JP2018142190A - 判断支援システム及び判断支援方法 - Google Patents

Abstract

【課題】組織活動における種々の判断を支援するための適切な情報を提供する。【解決手段】ユーザの判断を支援する判断支援システムであって、プログラムを実行するプロセッサと、前記プロセッサがアクセス可能な記憶部と、前記プログラムの実行結果を表示するためのデータを出力する出力部とを備え、さらに、前記記憶部に格納されたデータから所定の文表現を探索し、前記探索された文表現と所定の関係にある文言を用いて、組織における課題を抽出する抽出部と、分析対象の第１の組織の課題と類似する課題を有する第２の組織を選択し、前記第２の組織における課題に対する施策を前記記憶部に格納されたデータから選択する第１の選択部とを備え、前記出力部は、前記選択された課題及び施策を表示するためのデータを出力する。【選択図】図１

Description

本発明は、企業における種々の判断を支援するシステムに関する。

全就業者に占める第３次産業の就業者数は、１９５５年の３６％から２００５年の６７％に増加しており、今日、知的労働の生産性の向上は社会的な課題となっている。企業活動（例えば、営業や企業経営）においても、経験や勘に頼る要素を減らし、科学的な根拠と合理的な理由付けに基づく判断が求められている。また、企業業績を整理し可視化する企業向け支援ツールが提供されている。

また、ＡＩ（人工知能）の技術向上を背景に、ＡＩの現実社会への浸透が始まっており、知的労働のＡＩ化が現実のものとなりつつある。さらに、インターネットの普及と利用の高度化に伴い、企業経営に役立つデジタル化された情報が大量に提供されている。

本技術分野の背景技術として、以下の先行技術がある。特許文献１（特開２００７−３１０８５１号公報）には、案件が発生するパターンと、パターン毎に望ましい活動手順を仮説として組み立て、仮説にある案件発生事案の発生を取引履歴データ、企業データ、その他の顧客データの動きから検出するための検索エンジンにより、案件発生時案の内容と提案手順を営業員に知らせることを特徴とする営業支援システムが開示されている。

また、特許文献２（特開２０１５−２１５８１１号公報）には、目的原因抽出装置が開示されており、検索部は、Ｗｅｂ文書ＤＢから入力された行動が記述された文書群を取得する。候補抽出部は、検索部の取得した文書群から入力された行動の行動目的または原因・理由の候補を、手がかり表現ＤＢに保持された手がかり表現に基づき、係り受け解析により抽出する。目的原因抽出部は、前記候補の時制が過去形であれば原因・理由と判定する。また、前記候補の利用例／前記候補に行動目的の用法の言い換え表現を連結した利用例と、前記候補に原因理由の用法の言い換え表現を連結した利用例とを比較した結果に応じて、候補部分から行動目的／原因・理由とを抽出する。

特開２００７−３１０８５１号公報 特開２０１５−２１５８１１号公報

前述した特許文献１に記載された営業支援システムでは、顧客への提案に対して合理的な根拠や同じ課題に対する別の施策を提示できないため、ＡＩにより提案された施策を採用すべきかを人が判断することは困難である。

また、特許文献２に記載された目的原因抽出装置では、ユーザが行動目的を指定しなければならないため、ユーザが潜在的に持っている行動目的を抽出できず、未知の行動目的に対する行動の提案が困難である。

さらに、インターネット上で提供される大量の情報を読み、有用な情報を取捨選択することは人にとっては困難であることから、企業経営に真に有益な情報を簡潔に提供することが求められている。

このため、課題を入力することなく、顧客の次の一手となる施策を提供することが求められている。さらに、顧客が行うべき施策を顧客が認識しているとは限らない。むしろ、顧客が気づいていないが、行うべき必要のある施策を提案することにより、その顧客から受注を得られることもあると考えられる。そのため、顧客が行うべきであり、かつ、顧客が気づいていない施策をシステムが営業に提供することが求められている。

本願において開示される発明の代表的な一例を示せば以下の通りである。すなわち、ユーザの判断を支援する判断支援システムであって、プログラムを実行するプロセッサと、前記プロセッサがアクセス可能な記憶部と、前記プログラムの実行結果を表示するためのデータを出力する出力部とを備え、さらに、前記記憶部に格納されたデータから所定の文表現を探索し、前記探索された文表現と所定の関係にある文言を用いて、組織における課題を抽出する抽出部と、分析対象の第１の組織の課題と類似する課題を有する第２の組織を選択し、前記第２の組織における課題に対する施策を前記記憶部に格納されたデータから選択する第１の選択部とを備え、前記出力部は、前記選択された課題及び施策を表示するためのデータを出力する。

本発明の一態様によれば、企業活動における種々の判断を支援するための適切な情報を提供できる。前述した以外の課題、構成及び効果は、以下の実施例の説明により明らかにされる。

本発明の実施例の判断支援システムの構成を示す図である。 本実施例の業績・財務データの構成例を示す図である。 本実施例のターゲット企業データの構成例を示す図である。 本実施例の企業属性統合データの構成例を示す図である。 本実施例の課題・施策データの構成例を示す図である。 本実施例の販売・導入事例データの構成例を示す図である。 本実施例の顧客アクセス支援部が実行する処理のフローチャートである。 本実施例の定性データ抽出部が実行する処理を説明する図である。 本実施例の判断支援システムが実行する処理を説明する図である。 本実施例の判断支援システムが出力する顧客アクセス支援情報画面を示す図である。

