JP2021117846A - ソリューション選定支援装置、方法及びプログラム - Google Patents

Abstract

【課題】ビジネスにおける適切なソリューションの選定を支援することが可能なソリューション選定支援装置、方法及びプログラムを提供することにある。【解決手段】実施形態に係るプログラムは、コンピュータに、ＫＧＩを算出するための指標であるＫＰＩの現状値を取得するステップと、ＫＰＩの過去の実績値を示す第１実績データに基づいて当該ＫＰＩの値域を抽出するステップと、過去のＫＰＩの改善実績を示す第２実績データに基づいて生成された第１統計モデルを用いて第１割合を算出するステップと、ＫＰＩの現状値、目標値及び第１割合に基づいてＫＰＩの期待値を算出するステップと、ＫＰＩの期待値に基づいてＫＧＩの予測値を算出するステップと、ＫＧＩの予測値に基づいて重要ＫＰＩ候補をユーザに提示するステップとを実行させる。【選択図】 図１

Description

本発明の実施形態は、ソリューション選定支援装置、方法及びプログラムに関する。

一般に、ビジネスの現場においては、組織やプロジェクトが達成すべき目標を指し示す定量的な指標（以下、ＫＧＩと表記）及び当該目標を達成するための施策が適切に実施されているかを指し示す定量的な指標（以下、ＫＰＩと表記）を参照して、当該ビジネスにおける課題を解決するためのソリューションを選定することが行われている。

しかしながら、ビジネス（対象ドメイン）に対する専門的な知識と経験がなければ、上記したＫＧＩ及びＫＰＩを参照したとしても適切なソリューションを選定することは困難である。

特開２０１８−０６３５９８号公報 特開２０１８−０６３６５６号公報

そこで、本発明が解決しようとする課題は、ビジネスにおける適切なソリューションの選定を支援することが可能なソリューション選定支援装置、方法及びプログラムを提供することにある。

実施形態によれば、ビジネスにおいて達成すべき目標を指し示す指標であるＫＧＩを改善するためのソリューションの選定を支援するソリューション選定支援装置のコンピュータによって実行されるプログラムが提供される。前記プログラムは、前記コンピュータに、前記ＫＧＩを算出するための指標であるＫＰＩの現状値を取得するステップと、前記ＫＰＩの過去の実績値を示す第１実績データに基づいて、当該ＫＰＩが取り得る値の範囲を含む当該ＫＰＩの値域を抽出するステップと、前記ソリューションを変更することによって過去に前記ＫＰＩの値が改善した実績を示す第２実績データに基づいて生成された第１統計モデルに前記ＫＰＩの現状値及び前記ＫＰＩの値域を入力することによって、前記ＫＰＩの値域に基づく目標値に対して当該ＫＰＩの現状値が達することができる第１割合を算出するステップと、前記ＫＰＩの現状値、前記ＫＰＩの値域に基づく目標値及び前記第１割合に基づいて前記ＫＰＩの期待値を算出するステップと、前記ＫＰＩの期待値に基づいて前記ＫＧＩの予測値を算出するステップと、前記ＫＧＩの予測値に基づいて前記ＫＰＩを重要ＫＰＩ候補としてユーザに提示するステップとを実行させる。

実施形態に係るソリューション選定支援装置の機能構成の一例を示すブロック図。 ソリューション選定支援装置のシステム構成の一例を示す図。 ソリューション選定支援装置の処理手順の一例を示すフローチャート。 ツリー構造情報を概念的に説明するための図。 ツリー構造表示画面の一例を示す図。 重要ＫＰＩ候補抽出処理の処理手順の一例を示すフローチャート。 重要ＫＰＩ候補抽出処理の具体例について説明するための図。 重要要因候補抽出処理の処理手順の一例を示すフローチャート。 重要要因候補抽出処理の具体例について説明するための図。 複数の要因の最適値の組み合わせの一例を示す図。 第１ツリー構造表示画面の一例を示す図。 条件指定画面の一例を示す図。 第２ツリー構造表示画面の一例を示す図。 第２ツリー構造表示画面の他の例を示す図。 第３ツリー構造表示画面の一例を示す図。 第３ツリー構造表示画面の他の例を示す図。 第４ツリー構造表示画面の一例を示す図。 第５ツリー構造表示画面の一例を示す図。

以下、図面を参照して、実施形態について説明する。
図１は、本実施形態に係るソリューション選定支援装置の機能構成の一例を示すブロック図である。

本実施形態に係るソリューション選定支援装置は、重要目標達成指標（ＫＧＩ：Key Goal Indicator）及び重要業績評価指標（ＫＰＩ：Key Performance Indicator）に基づいて各種ビジネスに関する経営方針等を判断するユーザ（例えば、経営者または経営コンサルタント等）によって用いられる。

なお、重要目標達成指標（以下、ＫＧＩと表記）は、ビジネスにおいて組織やプロジェクトが達成すべき目標を指し示す定量的な指標である。また、重要業績評価指標（以下、ＫＰＩと表記）は、ＫＧＩが指し示す目標を達成するための施策が適切に実施されているか（当該施策がどの程度達成されているか）を指し示す定量的な指標である。

具体的には、例えば小売店（量販店等）を経営するビジネスを想定した場合、ＫＧＩとしては人時売上高（従業員１人の１時間当たりの売上高）を設定することができる。このようなＫＧＩは、小売店の経営（営業）において人時売上高を向上させることを目標としていることを意味している。なお、ＫＧＩとしては利益率等の他の指標が設定されてもよい。一方、上記したようにＫＧＩとして人事売上高を設定した場合、ＫＰＩとしては例えば小売店の総売上高や従業員の総労働時間等を設定することができる。

なお、上記したＫＧＩに対しては複数のＫＰＩが設定され、当該ＫＧＩは当該複数のＫＰＩの値に基づいて算出することができるという関係性を有する。具体的には、ＫＧＩが人時売上高であり、複数のＫＰＩが総売上高（以下、ＫＰＩ１と表記）及び総労働時間（以下、ＫＰＩ２と表記）である場合、ＫＧＩは、「ＫＰＩ１／ＫＰＩ２」という定義式（算出式）に従って算出することができる。

また、上記したＫＰＩの下位に更にＫＰＩを設定することも可能である。具体的には、上記したＫＰＩ１（総売上高）の下位には、例えば客単価（以下、ＫＰＩ１−１と表記）及び来客数（以下、ＫＰＩ１−２と表記）を設定することができる。このＫＰＩ１とＫＰＩ１−１及びＫＰＩ１−２とは、上記したＫＧＩとＫＰＩ１及びＫＰＩ２と同様の関係性を有する。具体的には、ＫＰＩ１（総売上高）は、「ＫＰＩ１−１（客単価）＊ＫＰＩ１−２（来客数）」という定義式に従って算出することができる。

更に、上記したＫＰＩ（例えば、ＫＰＩ１−１及びＫＰＩ１−２等）の下位には当該ＫＰＩに影響を与える要因が設定される。上記したようにＫＰＩ１−１が客単価である場合、当該ＫＰＩ１−１に影響を与える要因としては、例えば品切件数、商品種類及び商品価格等が設定される。なお、要因は定量的な数値によって表されるが、当該要因の上位に位置するＫＰＩを当該要因の値から算出することはできない。

要因の下位には当該要因を改善するためのソリューションが設定される。例えば要因が品切件数である場合、ソリューションとしては、品出人員増員及び欠品監視システムの導入等が設定される。また、例えば要因が商品種類である場合、ソリューションとしては増加及び減少等が設定される。また、例えば要因が商品価格である場合、ソリューションとしては値下げ及び値上げ等が設定される。

ここで、一般的に、経営者等は、上記したように設定されたＫＧＩ、ＫＰＩ及び要因に基づいてビジネスの現状を把握（認識）することによって、ＫＧＩ（例えば、人時売上高）を改善するための当該ビジネスにおける課題を分析し、当該課題を解決するためのソリューションを選定する（または当該ソリューションによる効果を予測する）必要がある。

しかしながら、例えばＫＧＩが人時売上高である場合、当該ＫＧＩの下位に位置するＫＰＩ１及びＫＰＩ２として総売上高及び総労働時間が設定されているが、ＫＰＩ１及びＫＰＩ２のいずれを改善すればより効果的にＫＧＩを改善することができるかを即座に判断することは困難である。ＫＰＩ１及びＫＰＩ２の下位に位置するＫＰＩや要因についても同様である。

すなわち、ビジネスにおける課題を解決するためのソリューションを選定するためには当該ビジネス分野（対象ドメイン）における専門的な知識と経験が必要であり、当該知識及び経験が乏しい経営者等は迅速に適切なソリューションを選定することができない。

そこで、本実施形態に係るソリューション選定支援装置においては、上記したように知識及び経験が乏しいユーザ（経営者等）であっても適切なソリューションを選定することができるように支援する機能（以下、ソリューション選定支援機能と表記）を有する。

なお、ここではビジネスとして小売店を経営する場合を一例として説明したが、当該小売店は例えば飲食店または服飾店等であってもよいし、本実施形態は、物流業や卸売業に適用されても構わない。

図１に示すように、本実施形態に係るソリューション選定支援装置１０は、上記したソリューション選定支援機能を実現するための機能部として、ツリー構造情報格納部１１、ＫＰＩ実績格納部１２、ＫＰＩ改善実績格納部１３、要因実績格納部１４、要因改善実績格納部１５、取得部１６、ＵＩ（ユーザインタフェース）部１７、ＫＰＩ抽出部１８及び要因抽出部１９を含む。

ツリー構造情報格納部１１は、上記したＫＧＩ、ＫＰＩ、要因及びソリューションの関係性をツリー形式でユーザに提示（表示）するための情報（以下、ツリー構造情報と表記）が予め格納されている。このツリー構造情報においては、ＫＧＩ（ノード）を最上位として、ＫＧＩ（ノード）、ＫＰＩ（ノード）、要因（ノード）及びソリューション（ノード）の順で上位から下位となるようなツリー構造（階層構造）が定義されている。

なお、ツリー構造情報において定義されているＫＧＩ、ＫＰＩ及び要因ノードは当該ノードを定量的に数値で表現できる概念を保持しており、ツリー構造情報には、上記したようにＫＰＩ（の値）からＫＧＩ（の値）を算出するための定義式及び下位に位置するＫＰＩ（の値）から上位に位置するＫＰＩ（の値）を算出するための定義式等が含まれている。

更に、ソリューションノードは、ソリューション（サービス）の詳細を表す情報としてＢＰＭＮ（Business Process Model Notation）記述や当該ソリューションを実現するための人員または機材等の情報を保持していてもよい。

また、ツリー構造情報においては、上下関係（親子関係）を有する２つのノードが直接的に作用すること（主作用）がツリー構造として定義されるが、例えば並列関係を有する少なくとも２つのノードが間接的に作用する（副次的に影響を受ける）こと（副作用）が更に定義されていてもよい。具体的には、上記したＫＰＩ１−１（客単価）の下位に位置する要因としては例えば品切件数、商品種類及び商品価格等が設定されるが、商品種類が増加すると１つの商品当たりの仕入れ数が減少し、当該仕入れ数に応じて商品価格が変動する可能性がある。このような場合には、並列関係にある２つの要因（商品種類及び商品価格）が互いに副次的に影響を受けることを、ツリー構造情報において定義しておいてもよい。

