JP2014081750A - データ統合分析システム - Google Patents

Abstract

【課題】 様々なデータを活用し、効果的な施策を導くための多数の説明変数の生成技術及び分析技術を提供する。具体的には、多数の説明変数を自動で生成し、目的変数と相関分析を行うことで、大量データに潜んでいる業績に影響する要因を特定する。
【解決手段】 分析システムに入力されるデータに対して、変数生成条件である条件、対象、演算を示す３つのオペレータを予め定義しておき、これらのオペレータにより、多数の説明変数を自動で生成する。
【選択図】 図１

Description

本発明は、経営データおよびセンシングデータ等の企業活動データ等を用いて、経営をサポートするためのデータ分析システムに関する。

情報通信技術の発達に伴って企業経営に関する大量のデータが蓄積されるに従い、これらの活用に関して、分析専門家でなくとも、経営効果のある施策を容易に導ける手法が求められている。従来手法は、経営者もしくは分析者が、自らの経験や勘に従って、有限の仮説を立て、これらを立証する目的でデータを集めて分析を行う、もしくは、熟練分析者の方法論をテンプレート化して展開する等の手法が一般的であった。これら従来手法は、仮説の設定が人間の能力に依存していたために、得られる施策の範囲も限定的なものに留まっていた。

例えば、店舗の経営においては、ＰＯＳシステムからの買上個数や商品単価の情報と、顧客の購買行動、従業員の接客行動情報、等を併せて分析する技術が知られている（特許文献１）。本分析手法において、目的変数としての買上個数や商品単価を高める目的で使用される行動情報等の説明変数のデータセットは、分析者が予め設定した仮説設定に基づくものであった。

国際公開番号ＷＯ２００５−１１１８８０

様々なデータを活用することによって、業績を向上させるための効果的な施策を導くための分析方法が求められている。しかし、これまでは、経営者もしくは分析者が有限の仮説を作成してこれらを立証するためのデータを集めて分析を行う、もしくは、熟練分析者の方法論をテンプレート化して展開する等の手法が一般的であり、得られる施策の範囲が限定的であった。そこで、本発明の目的は、様々なデータを活用し、効果的な施策を導くための分析技術として、多数の説明変数を自動で生成する技術を提供することにある。

上記の課題を解決するために、データと変数生成条件情報とを格納した記憶部を用いたデータ統合分析システムであって、変数生成条件情報を用いてデータに関する説明変数を生成する説明変数生成部と、目的変数の入力を受け付ける目的変数入力部と、目的変数と説明変数との相関関係を計算する相関計算部と、相関関係を画面に表示する表示部と、を有することを特徴とするデータ統合分析システムを用いる。

従来はマネージャや店長等の経験や勘に依存していた経営に関して、多数の説明変数を自動で生成し、収益等の目標を高めるための効果的な施策導入活動をサポートすることができる。

本発明のデータ分析システムのフロー図である。 本発明のデータ分析システムの指標生成方法を示す図である。 本発明のデータ分析システムの指標生成方法を示す図である。 本発明によって生成された指標の一例を示す図である。 本発明によって生成された指標の一例を示す図である。 本発明のデータ分析システムのフロー図である。 本発明のデータ分析システムのアプリケーション画面を示す図である。 本発明のデータ分析システムのアプリケーション画面を示す図である。 本発明のデータ分析システムを活用した、サービスモデルのフロー図である。 本発明のヒトモノカネ統合分析エンジンにおける、システム構成の例を示す図である。 本発明のヒトモノカネ統合分析エンジンにおける、システム構成の例を示す図である。 本発明のヒトモノカネ統合分析エンジンにおける、システム構成の例を示す図である。 本発明のデータ分析システムを活用した、サービスモデルのレポート図である。 本発明のデータ分析システムのフロー図である。

図１０は本発明を店舗に適用した場合の具体例を示した図である。店舗（１０）及びそれらの店舗を統括する店舗本部（２０）、並びに外部の分析サービス機関が運営するデータ分析サービスセンタ（３０）のそれぞれの構成およびデータ処理について説明する。
図１０の店舗（１０）のシステムは、商品棚、壁などに固定されて位置信号を発信するセンサ位置検出ビーコン（１００１）、顧客や従業員が装着することで、顧客動線や従業員接客状況を検出するウェラブルセンサ（１００３）、及びウェラブルセンサを差し込むことで、ウェラブルセンサの充電やウェラブルセンサに一時的に格納されたデータの外部転送を行うクレードル（１００２）などから構成される。そしてクレードルから送信された行動センサデータ（１００４）は、店舗側基地局（１００５）を通じて、ネットワーク経由で、データ分析サービスセンタ（３０）に送信される。また、店舗（１０）の売上情報等は、図１０には図示されていない経路にて店舗本部に集約される。