図１は、本発明の実施例の判断支援システム１の構成を示す図である。

本実施例の判断支援システム１は、後述するように、企業の経営課題及び施策、潜在ニーズ、課題やニーズに対する施策を提供するものであり、営業部で顧客に提供する商材を発掘するために使用したり、経営層が自社の経営判断や競合他社の分析のために使用する。なお、以下の実施例では、本判断支援システム１を企業に対して適用する例を説明するが、企業内の部門や社会に存在する諸団体にも適用可能である。

本実施例の判断支援システム１は、プロセッサ（ＣＰＵ）１１、記憶部１３、通信インターフェース１４、入力部１５及び出力部１８を有する計算機システムによって構成される。

プロセッサ１１は、メモリ（図示省略）に格納されたプログラム（例えば、顧客アクセス支援プログラム、潜在指標計算プログラム、定性データ抽出プログラム等）を実行する。メモリは、不揮発性の記憶素子であるＲＯＭ及び揮発性の記憶素子であるＲＡＭを含む。ＲＯＭは、不変のプログラム（例えば、ＢＩＯＳ）などを格納する。ＲＡＭは、ＤＲＡＭ（Dynamic Random Access Memory）のような高速かつ揮発性の記憶素子であり、プロセッサ１１が実行するプログラム及びプログラムの実行時に使用されるデータを一時的に格納する。具体的には、プロセッサ１１が各種プログラムを実行することによって、顧客アクセス支援部１００、潜在指標計算部１０４及び定性データ抽出部１０５が機能する。顧客アクセス支援部１００は、ターゲット企業選択部１０１、課題・施策選択部１０２及びソリューション選択部１０３を含む。

ターゲット企業選択部１０１は、ユーザが入力したターゲット業種からターゲット企業を選択する。課題・施策選択部１０２は、企業間のアナロジーを行い、ターゲット企業の潜在課題と潜在課題に対する施策を選択する。ソリューション選択部１０３は、課題のマッチングを行い、ターゲット企業の潜在ニーズを選択する潜在ニーズ選択機能と、導入すべき商品やサービスを選択する商材選択機能とを有する。潜在指標計算部１０４は、業績・財務データ１１１からターゲット企業データ１１２を作成する。定性データ抽出部１０５は、業績や営業に関する文書１１６から企業属性統合データ１１３及び課題・施策データ１１４を作成する。なお、潜在ニーズとは、企業が潜在的に持っている課題と企業が潜在的な行うべき施策との両方を含む概念である。

記憶部１３は、例えば、磁気記憶装置（ＨＤＤ）、フラッシュメモリ（ＳＳＤ）等の大容量かつ不揮発性の記憶装置である。記憶部１３は、プログラムの実行時にアクセスされるデータを格納する。また、記憶部１３は、プロセッサ１１が実行するプログラムを格納してもよい。この場合、プログラムは、記憶部１３から読み出されて、メモリにロードされて、プロセッサ１１によって実行される。具体的には、記憶部１３は、業績・財務データ１１１、ターゲット企業データ１１２、企業属性統合データ１１３、課題・施策データ１１４、販売・導入事例データ１１５及び業績や営業に関する文書１１６を格納する。

業績・財務データ１１１は、企業の業績や財務のデータが記録されるデータベースであり、その詳細は図２を参照して説明する。ターゲット企業データ１１２は、判断支援システム１が対象とする企業のデータが記録されるデータベースであり、その詳細は図３を参照して説明する。企業属性統合データ１１３は、企業の属性が記録されるデータベースであり、その詳細は図４を参照して説明する。課題・施策データ１１４は、企業が有している課題が記録されるデータベースであり、その詳細は図５を参照して説明する。販売・導入事例データ１１５は、企業が導入した商品やサービスのデータが記録されるデータベースであり、その詳細は図６を参照して説明する。

業績や営業に関する文書１１６は、企業の活動状況が記載された文書であり、全文検索ができる形式（例えば、テキストデータ）で記憶部１３に格納されている。業績や営業に関する文書１１６は、例えば、ＥＤＩＮＥＴから取得できる情報（有価証券報告書などの財務情報）、各企業のニュースリリース、各企業のホームページの情報、研究論文誌、社長メッセージ、非財務情報（例えば、社会・環境・ガバナンス情報）、新聞や雑誌の記事（経済新聞、産業新聞、業界紙、一般紙、地方紙、専門紙など）、各種ＷＥＢサイトの情報（ニュースサイトやまとめサイトに掲載された情報、ＳＮＳの情報）などである。

他のデータの構成は図２から図６を用いて後述する。

通信インターフェース１４は、所定のプロトコルに従って、他の装置との通信を制御するネットワークインターフェースデバイスである。例えば、記憶部１３が格納するデータは、通信インターフェース１４を介して判断支援システム１に入力されてもよい。

入力部１５は、キーボードやマウスなどが接続され、オペレータからの入力を受けるインターフェースである。出力部１８は、ディスプレイ装置やプリンタなどが接続され、プログラムの実行結果をオペレータが視認可能な形式で出力するインターフェースである。

プロセッサ１１が実行するプログラムは、リムーバブルメディア（ＣＤ−ＲＯＭ、フラッシュメモリなど）又はネットワークを介して判断支援システム１に提供され、非一時的記憶媒体である不揮発性の記憶部１３に格納される。このため、判断支援システム１は、リムーバブルメディアからデータを読み込むインターフェースを有してもよい。