ＫＰＩ実績格納部１２には、ＫＰＩの過去の実績値を示すＫＰＩ実績データ（第１実績データ）が予め格納されている。このＫＰＩ実績データには、例えば日付に対応づけて、当該日付におけるＫＰＩの実績値等が含まれる。ＫＰＩ実績格納部１２には、このようなＫＰＩ実績データがツリー構造情報において定義されているＫＰＩ毎に多数蓄積されているものとする。

ＫＰＩ改善実績格納部１３には、例えばソリューションを変更すること等によって過去にＫＰＩの値が改善した実績（ＫＰＩの過去の改善実績）を示すＫＰＩ改善実績データ（第２実績データ）が予め格納されている。このＫＰＩ改善実績データには、例えばソリューションの変更に応じた改善前後のＫＰＩの実績値等が含まれていればよい。ＫＰＩ改善実績格納部１３には、このようなＫＰＩ改善実績データがツリー構造情報において定義されているＫＰＩ毎に多数蓄積されているものとする。

要因実績格納部１４には、要因の過去の実績値を示す要因実績データ（第３実績データ）が予め格納されている。この要因実績データには、例えば日付に対応づけて、当該日付における要因の実績値等が含まれる。要因実績格納部１４には、このような要因実績データがツリー構造情報において定義されている要因毎に多数蓄積されているものとする。

要因改善実績格納部１５には、例えばソリューションを変更すること等によって過去に要因の値が改善した実績（要因の過去の改善実績）を示す要因改善実績データ（第４実績データ）が予め格納されている。この要因改善実績データには、例えばソリューションの変更に応じた改善前後の要因の実績値等が含まれていればよい。要因改善実績格納部１５には、このような要因改善実績データがツリー構造情報において定義されている要因毎に多数蓄積されているものとする。

なお、図１においてはソリューション選定支援装置１０がＫＰＩ実績格納部１２及びＫＰＩ改善実績格納部１３の各々を含むものとして説明したが、ソリューション選定支援装置１０はＫＰＩ実績データ及びＫＰＩ改善実績データを格納する１つの格納部を含むように構成されていてもよいし、例えばＫＰＩ改善実績データはＫＰＩ実績格納部１２に格納されているＫＰＩ実績データ等から生成されてもよい。ここではＫＰＩ実績格納部１２及びＫＰＩ改善実績格納部１３について説明したが、要因実績格納部１４及び要因改善実績格納部１５についても同様である。

また、本実施形態において、ＫＰＩ実績格納部１２、ＫＰＩ改善実績格納部１３、要因実績格納部１４及び要因改善実績格納部１５に格納されているデータは、例えば各種店舗等に設置されているＰＯＳ（Point Of Sale）レジから収集されることを想定しているが、他の管理システム等から収集されたデータであっても構わない。また、上記したＰＯＳレジ等から新たなデータが収集された場合、当該データは、ＫＰＩ実績格納部１２、ＫＰＩ改善実績格納部１３、要因実績格納部１４及び要因改善実績格納部１５に追加される。すなわち、ＫＰＩ実績格納部１２、ＫＰＩ改善実績格納部１３、要因実績格納部１４及び要因改善実績格納部１５は定期的に更新されるように構成されていてもよい。

取得部１６は、ユーザのビジネスにおけるＫＧＩ、ＫＰＩ及び要因の現状値（最新値）を取得する。なお、ＫＧＩ、ＫＰＩ及び要因の現状値は、例えば当該現状値を管理する外部システムから取得することが可能である。この外部システムには、例えばデータサーバ及びビジネスインテリジェンス（ＢＩ）ツール等が含まれる。なお、ＫＰＩ及び要因の現状値は、例えばＫＰＩ実績格納部１２に格納されている直近（最新）のＫＰＩ実績データ及び要因実績格納部１４に格納されている直近（最新）の要因実績データから取得されてもよい。

ＵＩ部１７は、ユーザによる適切なソリューションの選定を支援するためのユーザインタフェース（ＵＩ）を提供する。具体的には、ＵＩ部１７は、ツリー構造情報に格納されているツリー構造情報及び取得部１６によって取得されたＫＧＩ、ＫＰＩ及び要因の現状値を表示（提示）する表示部としての機能を有する。また、ＵＩ部１７は、ソリューション選定支援装置１０に対するユーザの操作を入力する（受け付ける）入力部としての機能を有する。

ＫＰＩ抽出部１８は、ＫＰＩ実績格納部１２に格納されているＫＰＩ実績データ、ＫＰＩ改善実績格納部１３に格納されているＫＰＩ改善実績データ及び取得部１６によって取得されたＫＰＩの現状値に基づいて、上記したツリー構造情報において定義されている複数のＫＰＩの中から、ＫＧＩを改善するために重要であると推定されるＫＰＩの候補（以下、重要ＫＰＩ候補と表記）を抽出する。

要因抽出部１９は、要因実績格納部１４に格納されている要因実績データ、要因改善実績格納部１５に格納されている要因改善実績データ及び取得部１６によって取得された要因の現状値に基づいて、上記したツリー構造情報において定義されている複数の要因の中から、例えば重要ＫＰＩ候補（及びＫＧＩ）を改善するために重要であると推定される要因の候補（以下、重要要因候補と表記）を抽出する。

なお、ＫＰＩ抽出部１８によって抽出された重要ＫＰＩ候補及び要因抽出部１９によって抽出された重要要因候補は、ＵＩ部１７によってユーザに提示（表示）される。

図２は、ソリューション選定支援装置１０のシステム構成（ハードウェア構成）の一例を示す。図２に示すように、ソリューション選定支援装置１０は、ＣＰＵ１０１、不揮発性メモリ１０２、主メモリ１０３、ＢＩＯＳ−ＲＯＭ１０４、システムコントローラ１０５、入力デバイス１０６、表示デバイス１０７、通信デバイス１０８及びＥＣ１０９等を備える。

ＣＰＵ１０１は、ソリューション選定支援装置１０内の各コンポーネントの動作を制御するプロセッサである。ＣＰＵ１０１は、ストレージデバイスである不揮発性メモリ１０２から主メモリ１０３にロードされる様々なプログラムを実行する。このプログラムには、オペレーティングシステム（ＯＳ）及び上記したソリューション選定支援機能を実現するためのアプリケーションプログラム（以下、ソリューション選定支援プログラムと表記）等が含まれる。

ＣＰＵ１０１は、ＢＩＯＳ−ＲＯＭ１０４に格納された基本入出力システム（ＢＩＯＳ）も実行する。ＢＩＯＳは、ハードウェア制御のためのプログラムである。

システムコントローラ１０５は、ＣＰＵ１０１のローカルバスと各種コンポーネントとの間を接続するデバイスである。

入力デバイス１０６は、例えばキーボード及びマウス等を含む。表示デバイス１０７は、例えば液晶表示装置のようなディスプレイ等を含む。なお、入力デバイス１０６及び表示デバイス１０７は、例えばタッチスクリーンディスプレイのように一体として構成されていてもよい。通信デバイス１０８は、外部装置等と有線または無線による通信を実行するように構成されたデバイスである。ＥＣ１０９は、電力管理のためのエンベデッドコントローラを含むワンチップマイクロコンピュータである。

なお、図２においては、ＣＰＵ１０１、不揮発性メモリ１０２、主メモリ１０３、ＢＩＯＳ−ＲＯＭ１０４、システムコントローラ１０５、入力デバイス１０６、表示デバイス１０７、通信デバイス１０８及びＥＣ１０９のみが示されているが、ソリューション選定支援装置１０は、これらのうちの一部が省略された構成であってもよいし、例えばＨＤＤ（Hard Disk Drive）及びＳＳＤ（Solid State Drive）のような他の記憶装置等を更に備えていてもよい。

また、本実施形態において、上記した図１に示すツリー構造情報格納部１１、ＫＰＩ実績格納部１２、ＫＰＩ改善実績格納部１３、要因実績格納部１４及び要因改善実績格納部１５は、例えば図２に示す不揮発性メモリ１０２または他の記憶装置等によって実現される。

更に、本実施形態において、図１に示す取得部１６、ＵＩ部１７、ＫＰＩ抽出部１８及び要因抽出部１９の一部または全ては、図２に示すＣＰＵ１０１（つまり、ソリューション選定支援装置１０のコンピュータ）に上記したソリューション選定支援プログラムを実行させること、すなわち、ソフトウェアによって実現されるものとする。なお、ソリューション選定支援プログラムは、例えばコンピュータ読み取り可能な記憶媒体に予め格納して頒布されてもよいし、ネットワークを介してソリューション選定支援装置１０にダウンロードされてもよい。

ここでは、各部１６〜１９の一部または全てがソフトウェアによって実現されるものとして説明したが、当該各部１６〜１９の一部または全ては、ＩＣ（Integrated Circuit）等のハードウェアによって実現されてもよいし、ソフトウェア及びハードウェアの組み合わせ構成として実現されてもよい。

次に、図３のフローチャートを参照して、本実施形態に係るソリューション選定支援装置１０の処理手順の一例について説明する。なお、図３に示す処理は、例えばソリューション選定支援装置１０を使用するユーザからの指示等に応じて実行される。

まず、ＵＩ部１７は、ツリー構造情報格納部１１に格納されているツリー構造情報を取得する（ステップＳ１）。

ここで、図４は、ツリー構造情報を概念的に説明するための図である。図４に示すように、ツリー構造情報においては、ＫＧＩ、ＫＰＩ、要因及びソリューションの各々を表すノードがツリー構造を形成するように定義（設定）されている。なお、図４は上記したようにユーザがビジネスとして小売店を経営する場合におけるツリー構造情報を示している。

具体的には、図４に示すツリー構造情報においては、ＫＧＩを表すノードとしてＫＧＩ「人時売上高」が定義されている。また、図４に示すツリー構造情報においては、ＫＰＩを表すノードとしてＫＰＩ１「総売上高」、ＫＰＩ１−１「客単価」、ＫＰＩ１−２「来客数」及びＫＰＩ２「総労働時間」が定義されている。更に、図４に示すツリー構造情報においては、要因を表すノードとして要因１「品切件数」、要因２「商品種類」及び要因３「商品価格」が定義されている。

なお、ＫＰＩ１「総売上高」及びＫＰＩ２「総労働時間」は、ＫＧＩ「人時売上高」の下位に位置している。また、ＫＰＩ１−１「客単価」及びＫＰＩ１−２「来客数」は、ＫＰＩ１の下位に位置している。更に、要因１「品切件数」、要因２「商品種類」及び要因３「商品価格」は、ＫＰＩ１−１の下位に位置している。

また、要因１「品切件数」、要因２「商品種類」及び要因３「商品価格」の各々の下位には、当該要因を改善するためのソリューション１〜６が位置している。なお、要因１「品切件数」の下位に位置しているソリューション１及び２は、例えば「品出人員増員」及び「欠品監視システムの導入」等である。また、要因２「商品種類」の下位に位置しているソリューション３及び４は、例えば商品種類の「増加」及び「減少」等である。また、要因３「商品価格」の下位に位置しているソリューション５及び６は、例えば商品価格の「値下げ」及び「値上げ」等である。