図１０の店舗本部（２０）のシステムは、店舗（１０）から集められたＰＯＳデータ（１０１１）及び顧客情報（１０１２）、並びに、これらの種々のデータを処理するシステム端末群（１００７）、アプリケーションサーバ群（１０１０）などから構成される。これらＰＯＳデータ（１０１１）と顧客情報（１０１２）は、ネットワーク（１００６）経由でデータ分析サービスセンタ（３０）に送信される。

図１０のデータ分析サービスセンタ（３０）は、店舗（１０）や店舗本部（２０）から入出力部（１１００）を経由して収集されたデータを分析する計算処理部（１３００）、データを格納するデータストレージ（１４００）、および、サービスセンタ内でデータ通信を行うためのデータバス（１２００）、より構成される。店舗（１０）や店舗本部（２０）から送信された行動センサデータ（１００４）、ＰＯＳデータ（１０１１）及び顧客情報（１０１２）は入出力部（１１００）からデータバス（１２００）を経由して、データストレージ（１４００）内の個別のデータベース、具体的には行動データベース（１０２２）、顧客情報データベース（１０２３）、ＰＯＳデータベース（１０２４）に格納される。また、図示されてはいないが、インターネット等から入手可能な地域ごとの天候情報や環境情報等がデータストレージ内に格納されることもある。

図１０の計算処理部（１３００）では、「ヒトモノカネ統合分析処理（１３１０）」が実行される。当該「ヒトモノカネ統合分析処理（１３１０）」は更に、データ集約部（１０２１）、説明変数生成部（１０２０）、統計分析部（１０１９）、分析結果表示処理部（１０１８）の４つの処理部から構成される。

図１０の「ヒトモノカネ統合分析処理」のデータ集約部（１０２１）には、各データベース（１０２２、１０２３、１０２４）よりデータが入力されて集約され、適切なアライメント処理が行われる。例えば、行動データ（１０２２）の粒度の細かい時間単位（例えば１０秒毎）に合わせて、他のデータ（１０２３，１０２４）の時間粒度が再計算されて、同一の時間粒度を持つデータとして格納される。次の説明変数生成部（１０２０）では、後述する生成ロジックによって、上記データから１万個をこえる多数の指標（説明変数）を生成する。なお、生成ロジックは変数生成条件事前設定部（１０１６）によって事前に設定される。続いて、統計分析部（１０１９）では、結果となる数値（目的変数）と要因となる数値（説明変数）の関係を調べて、それぞれの関係を明らかにする統計計算（例えば、回帰分析など）が実行される。この統計分析部（１０１９）には、目標変数を設定するためのユーザーインターフェースである目的変数設定部（１０１７）が設けられている。この統計分析部（１０１９）では、例えば、売上等の経営指標（目的変数）に対して相関の高い説明変数を統計的に（網羅的に）計算することができる。統計分析部（１０１９）の結果を利用して、分析結果表示処理部（１０１８）では、目的変数に対して統計的な相関の高い、つまり、影響の強い説明変数を順に羅列を行うランキング処理や、説明変数を制御するための施策が容易か困難か、等の実行可能性判定が行われ、結果が表示される。

図１は、本分析システムの特徴となる分析手順を示したものである。
まず、分析システムに対して、指標計算のベースとなるソースヒトモノカネデータが入力され（ステップ１００）、変数生成条件に基づいて説明変数が自動で生成される（ステップ１０１）。次に、図１０に示す目的変数設定用端末（１０１３）によって、経営数値などの目的変数がシステムに入力されると（ステップ１０２）、分析システムはステップ１０２で入力された目的変数とステップ１０１で生成された説明変数間との相関が統計的に分析され（ステップ１０３）、その後、統計分析の結果として、変数間の互いの影響関係の強さ、弱さを示す相関分析結果、および、目的変数が説明変数によってどの程度説明できるかを示す回帰分析結果、具体的には、説明変数と目的変数の関係の回帰式（回帰式は、ｙ＝ａｘ＋ｂ（ｘ：説明変数、ｙ：目的変数）で示される）が表示される（ステップ１０４、１０５）。本手順に示されるように、変数生成条件に基づいて多数の説明変数が自動で生成されるステップを有する点が本発明の特徴である。

図２は、図１０の説明変数生成部（１０２０）において、図１のステップ１００〜１０１で示した多数の説明変数を自動生成する方法の詳細を説明するものである。

説明変数生成部（１０２０）にデータ列（２００）が入力されると、予め設定しておいた、条件オペレータ（２１１）、対象オペレータ（２１２）、および、演算オペレータ（２１３）の３つのオペレータのセットによる説明変数生成処理（２１０）によって、説明変数が生成される（２２０）。条件オペレータと対象オペレータを合わせて、一つのオペレータとして扱っても良い。

条件オペレータには、店員、顧客等の活動主体や、時間条件等の範囲を設定しておき、対象オペレータ（２１２）は条件オペレータで設定された条件下においての、モノやヒトの活動についての範囲や種別を記載したものである。例えば、条件オペレータは、時間に関する範囲を設定し、対象オペレータには、活動空間に関する範囲を設定する。別の例では、条件オペレータには、モノに関する時間・空間的な範囲が設定され、対象オペレータには、ヒト・カネに関する活動情報が設定されても良い。