判断支援システム１は、物理的に一つの計算機上で、又は、論理的又は物理的に構成された複数の計算機上で構成される計算機システムであり、複数の物理的計算機資源上に構築された仮想計算機上で動作してもよい。

図２は、本実施例の業績・財務データ１１１の構成例を示す図である。

業績・財務データ１１１は、企業の業績や財務のデータが記録され、企業のＩＤ、企業名、業種（大分類、中分類）、事業内容の概要、資本金、売上高及び利益額などのデータを含む。業績・財務データ１１１は、株式上場会社であれば、有価証券報告書から取得できる。業績・財務データ１１１に含まれるデータとして、図示したものに加え、経営に直接影響するデータ（直近３年の売上高、経常利益、資産回転率、キャッシュ・コンバージョン・サイクルなど）、経営に直接影響しないが間接的に影響する可能性のあるデータ（経営者や役員の性別、出身校、出身地、従業員数など）、自社から他社への販売、受注、購入の活動に関するデータ（受注額、粗利額、売上額、納期、納入先企業、案件名など）がある。なお、ここで判断支援システム１が支援する対象の営業が所属する会社を自社とし、前記営業が顧客とする企業を顧客企業とする。

図３は、本実施例のターゲット企業データ１１２の構成例を示す図である。

ターゲット企業データ１１２は、判断支援システム１が対象とする企業のデータが記録され、潜在指標計算部１０４が業績・財務データ１１１から作成し、ユーザが入力した業種から判断支援システム１が対象とする企業をターゲット企業選択部１０１が選択するために用いられる。ターゲット企業データ１１２は、業種、企業ＩＤ、企業名及び潜在粗利額などのデータを含む。潜在粗利額は、顧客に販売する商品や提供するサービスの粗利額であり、当該企業との取引において見込める利益の指標となる。図示したターゲット企業データ１１２は、潜在粗利額を含むが、ターゲット企業を順位付けるために用いる他の指標を含んでもよい。

ターゲット企業データ１１２に含まれる項目は、ターゲット企業候補を順位付ける指標によって動的に変化してもよい。例えば、ターゲット企業の表示順序を定める目標指標が指定されると、潜在指標計算部１０４が目標指標と相関関係を見出したデータを、ターゲット企業データ１１２に追加する。ターゲット企業選択部１０１は、目標指標と相関関係を見出されたデータの観点でターゲット企業データ１１２を参照して、ターゲット企業候補の表示順位を定める。このように得られた結果を用いることによって、所望の目標指標による順序で企業をリストアップできる。

図４は、本実施例の企業属性統合データ１１３の構成例を示す図である。

企業属性統合データ１１３は、企業の属性が記録され、定性データ抽出部１０５が業績や営業に関する文書１１６から作成し、課題・施策選択部１０２が、類似する企業を選択する、すなわち企業間のアナロジーのために用いられる。企業属性統合データ１１３は、財務データ及び定性データなどを含む。財務データは、資本金、売上高、利益などであり、業績や営業に関する文書１１６である財務諸表（例えば、有価証券報告書）から取得できる。定性データは、特定の事項に関係する情報の量であり、例えば、業績や営業に関する文書の中で生産・調達に関する文の数や、業績や営業に関する文書の中で研究・技術に関する文の数である。定性データは、着目する事項によって、企業の特徴、企業が注力している分野、企業が重視している価値を示す指標として使用できる。定性データ抽出部１０５が業績や営業に関する文書１１６から企業属性統合データ１１３を作成する処理は、図８を用いて後述する。

図５は、本実施例の課題・施策データ１１４の構成例を示す図である。

課題・施策データ１１４は、企業が有している課題が記録され、定性データ抽出部１０５が業績や営業に関する文書１１６から作成し、課題・施策選択部１０２が、課題に対する施策を選択したり、潜在課題を選択するために用いられる。課題・施策データ１１４は、データソース、企業名、課題及び施策などのデータを含む。データソースは、課題及び施策が抽出された元の文書を特定する情報（文書名、発行日など）である。課題は、企業が持っている経営上の課題であり、施策は、当該課題に対して採用している又は採用される予定の施策である。

課題・施策データ１１４は、経営価値ごとに分類されていると、システムが提示したデータをユーザが読みやすくて、良好である。具体的には、経営価値体系辞書（図示省略）を用いて、経営価値ごとに企業の課題・施策データ１１４を分類するとよい。経営価値体系辞書は、経営価値を表す語（コンプライアンス、女性の活躍など）を、組織力や営業・販売などの経営価値ごとに整理したリストである。例えば、「コンプライアンス」、「女性の活躍」は経営価値としての「組織力」に属し、「海外」、「アジア」などの地域を表す語は経営価値としての「営業・販売」に属するように分類される。具体的には、経営課題文が「コンプライアンスの確保」である場合、この文は「コンプライアンス」という「組織力」に属する経営価値語を含むため、この経営課題文は「組織力」に分類される。言い換えれば、この経営課題文（実世界の意味）を「組織力」という記号に接地することができる。すなわち、自然言語処理におけるシンボルグラウンディング問題（記号接地問題）を処理することが可能になる。分類を行うことにより以下が可能になる。１点目は、ユーザが興味のある分類のみを集中して読むことができる。２点目は、ユーザが全分類のトップの経営課題分を読むことで網羅的に企業の経営課題を把握することができる。

次に、本システムの動作を述べる。本システムは、営業が訪問する会社の課題を選択することにより、その課題に類似した別の企業の課題を検索し、類似課題に対する施策を営業に提示する。