本実施形態におけるツリー構造情報には、上記したＫＧＩ、ＫＰＩ、要因及びソリューション（ノード）によって形成されるツリー構造が定義されている。

なお、図４においては省略されているが、ＫＰＩ１−２「来客数」の下位には更に要因及びソリューションがツリー構造を形成するように定義されている。同様に、ＫＰＩ２「総労働時間」の下位には、更にＫＰＩ、要因及びソリューションがツリー構造を形成するように定義されている。

また、図４に示すツリー構造情報は一例であり、当該ツリー構造情報において定義されているツリー構造（ＫＧＩ、ＫＰＩ、要因及びソリューションの数等）は図４において説明したものと異なっていてもよい。

再び図３に戻ると、取得部１６は、ステップＳ１において取得されたツリー構造情報において定義されているＫＧＩ、ＫＰＩ及び要因の各々の現状値を取得する（ステップＳ２）。

ステップＳ２の処理が実行されると、ＵＩ部１７は、ステップＳ１において取得されたツリー構造情報（において定義されているツリー構造）とステップＳ２において取得されたＫＧＩ、ＫＰＩ及び要因の各々の現状値とを含む表示画面（以下、ツリー構造表示画面）を表示デバイス１０７（ディスプレイ）に表示する（ステップＳ３）。

ここで、図５は、ステップＳ３において表示されたツリー構造表示画面の一例を示す。図５に示すツリー構造表示画面２００には、ツリー構造情報において定義されているＫＧＩ、ＫＰＩ、要因及びソリューション（ノード）がツリー形式で表示されるとともに、ＫＧＩ、ＫＰＩ及び要因の各々の現状値が当該ＫＧＩ、ＫＰＩ及び要因の各々（のノード）に対応づけて表示される。

図５に示す例では、例えばＫＧＩ「人時売上高」の現状値が７２００円／時であり、ＫＰＩ１「総売上高」の現状値が７２００００円であり、ＫＰＩ２「総労働時間」が１００時間であることが示されている。

ここではＫＧＩ、ＫＰＩ１及びＫＰＩ２の現状値についてのみ説明したが、他のＫＰＩ（ＫＰＩ１−１及びＫＰＩ１−２等）及び要因（要因１〜３）についても同様である。なお、図５に示すように要因２「商品種類」の現状値が８０種である場合、要因３「商品価格」の現状値は、例えば当該８０種の商品の各々の価格（つまり、商品価格）の平均値等である。

また、ＫＧＩ「人時売上高」の現状値（７２００円／時）は、ＫＰＩ１「総売上高」の現状値（７２００００円）／ＫＰＩ２「総労働時間」の現状値（１００時間）の定義式によって算出される。また、ＫＰＩ１「総売上高」の現状値（７２００００円）は、ＫＰＩ１−１「客単価」の現状値（９０００円）＊ＫＰＩ１−２「来客数」の現状値（８０人）の定義式によって算出される。これらの定義式は、上記したようにツリー構造情報に含まれていればよい。

ここで、本実施形態においては、上記したようにＫＧＩ、ＫＰＩ及び要因の現状値をツリー構造に対応づけて（つまり、ツリー形式で）表示することによって多くの専門的な知見をユーザに対して提供することができるが、当該知見に基づいて適切なソリューションを選定するためには、専門的な知識及び経験を要する。

そこで、本実施形態においては、ＫＧＩを改善するためのソリューションの選定を支援するために、ＫＧＩを改善することができる複数のＫＰＩの中から重要ＫＰＩ候補を抽出する処理（以下、重要ＫＰＩ候補抽出処理と表記）が実行される（ステップＳ４）。

この重要ＫＰＩ候補抽出処理においては、ＫＧＩを効率的に改善することができる（つまり、ＫＧＩの改善効果が大きい）か否かという観点に基づいて重要ＫＰＩ候補が抽出される。すなわち、重要ＫＰＩ候補抽出処理においては、例えば既に現状値がよいＫＰＩ（つまり、改善の余地が少ないＫＰＩ）を更に改善することは困難であること、または、例えばユーザ（組織やプロジェクト）の事情により改善することが困難なＫＰＩが存在する（過去にもＫＰＩの改善に失敗している）こと等を考慮して重要ＫＰＩ候補を抽出するものとする。

なお、重要ＫＰＩ候補抽出処理（図３に示すステップＳ４の処理）の詳細については後述する。

ステップＳ４の処理が実行されると、ＵＩ部１７は、当該ステップＳ４において抽出された重要ＫＰＩ候補をユーザに対して提示（表示）する（ステップＳ５）。この場合、ＵＩ部１７は、例えばステップＳ３において表示されたツリー構造表示画面において、重要ＫＰＩ候補として抽出されたＫＰＩを表すノードを強調表示する。

ここで、特定のＫＰＩ（例えば、重要ＫＰＩ候補）に影響を与える要因は複数存在する。このため、本実施形態においては、重要ＫＰＩ候補（またはＫＧＩ）を改善するための適切なソリューションの選定を支援するために、当該重要ＫＰＩ候補に影響を与える複数の要因の中から重要要因候補を抽出する処理（以下、重要要因候補抽出処理と表記）が実行される（ステップＳ６）。

なお、この重要要因候補抽出処理においては要因の改善によって重要ＫＰＩ候補の改善効果があるか否かという観点に基づいて重要要因候補が抽出されるが、例えば当該重要ＫＰＩ候補の過去の改善実績が高いソリューションであっても、現状を悪化させている要因に対応したソリューションでなければ当該重要ＫＰＩ候補の改善効果は望めない。具体的には、例えば上記した図４に示すツリー構造情報において定義されているソリューション１によるＫＰＩ１−１「客単価」の改善実績が高い場合であっても、要因１「品切件数」の現状値が０である場合には当該ソリューション１によって客単価を改善する余地はない。このような場合は例えば要因３「商品価格」を改善するソリューション３または４等が効果的なソリューションとなり得る。このため、重要要因候補抽出処理においては、現在の状況（現状値）に基づいて、重要ＫＰＩ候補を実質的に改善することができる実現性を考慮した重要要因候補を抽出する。

更に、上記した要因２「商品種類」及び要因３「商品価格」のように、１つのＫＰＩに影響を与える複数の要因の中には互いに影響を受ける（作用し合う）ものが存在する。このような場合には、重要ＫＰＩ候補を最大にする複数の要因の値の組み合わせ（つまり、要因の相互関係）をも考慮して重要要因候補を抽出することが好ましい。

なお、重要要因候補抽出処理（図３に示すステップＳ６の処理）の詳細については後述する。

ステップＳ６の処理が実行されると、ＵＩ部１７は、当該ステップＳ６において抽出された重要要因候補をユーザに対して提示（表示）する（ステップＳ７）。この場合、ＵＩ部１７は、例えば上記したステップＳ５において重要ＫＰＩ候補として抽出されたＫＰＩ（を表すノード）が強調表示されたツリー構造表示画面において、重要要因候補として抽出された要因を表すノードを強調表示する。

上記した図３に示す処理によれば、ツリー構造表示画面において重要ＫＰＩ候補及び重要要因候補がユーザに対して提示されるため、当該ユーザは、当該重要ＫＰＩ候補及び重要要因候補を改善するソリューションの中から適切なソリューションを選定することができる。

次に、図６のフローチャートを参照して、上記した重要ＫＰＩ候補抽出処理（図３に示すステップＳ４の処理）の処理手順の一例について説明する。なお、図６に示す重要ＫＰＩ候補抽出処理は、ＫＰＩ抽出部１８によって実行される。

まず、ＫＰＩ抽出部１８は、上記したツリー構造情報において定義されているＫＰＩの各々に対してステップＳ１１〜Ｓ１４の処理を実行する。以下、この処理の対象となるＫＰＩを対象ＫＰＩと称する。

この場合、ＫＰＩ抽出部１８は、ＫＰＩ実績格納部１２を参照して、対象ＫＰＩの値域を抽出する（ステップＳ１１）。

ここで、ＫＰＩ実績格納部１２には、対象ＫＰＩの過去の実績値を示すＫＰＩ実績データが格納されている。ＫＰＩ抽出部１８は、このようなＫＰＩ実績データから、対象ＫＰＩが取り得る値の範囲として対象ＫＰＩの過去の実績値の最高値及び最低値を含む対象ＫＰＩの値域を抽出する。本実施形態において、最高値とは、対象ＫＰＩが取り得る値（の範囲）のうち、ＫＧＩ（の値）または上位に位置するＫＰＩ（の値）を最も改善することができる値をいう。一方、最低値とは、対象ＫＰＩが取り得る値（の範囲）のうち、ＫＧＩ（の値）または上位に位置するＫＰＩ（の値）を最も改善することができない（つまり、悪化させる）値をいう。なお、最高値は、対象ＫＰＩが取り得る値のうちの最大値である場合が多いが、当該値のうちの最小値であってもよいし、他の値であってもよい。同様に、最低値は、対象ＫＰＩが取り得る値のうちの最小値である場合が多いが、当該値のうちの最大値であってもよいし、他の値であってもよい。

なお、ステップＳ１１において対象ＫＰＩの値域を抽出するために用いられるＫＰＩ実績データは、例えばユーザのビジネス（つまり、自組織）において収集された対象ＫＰＩの過去の実績値を示すデータであるが、他のユーザのビジネス（つまり、他組織）において収集された対象ＫＰＩの過去の実績値を示すデータ（以下、他組織のＫＰＩ実績データと表記）であってもよい。この場合には、規模や業種等の観点において自組織と類似している他組織のＫＰＩ実績データを用いるものとする。

また、ここではＫＰＩ実績データを用いて対象ＫＰＩの値域を抽出するものとして説明したが、当該対象ＫＰＩの値域は、例えば標準的な値域が予め定義されたデータ（標準値域データセット）から抽出されてもよい。

なお、ステップＳ１１において抽出される対象ＫＰＩの値域には、対象ＫＰＩの過去の実績値の平均値等が含まれていても構わない。

ここで、ＫＧＩの値はＫＰＩの値から算出されるところ、ＫＧＩを改善するためには、対象ＫＰＩの値をステップＳ１１において抽出された対象ＫＰＩの値域に含まれる最高値に近づける必要がある。しかしながら、対象ＫＰＩの値は例えばユーザによって選定されたソリューションに応じて改善されるため、当該ソリューションによっては当該対象ＫＰＩの値が必ずしも最高値（目標値）まで改善するとは限らない。

このため、本実施形態において、ＫＰＩ抽出部１８は、ＫＰＩ改善実績格納部１３に格納されているＫＰＩ改善実績データ（対象ＫＰＩの過去の改善実績）を学習することによって生成（導出）される目標達成率算出モデル（第１統計モデル）を用いて、対象ＫＰＩの目標達成率を算出する（ステップＳ１２）。この目標達成率算出モデルの生成に用いられるＫＰＩ改善実績データは、上記したＫＰＩ実績データと同様に、自組織において収集されたデータであってもよいし、当該自組織と類似する他組織において収集されたデータであってもよい。また、目標達成率算出モデルは、例えば対象ＫＰＩに対する過去の改善予測等に基づいて生成されてもよい。

