。これにより、過去案件情報は付加された附帯情報ごとに同じボリューム上にまとめて書き込まれているので、新しい案件情報をストレージ250に書き込むとき、その案件情報が持つ附帯情報と同一の附帯情報のボリュームにその案件情報を書き込むことになる。
【0081】
図13は、上述の附帯情報が「営業活動開始年月」であるときの案件情報データベース220のシステム構成図である。案件情報データベース220は通信装置290とストレージ250で構成されている。通信装置290はデータベース通信ネットワーク205を通じて他のデータベースと連結されており、さらに通信ネットワーク130を通じてデータ分析サーバ120へ過去案件情報の送信、さらに営業担当者用端末110から入力された案件情報の受信を行う。ストレージ250は通信装置290を経由して受信したアクセス要求を受け付けてディスクI/Oを制御するディスクコントローラ295と、数個のディスク251、261で構成されている。ディスク251は案件情報を格納する案件情報格納ディスクであり、附帯情報の内容ごとに複数のボリュームA281、ボリュームB282、ボリュームC283などに分割されている。ディスク251上には案件情報が書き込まれるレコード255が並んでおり、そのレコードのフィールド256に、附帯情報である営業活動開始年月が書き込まれる。また、ディスク261は附帯情報とボリュームとの対応関係265を保持する附帯情報保持ディスクである。これは、案件情報がもつ附帯情報の内容によって、その案件情報が案件情報格納ディスク251中のどのボリュームに書き込まれるか、についての対応関係を表す。
【0082】
以下、図14および図15を用いて、システム導入時の設定およびデータ書込要求発生時の処理フローについて説明する。まず、システム導入時の設定処理のフローについて図14を用いて説明する。
【0083】
最初に、ディスクコントローラ295はストレージ250の特定のディスクを附帯情報保持ディスク261として確保する。上述したように、附帯情報保持ディスク261は案件情報が持つ附帯情報の内容とその案件情報を書き込むボリュームとの対応関係を格納するためのものである(ステップ8100)。
【0084】
次に、システム管理者はディスクコントローラ295に、附帯情報をどのような情報とするのかを指定する。ディスクコントローラ295は内部に持つ記憶装置に、指定された附帯情報名を格納する。「営業活動開始年月」を附帯情報とした場合、ディスクコントローラ295は内部記憶装置に「附帯情報:営業活動開始年月」と書き込む。この指定を行うのは、営業担当を統括するマネージャなどが行ってもよい(ステップ8200)。
【0085】
さらに、システム管理者は指定した附帯情報の算出方法をディスクコントローラ295に指定する。ディスクコントローラ295はステップ8200と同様に、内部記憶装置に指定された附帯情報の算出方法を格納する。附帯情報が営業活動開始年月の場合、案件情報中の項目である「営業活動開始年月日」から年月を算出する、という算出方法をディスクコントローラ295に格納する。案件情報中の項目から抽出できない情報を附帯情報とした場合、例えば「データ有効期限(データ入力時から1年)」とした場合には、案件情報入力時にディスクコントローラ295に残されたアクセスログから入力時間を割り出し、そこに3年を足すことによって附帯情報となるデータ有効期限が算出できる(ステップ8300)。
【0086】
以上がシステム導入時での設定処理フローである。なお、ステップ8200およびステップ8300でシステム管理者が行う設定は、営業担当者用端末110から行うことが可能であるが、ストレージ250にて直接行うことも可能である。
【0087】
次に、案件情報入力時のディスクコントローラ295の処理フローについて、図15を用いて説明する。
【0088】
最初に、ディスクコントローラ295は通信装置290を経て、営業担当者用端末110から入力された、書込対象となる案件情報を受信する(ステップ9100)。
【0089】
ディスクコントローラ295は書込対象の案件情報を受信したら、システム導入時に設定された附帯情報の算出方法を参照し、附帯情報を算出するのに必要な案件情報項目および情報を抽出する。附帯情報が営業活動開始年月の場合、ディスクコントローラ295は受け取った案件情報から営業活動開始年月日の項目に入っている内容(年月日)を抽出する(ステップ9200)。
【0090】
次に、ステップ9200で抽出した項目内容および情報を用いて、附帯情報を算出する。上述したように、システム導入時にディスクコントローラ295に設定された算出方法に基づいて附帯情報の算出が行われる(ステップ9300)。
【0091】
附帯情報が算出されたら、その内容がすでに附帯情報保持ディスク261に存在するかどうかを検索する。附帯情報保持ディスク261には、附帯情報の内容とその附帯情報を持つ案件情報が格納されているボリュームとの対応関係265が格納されている。ディスクコントローラ295はこの対応関係265から、該当する附帯情報を検索する(ステップ9400)。
【0092】
ステップ9400での附帯情報の検索の結果、該当する附帯情報が附帯情報保持ディスク261内の対応関係265に存在した場合、その案件情報は対応関係に記されているボリュームに書き込まれることになる。この場合、処理はステップ9600へ進む。該当する附帯情報が対応関係265に存在しない場合は、新しくボリュームを確保することになる。この場合、処理はステップ9700へ進む。つまり、図15に示すように、書込対象の案件情報の附帯情報である営業活動開始年月が「2002/01」である場合は、附帯情報保持ディスク261に既に存在するが、営業活動開始年月が「2002/02」である場合は、附帯情報保持ディスク261に存在しないことになる(ステップ9500)。