なお、施策を行うことも新たな課題になる。そのため、施策とは、元の課題を細分化（ブレークダウン）して生まれた新たな課題であるとも言える。すなわち、本システムを用いて、課題を細分化することができる。

図６は、本実施例の販売・導入事例データ１１５の構成例を示す図である。

販売・導入事例データ１１５は、企業が導入した商品やサービスのデータであり、販売活動、受注活動、購入活動のデータを販売・導入の観点から整理して生成され、ソリューション選択部１０３が、当該企業の導入に適する商品やサービスを選択するために用いられる。販売・導入事例データ１１５は、導入時期、導入元部署、導入先、商品・サービス、目的・課題及び効果などのデータを含む。導入時期は、当該商品やサービスを企業が導入した時期である。導入元部署は、当該商品やサービスの販売を担当した部門である。導入先は、当該商品やサービスを購入した企業である。商品・サービスは、導入された商品やサービスの名称である。目的・課題は、当該商品やサービスを導入した目的や課題である。効果は、当該商品やサービスによって生じた又は生じると予想される効果である。

販売・導入事例データ１１５は、自社だけでなく、他社が各企業に販売した商品やサービスのデータを含んでもよい。この場合、導入事例などに関する他社のホームページの情報を収集して、販売・導入事例データ１１５を生成するとよい。また、導入元部署は当該商品やサービスを販売した会社である。

図７は、本実施例の顧客アクセス支援部１００が実行する処理のフローチャートである。

まず、ユーザが分析したいターゲット業種を入力部１５に入力すると、ターゲット企業選択部１０１は、入力されたターゲット業種を受け付け（Ｓ１０１）、ターゲット企業データ１１２を参照し、入力されたターゲット業種に属する企業をターゲット企業の候補として選択する。そして、選択された企業を所定の順序に並べて、顧客アクセス支援情報画面２００の企業リスト表示領域２２０（図１０参照）に表示する（Ｓ１０２）。企業リスト表示領域２２０における企業の表示順序は、自社の経営指標の向上に繋がる指標（例えば、潜在粗利額）が高い順がよい。企業の表示順序はユーザが指定可能とするとよい。ユーザが目標指標を指定すると、潜在指標計算部１０４が見出した相関関係によって、企業の表示順が制御される。

そして、ユーザは、企業リスト表示領域２２０から分析する企業を選択する。ターゲット企業選択部１０１は、選択されたターゲット企業の企業ＩＤを課題・施策選択部１０２に渡す（Ｓ１０３）。なお、ターゲット企業選択部１０１は、業種ではなく、企業名の入力を受けてもよい。この場合、ターゲット企業選択部１０１は、入力された企業名をターゲット企業データ１１２で照合して、入力された企業名がターゲット企業データ１１２に登録されていれば、当該企業をターゲット企業として、企業ＩＤを課題・施策選択部１０２に渡す（Ｓ１１０）。

次に、課題・施策選択部１０２は、課題・施策データ１１４を参照して、ターゲット企業の課題に対する施策を選択する（Ｓ１０４）。具体的には、ターゲット企業の課題と類似している他社の課題を課題・施策データ１１４から探し、探された課題に対応する施策をターゲット企業の施策とする。これは、類似する課題に対する施策は共通しており、ターゲット企業の課題は他の施策でも解決できる可能性があるからである。

また、課題・施策選択部１０２は、企業間のアナロジーを行い、ターゲット企業からアナロジーされた企業の課題と施策を、ターゲット企業の潜在課題と潜在課題に対する施策として選択する（Ｓ１０４）。特に、ターゲット企業の課題が未知や不明である場合でも、企業間アナロジーによって、ターゲット企業の潜在的な課題を発見できる。

具体的には、課題・施策選択部１０２は、企業属性統合データ１１３を参照して、属性が類似する企業を選択し、選択された企業の課題を潜在的な課題と当該選択された課題に対応する施策をターゲット企業の課題と施策の対とする。これは、属性が類似する企業は共通する課題を有しており、ターゲット企業の課題となりうるからである。例えば、図５において、Ａ社とＢ社とで企業の属性が類似している場合、Ａ社とＢ社の課題は共通していると推定し、Ｂ社の課題（海外売上増加）はＡ社でも潜在的な課題であり、「○○国への進出」がＡ社でも施策となり得る。このように本システムは、Ａ社の顕在的な課題である「生産の効率化」、「コンプライアンスの確保」と顕在的な施策である「○○機器の購入」を営業に提示することに加えて、Ａ社の潜在的な課題と潜在的な施策をも営業に提示する。

すなわち、課題・施策選択部１０２は、企業間で着目する項目（例えば、営業の視点において類似企業で共通する基準）を選択し、選択された基準が近い企業群を選択する。例えば、ターゲット企業（Ａ社）と売上高が近い企業を選択し、選択された企業に販売実績がある商品の中から売上高が近い企業に売れる商品がある場合、当該商品はＡ社の課題を解決し、Ａ社に売れそうな商品だと判定できる。アナロジーの観点としては、売上高、業界、経営課題などがある。

そして、課題・施策選択部１０２は、選択されたターゲット企業の課題と、当該課題を解決するためにとり得る施策を、顧客アクセス支援情報画面２００の経営課題表示領域２３０（図１０参照）に表示する。このとき、課題と施策の対をユーザ（例えば、営業マン）が読むのに適する程度の文字数で表示するとよい。また、全ての課題と施策の対を表示してもよいが、課題をランク付けして上位所定数の課題、すなわち、ユーザが読むのに適する程度の件数だけ表示してもよい。