ここで、ステップＳ１２において用いられる目標達成率算出モデルは、対象ＫＰＩの現状値及び当該対象ＫＰＩの値域を入力とした場合に、過去の改善実績（統計）に基づいて推定される当該対象ＫＰＩの改善後の値に応じた目標達成率を出力（算出）するように構築されている。

すなわち、ステップＳ１２において算出される目標達成率とは、ステップＳ１１において抽出された対象ＫＰＩの値域に基づく対象ＫＰＩの目標値（最高値）に対して、対象ＫＰＩの現状値が実質的に達することができる割合に相当する。なお、本実施形態における目標達成率算出モデルによれば、例えば対象ＫＰＩの現状値が対象ＫＰＩの値域に基づく目標値に遠いほど高い目標達成率が算出され、対象ＫＰＩの現状値が対象ＫＰＩの値域に基づく目標値に近いほど低い目標達成率が算出されるものとする。

上記した目標達成率算出モデルは、例えばニューラルネットワークまたはランダムフォレスト等の既知の様々な機械学習のアルゴリズムを適用して生成することができるものとする。また、目標達成率算出モデルは、例えば図６に示す重要ＫＰＩ候補抽出処理（または図３に示す処理）が実行される前に予め生成されていてもよいし、ステップＳ１２の処理が実行される際に生成されてもよい。また、目標達成率算出モデルが予め生成されている場合、当該目標達成率モデルは、上記したようにＫＰＩ改善実績格納部１３に追加された新たなデータ（ＫＰＩ改善実績データ）に基づいて定期的に更新されてもよい。なお、以下に説明する他の統計モデルについても同様である。

ステップＳ１２の処理が実行されると、ＫＰＩ抽出部１８は、ステップＳ１１において算出された対象ＫＰＩの値域及びステップＳ１２において算出された目標達成率に基づいて、対象ＫＰＩの改善期待値を算出する（ステップＳ１３）。ステップＳ１３において、改善期待値は、対象ＫＰＩの値域に含まれる最高値（目標値）と当該対象ＫＰＩの現状値との差分に対して目標達成率を乗算することによって算出される。なお、ステップＳ１３において算出される改善期待値は、対象ＫＰＩの現状値から実質的に改善する（つまり、目標値に近づく）ことができる値に相当する。

次に、ＫＰＩ抽出部１８は、ツリー構造情報に含まれている定義式（対象ＫＰＩからＫＧＩを算出するための定義式）及びステップＳ１３において算出された対象ＫＰＩの改善期待値に基づいて当該対象ＫＰＩが改善した際のＫＧＩの予測値（以下、改善予測値と表記）を算出する（ステップＳ１４）。

ここで、上記した図４に示すツリー構造情報の場合、ＫＧＩ「人時売上高」はＫＰＩ１「総売上高」／ＫＰＩ２「総労働時間」という定義式に従って算出され、ＫＰＩ１はＫＰＩ１−１「客単価」＊ＫＰＩ１−２「来客数」という定義式に従って算出される。この場合において、対象ＫＰＩがＫＰＩ１−１「客単価」であるものとすると、ＫＰＩ抽出部１８は、ステップＳ１３において算出されたＫＰＩ１−１「客単価」（対象ＫＰＩ）の改善期待値を当該ＫＰＩ１−１「客単価」の現状値に加算することによって得られる値（ＫＰＩ１−１「客単価」の改善予測値）及び図３に示すステップＳ２において取得されたＫＰＩ１−２「来客数」の現状値をＫＰＩ１−１「客単価」＊ＫＰＩ１−２「来客数」の定義式に適用することによって、ＫＰＩ１「総売上高」の改善予測値を算出する。次に、ＫＰＩ抽出部１８は、算出されたＫＰＩ１「総売上高」の改善予測値及び図３に示すステップＳ２において取得されたＫＰＩ２「総労働時間」の現状値をＫＰＩ１「総売上高」／ＫＰＩ２「総労働時間」の定義式に適用することによって、ＫＧＩ「人時売上高」の改善予測値を算出することができる。

ステップＳ１４の処理が実行されると、ツリー構造情報において定義されている全てのＫＰＩについて上記したステップＳ１１〜Ｓ１４の処理が実行されたか否かが判定される（ステップＳ１５）。

全てのＫＰＩについて処理が実行されていないと判定された場合（ステップＳ１５のＮＯ）、ステップＳ１１に戻って処理が繰り返される。この場合、ステップＳ１１〜Ｓ１４の処理が実行されていないＫＰＩを対象ＫＰＩとして処理が実行される。

一方、全てのＫＰＩについて処理が実行されたと判定された場合（ステップＳ１５のＹＥＳ）、ＫＰＩ抽出部１８は、上記したようにＫＰＩ毎に繰り返されるステップＳ１４において算出されたＫＧＩの改善予測値（ＫＰＩ毎に算出された改善予測値）に基づいて重要ＫＰＩ候補を抽出する（ステップＳ１６）。このステップＳ１６においては、改善予測値が上位のＫＰＩが重要ＫＰＩ候補として抽出されるが、例えば改善予測値が予め定められた値以上のＫＰＩが重要ＫＰＩ候補として抽出されてもよい。なお、ステップＳ１６において抽出される重要ＫＰＩ候補の数は、１つであってもよいし、複数であってもよい。

上記した図６に示す重要ＫＰＩ候補抽出処理によれば、ＫＧＩを改善するために重要であると推定されるＫＰＩ（重要ＫＰＩ候補）が抽出され、当該重要ＫＰＩ候補を上記した図３において説明したようにユーザに対して提示することができる。

なお、本実施形態においては目標達成率算出モデルがＫＰＩの過去の改善実績を示すＫＰＩ改善実績データを学習することによって生成されるものとして説明したが、当該目標達成率算出モデルは、対象ＫＰＩの過去の実績値の平均値等を考慮して生成されてもよい。これによれば、例えばＫＰＩの現状値が過去の実績値の平均値よりも目標値（最高値）に近い場合にはより低い目標達成率を出力し、ＫＰＩの現状値が過去の実績値の平均値よりも目標値（最高値）から遠い場合にはより高い目標達成率を出力するような目標達成率算出モデルを生成することができる。

ここで、図７を参照して、上記した重要ＫＰＩ候補抽出処理の具体例について説明する。ここでは、図４に示すツリー構造情報において定義されている複数のＫＰＩの中から重要ＫＰＩ候補を抽出する場合について説明する。

まず、図４に示すツリー構造情報において定義されている複数のＫＰＩのうちのＫＰＩ１−１「客単価」が対象ＫＰＩである場合を想定する。

この場合、ＫＰＩ抽出部１８は、ＫＰＩ実績格納部１２を参照して、ＫＰＩ１−１「客単価」の値域を抽出する。ここでは、ＫＰＩ１−１「客単価」の値域として、最高値「１５０００円」及び最低値「５０００円」が抽出されたものとする。

この場合、ＫＰＩ１−１「客単価」の現状値を当該ＫＰＩ１−１「客単価」の値域に含まれる最高値（目標値）に近づけることによって、ＫＧＩ「人時売上高」を改善することができる。なお、図７に示す例では、ＫＰＩ１−１「客単価」の現状値が９０００円であるため、当該現状値を当該ＫＰＩ１−１「客単価」の値域（５０００円から１５０００円までの範囲）の６０％に相当する６０００円増加させる（つまり、ＫＰＩ１−１「客単価」の値を１５０００円にする）ことによって、ＫＧＩ「人時売上高」に対する改善効果が最大となる。

ＫＰＩ抽出部１８は、ＫＰＩ１−１「客単価」の現状値及び値域を目標達成率算出モデルに入力することによって、ＫＰＩ１−１「客単価」の目標達成率を算出する。ここでは、ＫＰＩ１−１「客単価」の目標達成率として、７０％が算出されたものとする。

次に、ＫＰＩ抽出部１８は、ＫＰＩ１−１「客単価」の値域及び目標達成率に基づいて、当該ＫＰＩ１−１「客単価」の改善期待値を算出する。

ここで、ＫＰＩ１−１「客単価」の値域に含まれる最高値（目標値）は１５０００円であり、当該ＫＰＩ１−１「客単価」の現状値は９０００円であり、当該ＫＰＩ１−１「客単価」の目標達成率は７０％である。この場合、ＫＰＩ抽出部１８は、ＫＰＩ１−１「客単価」の値域に含まれる最高値である１５０００円と当該ＫＰＩ１−１「客単価」の現状値である９０００円との差分である６０００円に７０％（目標達成率）を乗算することによって、改善期待値として４２００円（ＫＰＩ１−１「客単価」の値域の４２％）を算出することができる。この場合、ＫＰＩ抽出部１８は、改善期待値として算出された４２００円をＫＰＩ１−１「客単価」の現状値である９０００円に加算した１３２００円を、当該ＫＰＩ１−１「客単価」の改善予測値とする。

次に、ＫＰＩ抽出部１８は、ツリー構造情報に含まれている定義式に従って、ＫＰＩ１−１「客単価」の改善予測値及び他のＫＰＩの現状値から、当該ＫＰＩ１−１「客単価」が改善した際のＫＧＩ「人時売上高」の改善予測値を算出する。

この場合、まず、ＫＰＩ１「総売上高」の改善予測値（期待値）が算出される。具体的には、ＫＰＩ１−１「客単価」の改善予測値が上記したように１３２００円であり、ＫＰＩ１−２「来客数」の現状値が８０人であるものとすると、ＫＰＩ１「総売上高」の改善予測値は、ＫＰＩ１−１「客単価」（の改善予測値）＊ＫＰＩ１−２「来客数」（の現状値）＝１０５６０００円となる。

ここで、ＫＰＩ２「総労働時間」の現状値が１００時間であるものとすると、ＫＧＩ「人時売上高」の改善予測値は、ＫＰＩ１「総売上高」（の改善予測値）／ＫＰＩ２「総労働時間」（の現状値）＝１０５６０円／時となる。

次に、図４に示すツリー構造情報において定義されている複数のＫＰＩのうちのＫＰＩ１−２「来客数」が対象ＫＰＩである場合を想定する。

この場合、ＫＰＩ抽出部１８は、ＫＰＩ実績格納部１２を参照して、ＫＰＩ１−２「来客数」の値域を抽出する。ここでは、ＫＰＩ１−２「来客数」の値域として、最高値「１５０人」及び最低値「５０人」が抽出されたものとする。

この場合、ＫＰＩ１−２「来客数」の現状値を当該ＫＰＩ１−２「来客数」の値域に含まれる最高値（目標値）に近づけることによって、ＫＧＩ「人時売上高」を改善することができる。なお、図７に示す例では、ＫＰＩ１−２「来客数」の現状値が８０人であるため、当該現状値を当該ＫＰＩ１−２「来客数」の値域（５０人から１５０人までの範囲）の７０％に相当する７０人増加させる（つまり、ＫＰＩ１−２「来客数」の値を１５０人にする）ことによって、ＫＧＩ「人時売上高」に対する改善効果が最大となる。