演算オペレータ（２１３）は、前記２つのオペレータの条件下（つまり、特定の、時間範囲、空間範囲、人間の組織属性など）において、予め定義されている指標の数値を具体化するものである。条件オペレータ（２１１）の例としては、店員、顧客、もしくは、顧客と該顧客滞在時間帯の組合せ、等である。対象オペレータ（２１２）の例としては、店舗での商品エリア、等が想定される。また、演算オペレータ（２１３）の例としては、顧客単価、滞在時間、接客時間、等が用いられる。これらのオペレータ間において、１つのオペレータのみ変化し、他のオペレータは固定とするように、複数のオペレータ間演算処理を行うことで、多数の説明変数が生成される。

一例として、店舗における顧客の購買活動に関する説明変数生成の例について図４を用いて説明する。各顧客の来店および退店に関して、その時刻を取得し、来店時間および退店時間の間の時間が、条件オペレータにセットされる。次に、顧客購買の商品エリアが対象オペレータにセットされ、顧客の滞在時間、購入金額、接客人数が、演算オペレータ（２１３）にセットされる。図４には、顧客毎の説明変数が自動生成された具体例が示されている。各カラムには、顧客ＩＤ（４１０）毎に、顧客の来店時刻と退店時刻が時間情報（４２０）として計算され、この条件オペレータ（２１１）に対して、対象オペレータ（２１２）としての店舗内の商品カテゴリーエリアの情報（店舗全体、エリア１、エリア２、・・・エリア５）を用いて、エリア毎の顧客滞在時間（４３０）、エリア毎の顧客購入金額（４４０）、エリア毎の接客人数（４５０）、に対応する指標が自動的に計算されて格納される。これらの処理が顧客ＩＤ毎に行われることで、データが行方向に追加される。より具体的には、エリア毎の顧客滞在時間（４３０）を求めるためには、店内位置情報と商品カテゴリーエリアとのマッピング情報を予め準備しておき、顧客の逐次の店内位置情報を入力すると、商品カテゴリーのエリア情報が抽出できるような構成としておく。また、エリア毎の接客人数（４５０）を求めるためには、同様に接客が発生した店内位置情報をキーにして、対応するエリア情報が抽出できるような構成にしておけばよい。さらに、エリア毎の顧客購入金額（４４０）を求めるためには、通常、店舗のＰＯＳ情報システムで管理している商品分類テーブルを使用して、顧客購入商品と商品カテゴリーエリアとの対応づけを行えばよい。本例において、対象オペレータ（２１２）であるエリア定義数と、演算オペレータ種別を増やすことで、多数の変数が生成される。このように、予め設定した、条件オペレータ（２１１）、対象オペレータ（２１２）、および、演算オペレータ（２１３）を用いた演算処理により、多数の説明変数（４００）を生成することができる。

このように本発明による分析システムを用いることによって、目的変数に関係する説明変数を求めることができる、あるいは、目的変数と説明変数の組み合わせ間の相関の強さ、大量データの相関分析によって求めることができる。例えば、店員が特定エリアに滞在していることが、店舗の売上げに相関している等の分析結果が得られれば、業績を向上するための施策を施すための決断が行いやすくなる。

このように、本発明による分析システムを用いることによって、目的を達成するための人間が想定できなかったような施策を発見することができる。つまり、本分析システムにより、大量データに潜んでいる業績に影響する要因を特定し、意思決定に役立てることができる。

図１１は、本発明のシステム構成の別の構成を示したものである。

図１１は、図１０のヒトモノカネ統計分析処理（１３１０）において、目的変数設定部（１０１７）における目的変数の設定のタイミングに連動して、時間粒度計算部（１０１５）にて、時間粒度の計算が自動で行われ、説明変数生成部（１０２０）に時間粒度の情報が送信される。時間粒度計算部（１０１５）においては、図１０の統計分析部（１０１９）から出力される分析結果が、目的変数との相関計算に適した時間粒度（例えば、１分、１時間、１日、１ヶ月、など）となるように調整されて出力される。時間粒度計算部（１０１５）内の処理は、目標指標に対応する計算ロジックを保持しておく、もしくは、予め入力が想定される目的変数に対応する時間粒度テーブルを有する、ことにより実現される。例えば、季節毎の売上げを分析のためには日単位での粒度を、１日の売上げ要因を分析するためには３０分時間粒度を、等の対応関係の情報を事前に準備しておく。

図３は、多数の説明変数の自動生成方法の詳細の別の例を示したものである。分析システムにデータ列（２００）が入力されると、予め設定しておいた、条件オペレータ（２１１）、対象オペレータ（２１２）、および、演算オペレータ（２１３）の３つのオペレータのセットによって、説明変数が生成される（２１０）。演算オペレータによる説明変数が生成される際に、時間粒度計算部（１０１５）からの指示によって、時間粒度が調整される（３０１）。時間粒度は、説明変数生成（２１０）の際に、条件オペレータ（２１１）に設定される。その他のオペレータ動作は図２で説明した動作と同様である。