さらに、経営課題表示領域２３０に表示された課題と施策の対から、ユーザがその良し悪しを判断して、本システムにフィードバックを入力できるようにしてもよい。例えば、経営課題表示領域２３０に課題毎に評価入力欄を設け、入力された評価を統計処理した値（例えば、平均値）を課題・施策データ１１４に記録して、表示順序のランクを制御してもよい。

その後、ユーザが経営課題表示領域２３０において参考とする課題と施策を選択すると、ソリューション選択部１０３が選択された課題と施策の入力を受け付ける（Ｓ１０５）。

ソリューション選択部１０３は、課題・施策データ１１４を参照して、課題のマッチングを行い、ターゲット企業の課題と類似する課題を有する企業を選択し、選択された企業の課題を課題・施策データ１１４から選択し、選択された課題をターゲット企業の潜在ニーズとする（Ｓ１０６）。これは、課題が類似する企業は他の課題も共通する可能性があり、共通する課題はターゲット企業の潜在的なニーズとなりうるからである。

一般的に課題は目的句として表されるので、目的句同士の類似性を判定し、類似性が高い目的句を選択することによって、類似する課題を有する企業を選択できる。目的句の類似性の判定にはＮ文字インデックス法（Ｎ−ｇｒａｍ）を使用できる。また、ターゲット企業が属する業界内の企業について、課題（目的句）を探索してもよい。例えば、図５において、Ａ社の課題（生産の効率化）とＣ社の課題（生産効率２０％アップ）が類似しているので、Ａ社とＣ社とで企業の属性が類似しており、Ｃ社の課題（働き方改革）はＡ社でも潜在的なニーズ（潜在的な課題）となり得る。そして、ソリューション選択部１０３は、ターゲット企業の潜在課題と、当該潜在課題を解決するためにとり得る施策を、顧客アクセス支援情報画面２００の潜在ニーズ表示領域２４０（図１０参照）に表示する。

また、ソリューション選択部１０３は、課題マッチングによって得られた目的句に対応する行動句をターゲット企業がとり得る別の施策として提供してもよい。すなわち、類似する目的句を含む他の経営課題文に含まれる行動句は、類似する課題に対する他の企業の行動であり、ターゲット企業にとって未実施、かつ、必要な行動である可能性がある。ユーザは、解析された行動が当該ターゲット企業に適するかを判断し、ターゲット企業への提案に含めることができる。

さらに、ソリューション選択部１０３は、販売・導入事例データ１１５を参照して、当該潜在ニーズ（課題）を解決するために導入すべき商品やサービスを選択し、課題を解決するためにＡ社がとり得る施策として導入すべき商品やサービスをお薦め商材の候補として、潜在ニーズ表示領域２４０（図１０参照）に表示する（Ｓ１０７）。

図８は、本実施例の定性データ抽出部１０５が実行する処理を説明する図である。

定性データ抽出部１０５は、前述したように、業績や営業に関する文書１１６から企業属性統合データ１１３及び課題・施策データ１１４を作成する。定性データ抽出部１０５は、人工知能（Artificial Intelligence）技術を用いて、業績や営業に関する文書１１６から抽出する文言を探索してもよい。

例えば、定性データ抽出部１０５は、予め定められた手掛かり句を用いて目的句と行動句を抽出する。この手掛かり句は、当該手掛かり句をキーにして文法を解析可能な語句であり、当該手掛かり句から見て文中の位置関係から特定の意味を持って使用されている語を抽出する。すなわち、手掛かり句と所定の位置関係（例えば、その前又は後）に置かれている語句が特定の意味を持って（例えば、目的や行動などで）使用されている。さらに、定性データ抽出部１０５は、予め定められた抽出ルールに従って目的句と行動句を探索する。図示した例では「を行うことで、」と「をはかります」の二つの句を手掛かり句に定め、「を行うことで、」の前にある句を行動句とし、「を行うことで、」と「をはかります」に挟まれる句を目的句として抽出する。この手掛かり句及び抽出ルールを用いて、目的句と当該目的句に対応する行動句を抽出できる。抽出された目的句及び行動句は、それぞれ、各企業の課題及び当該課題に対する施策である。なお、手掛かり句を用いる方法の他に、機械学習やディープラーニングを用いて、目的句と行動句を抽出することが可能であることは言うまでもない。

図示した例を用いて、定性データ抽出部１０５の動作を具体的に説明する。企業の業績や営業に関する文書１１６から、「を行うことで、」及び「をはかります」の両方を含む文を経営課題文として抽出する。次に、経営課題文に抽出ルールを適用し、「意思決定の迅速化・完結化」を目的句として抽出し、「企画から生産まで一貫したオペレーション」を当該目的句に対応する行動句として抽出する。抽出された目的句は課題であり、抽出された行動句は施策であり、課題と施策の対として課題・施策データ１１４に記録される。

なお、前述した手掛かり句及び抽出ルールは一例であり、定性データ抽出部１０５が他の手掛かり句と抽出ルールの組み合わせを使用してもよい。例えば、予め定められた手掛かり句の代わりに、人工知能が教師データを用いて、抽出すべき目的句と行動句を学習し、目的句と行動句を抽出してもよい。

また、企業の課題と施策の対は他のシステムから入力されてもよい。例えば、図示されていないシステムを用いてユーザが入力した課題と施策の対を課題・施策データ１１４に記録してもよい。