ＫＰＩ抽出部１８は、ＫＰＩ１−２「来客数」の現状値及び値域を目標達成率算出モデルに入力することによって、ＫＰＩ１−２「来客数」の目標達成率を算出する。

ここで、図７に示す例では、上記したように過去の実績値の平均値を考慮して生成された目標達成率算出モデルが用いられているものとする。このような目標達成率算出モデルによれば、上記したように現状値が平均値よりも目標値から遠い場合には高い目標達成率が算出され、現状値が平均値よりも目標値に近い場合には低い目標達成率が算出される。

具体的には、図７に示す例では、ＫＰＩ１−１「客単価」の現状値（９０００円）は当該ＫＰＩ１−１「客単価」の過去の実績値の平均値（１１０００円）よりも低いが、ＫＰＩ１−２「来客数」の現状値（８０人）は当該ＫＰＩ１−２「来客数」の過去の実績値の平均値（７０人）よりも高い。このため、図７に示す例では、ＫＰＩ１−１「来客数」の目標達成率としては７０％が算出されているのに対して、ＫＰＩ１−２「来客数」の目標達成率としては当該ＫＰＩ１−１「来客数」の目標達成率よりも低い４０％が算出されている。

次に、ＫＰＩ抽出部１８は、ＫＰＩ１−２「来客数」の値域及び目標達成率に基づいて、当該ＫＰＩ１−２「来客数」の改善期待値を算出する。

ここで、ＫＰＩ１−２「来客数」の値域に含まれる最高値（目標値）は１５０人であり、当該ＫＰＩ１−２「来客数」の現状値は８０人であり、当該ＫＰＩ１−２「来客数」の目標達成率は４０％である。この場合、ＫＰＩ抽出部１８は、ＫＰＩ１−２「来客数」の値域に含まれる最高値である１５０人と当該ＫＰＩ１−２「来客数」の現状値である８０人との差分である７０人に４０％（目標達成率）を乗算することによって、改善期待値として２８人（ＫＰＩ１−２「来客数」の値域の２８％）を算出することができる。この場合、ＫＰＩ抽出部１８は、改善期待値として算出された２８人をＫＰＩ１−２「来客数」の現状値である８０人に加算した１０８人を、当該ＫＰＩ１−２「来客数」の改善予測値とする。

次に、ＫＰＩ抽出部１８は、ツリー構造情報に含まれている定義式に従って、ＫＰＩ１−２「来客数」の改善予測値及び他のＫＰＩの現状値から、当該ＫＰＩ１−２「来客数」が改善した際のＫＧＩ「人時売上高」の改善予測値を算出する。

この場合、まず、ＫＰＩ１「総売上高」の改善予測値を算出する。具体的には、ＫＰＩ１−１「客単価」の現状値が９０００円であり、ＫＰＩ１−２「来客数」の改善予測値が上記したように１０８人であるものとすると、ＫＰＩ１「総売上高」の改善予測値は、ＫＰＩ１−１「客単価」（の現状値）＊ＫＰＩ１−２「来客数」（の改善予測値）＝９７２０００円となる。

また、ＫＰＩ２「総労働時間」の現状値が１００時間であるものとすると、ＫＧＩ「人時売上高」の改善予測値は、ＫＰＩ１「総売上高」（の改善予測値）／ＫＰＩ２「総労働時間」（の現状値）＝９７２０円／時となる。

次に、図４に示すツリー構造情報において定義されている複数のＫＰＩのうちのＫＰＩ２「総労働時間」が対象ＫＰＩである場合を想定する。

この場合、ＫＰＩ抽出部１８は、ＫＰＩ実績格納部１２を参照して、ＫＰＩ２「総労働時間」の値域を抽出する。ここでは、ＫＰＩ２「総労働時間」の値域として、最高値「９０時間」及び最低値「１００時間」が抽出されたものとする。なお、ＫＰＩ２「総労働時間」については、値が小さい方がＫＧＩ「人時売上高」を改善することができるため、過去の実績値の最小値が最高値、最大値が最低値となっている。

この場合、ＫＰＩ２「総労働時間」の現状値を当該ＫＰＩ２「総労働時間」の値域に含まれる最高値（目標値）に近づけることによって、当該ＫＧＩ「人時売上高」を改善することができる。なお、図７に示す例では、ＫＰＩ２「総労働時間」の現状値が１００時間（最低値）であるため、当該現状値を当該ＫＰＩ２「総労働時間」の値域（１００時間から９０時間までの範囲）の１００％に相当する１０時間減少させる（つまり、ＫＰＩ２「総労働時間」の値を９０時間にする）ことによって、ＫＧＩ「人時売上高」に対する改善効果が最大となる。

ＫＰＩ抽出部１８は、ＫＰＩ２「総労働時間」の現状値及び値域を目標達成率算出モデルに入力することによって、ＫＰＩ２「総労働時間」の目標達成率を算出する。本実施形態において、目標達成率は、上記したように対象ＫＰＩの現状値が対象ＫＰＩの値域に基づく目標値に遠いほど高く算出されるため、現状値が最低値であるＫＰＩ２「総労働時間」の場合、目標達成率として９０％が算出されている。

次に、ＫＰＩ抽出部１８は、ＫＰＩ２「総労働時間」の値域及び目標達成率に基づいて、当該ＫＰＩ２「総労働時間」の改善期待値を算出する。

ここで、ＫＰＩ２「総労働時間」の値域に含まれる最高値（目標値）は９０時間であり、当該ＫＰＩ２「総労働時間」の現状値は１００時間であり、当該ＫＰＩ２「総労働時間」の目標達成率は９０％である。この場合、ＫＰＩ抽出部１８は、ＫＰＩ２「総労働時間」の値域に含まれる最高値である９０時間と当該ＫＰＩ２「総労働時間」の現状値である１００時間との差分である１０時間に９０％（目標達成率）を乗算することによって、改善期待値として９時間（ＫＰＩ２「総労働時間」の値域の９０％）を算出することができる。この場合、ＫＰＩ抽出部１８は、改善期待値として算出された９時間をＫＰＩ２「総労働時間」の現状値である１００時間から減算した９１時間を、当該ＫＰＩ２「総労働時間」の改善予測値とする。

次に、ＫＰＩ抽出部１８は、ツリー構造情報に含まれている定義式に従って、ＫＰＩ２「総労働時間」の改善予測値及び他のＫＰＩの現状値から、当該ＫＰＩ２「総労働時間」が改善した際のＫＧＩ「人時売上高」の改善予測値を算出する。

この場合、ＫＰＩ１「総売上高」の現状値が７２００００円であり、ＫＰＩ２「総労働時間」の改善予測値が上記したように９１時間であるものとすると、ＫＧＩ「人時売上高」の改善予測値は、ＫＰＩ１「総売上高」（の現状値）／ＫＰＩ２「総労働時間」（の改善予測値）＝７９１２円／時となる。

上記したようにＫＰＩ１−１「客単価」、ＫＰＩ１−２「来客数」及びＫＰＩ２「総労働時間」の各々についてＫＧＩ「人時売上高」の改善予測値が算出された場合、ＫＰＩ抽出部１８は、当該改善予測値に基づいて重要ＫＰＩ候補を抽出する。

具体的には、例えば重要ＫＰＩ候補としてＫＧＩ「人時売上高」の改善予測値が上位１つ（つまり、最上位）のＫＰＩが抽出される場合には、ＫＰＩ抽出部１８は、ＫＰＩ１−１「客単価」を重要ＫＰＩ候補として抽出する。一方、例えば重要ＫＰＩ候補としてＫＧＩ「人時売上高」の改善予測値が上位２つのＫＰＩが抽出される場合には、ＫＰＩ抽出部１８は、ＫＰＩ１−１「客単価」及びＫＰＩ１−２「来客数」を重要ＫＰＩ候補として抽出する。

なお、上記した図７に示す例において単に各ＫＰＩの目標達成率のみに着目するとＫＰＩ「総労働時間」の目標達成率が最も高いが、上記した重要ＫＰＩ候補抽出処理によれば、当該ＫＰＩの改善に応じたＫＧＩの改善予測値（改善効果）に基づいて重要ＫＰＩを抽出することができる。

次に、図８のフローチャートを参照して、上記した重要要因候補抽出処理（図３に示すステップＳ６の処理）の処理手順の一例について説明する。なお、図８に示す重要要因候補抽出処理は、要因抽出部１９によって実行される。

まず、要因抽出部１９は、重要ＫＰＩ候補抽出処理によって抽出された重要ＫＰＩ候補に影響を与える要因（つまり、ツリー構造において重要ＫＰＩ候補の下位に位置する要因）の各々に対してステップＳ２１〜Ｓ２５の処理を実行する。以下、この処理の対象となる要因を対象要因と称する。

この場合、要因抽出部１９は、要因実績格納部１４を参照して、対象要因の値域を抽出する（ステップＳ２１）。

ここで、要因実績格納部１４には、対象要因の過去の実績値を示す要因実績データが格納されている。要因抽出部１９は、このような要因実績データから、対象要因が取り得る値の範囲として対象要因の過去の実績値の最大値及び最小値を含む対象要因の値域を抽出する。

なお、ステップＳ２１において対象要因の値域を抽出するために用いられる要因実績データは、例えばユーザのビジネス（つまり、自組織）において収集された対象要因の過去の実績値を示すデータであるが、他のユーザのビジネス（つまり、他組織）において収集された対象要因の過去の実績値を示すデータ（以下、他組織の要因実績データと表記）であってもよい。この場合には、規模や業種等の観点において自組織と類似している他組織の要因実績データを用いるものとする。

また、ここでは要因実績データを用いて対象要因の値域を抽出するものとして説明したが、当該対象要因の値域は、例えば標準的な値域が予め定義されたデータ（標準値域データセット）から抽出されてもよい。

ここで、例えば上記した図４に示すツリー構造情報において定義されている要因２「商品価格」が対象要因である場合を想定すると、商品価格が高い方がＫＰＩ１−１「客単価」を改善することができるように考えられるが、当該商品価格が高すぎると商品の販売数が減少すると推測される。このため、必ずしも対象要因の値域に含まれる最大値が重要ＫＰＩ候補を最も改善することができる最適値であるとは限らない。

そこで、本実施形態において、要因抽出部１９は、ＫＰＩ実績格納部１２に格納されているＫＰＩ実績データ及び要因実績格納部１４に格納されている要因実績データを学習することによって生成（導出）される要因最適値算出モデル（第２統計モデル）を用いて、対象要因の最適値を算出する（ステップＳ２２）。なお、要因最適値算出モデルは、ＫＰＩ改善実績格納部１３に格納されているＫＰＩ改善実績データ（ＫＰＩの過去の改善実績）または要因改善実績格納部１５に格納されている要因改善実績データ（要因の過去の改善実績）等に基づいて生成されていてもよい。

ここで、ステップＳ２２において用いられる要因最適値算出モデルは、上記した対象要因の値域を入力した場合に、ＫＰＩ及び要因の過去の実績値（統計）に基づいて推定される対象要因の最適値を出力（算出）するように構築されている。

なお、ステップＳ２２において算出される対象要因の最適値とは、対象要因が影響を与えるＫＰＩ（つまり、重要ＫＰＩ候補）の値を最大にすることができると推定される当該対象要因の値に相当する。

ステップＳ２２の処理が実行されると、要因抽出部１９は、図３に示すステップＳ２において取得された対象要因の現状値と当該ステップＳ２２において算出された対象要因の最適値との差分を算出する（ステップＳ２３）。