【0093】
ステップ9500において、書込対象の案件情報の附帯情報が附帯情報保持ディスク261に存在する場合、附帯情報保持ディスク261中の対応関係265に記されている該当ボリュームに案件情報をレコード255に書き込む。さらに書込時に、附帯情報をレコード255中の指定のフィールド256に付加する。附帯情報である営業活動開始年月が「2002/01」の場合、附帯情報保持ディスク261内の対応関係265に記されているように、案件情報格納ディスク251中の対応するボリュームA281に案件情報を書き込む。そのとき、附帯情報である「2002/01」を付加する。案件情報および附帯情報を対応関係にあるボリュームに書き込んだら、処理を終了する(ステップ9600)。
【0094】
ステップ9500において書込対象の案件情報の附帯情報が附帯情報保持ディスク261に存在しない場合、新たにその附帯情報用のボリュームを設定する必要がある。そこで、案件情報格納ディスク251の中の空きスペースにボリュームを新設する。例えば、図15では、附帯情報の営業活動開始年月が「2002/02」は附帯情報保持ディスク261に存在しないため、附帯情報「2002/02」用のボリュームB282を案件情報格納ディスク251内に新設する(ステップ9700)。
【0095】
ステップ9700でボリュームを新設したら、案件情報を新設ボリューム中のレコード255に書き込む。このとき、ステップ9600と同様に、附帯情報をレコード255中の指定のフィールド256に付加する。例えば、新設したボリュームが附帯情報「2002/02」用の場合、「2002/02」を案件情報に付加して書き込む(ステップ9800)。
【0096】
次に、新設したボリュームと附帯情報との対応関係を附帯情報保持ディスク261に保存する。これにより、次回の案件情報書込時に同じ附帯情報が算出された場合、今回新設したボリュームに書き込むことになる。これまでの例と同様に、附帯情報「2002/02」のボリュームを新設した場合、附帯情報保持ディスク261中の対応関係265に、「2002/02→B」という新しい対応関係を保存する。対応関係を保存したら、処理を終了する(ステップ9900)。
【0097】
以上の実施例では「営業活動開始年月」を附帯情報としたが、その他にも営業担当事業部(支社)、最終更新年月、対象製品、案件情報の有効期限年月などが附帯情報の項目として考えられる。以上のデータベース200によるデータベースシステムにより、データアクセス、過去営業活動情報のコピー・バックアップ、さらにデータ分析のためのETL、データクレンジングなどが容易に、しかも高速に行うことが可能となる。
【0098】
このように本実施形態によれば、営業支援システム100は営業担当者に、分析対象となる営業活動情報600の確定済み項目610のみを入力することにより、その対象の確定済み項目610に関する類似例を検索し表示することができる。さらに、未確定項目620に対しては、上述の類似例検索結果300が持つ特徴を抽出することにより、未確定項目620のレコメンデーションプラン700として提示することができる。以上により、営業担当者は自身の抱える営業案件を効率よく進めることができる。
【0099】
【発明の効果】
以上詳細に述べたごとく、本発明によれば、入力された確定済み項目についてまず過去の営業活動情報からその類似例を検索し、その検索結果から未確定項目についての特徴を抽出することにより、営業担当者は担当する営業活動案件について、その時点で確定している情報のみを営業支援システムに入力するだけで、システムは未確定の項目に対する推奨値をレコメンデーションプランとして提示することが可能となる。これは、営業活動の対象となる企業を見つけ出すターゲティングにも本発明を用いた営業支援システムが適用できることを意味する。
【0100】
また、企業情報データベースや、過去の案件情報・営業活動情報データベースなどを用いるため、行動指示メッセージなど、営業支援システムのための特別なデータを格納したデータベースを予め用意することなく、次の活動の指示や推奨などの営業支援を行うことが可能である。
【図面の簡単な説明】
【図1】本発明の実施形態におけるシステムの概念図である。
【図2】本発明の実施形態におけるシステムの構成を示すブロック図である。
【図3】本発明の実施形態における企業情報データベースに格納されているデータテーブルの例を示す図である。
【図4】本発明の実施形態における案件情報データベースに格納されているデータテーブルの例を示す図である。
【図5】本発明の実施形態における報告書情報データベースに格納されているデータテーブルの例を示す図である。
【図6】本発明の実施形態におけるデータ分析サーバの処理フロー図である。
【図7】本発明の実施形態における確定済み項目入力画面である。
【図8】本発明の実施形態における例外・推奨予測値・推奨根拠情報テーブルである。
【図9】本発明の実施形態における類似例検索の処理フロー図である。
【図10】本発明の実施形態における類似例検索結果表示画面である。
【図11】本発明の実施形態における特徴ルール生成の処理フロー図である。