また、定性データ抽出部１０５は、業績・財務データ１１１から課題を抽出してもよい。例えば、売上高が３年連続で減少している場合、「近年の売上高の減少」を課題として、課題・施策データ１１４に登録する。

さらに、定性データ抽出部１０５は、業績や営業に関する文書１１６から企業属性統合データ１１３を作成する。具体的には、所定の単語辞書（図示省略）を参照して、生産・調達に関する単語が所定数以上含まれる文の数を計数して、企業属性統合データ１１３に記録する。同様に、研究・技術に関する単語が含まれる文の数を計数して、企業属性統合データ１１３に記録する。

図９は、本実施例の判断支援システム１が実行する処理を説明する図である。

本実施例の判断支援システム１は、顧客アクセス支援情報画面２００において動作する。

まず、分析したいターゲット業種を顧客アクセス支援情報画面２００に入力すると（Ｓ１０１）、ターゲット企業選択部１０１がターゲット企業データ１１２を参照して、ターゲット業種に属する企業を選択し、選択された企業を所定の順序（自社の経営指標の向上に繋がる指標（例えば、潜在粗利額）が高い順）に並べて、企業リスト表示領域２２０に表示する（Ｓ１０２）。

そして、ユーザは、企業リスト表示領域２２０の指標上位から分析する企業を選択し（Ｓ１０３）、課題・施策選択部１０２は、課題・施策データ１１４を参照して、ターゲット企業の課題に対する施策を選択する。さらに、課題・施策選択部１０２は、企業間のアナロジーを行い、ターゲット企業からアナロジーされた企業の課題と施策を、ターゲット企業の潜在課題と潜在課題に対する施策を選択し、経営課題表示領域２３０に表示する（Ｓ１０４）。

その後、ユーザが経営課題表示領域２３０において課題と施策を選択すると（Ｓ１０５）、ソリューション選択部１０３は、課題・施策データ１１４を参照して、課題のマッチングを行い、ターゲット企業の潜在ニーズを選択し、潜在ニーズ表示領域２４０に表示する（Ｓ１０６）。

さらに、ソリューション選択部１０３は、販売・導入事例データ１１５を参照して、当該潜在課題を解決するために導入すべき商品やサービスを選択し（Ｓ１０７）、潜在ニーズ表示領域２４０に表示する。

潜在指標計算部１０４は、業績・財務データ１１１から目標指標と相関するデータを見つけ出し、ターゲット企業データ１１２を作成する。例えば、粗利額を目標指標として定めた場合、業績・財務データ１１１に含まれる様々なデータと粗利額との相関性を計算する。相関性の計算はサポートベクターマシンなどを用いて機械的に実行できる。得られた結果から相関性が高いデータを見付ける。例えば、目標指数として粗利額が指定され、粗利額と従業員数に相関関係があるとの結果が得られた場合、目標指標（粗利額）と相関するデータが従業員数であると出力し、ターゲット企業データ１１２に従業員数を記録する。

定性データ抽出部１０５は、例えば図８に示す方法を用いて、業績や営業に関する文書１１６から企業属性統合データ１１３及び課題・施策データ１１４を作成する。

図１０は、本実施例の判断支援システム１が出力する顧客アクセス支援情報画面２００を示す図である。

顧客アクセス支援情報画面２００は、業種表示領域２１０、企業リスト表示領域２２０、経営課題表示領域２３０及び潜在ニーズ表示領域２４０を含む。

業種表示領域２１０は、ユーザが入力した業種（又は、ユーザが入力した企業の業種）を表示する。企業リスト表示領域２２０は、ユーザが入力した業種の企業（ターゲット企業候補）を所定の順序に並べて表示する。ユーザは、企業リスト表示領域２２０に表示された企業から、分析するターゲット企業を選択できる。前述したように、企業リスト表示領域２２０における企業の表示順序は、自社の経営指標の向上に繋がる指標（例えば、潜在粗利額）が高い順に表示するとよい。

経営課題表示領域２３０は、ターゲット企業の課題と、当該課題を解決するためにとり得る施策とを表示する。この場合、課題をランク付けして上位所定数の課題を表示してもよい。ユーザは、経営課題表示領域２３０に表示された課題から、分析する課題を選択できる。

潜在ニーズ表示領域２４０は、ターゲット企業の分析された課題（潜在ニーズ）と、当該潜在ニーズを解決するための施策として導入すべき商品やサービス（すなわち、お薦め商材の候補）を表示する。お薦め商材には、例えばシステムの名称の他、他社の導入事例や、当該システムの導入の効果を表示するとよい。

以上に説明したように、本発明の実施例によると、業績や営業に関する文書１１６から所定の文表現を探索し、前記探索された文表現と所定の関係にある文言を用いて、組織（企業、組織内の部門、諸団体）における課題を抽出する定性データ抽出部１０５と、分析対象の第１の組織の課題と類似する課題を有する第２の組織を選択し、前記第２の組織における課題に対する施策を課題・施策データ１１４から選択するソリューション選択部１０３とを備えるので、組織活動を支援するために適切な情報を提供できる。特に、課題を入力することなく、ターゲット組織の潜在ニーズと施策を知ることができる。

また、前記所定の文表現は、当該文表現をキーにして文法を解析可能な語句（手掛かり句）であり、定性データ抽出部１０５は、探索された文表現と所定の関係の位置（例えば、前又は後）にある語を課題として抽出するので、様々な文章から組織の課題を的確に抽出できる。