図５は、生成された説明変数の別の具体例を示したものである。

店舗の営業時間内における時間幅（図５の例では３０分）が時間粒度として条件オペレータにセットされる。図４と同様に商品エリアが対象オペレータにセットされ、購入金額、購入点数、店員場所が演算オペレータ（２１３）にセットされる。各カラムには、条件オペレータとして設定された時間情報（５１０）毎に、エリア毎の購入金額（５２０）、エリア毎の購入点数（５３０）、エリア毎の店員場所（５４０）、が自動的に計算されて格納される。このように、予め設定した、条件オペレータ（２１１）、対象オペレータ（２１２）、および、演算オペレータ（２１３）を用いた演算処理により、多数の説明変数（５００）を生成することができる。例えば、目的変数店内の品出し時間帯変化を目的変数として波及効果を求める場合には目的変数設定と連動して時間粒度を図５のように３０分に設定し、広告配布による売上変化を目的変数として波及効果を求める場合には目的変数設定と連動して時間粒度を１日単位に設定する、等の利用が可能となる。

次に、本発明の分析システムにおいて実行されるアプリケーション例を図７に示す。

図７は、目的変数から目的変数に寄与する説明変数を検索し表示するアプリケーション画面である。これは指定した事象（目的変数）がどの要素（説明変数）で構成されているかを明らかにする。このアプリケーションを使用することで、複雑な事象を複数の単純な要素の組み合わせに変換することができる。図７のアプリケーションは条件設定（７００）、ダイヤグラム（７２０）、リスト（７４０）、実行ボタン（７６０）から構成されている。条件設定７００は期間や対象と目的変数を設定する画面である。ダイヤグラム（７２０）は条件設定（７００）によって指定した内容から検索を行ない、木構造のダイヤグラム表示の画面である。リスト（７４０）は条件設定（７００）によって指定した内容から検索を行ない、箇条書きの文章のリスト表示の画面である。条件設定（７００）で期間や対象と目的変数を指定した後に、実行ボタン（７６０）をクリックすることで、処理の実行が開始される。

まず、条件設定（７００）の期間や対象と目的変数を設定する画面について述べる。

ＳＴＥＰ１（７０１）は対象を指定する項目である。分析に用いる対象を指定するために用いる。この例では、店舗Ａとなっている。ＳＴＥＰ２（７０２）は種類と期間を指定する項目である。種類とは分析する際の基準である。種類を指定することで、時間基準の分析なのか、人基準の分析なのかを指定することができる。期間とは分析に用いる日時区間である。ＳＴＥＰ３（７０３）は解像度を指定する項目である。分析に用いる際の時間分解能を指定するために用いる。ＳＴＥＰ４（７０４）は目的変数の指定である。例えば、ＳＴＥＰ３（７０３）とＳＴＥＰ４（７０４）共に、図１のワークフローでいうと目的変数の入力受付１０２を意味している。ＳＴＥＰ４（７０４）を処理する前に、図４や図５に登録されているような変数の中から分析に用いる対象を指定しておく必要があり、その指定のための処理をＳＴＥＰ３（７０３）で行なっている。例えば、期間では、図４の時間情報（４２０）の日付や図５の時間情報（５１０）の３０分時間帯を見ることで、期間から分析に用いる対象を選択することができる。

目的変数は、図４や図５に登録されているような変数の中から１つ選択する必要がある。容易に１つを選択するための画面について目的変数選択画面（７０５）に示す。その方法は選択と検索の２種類あり、目的変数選択画面（７０５）では選択の画面になっている。選択では、大分類から小分類へ階層的に変数を絞り込み、その絞り込んだ中から目的変数を選ぶ。目的変数選択画面（７０５）では、上から下に進むにつれて、変数を絞り込むことができる。また、検索では、任意の文字列を入力することで、部分一致した変数名が絞りこまれるので、その中から目的変数を選ぶ。

閾値とは目的変数に寄与する説明変数を求める際の基準となるものであり、具体的には、目的変数に対する説明変数の寄与率の基準値となるものである。説明変数はこの閾値以上のものが選択され表示される。決定目的変数（７０６）はＳＴＥＰ４（７０４）で選択した目的変数を表示している画面である。

ダイヤグラム（７２０）は条件設定（７００）によって指定した内容から検索を行ない、木構造のダイヤグラム表示した画面である。木構造の表示方法において、ノードと呼ばれる丸印は変数、エッジと呼ばれる矢印は関係性を示しており、上のノードに寄与する変数を下のノードで示すことで、階層間の変数の関係を表現している。階層が低くなるほど、ノードの線が実線から破線に変化するように表現してある。ダイヤグラム（７２０）では３階層での表示であるが、これは任意で階層を指定することができる。また、エッジ上には寄与度を記載することで、その変数の重要度を示すことができる。エッジの矢印の向きの意味は、下位の変数は上位の変数への寄与を示している。エッジ上の数字は寄与度を記載する。図１のワークフローでいうと目的変数と説明変数の相関を統計的に分析（１０３）から回帰分析結果を表示（１０５）で処理した結果である。寄与度は、一般的な統計手法から求めればよく、例えば、図１のワークフローでいう相関分析結果を表示（１０４）の相関係数から求めてもよい。