【図12】本発明の実施形態における特徴ルール生成結果表示画面である。
【図13】本発明の実施形態におけるデータベースのシステム構成図である。
【図14】本発明の実施形態におけるデータベースシステムの、システム導入時における処理フロー図である。
【図15】本発明の実施形態におけるデータベースシステムの、データ書込時における処理フロー図である。
【符号の説明】
100…営業支援システム、200…データベース、300…類似例検索結果、500…推論部、510…類似例検索機能、520…特徴ルール生成機能、600…営業活動情報、610…確定済み項目、620…未確定項目、700…レコメンデーションプラン。
Claims (8)
- 複数の項目からなる事例情報を分析する、コンピュータによるデータ分析方法において、
前記コンピュータの記憶装置が、前記事例情報を記憶し、
前記コンピュータの第1の入力手段が、前記複数の項目の一部に未確定な項目を含む対象事例情報の入力を受け、
前記コンピュータの類似検索手段が、前記第1の入力手段が入力を受けた前記対象事例情報の確定済の項目をキーとして、前記対象事例情報に類似する類似事例情報を、前記記憶装置内の事例情報から検索し、検索された前記類似事例情報を前記記憶装置へ格納し、
前記コンピュータの第2の入力手段が、前記複数の項目のうち対象項目と前記対象項目に対する条件の入力を受け、
前記コンピュータの特徴抽出手段が、前記記憶装置内の類似事例情報から、前記対象項目の条件を満足する前記類似事例情報を抽出し、抽出された前記類似事例情報の項目のうち前記対象項目以外の項目について特徴を抽出するデータ分析方法。 - 複数の項目からなる事例情報を記憶する記憶装置と、
前記複数の項目の一部に未確定な項目を含む対象事例情報の入力を受ける第1の入力手段と、
入力を受けた前記対象事例情報の確定済の項目をキーとして、前記対象事例情報に類似する類似事例情報を、前記記憶装置内の事例情報から検索し、検索された前記類似事例情報を前記記憶装置へ格納する類似検索手段と、
前記複数の項目のうち対象項目と前記対象項目に対する条件の入力を受ける第2の入力手段と、
前記記憶装置内の類似事例情報から、前記対象項目の条件を満足する前記類似事例情報を抽出し、抽出された前記類似事例情報の項目のうち前記対象項目以外の項目について特徴を抽出する特徴抽出手段とを備えたデータ分析装置。 - 前記類似検索手段は、前記記憶装置内の事例情報から、前記対象事例情報の未確定な項目に対応する項目に入力がない事例情報を除外する請求項1のデータ分析装置。
- 前記対象項目をTHEN部とし、前記対象項目以外の項目をIF部として、出力する出力手段を備えた請求項1のデータ分析装置。
- 複数の項目から構成される蓄積された営業活動情報に基づき営業担当者の活動を支援する営業支援システムにおいて、蓄積された営業活動情報の項目の中で指定された1つ以上の項目に関して類似した営業活動情報を検索する類似事例検索処理と、該類似した営業活動情報の特徴をIF−THEN形式のルールを出力する特徴ルール生成処理を含むことを特徴とする営業支援システム。
- 前記特徴ルール生成処理が出力するIF−THEN形式のルールが前記指定された項目以外の1つ以上の項目で表現されることを特徴とする請求項5の営業支援システム。
- ディスク装置を含むデータ記憶装置において、ディスク書込み対象データの属性情報などユーザ指定の附帯情報に従って自動的に書込み先のボリュームを分類する処理と、書込み時において該ボリュームのデータレコード上の特定のフィールドに該データの附帯情報を自動で付加的に書き込む処理を含むことを特徴とするデータ記憶装置。
- ディスク書込み対象データが複数の項目から構成される営業活動情報であることを特徴とする請求項7のデータ記憶装置。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2003079350A JP2004287874A (ja) | 2003-03-24 | 2003-03-24 | データ分析方法および営業支援システム |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2003079350A JP2004287874A (ja) | 2003-03-24 | 2003-03-24 | データ分析方法および営業支援システム |
Publications (1)
Publication Number | Publication Date |
---|---|
JP2004287874A true JP2004287874A (ja) | 2004-10-14 |
Family
ID=33293480
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2003079350A Pending JP2004287874A (ja) | 2003-03-24 | 2003-03-24 | データ分析方法および営業支援システム |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP2004287874A (ja) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP2887285A1 (en) | 2013-12-19 | 2015-06-24 | Ricoh Company, Ltd. | Data process system and data process method |