また、前記所定の文表現は、教師データを用いて求められた課題を表す語句であり、定性データ抽出部１０５は、探索された文表現を前記所定の関係にある文言として抽出し、課題とするので、様々な文章から組織の課題を的確に抽出できる。ここで教師データは人が手作業で作成した文表現を用いることができる。その他に、機械的に多数の文書を検索し、特徴的な文表現を統計的に収集することも可能である。なお、課題を検索する手段は、文表現を用いる手段に限定されないことは言うまでもない。例えば、統計処理やディープラーニング（深層学習）などの機械学習を用いて、課題であることが分かっている正解データを利用して、課題になる可能性が高い単語や語句を統計的に推測することができる。例えば、全有価証券報告書の中で出現頻度が低く、その企業の有価証券報告書の中で出現頻度が高い単語は、その企業に特徴的な単語であり、課題である可能性が高いため、その単語を含む語句を課題とする。さらに文解析技術や文法解析技術を用いて、課題を含む可能性が高い文を、その文の特徴から統計的に推測することができる。例えば、長い文が課題を含みやすい特徴があることが分かれば、長い文を重点的に探すことで課題を見つけやすくなる。

また、定性データ抽出部１０５は、入力部１５に入力された条件（組織が属する業種、組織の売上、経営課題の選択など）の下で課題の類否を判定するので、用途に適合した課題を抽出でき、ターゲット組織の潜在ニーズを的確に選択できる。なお、ここで経営課題の選択結果とは、出力部１８が提示した複数の経営課題の中から、ユーザがさらに深掘りしたい経営課題を選択した結果のことである。出力部１８から出力される画面にラジオボタンなどのユーザーインターフェースを設けることで、複数の経営課題の中から、一つの経営課題を選択させることが可能である。なお、ここで一つの経営課題に限定する必要が無いことは言うまでもない。多数の経営課題から数個の経営課題に絞り、数個の経営課題を組み合わせて検討することが可能である。この場合、より幅広い経営課題を検討することができる。例えば、労働力不足という人事の課題と営業利益未達という財務の課題を組み合わせることで、賃金を抑制しつつ労働力不足を解決するロボット化などの商材やソリューションの提案が可能となる。

また、企業属性統合データ１１３を参照して、分析対象のターゲット組織と属性が類似する他の組織を選択し、前記選択された他の組織における課題及び施策を課題・施策データ１１４から選択する課題・施策選択部１０２を備えるので、組織活動を支援するために適切な情報を提供できる。特に、課題を入力することなく、ターゲット組織の潜在ニーズと施策を知ることができる。なお、入力部１５に経営課題を直接入力させることも可能であることは言うまでもない。この場合、ユーザが顧客訪問などを通じて得た経営課題を素早く判断支援システム１に入力することが可能となり、効率的に作業を行うことができる。また、判断支援システム１に登録されていない経営課題についても分析を行うことが可能になる。判断支援システム１は直接入力された経営課題をさらに深掘りし、その経営課題に対応した商材の推薦をしたり、類似の経営課題を探したり、経営課題をブレークダウンすることができる。例えば、ユーザが自動車業界の顧客から要求された軽自動車の軽量化という経営課題を入力部１５に入力することで、判断支援システム１は「自動車 軽量化」に関連する自社の商材や技術情報を検索し、ユーザは自社のアルミ加工技術という強み技術を知ることができ、その技術を顧客に提案することで顧客から受注を得ることができる。

また、課題・施策選択部１０２は、入力部１５に入力された条件（組織が属する業種、組織の売上など）に基づいて属性の類否の判定方法を変更するので、用途に適合した組織を選択でき、ターゲット組織の潜在ニーズを的確に選択できる。

また、選択された施策を実行するための商材を選択するソリューション選択部１０３を備えるので、顧客の施策に適合した商材を推薦できる。

また、入力部１５は、分析対象であるターゲット組織が属する業種又はターゲット組織名の入力を受け、出力部１８は、ターゲット組織の課題及び施策を表示するためのデータを出力するので、課題を入力することなく、ターゲット組織の潜在ニーズと施策を知ることができる。

なお、本発明は前述した実施例に限定されるものではなく、添付した特許請求の範囲の趣旨内における様々な変形例及び同等の構成が含まれる。例えば、前述した実施例は本発明を分かりやすく説明するために詳細に説明したものであり、必ずしも説明した全ての構成を備えるものに本発明は限定されない。また、ある実施例の構成の一部を他の実施例の構成に置き換えてもよい。また、ある実施例の構成に他の実施例の構成を加えてもよい。また、各実施例の構成の一部について、他の構成の追加・削除・置換をしてもよい。

また、前述した各構成、機能、処理部、処理手段等は、それらの一部又は全部を、例えば集積回路で設計する等により、ハードウェアで実現してもよく、プロセッサがそれぞれの機能を実現するプログラムを解釈し実行することにより、ソフトウェアで実現してもよい。

各機能を実現するプログラム、テーブル、ファイル等の情報は、メモリ、ハードディスク、ＳＳＤ（Ｓｏｌｉｄ Ｓｔａｔｅ Ｄｒｉｖｅ）等の記憶装置、又は、ＩＣカード、ＳＤカード、ＤＶＤ等の記録媒体に格納することができる。

また、制御線や情報線は説明上必要と考えられるものを示しており、実装上必要な全ての制御線や情報線を示しているとは限らない。実際には、ほとんど全ての構成が相互に接続されていると考えてよい。