ここで、ＫＧＩの値はＫＰＩの値から算出されるところ、当該ＫＰＩの値は、対象要因の値に応じて改善される。しかしながら、対象要因の値は例えばユーザによって選定されたソリューションに応じて改善されるため、当該ソリューションによっては当該対象要因の値が必ずしも最適値（目標値）まで改善するとは限らない。

このため、本実施形態において、要因抽出部１９は、要因改善実績格納部１５に格納されている要因改善実績データ（対象要因の過去の改善実績）を学習することによって生成（導出）される目標達成率算出モデル（第３統計モデル）を用いて、対象要因の目標達成率を算出する（ステップＳ２４）。この目標達成率算出モデルの生成に用いられる要因改善実績データは、上記した要因実績データと同様に、自組織において収集されたデータであってもよいし、当該自組織と類似する他組織において収集されたデータであってもよい。

ここで、ステップＳ２４において用いられる目標達成率算出モデルは、対象要因の現状値、当該対象要因の値域及び当該対象要因の最適値を入力とした場合に、過去の改善実績（統計）に基づいて推定される当該対象要因の改善後の値に応じた目標達成率を出力（算出）するように構築されている。

なお、入力される値が異なる点以外は、ステップＳ２４において用いられる目標達成率算出モデルは図６に示すステップＳ１２において用いられる目標達成率算出モデルと同様であるため、ここではその詳しい説明を省略する。

ステップＳ２４の処理が実行されると、要因抽出部１９は、ステップＳ２３において算出された差分及びステップＳ２４において算出された目標達成率に基づいて、対象要因の改善期待値を算出する（ステップＳ２５）。

ここで、上記したようにＫＧＩの値はＫＰＩの値から算出することができるため、重要ＫＰＩ候補抽出処理においては、当該ＫＧＩの改善予測値を用いて重要ＫＰＩ候補を抽出することが可能である。しかしながら、重要ＫＰＩ候補の値は要因から算出することはできないため、当該重要ＫＰＩ候補の値を用いて重要要因候補を抽出することはできない。また、各要因はそれぞれ概念が異なる（つまり、値の単位が異なる）ため、当該要因の値同士を比較することもできない。

そこで、本実施形態においては、ステップＳ２３において算出された差分（現状値と最適値との差分）がステップＳ２１において抽出された対象要因の値域に対して占める比率を用いて対象要因の改善期待値を算出するものとする。具体的には、ステップＳ２５において、改善期待値は、ステップＳ２３において算出された差分がステップＳ２１において抽出された対象要因の値域に対して占める比率に対して目標達成率を乗算することによって算出される。なお、ステップＳ２５において算出される改善期待値は、対象要因が取り得る値の範囲（つまり、値域）に対して、対象要因の現状値から実質的に改善する（つまり、最適値に近づく）ことができる値（の範囲）が占める割合に相当する。

ステップＳ２５の処理が実行されると、重要ＫＰＩ候補抽出処理によって抽出された重要ＫＰＩ候補に影響を与える全ての要因について上記したステップＳ２１〜Ｓ２５の処理が実行されたか否かが判定される（ステップＳ２６）。

全ての要因について処理が実行されていないと判定された場合（ステップＳ２６のＮＯ）、ステップＳ２１に戻って処理が繰り返される。この場合、ステップＳ２１〜Ｓ２５の処理が実行されていない要因を対象要因として処理が実行される。

一方、全ての要因について処理が実行されたと判定された場合（ステップＳ２６のＹＥＳ）、要因抽出部１９は、上記したように要因毎に繰り返されるステップＳ２５において算出された改善期待値（要因毎に算出された改善期待値）に基づいて重要要因候補を抽出する（ステップＳ２７）。このステップＳ２７においては、改善期待値が上位の要因が重要要因候補として抽出されるが、例えば改善期待値が予め定められた値以上の要因が重要要因候補として抽出されてもよい。なお、ステップＳ２７において抽出される重要要因候補の数は、１つであってもよいし、複数であってもよい。

上記した図８に示す重要要因候補抽出処理によれば、ＫＧＩ及び重要ＫＰＩ候補を改善するために重要であると推定される要因（重要要因候補）が抽出され、当該重要要因候補を上記した図３において説明したようにユーザに対して提示することができる。

なお、本実施形態において、上記した重要ＫＰＩ候補抽出処理及び重要要因候補抽出処理は重要なノードを抽出する点で同様の観点に基づく処理であるが、重要要因候補抽出処理は、対象要因の値域から算出される最適値を目標値として用いる点及び対象要因の現状値と最適値との差分が当該対象要因の値域に対して占める比率に対して目標達成率を乗算することによって算出される対象要因の改善期待値に基づいて重要要因候補を抽出する点で、重要ＫＰＩ候補抽出処理と異なる。

また、重要要因候補抽出処理においては重要ＫＰＩ候補に影響を与える複数の要因の各々に対してステップＳ２１〜Ｓ２２の処理が実行されるものとして説明したが、当該複数の要因の中に互いに影響を受ける（つまり、作用し合う）要因が含まれている場合には、当該影響（副次的な影響）を考慮して重要要因候補抽出処理を実行することが好ましい。

以下、図９を参照して、上記した重要要因候補抽出処理の具体例について説明する。ここでは、図４に示すツリー構造情報において定義されているＫＰＩ１−１「客単価」が重要ＫＰＩ候補であり、当該ＫＰＩ１−１「客単価」に影響を与える複数の要因の中から重要要因候補を抽出する場合について説明する。

まず、図４に示すツリー構造情報においてＫＰＩ１−１「客単価」に影響を与える複数の要因のうちの要因１「品切件数」が対象要因である場合を想定する。

この場合、要因抽出部１９は、要因実績格納部１４を参照して、要因１「品切件数」の値域を抽出する。ここでは、要因１「品切件数」の値域として、最大値「５０件／日」及び最小値「０件／日」が抽出されたものとする。

次に、要因抽出部１９は、要因１「品切件数」の値域を要因最適値算出モデルに入力することによって、要因１「品切件数」の最適値を算出する。ここでは、要因１「品切件数」の最適値として、０件／日が算出されたものとする。

更に、要因抽出部１９は、要因１「品切件数」の現状値と最適値との差分を算出する。ここでは、要因１「品切件数」の現状値が２０件／日であり、当該要因１「品切件数」の最適値が０件／日であるため、要因１「品切件数」の現状値と最適値との差分としては２０件／日が算出される。

また、要因抽出部１９は、要因１「品切件数」の現状値、値域及び最適値を目標達成率算出モデルに入力することによって、要因１「品切件数」の目標達成率を算出する。ここでは、要因１「品切件数」の目標達成率として、４０％が算出されたものとする。

次に、要因抽出部１９は、要因１「品切件数」の現状値と最適値との差分が当該要因１「品切件数」の値域に占める比率及び当該要因１「品切件数」の目標達成率に基づいて、当該要因１「品切件数」の改善期待値を算出する。

ここで、要因１「品切件数」の現状値と最適値との差分は２０件／日であり、当該要因１「品切件数」の値域の最大値及び最小値はそれぞれ５０件／日及び０件／日であり、当該要因１「品切件数」の目標達成率は４０％である。この場合、要因抽出部１９は、要因１「品切件数」の現状値と最適値との差分が当該要因１「品切件数」の値域（つまり、最大値−最小値）に占める比率として４０％（＝２０／５０）を算出し、当該比率に４０％（目標達成率）を乗算することによって改善期待値として１６％を算出する。なお、この要因１「品切件数」の改善期待値として算出された１６％は、当該要因１「品切件数」の値としては８件（つまり、要因１「品切件数」の現状値と最適値との差分に目標達成率を乗算した値）に相当する。

次に、図４に示すツリー構造においてＫＰＩ１−１「客単価」に影響を与える複数の要因のうちの要因２「商品種類」及び要因３「商品価格」について説明する。ここで、上記したように商品種類が増加すると１つの商品当たりの仕入れ数が減少し、当該仕入れ数に応じて商品価格が変動する可能性があるため、要因２「商品種類」及び要因３「商品価格」は互いに影響を受けるものとして例えばツリー構造情報において予め定義されているものとする。この場合には、要因２「商品種類」及び要因３「商品価格」を対象要因として処理が実行される。

具体的には、要因抽出部１９は、要因実績格納部１４を参照して、要因２「商品種類」及び要因３「商品価格」の各々の値域を抽出する。ここでは、要因２「商品種類」の値域として最大値「１００種」及び最小値「５０種」が抽出され、要因３「商品価格」の値域として最大値「１５００円」及び最小値「１０００円」が抽出されたものとする。

ここで、上記したように要因２「商品種類」及び要因３「商品価格」が互いに影響を受ける場合、要因抽出部１９は、要因２「商品種類」及び要因３「商品価格」の各々の値域を要因最適値算出モデルに入力することによって、当該要因２「商品種類」及び要因３「商品価格」の最適値の組み合わせ（セット）を算出する。この場合、要因最適値算出モデルは、要因２「商品種類」及び要因３「商品価格」の値に応じて変化（改善）するＫＰＩ１−１「客単価」の実績値（または改善実績）等に基づいて生成されており、ＫＰＩ１−１「客単価」の値を最大にすることができると推定される要因２「商品種類」及び要因３「商品価格」の値の組み合わせを出力（算出）するように構成されている。

図１０は、上記した要因最適値算出モデルを用いて算出される要因２「商品種類」及び要因３「商品価格」の最適値の組み合わせの一例を示している。図１０に示す例では、ＫＰＩ１−１「客単価」が最も高くなる最適値の組み合わせとして、要因２「商品種類」の最適値「７０種」及び当該要因３「商品価格」の最適値「１２００円」の組み合わせが算出されている。

上記したように要因２「商品種類」及び要因３「商品価格」の最適値の組み合わせが算出された場合、当該組み合わせにおける要因２「商品種類」の最適値を用いて、当該要因２「商品種類」の改善期待値を算出する。

具体的には、要因抽出部１９は、要因２「商品種類」の現状値と最適値との差分を算出する。ここでは、要因２「商品種類」の現状値が８０種であり、当該要因２「商品種類」の最適値が７０種であるため、要因２「商品種類」の現状値と最適値との差分としては１０種が算出される。

また、要因抽出部１９は、要因２「商品種類」の現状値、値域及び最適値を目標達成率算出モデルに入力することによって、要因２「商品種類」の目標達成率を算出する。ここでは、要因２「商品種類」の目標達成率として、８０％が算出されたものとする。

次に、要因抽出部１９は、要因２「商品種類」の現状値と最適値との差分が当該要因２「商品種類」の値域に占める比率及び当該要因２「商品種類」の目標達成率に基づいて、当該要因２「商品種類」の改善期待値を算出する。

ここで、要因２「商品種類」の現状値と最適値との差分は１０種であり、当該要因２「商品種類」の値域の最大値及び最小値は１００種及び５０種であり、当該要因２「商品種類」の目標達成率は８０％である。この場合、要因抽出部１９は、要因２「商品種類」の現状値と最適値との差分が当該要因２「商品種類」の値域（最大値−最小値）に占める比率として２０％（＝１０／５０）を算出し、当該比率に８０％（目標達成率）を乗算することによって改善期待値として１６％を算出する。なお、この要因２「商品種類」の改善期待値として算出された１６％は、要因２「商品種類」の値としては８種（つまり、要因２「商品種類」の現状値と最適値との差分に目標達成率を乗算した値）に相当する。