ノード（７２１）は目的変数を示している。ノードの脇には変数名が記載されている。
エッジ（７２２）はノード（７２１）とノード（７２３）との関係性を寄与度として示している。ノード（７２３）はノード（７２１）の説明変数である。同じ階層には３つの説明変数があるが、左側から関係性が高い順に並べている。選ばれた説明変数が多い場合には、上位３つを表示することが望ましい。エッジ（７２４）はノード（７２３）とノード（７２５）との関係性を寄与度として示している。他にも関係性や寄与度に関して様々な表示方法を用いても良い。

リスト（７４０）はダイヤグラム（７２０）で示したダイヤグラム表示をリスト表示に変換したものである。表現の際には、リストの入れ子構造を採用している。文章（７４１）は目的変数を示している。ダイヤグラム（７２０）で示したダイヤグラム表示ではノード（７２１）と同じである。文章（７４２）は文章（７４１）の説明変数である。括弧の中の数字は寄与度を示している。ダイヤグラム（７２０）で示したダイヤグラム表示ではエッジ（７２２）とノード（７２３）と同じである。文章（７４３）は文章（７４２）の説明変数である。括弧の中の数字は寄与度を示している。ダイヤグラム（７２０）で示したダイヤグラム表示ではエッジ（７２４）とノード（７２５）と同じである。

説明変数の数が多い場合には上位３つを表示することが望ましく、もし、全ての変数を閲覧したい場合には、文章（７４４）をクリックする。

説明変数の目的変数に対する効果を示す単位である効果単位（７４５）を用いて、効果数値（７４６）は文章（７４２）の効果を示している。文章（７４１）との効果を数値化にて表示することで、この効果を数字化する。計算方法としては、一般的な統計手法から求めればよく、例えば、図１のワークフローでいう回帰分析結果を表示（１０５）の回帰係数から求めても良い。効果単位（７４５）は分析基準の単位を示している。

効果数値（７４６）は効果単位（７４５）で示した分析基準単位における効果の値を示している。この例では、文章（７４２）が１個毎に文章（７４１）が０．７９１円増加することを示している。

実行（７６０）は実行ボタンであり、クリックすると条件設定（７００）にて入力した条件において計算が実行される。これにより、目的変数と説明件数の相関を統計的に分析されて、ダイヤグラム（７２０）やリスト（７４０）が表示される。

このように本発明による分析システムを用いることによって、対象や種類や期間、解像度や目的変数を選び、目的変数に関係する説明変数を求めることが、大量データの相関分析によってできる。例えば、店員が特定エリアに滞在していることが、店舗の売上げに相関している等の分析結果が得られれば、業績を向上するための施策を施すための決断が行いやすくなる。

本発明の分析システムにおいて実行されるアプリケーション例の別の例を図８に示す。
図８では、目的変数と説明変数の２つ指定することによって、両者の関係性を知ることができる。

アプリケーションは条件設定（８００）、ダイヤグラム（８２０）、リスト（８４０）、実行ボタン（８６０）から構成されている。条件設定（８００）は期間と目的変数と説明変数を設定する画面である。ダイヤグラム（８２０）は条件設定（８００）によって指定した内容から検索を行ない、木構造のダイヤグラムが画面に表示される。リスト（８４０）は条件設定（８００）によって指定した内容から検索を行ない、箇条書きの文章のリスト表示の画面である。条件設定（８００）で期間と目的変数と説明変数を指定した後に、実行ボタン（８６０）をクリックすることで、処理が実行される。これらのフロー図を、図１４に示し、図１との差分のみ説明する。ステップ１０２ａにて、目的変数と説明変数の入力受付を行い、ステップ１０３ａにて、入力された目的変数と説明変数との相関が統計的に分析される。）
はじめに、条件設定（８００）の期間と目的変数と説明変数を設定する画面について述べる。ＳＴＥＰ１（８０１）から目的変数選択画面（８０５）は、図７のＳＴＥＰ１（７０１）から目的変数選択画面（７０５）と同じであるため説明を割愛する。ＳＴＥＰ５（８０６）は説明変数の指定である。説明変数を容易に１つを指定するための画面を、説明変数選択画面（８０７）に示す。説明変数の指定方法には、選択と検索の２種類ある。説明変数選択画面（８０７）では、選択の画面になっている。選択では、大分類から小分類へ階層的に変数を絞り込み、その中から説明変数を選ぶ。また、検索では、任意の文字列を入力することで、部分一致した変数名が絞りこまれるので、その中から説明変数を選ぶ。