１ 判断支援システム
１００ 顧客アクセス支援部
１０４ 潜在指標計算部
１０５ 定性データ抽出部
１０１ ターゲット企業選択部
１０２ 課題・施策選択部
１０３ ソリューション選択部
１１１ 業績・財務データ
１１２ ターゲット企業データ
１１３ 企業属性統合データ
１１４ 課題・施策データ
１１５ 販売・導入事例データ
１１６ 業績や営業に関する文書

Claims (13)

1. ユーザの判断を支援する判断支援システムであって、
   プログラムを実行するプロセッサと、前記プロセッサがアクセス可能な記憶部と、前記プログラムの実行結果を表示するためのデータを出力する出力部とを備え、
   さらに、前記記憶部に格納されたデータから所定の文表現を探索し、前記探索された文表現と所定の関係にある文言を用いて、組織における課題を抽出する抽出部と、
   分析対象の第１の組織の課題と類似する課題を有する第２の組織を選択し、前記第２の組織における課題に対する施策を前記記憶部に格納されたデータから選択する第１の選択部とを備え、
   前記出力部は、前記選択された課題及び施策を表示するためのデータを出力することを特徴とする判断支援システム。
2. 請求項１に記載の判断支援システムであって、
   前記所定の文表現は、当該文表現をキーにして文法を解析可能な語句であり、
   前記抽出部は、前記探索された文表現と前記所定の関係の位置にある語を課題として抽出することを特徴とする判断支援システム。
3. 請求項１に記載の判断支援システムであって、
   前記所定の文表現は、教師データを用いて求められた課題を表す語句であり、
   前記抽出部は、前記探索された文表現を前記所定の関係にある文言として抽出し、課題とすることを特徴とする判断支援システム。
4. 請求項１に記載の判断支援システムであって、
   課題の類否を判定する際の条件の入力を受け付ける入力部を備え、
   前記第１の選択部は、前記入力された条件の下で課題の類否を判定することを特徴とする判断支援システム。
5. 請求項４に記載の判断支援システムであって、
   前記入力部に入力される条件は、組織が属する業種、組織の売上、課題の選択結果のいずれかであることを特徴とする判断支援システム。
6. 請求項１に記載の判断支援システムであって、
   業績データ又は財務データの数値データに基づいて前記組織における課題を生成することを特徴とする判断支援システム。
7. ユーザの判断を支援する判断支援システムであって、
   プログラムを実行するプロセッサと、前記プロセッサがアクセス可能な記憶部と、前記プログラムの実行結果を表示するためのデータを出力する出力部とを備え、
   さらに、前記記憶部に格納された組織の属性を表すデータを参照して、分析対象の第１の組織と属性が類似する第２の組織を選択し、前記選択された第２の組織における課題及び施策を前記記憶部に格納されたデータから選択する第２の選択部を備え、
   前記出力部は、前記選択された課題及び施策を表示するためのデータを出力することを特徴とする判断支援システム。
8. 請求項７に記載の判断支援システムであって、
   属性の類否を判定する際の条件の入力を受け付ける入力部を備え、
   前記第２の選択部は、前記入力された条件に基づいて属性の類否の判定方法を変更することを特徴とする判断支援システム。
9. 請求項８に記載の判断支援システムであって、
   前記入力部に入力される条件は、組織が属する業種、組織の売上のいずれかであることを特徴とする判断支援システム。
10. 請求項１又は７に記載の判断支援システムであって、
    前記記憶部は、施策に対応する商材のデータを格納し、
    前記判断支援システムは、前記選択された施策を実行するための商材を選択する商材選択部を備え、
    前記出力部は、前記選択された商材を表示するためのデータを出力することを特徴とする判断支援システム。
11. 請求項１又は７に記載の判断支援システムであって、
    分析対象である第１の組織が属する業種又は第１の組織を特定する情報の入力を受け付ける入力部を備え、
    前記出力部は、前記第１の組織の課題及び施策を表示するためのデータを出力することを特徴とする判断支援システム。
12. ユーザの判断を支援するために計算機が実行する判断支援方法であって、
    前記計算機は、プログラムを実行するプロセッサと、前記プロセッサがアクセス可能な記憶部と、前記プログラムの実行結果を表示するためのデータを出力する出力部とを有し、
    前記方法は、
    前記プロセッサが、前記記憶部に格納されたデータから所定の文表現を探索し、前記探索された文表現と所定の関係にある文言を用いて、組織における課題を抽出し、
    前記プロセッサが、分析対象の第１の組織の課題と類似する課題を有する第２の組織を選択し、
    前記プロセッサが、前記第２の組織における課題に対する施策を前記記憶部に格納されたデータから選択し、
    前記出力部が、前記選択された課題及び施策を表示するためのデータを出力することを特徴とする判断支援方法。
13. ユーザの判断を支援するために計算機が実行する判断支援方法であって、
    前記計算機は、プログラムを実行するプロセッサと、前記プロセッサがアクセス可能な記憶部と、前記プログラムの実行結果を表示するためのデータを出力する出力部とを有し、
    前記方法は、
    前記プロセッサが、前記記憶部に格納された組織の属性を表すデータを参照して、分析対象の第１の組織と属性が類似する第２の組織を選択し、
    前記プロセッサが、前記選択された第２の組織における課題及び施策を前記記憶部に格納されたデータから選択し、
    前記出力部が、前記選択された課題及び施策を表示するためのデータを出力することを特徴とする判断支援方法。

Images