また、上記したように要因２「商品種類」及び要因３「商品価格」の最適値の組み合わせが算出された場合、当該組み合わせにおける要因３「商品価格」の最適値を用いて、要因３「商品価格」の改善期待値を算出する。

具体的には、要因抽出部１９は、要因３「商品価格」の現状値と最適値との差分を算出する。ここでは、要因３「商品種類」の現状値が１５００円であり、当該要因３「商品種類」の最適値が１２００円であるため、要因３「商品価格」の現状値と最適値との差分としては３００円が算出される。

また、要因抽出部１９は、要因３「商品価格」の現状値、値域及び最適値を目標達成率算出モデルに入力することによって、要因３「商品価格」の目標達成率を算出する。ここでは、要因３「商品価格」の目標達成率として、７０％が算出されたものとする。

次に、要因抽出部１９は、要因３「商品価格」の現状値と最適との差分が当該要因３「商品価格」の値域に占める比率及び当該要因３「商品価格」の目標達成率に基づいて、当該要因３「商品価格」の改善期待値を算出する。

ここで、要因３「商品価格」の現状値と最適値との差分は３００円であり、当該要因３「商品価格」の値域の最大値及び最小値は１５００円及び１０００円であり、当該要因３「商品価格」の目標達成率は７０％である。この場合、要因抽出部１９は、要因３「商品価格」の現状値と最適値との差分が当該要因３「商品価格」の値域（最大値−最小値）に占める比率として６０％（＝３００／５００）を算出し、当該比率に７０％（目標達成率）を乗算することによって改善期待値として４２％を算出する。なお、この要因３「商品価格」の改善期待値として算出された４２％は、要因３「商品価格」の値としては２１０円（つまり、要因３「商品価格」の現状値と最適値との差分に目標達成率を乗算した値）に相当する。

上記したように要因１「品切件数」、要因２「商品種類」及び要因３「商品価格」の各々について改善期待値が算出された場合、要因抽出部１９は、当該改善期待値に基づいて重要要因候補を抽出する。具体的には、例えば重要要因候補として改善予測値が上位１つ（つまり、最上位）の要因が抽出される場合には、要因抽出部１９は、要因３「商品価格」を重要要因候補として抽出する。

なお、図９においては、要因２「商品種類」及び要因３「商品価格」が互いに影響を受けるものとして説明したが、例えば予算等の都合上、商品種類を増やしすぎれば各商品の在庫数が減少し、品切件数が増えるという観点に基づいて当該要因１「品切件数」及び要因２「商品種類」が互いに影響を受けるものとして予め定義されているような場合には、当該要因１「品切件数」及び要因２「商品種類」の最適値の組み合わせを算出して、重要要因候補を抽出するようにしてもよい。

上記したように本実施形態においては、ソリューションを変更することによって過去にＫＰＩの値が改善した実績を示すＫＰＩ改善実績データ（第２実績データ）に基づいて生成された目標達成率算出モデル（第１統計モデル）に、ＫＰＩの現状値及び当該ＫＰＩの過去の実績値を示すＫＰＩ実績データ（第１実績データ）に基づいて抽出されたＫＰＩの値域を入力することによって、ＫＰＩの値域に基づく目標値に対して当該ＫＰＩの現状値が達することができる割合（第１割合）を目標達成率として算出する。また、本実施形態においては、ＫＰＩの現状値、当該ＫＰＩの値域に基づく目標値及び目標達成率に基づいて算出される当該ＫＰＩの改善期待値（改善予測値）からＫＧＩの改善予測値を算出し、当該ＫＧＩの改善予測値に基づいて当該ＫＰＩを重要ＫＰＩ候補（ＫＧＩを改善するために重要であると推定されるＫＰＩの候補）としてユーザに提示する。

本実施形態においては、このような構成により、専門的な知識及び経験を有していないユーザや現状を把握していないユーザであっても、当該現状に対して改善効果及び改善実現性の高いＫＰＩを容易に把握し、当該ＫＰＩを改善するためのソリューションを選定することが可能となる。

具体的には、ＫＰＩはＫＧＩ（ビジネスにおける目的）を達成するための手段の一つであるが、当該ＫＰＩが上昇（改善）したとしてもＫＧＩの上昇（改善）への寄与度が低い場合があり、このようなＫＰＩは重要であるとは言えない。すなわち、ＫＰＩの値のみに着目することは原因分析が不十分であることを意味し、このような場合には、ＫＰＩは向上するがＫＧＩの向上には寄与しない可能性が高くなる。これに対して、本実施形態においては、ＫＰＩの改善予測値（改善期待値）だけではなく、ＫＧＩの改善予測値に基づいて重要ＫＰＩ候補を抽出するため、ＫＧＩを改善するためのより適切なＫＰＩをユーザに対して提示することができる。これにより、本実施形態においては、ビジネスにおける適切なソリューションの選定を支援することができる。

なお、本実施形態において、上記したＫＧＩの改善予測値はツリー構造情報において定義されているＫＰＩ毎に算出され、当該ＫＰＩ毎に算出されたＫＧＩの改善予測値が上位のＫＰＩが重要ＫＰＩ候補としてユーザに提示される。本実施形態においては、このような構成により、ツリー構造情報において多数のＫＰＩが定義されているような場合であっても、当該多数のＫＰＩの中から適切な重要ＫＰＩ候補を自動的に抽出することが可能となる。

また、本実施形態においては、過去の改善実績に基づいて生成される目標達成率算出モデルを用いて目標達成率が算出されるが、当該目標達成率は、ＫＰＩの現状値が当該ＫＰＩの値域に基づく目標値に遠いほど高く算出され、ＫＰＩの現状値が当該ＫＰＩの値域に基づく目標値に近いほど低く算出される。本実施形態においては、このような構成により、より改善する可能性（実現可能性）の高いＫＰＩを重要ＫＰＩ候補として抽出することが可能となる。なお、上記したＫＰＩの値域に基づく目標値は、当該ＫＰＩの値域のうちＫＧＩの値を最も改善することができる値（最高値）であり、例えば当該ＫＰＩの値域の最大値（または最小値）等である。

更に、本実施形態においては、要因の過去の実績値を示す要因実績データ（第３実績データ）に基づいて当該要因の値域を抽出し、ＫＰＩ実績データ及び要因実績データに基づいて生成された要因最適値算出モデル（第２統計モデル）に当該要因の値域を入力することによって、ＫＰＩの値を最大にする当該要因の最適値を算出する。また、本実施形態においては、ソリューションを変更することによって過去に要因の値が改善した実績を示す要因改善実績データ（第４実績データ）に基づいて生成された目標達成率算出モデル（第３統計モデル）に要因の現状値、値域及び最適値を入力することによって、当該要因の最適値に対して当該要因の現状値が達することができる割合（第２割合）を目標達成率として算出する。更に、本実施形態においては、要因の現状値と当該要因の最適値との差分が当該要因の値域に占める比率及び目標達成率から算出された当該要因の改善期待値に基づいて、当該要因を重要要因候補（ＫＧＩを改善するために重要であると推定される要因の候補）としてユーザに提示する。

本実施形態においては、このような構成により、要因の最適値を算出する要因最適値算出モデルを利用し、当該要因の現状値を最適値とすることでＫＰＩが最も改善される（上昇する）と推定される要因を、現状に最も影響を与えている要因として自動的に抽出することが可能となる。これにより、本実施形態においては、専門的な知識及び経験を有していないユーザや現状を把握していないユーザであっても、当該現状に対して改善効果及び改善実現性の高い要因を容易に把握し、当該要因を改善するためのソリューションを選定することが可能となる。

なお、本実施形態において、上記した要因の改善期待値は例えば重要ＫＰＩ候補として抽出されたＫＰＩに影響を与える要因毎に算出され、当該要因毎に算出された改善予測値が上位の要因が重要要因候補としてユーザに提示される。本実施形態においては、このような構成により、ツリー構造情報において多数の要因が定義されているような場合であっても、当該多数の要因の中から適切な重要要因候補を自動的に抽出することが可能となる。

また、本実施形態において、重要ＫＰＩ候補として抽出されたＫＰＩに影響を与える複数の要因の中に互いに影響を受ける複数（例えば、２つ）の要因が含まれている場合には、当該ＫＰＩの値を最大にする当該２つの要因の最適値の組み合わせを算出する。本実施形態においては、このような組み合わせとして算出された最適値を用いて重要要因候補を抽出することにより、要因間における副次的な影響を考慮した適切な要因をユーザに対して提示することができる。

ここで、本実施形態においては例えば図５に示すようなツリー構造表示画面が表示され、当該ツリー構造表示画面上で重要ＫＰＩ候補及び重要要因候補が提示（強調表示）されるものとして説明したが、ソリューション選定支援装置１０に表示される画面は図５に示すツリー構造表示画面と異なっていてもよい。

以下、上記した図３に示す処理が実行される場合におけるソリューション選定支援装置１０に表示される画面（ＧＵＩ）の他の例について説明する。なお、ツリー構造情報には上記した図４において説明したツリー構造が定義されているものとする。

まず、図１１は、図３に示すステップＳ１〜Ｓ３の処理が実行された後にソリューション選定支援装置１０に表示される画面（以下、第１ツリー構造表示画面と表記）の一例である。

図１１に示す例では、第１ツリー構造表示画面３０１には、ＫＧＩ「人時売上高」、ＫＰＩＩ１「総売上高」、ＫＰＩ１−１「客単価」、ＫＰＩ１−２「来客数」、ＫＰＩ２「総労働時間」がツリー形式で表示されている。図４及び図５においては省略されていたが、ここでは、ＫＰＩ２「総労働時間」の下位に位置するＫＰＩとして、ＫＰＩ２−１「開店準備時総労働時間」、ＫＰＩ２−２「営業時総労働時間」及びＫＰＩ２−３「閉店準備時総労働時間」が表示（定義）している。なお、図１１においては、ＫＧＩ及びＫＰＩ等の表記は省略されている。

また、第１ツリー構造表示画面３０１においては、ＫＧＩ及びＫＰＩの近傍に当該ＫＧＩ及びＫＰＩの現状値が表示されている。

なお、ステップＳ１〜Ｓ３処理が実行された時点では、図１１に示すようにツリー構造情報において定義されている要因については表示されないものとする。

ここで、ツリー構造情報においては多数のＫＧＩ及びＫＰＩ等が定義されている場合があるが、このような場合においては、例えば図１２に示す画面（以下、条件指定画面と表記）３０１ａを介して第１ツリー構造表示画面３０１に表示するツリー構造の範囲を指定可能な構成としてもよい。

具体的には、条件指定画面３０１ａ中の対象ＫＧＩ／ＫＰＩの欄には、例えば第１ツリー構造表示画面３０１に表示するＫＧＩ（対象ＫＧＩ）またはＫＰＩ（対象ＫＰＩ）の名称等を入力することができる。これによれば、対象ＫＧＩ／ＫＰＩの欄において名称が入力されたＫＧＩまたはＫＰＩに関する範囲（部分）のツリー構造のみを第１ツリー構造表示画面３０１に表示させることができる。