決定目的変数（８０８）はＳＴＥＰ４（８０５）で選択した目的変数を表示している画面である。決定説明変数（８０９）はＳＴＥＰ５（８０６）で選択した説明変数を表示している画面である。

ダイヤグラム（８２０）は、条件設定（８００）によって指定した内容から検索を行ない、その検索結果を木構造でダイヤグラム表示した画面である。木構造の表示方法において、ノードと呼ばれる丸印は変数、エッジと呼ばれる矢印は関係性を示しており、上のノードに寄与する変数を下のノードで示すことで、階層間の変数の関係を表現している。階層が低くなるほど、ノードの線が実線から破線に変化するように表現してある。また、ＳＴＥＰ５（８０６）で指定した説明変数が表示されるまで、処理を繰り返す。ＳＴＥＰ４（８０４）でした目的変数である変数（８２１）とＳＴＥＰ４（８０４）でした説明変数である変数（８２７）の丸印の枠線を太くすることで、２つの変数の関係性を分かりやすく。また、図８のダイヤグラムの表示方法は図７のダイヤグラム（７２０）と同じであるため、説明を割愛する。

リスト（８４０）は、ダイヤグラム（８２０）で示したダイヤグラム表示をリスト表示に変換したものである。表現の際には、リストの入れ子構造を採用している。また、表示方法は、図７のリスト（７４０）と同じであるため説明を割愛する。このリストは、ダイヤグラム（８４０）で示したように、最小化することもできる。

実行ボタン（８６０）をクリックすると条件設定（８００）にて入力した条件において計算が実行され、ダイヤグラム（８２０）やリスト（８４０）が表示される。

このように本発明による分析システムを用いることによって、目的変数と説明変数の組み合わせ間の相関の強さ、大量データの相関分析によって求めることができる。例えば、店員が特定エリアに滞在していることが、店舗の売上げに相関している等の分析結果が得られれば、業績を向上するための施策を施すための決断が行いやすくなる。

このように、本発明による分析システムを用いることによって、目的を達成するための人間が想定できなかったような施策を発見することができる。つまり、本分析システムにより、大量データに潜んでいる業績に影響する要因を特定し、意思決定に役立てることができる。

業績向上に向けての未知の施策導入は企業の経営にとってリスクを伴うものである。このリスクを軽減するためのサービスモデルの構築が重要となる。図１２は、このようなサービスの提供側と顧客側における分析システム構成例である。

図１２に示すデータ分析サービスセンタ（３０）の計算処理部（１３００）では、図１１に示した「ヒトモノカネ統合分析処理（１３１０）」のほかに、「サービス効果計算処理（１３２０）」を有する。サービス効果計算処理（１３２０）は、行動変化を計算する行動変化計算部（１１０４）とデータストレージ（１４００）のＰＯＳデータ（１０２４）からの利益額等から、利益変化を計算する利益変化計算部（１１０５）、及び行動変化と利益変化の両者を比較するサービス効果判定部（１１０３）より構成される。行動変化の情報（１１０７）は統計分析部（１０１９）より、行動変化計算部（１１０４）に出力される。さらに、サービス効果計算処理（１３２０）は、サービス効果判定部（１１０３）での処理のタイミング周期を与えるためのタイマ（１１０６）および、サービス効果判定部（１１０３）からの結果を出力するための、レポート生成部（１１０８）を有する。サービス効果判定部（１１０３）によって、例えば、店舗において、顧客や従業員の行動が変わることで、利益等がどのように寄与したのか、定量的に評価することができる。

図６に、本分析システムによる行動提案によって、サービス効果を計算し、利益配分を算出するための分析手順を示す。図１で示した手順（ステップ６００〜６０５に相当）の後に、サービス効果を計算し（ステップ６０６）、利益配分が算出される（ステップ６０７）。

図１２で示した分析システムと図６で示した分析手順によって実現される利益配分型サービスのフローを図９に示す。

まず、店舗システム（９００）から行動データ（９０１）が、店舗本部システム（９１０）からはＰＯＳデータ（９１１）が、データ分析サービス提供システム（９２０）に送信される。次に、各店舗のマネージャ（店長など）が、売上げ、顧客単価、来店客数、等経営成果に影響を及ぼしうる目的変数を入力し、データ分析サービス提供システムに送信する（９０４）。この目的変数の入力は、店舗本部システムを用いて行われても良い。データ分析サービス提供システム（９２０）は、ヒトモノカネ統合分析処理（９２１）を実施し、その結果として、行動変化を促すための回帰分析結果表示（９２２）を店舗システム（９００）に対して送信する。各店舗のマネージャは、店舗システム（９００）を用いて、結果として得られた情報表示に従って、必要な行動変化施策を実施する（９０２）。なお、回帰分析結果表示は店舗本部へ送信し、店舗本部で行動変化施策を決定し、店舗へ施策を通知するようにしても良い。