CN104933601A (zh) * | 2015-06-12 | 2015-09-23 | 北京京东尚科信息技术有限公司 | 一种输出商品信息的方法和装置 |
JP2016505951A (ja) * | 2012-12-17 | 2016-02-25 | アマデウス エス.アー.エス.Amadeus S.A.S. | インタラクティブ検索フォーム用の推奨エンジン |
JP2019082965A (ja) * | 2017-10-31 | 2019-05-30 | 株式会社日本総合研究所 | 課題整理総括表作成支援装置,方法および課題整理総括表作成支援装置を制御するプログラム |
-
2003
- 2003-03-24 JP JP2003079350A patent/JP2004287874A/ja active Pending
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2016505951A (ja) * | 2012-12-17 | 2016-02-25 | アマデウス エス.アー.エス.Amadeus S.A.S. | インタラクティブ検索フォーム用の推奨エンジン |
EP2887285A1 (en) | 2013-12-19 | 2015-06-24 | Ricoh Company, Ltd. | Data process system and data process method |
CN104933601A (zh) * | 2015-06-12 | 2015-09-23 | 北京京东尚科信息技术有限公司 | 一种输出商品信息的方法和装置 |
CN104933601B (zh) * | 2015-06-12 | 2019-11-05 | 北京京东尚科信息技术有限公司 | 一种输出商品信息的方法和装置 |
JP2019082965A (ja) * | 2017-10-31 | 2019-05-30 | 株式会社日本総合研究所 | 課題整理総括表作成支援装置,方法および課題整理総括表作成支援装置を制御するプログラム |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US7006990B2 (en) | Electronic product catalog systems | |
US8473260B2 (en) | Model creation support system, model creation support method, and model creation support program | |
JP3860866B2 (ja) | 営業ナビゲーション装置 | |
KR102280223B1 (ko) | 빅데이터 기반의 상품구매 의사결정 지원 서비스 제공 방법 및 이를 위한 시스템 | |
WO2007100969A2 (en) | Apparatus and method for selecting a subset of report templates based on specified criteria | |
JP4700462B2 (ja) | データベース利用システム | |
JP6732084B1 (ja) | コンピュータプログラム、送信方法及び送信装置 | |
JP2015184723A (ja) | 文書作成支援システム | |
JP2020013413A (ja) | 判断支援装置および判断支援方法 | |
JP2004287874A (ja) | データ分析方法および営業支援システム | |
JP6924309B2 (ja) | コンピュータプログラム、出力方法及び出力装置 | |
JPH11259564A (ja) | 販売予測支援システム | |
Suciu et al. | Cloud computing for extracting price knowledge from big data | |
JP2003288469A (ja) | 営業管理方法、および、グラフ描画方法 | |
JP6710398B2 (ja) | 計画運用プログラム、計画運用方法及び計画運用装置 | |
JP7474120B2 (ja) | ビジネスマッチング支援装置及び方法 | |
US20170330204A1 (en) | Web server evaluation and improvement system | |
JP2014160334A (ja) | 検索結果ナビゲーションシステム | |
Zainal et al. | Online Convenience Store System using Multidimensional Data Visualization | |
JPH09282307A (ja) | 商品の販売動向分析方法及びそのシステム | |
JP2008276594A (ja) | 情報推薦装置 | |
JP6809148B2 (ja) | プログラムおよび組み合わせ抽出システム | |
Cho et al. | Periodicity analysis using weighted sequential pattern in recommending service | |
JP2020004101A (ja) | 計画運用プログラム、計画運用方法及び計画運用装置 | |
JP7303151B2 (ja) | 計画運用プログラム、計画運用方法及び計画運用装置 |