一定期間後に、データ分析サービス提供システムは、行動データ（９０３）とＰＯＳデータ（９１２）を使用して、ヒトモノカネ統合分析処理（９２３）を行い、更に前回の、ヒトモノカネ統合分析処理（９２１）のデータを併用して、行動変化計算処理（９２４）および、サービス効果計算処理（９２５）を行う。なお上記では一定時間後に処理（ステップ９２３、９２４、９２５）を行っていたが、データ分析サービス提供システムは、回帰分析結果表示（９２２）を送信した後に、店舗からの行動データを分析して、例えば、従業員の行動の変化が検出された場合に、この従業員の行動の変化時点を前回と今回の分析の切れ目として、店舗からのデータでヒトモノカネ統合分析を行い、行動変化計算処理やサービス効果計算処理を行っても良い。これにより、一定時間後に自動的に計算するより、行動の変化をより検出し易くなる。また、図示はしないが、店舗で従業員の行動変化に関する指示を行った旨を店舗から情報として受信し、これをトリガとして前回と今回の店舗からのデータの区切りとしても良い。この場合、データ分析サービスシステムは店舗からの情報を受けるステップが必要になるが、確実に前回と今回の切れ目を知ることができる。

このサービス効果計算処理（９２５）に基づいたレポートが、データ分析サービス提供システム（９２０）より店舗本部システム（９１０）に送信され、店舗本部システム（９１０）にて必要な利益配分算出処理（９１３）が行われ、その結果に応じて、店舗本部システム（９１０）より、データ分析サービス提供システム（９２０）にサービス料金の支払いが行われる。

実際のサービスにおいては、例えば、顧客とサービス提供側間のサービス利用契約において、店舗群における利益や売上額の増加額に一定の率を掛けた金額を、サービス対価として収受するという取り決めを行っておく方法が考えられる。

図１３に、データ分析サービス提供システム（９２０）より店舗本部システム（９１０）に対して定期的に送信されるレポートの例（１１３００）を示す。本レポートにおいては、サマリとして、特定期間における売上金額の増加と行動提案サービス導入効果の寄与率が記載される。また、データ分析サービスによって提供される提案行動内容が記載される。さらに、該当期間における行動変化（１１３１０）と売上変化（１１３２０）が示される。前述の行動提案サービス導入効果の寄与率は、これら、行動変化（１１３１０）と売上変化（１１３２０）の連動を考慮して、図示しないアルゴリズムによって計算される。

なお、本例においては、一回の報告にてひとつの期間のレポートが報告される例を示したが、一回の報告にて、複数期間に対応する複数レポートの内容がまとめて送付される形態も考えられる。

このように、本発明による分析システムおよびフローによって、サービスの提供側と顧客側において成功報酬型のサービス契約が実現できる。こうした契約を交わすことで、サービス固定利用料（例えば毎月一定額を収受する）を低額にしてユーザーの固定負担を低減しつつ、利益が上がった際には、その増加額に応じた成功報酬を収受することが可能となる。つまり、顧客がサービス導入のリスクを軽減できることで、サービス導入、普及が促進される。

本発明は、経営の意思決定をサポートするためのデータ分析システムに関して、店舗におけるオペレーション改善、介護・病院の分野、外食の分野などにおけるサービス改善、さらには、知識労働業務の生産性改善等において、各分野に合わせたカスタマイズを施すことで、本発明を利用することが可能である。

１００・・・ヒトモノカネデータ入力
１０１・・・変数生成条件に基づいて説明変数自動生成
１０２・・・目的変数の入力受付
１０３・・・目的変数と説明変数間の相関を総計的分析
１０４・・・相関分析結果表示
１０５・・・回帰分析結果表示
２００・・・データ列
２１０・・・説明変数生成処理
２１１・・・条件オペレータ
２１２・・・対象オペレータ
２１３・・・演算オペレータ
７００・・・条件設定
７２０・・・ダイヤグラム
７４０・・・リスト
７６０・・・実行ボタン
１００１・・・センサ位置検出ビーコン
１００２・・・クレードル
１００３・・・ウェラブルセンサ
１００４・・・行動センサデータ
１００５・・・店舗側基地局
１００６・・・ネットワーク
１００７・・・システム端末群
１０１１・・・ＰＯＳデータ
１０１２・・・顧客情報
１０１５・・・時間粒度計算部
１０１７・・・目標設定部
１０１８・・・分析結果表示処理部
１０１９・・・統計分析部
１０２０・・・説明変数生成部
１０２１・・・データ集約部
１０２２・・・行動データベース
１０２３・・・顧客情報データベース
１０２４・・・ＰＯＳデータベース
１１００・・・入出力部
１１０３・・・サービス効果判定部
１１０４・・・行動変化計算部
１１０７・・・行動変化の情報
１２００・・・データバス
１３００・・・計算処理部
１３１０・・・ヒトモノカネ統計分析処理
１３２０・・・サービス効果計算処理
１１３００・・・送信されるレポートの例
１１３１０・・・行動変化情報
１１３２０・・・売上変化情報

Claims (9)

1. データと変数生成条件情報とを格納した記憶部を用いたデータ統合分析システムであって、
   前記変数生成条件情報を用いて前記データに関する説明変数を生成する説明変数生成部と、
   目的変数の入力を受け付ける目的変数入力部と、
   前記目的変数と前記説明変数との相関関係を計算する相関計算部と、
   前記相関関係を画面に表示する表示部と、
   を有することを特徴とするデータ統合分析システム。
2. 請求項１に記載のデータ統合分析システムであって、
   前記変数生成条件情報は、条件オペレータと対象オペレータと演算オペレータとのオペレータセットを含み、
   前記説明変数生成部は、前記データに対して前記オペレータセットを用いて前記説明変数を生成する際に、前記条件オペレータ又は前記対象オペレータ又は前記演算オペレータのうち何れか１つを変えた複数のオペレータセットを用いて複数の前記説明変数を生成することを特徴とするデータ統合分析システム。
3. 請求項２に記載のデータ統合分析システムであって、
   前記目的変数に基づいて時間粒度情報を生成する時間粒度計算部をさらに有し、
   前記条件オペレータは前記時間粒度情報を含み、
   前記変数生成条件部は、前記時間粒度情報に基づいて前記説明変数を生成することを特徴とするデータ統合分析システム。
4. 請求項１に記載のデータ統合分析システムであって、
   分析種類と分析期間と分析解像度との入力を受け付ける分析条件入力部と、
   前記相関計算部は、前記分析種類と前記分析期間と前記分析解像度とに基づいて前記目的変数と前記説明変数との前記相関関係を計算することを特徴とするデータ統合分析システム。
5. 請求項１に記載のデータ統合分析システムであって、
   前記相関計算部は、前記相関関係における寄与度を計算し、
   前記表示部は、前記目的変数と前記説明変数と前記寄与度とを前記画面に表示することを特徴とするデータ統合分析システム。
6. 請求項１に記載のデータ統合分析システムであって、
   前記相関計算部は、前記相関関係における前記目的変数に対して前記説明変数がもたらす効果の単位である効果単位と前記効果単位を用いて前記効果を示す効果数値とを生成し、
   前記表示部は、前記効果単位と前記効果数値とを前記画面に表示することを特徴とするデータ統合分析システム。
7. 請求項１に記載のデータ統合分析システムであって、
   決定説明変数の入力を受け付ける決定説明変数入力部をさらに有し、
   前記相関計算部は、前記目的変数と前記決定説明変数との相関関係を前記説明変数を用いて計算することを特徴とするデータ統合分析システム。
8. 請求項１に記載のデータ統合分析システムであって、
   前記データは利益情報を含み、
   行動変化情報の入力を受け付ける行動変化情報入力部と、
   前記利益情報に基づいて利益変化情報を計算する利益変化計算部と、
   前記行動変化情報と前記利益変化情報とに基づいて、サービス効果を算出するサービス効果判定部と、
   前記サービス効果に基づいて利益配分率を算出する利益配分算出部と、
   を有することを特徴とするデータ統合分析システム。
9. 店舗に設置されるサービス事業店舗システムと店舗管理本部に設置されるサービス事業管理本部システムと変数生成条件情報とを格納した記憶部を有するデータ分析サービスシステムと、を用いた利益分配サービス提供方法であって、
   前記サービス事業店舗システムが、前記店舗における施策情報を前記データ分析サービスシステムに送信する工程と、
   前記サービス事業管理本部システムが、第一のＰＯＳ情報を前記データ分析サービスシステムに送信する工程と、
   前記サービス事業店舗システムが、目的変数入力部により目的変数の入力を受け付け、前記目的変数を前記データ分析サービスシステムに送信する工程と、
   前記データ分析サービスシステムが、説明変数生成部により前記変数生成条件情報を前記記憶部から抽出して前記施策情報と前記第一のＰＯＳ情報とに対して用いて説明変数を生成し、相関関係計算部により前記目的変数と前記説明変数との相関関係を計算し、前記サービス事業店舗システムに送信する工程と、
   前記サービス事業店舗システムが、行動変化情報の入力を受け付け、前記行動変化情報を前記データ分析サービスシステムに送信する工程と、
   前記サービス事業管理本部システムが、前記第一のＰＯＳ情報より後に生成された第二のＰＯＳ情報を前記データ分析サービスシステムに送信する工程と、
   前記データ分析サービス提供システムが、利益変化計算部により前記第二のＰＯＳ情報に基づいて利益変化情報を計算し、サービス効果判定部により前記行動変化情報と前記利益変化情報とに基づいてサービス効果を算出し、前記サービス効果に基づいてレポート情報を生成し、前記レポート情報を前記サービス事業管理本部システムに送信する工程と、
   前記サービス事業管理本部システムが、利益配分算出部により前記レポート情報に基づき利益配分率を算出し、前記利益配分率に基づいて前記データ分析サービスシステムにサービス料金情報を送信する工程と、
   を含むことを特徴とする利益分配サービス提供方法。