また、条件指定画面３０１ａ中の条件の欄には、例えば第１ツリー構造表示画面３０１に表示するＫＧＩまたはＫＰＩの現状値に関する条件を入力することができる。これによれば、現状値が条件の欄において入力された条件を満たすＫＧＩまたはＫＰＩに関する範囲（部分）のみを第１ツリー構造表示画面３０１に表示させることができる。

次に、図３に示すステップＳ４及びＳ５の処理が実行された場合、上記した図１１に示す第１ツリー構造表示画面３０１は、図１３に示す画面（以下、第２ツリー構造表示画面と表記）３０２に遷移する。

ここで、図３に示すステップＳ３において重要ＫＰＩ候補としてＫＰＩ１−１「客単価」及びＫＰＩ２−１「開店準備時総労働時間」が抽出されたものとすると、図１３に示す第２ツリー構造表示画面３０２においては、当該ＫＰＩ１−１「客単価」及びＫＰＩ２−１「開店準備時総労働時間」が他のＫＰＩと区別可能な態様で表示される。図１３においては、例えばＫＰＩ１−１「客単価」及びＫＰＩ２−１「開店準備時総労働時間」の現状値が強調表示される例が示されているが、当該ＫＰＩ１−１「客単価」（ノード）及びＫＰＩ２−１「開店準備時総労働時間」（ノード）を他のＫＰＩよりも大きく表示する（つまり、枠を拡大する）ようにしてもよい。

また、上記したように図３に示すステップＳ３の重要ＫＰＩ候補抽出処理においては、ＫＧＩ「人時売上高」の改善予測値が上位のＫＰＩが重要ＫＰＩ候補として抽出されるが、第２ツリー構造表示画面３０２においては、当該改善予測値に基づく優先順位が更に表示されてもよい。具体的には、重要ＫＰＩ候補としてＫＰＩ１−１「客単価」及びＫＰＩ２−１「開店準備時総労働時間」が抽出されている場合においてＫＰＩ２−１「開店準備時総労働時間」よりもＫＰＩ１−１「客単価」の方がＫＧＩの改善予測値が高い場合には、例えば図１４に示すような第２ツリー構造表示画面３０２を表示してもよい。

なお、図１３及び図１４においてはＫＧＩ「人時売上高」の下位に位置する全てのＫＰＩが表示されているが、例えば上記した条件指定画面３０１ａ中の条件の欄に改善予測値に関する条件が指定されている場合には、ＫＧＩ「人時売上高」（または各ＫＰＩ）の改善予測値が当該条件を満たすＫＰＩのみが第２ツリー構造表示画面３０２に表示されるようにしてもよい。

ここで、上記した第２ツリー構造表示画面３０２が表示された場合、ユーザは、当該第２ツリー構造表示画面３０２上で、重要要因候補を抽出する対象となるＫＰＩを重要ＫＰＩとして選択することができるものとする。この場合、図１３（または図１４）に示す第２ツリー構造表示画面３０２は、図１５に示す画面（以下、第３ツリー構造表示画面と表記）３０３に遷移する。なお、図１５は、ＫＰＩ１−１「客単価」が重要ＫＰＩとして選択された場合に表示される第３ツリー構造表示画面３０３を示している。

図１５に示すようにＫＰＩ１−１「客単価」が重要ＫＰＩとして選択された場合、第３ツリー構造表示画面３０３中の当該ＫＰＩ１−１「客単価」の近傍には、当該ＫＰＩ１−１「客単価」の改善予測値が表示されるものとする。同様に、ＫＧＩ「人時売上高」及びＫＰＩ１「総売上高」の近傍には、当該ＫＧＩ「人時売上高」及びＫＰＩ１−１「客単価」の改善予測値がそれぞれ表示されている。なお、これらの改善予測値については上記した図６において説明した通りであるため、ここではその詳しい説明を省略する。

また、第３ツリー構造表示画面３０３には、ユーザによって重要ＫＰＩとして選択されたＫＰＩ１−１「客単価」に対応づけて、当該ＫＰＩ１−１「客単価」に関する分析情報を表示する領域（以下、第１分析情報表示領域と表記）３０３ａが設けられている。この第１分析情報表示領域３０３ａには、例えばＫＰＩ１−１「客単価」の現状値、実績値（ＫＰＩ実績データ）、値域及び改善予測値（改善期待値）等のうちの少なくとも１つが分析情報として表示されればよい。なお、図１５に示す例では、第１分析情報表示領域３０３ａには、直近（例えば、６か月分）の月毎のＫＰＩ１−１「客単価」の実績値、値域（最高値、最低値及び平均値）及び改善予測値等を含む分析情報がグラフ形式で表示されている。ユーザは、このような第１分析情報表示領域３０３ａに表示された分析情報を参照しながら重要ＫＰＩを選択することができる。

なお、上記した第１分析情報表示領域３０３ａに分析情報として表示される現状値、値域及び改善予測値等は、ステップＳ４の処理（重要ＫＰＩ候補抽出処理）が実行された際にソリューション選定支援装置１０の内部に保持されていればよい。

ここでは図１５においては重要ＫＰＩ候補として抽出されたＫＰＩ１−１「客単価」をユーザが重要ＫＰＩとして選択する例について説明したが、図１６に示す第３ツリー構造表示画面３０３のように、ユーザは重要ＫＰＩ候補として抽出されていないＫＰＩ２−３「閉店準備時総労働時間」等を重要ＫＰＩとして選択しても構わない。

上記したようにユーザによってＫＰＩ１−１「客単価」が重要ＫＰＩとして選択された場合、当該重要ＫＰＩに影響を与える複数の要因を対象として図３に示すステップＳ６及びＳ７に示す処理が実行される。この場合、図１５に示す第３ツリー構造表示画面３０３は、図１７に示す画面（以下、第４ツリー構造表示画面と表記）３０４に遷移する。

上記したようにＫＰＩ１−１「客単価」が重要ＫＰＩとして選択された場合、第４ツリー構造表示画面３０４には、上記したＫＧＩ及びＫＰＩに加えて、当該ＫＰＩ１−１「客単価」に影響を与える要因１「品切件数」、要因２「商品種類」及び要因３「商品価格（平均商品価格）」が表示される。

ここで、図３に示すステップＳ６において重要要因候補として要因３「商品価格」が抽出されたものとすると、図１７に示す第４ツリー構造表示画面３０４には、当該要因３「商品価格」が他の要因と区別可能な態様で表示される。図１７においては、例えば要因３「商品価格」の現状値が強調表示される例が示されているが、当該要因３「商品価格」（ノード）を他の要因よりも大きく表示するようにしてもよい。

また、第４ツリー構造表示画面３０４には、重要要因候補として抽出された要因３「商品価格」に対応づけて、当該要因３「商品価格」に関する分析情報を表示する領域（以下、第２分析情報表示領域と表記）３０４ａが設けられている。この第２分析情報表示領域３０４ａには、例えば要因３「商品価格」の最適値等が分析情報として表示されればよい。図１７に示す例では、第２分析情報表示領域３０４ａには、上記した図１０に示すような要因２「商品種類」及び要因３「商品価格」の最適値の組み合わせを表す情報が表示されている。

なお、上記した第２分析情報表示領域３０４ａに分析情報として表示される最適値等は、ステップＳ６の処理（重要要因候補抽出処理）が実行された際にソリューション選定支援装置１０の内部に保持されていればよい。

ここで、上記した第４ツリー構造表示画面３０４が表示された場合、ユーザは、第２分析情報表示領域３０４ａに表示された分析情報を参照して、ソリューションを選定する対象となる要因を重要要因として選択することができるものとする。重要要因候補として抽出された要因３「商品価格」がユーザによって選択されたものとすると、図１７に示す第４ツリー構造表示画面３０４は、図１８に示す画面（以下、第５ツリー構造表示画面と表記）３０５に遷移する。

図１８に示すように、第５ツリー構造表示画面３０５においては、ユーザによって重要要因として選択された要因３「商品価格」を改善するためのソリューション（図４及び図５に示すソリューション５及び６）として例えば「値下げ」及び「値上げ」が表示される。

本実施形態においては、上記したような第１〜第５ツリー構造表示画面３０１〜３０５が順次表示されることによって、ユーザは、ソリューション選定支援装置１０によって抽出された重要ＫＰＩ候補及び重要要因候補を参考にして、ＫＧＩ「人時売上高」を改善するための適切なソリューションを選定することができる。

すなわち、本実施形態においては、ＫＧＩ「人時売上高」を改善するためのソリューションをワンステップで選定せず、重要ＫＰＩの抽出（現状分析）、重要要因の抽出（原因分析）及びソリューションの選定の順で段階的な分析（効果予測）を行うことにより、最終的に選定するソリューションの妥当性を向上させることができる。

また、本実施形態においては、ＫＧＩ、ＫＰＩ及び要因の関係性をツリー形式で可視化する構成であるため、ソリューションの選定に関してユーザは直観的に現状等を把握することが可能となる。

更に、本実施形態においては、上記したように重要ＫＰＩ候補または重要要因候補に関する分析情報が表示されるため、ユーザは、当該分析情報に基づいて適切な重要ＫＰＩまたは重要要因を選択することができる。

なお、ユーザによる適切なソリューションの選定を支援することができるのであれば、ソリューション選定支援装置１０に表示される画面は、本実施形態において説明したツリー構造表示画面以外であってもよい。

更に、本実施形態においては図３に示すように重要ＫＰＩ候補抽出処理及び重要要因候補抽出処理が順次実行されるものとして説明したが、本実施形態に係るソリューション選定支援装置１０は、当該重要ＫＰＩ候補抽出処理及び重要要因候補抽出処理のうちの一方のみを実行する構成であっても構わない。なお、重要ＫＰＩ候補抽出処理のみが実行される構成の場合には、ユーザは、重要ＫＰＩ候補抽出処理において抽出された重要ＫＰＩ候補を参考にして、当該重要ＫＰＩ候補に影響を与える要因及び当該要因を改善するためのソリューションを選定すればよい。一方、重要要因候補抽出処理のみが実行される構成の場合には、ユーザは、例えば当該ユーザによって選定されたＫＰＩに影響を与える複数の要因のうち重要要因候補抽出処理において抽出された重要要因候補を参考にして、当該重要要因候補を改善するためのソリューションを選定すればよい。

なお、本実施形態においてはソリューション選定支援装置１０が１つの装置であるものとして説明したが、本実施形態に係るソリューション選定支援装置１０は、例えば図１に示す各部１１〜１９が分散して配置された複数の装置によって実現されても構わない。

また、ソリューション選定支援装置１０に含まれている各格納部１１〜１５は、当該ソリューション選定支援装置１０の外部のサーバ装置（例えば、クラウドサーバ）等に設けられていてもよい。

本発明のいくつかの実施形態を説明したが、これらの実施形態は、例として提示したものであり、発明の範囲を限定することは意図していない。これら実施形態は、その他の様々な形態で実施されることが可能であり、発明の要旨を逸脱しない範囲で、種々の省略、置き換え、変更を行うことができる。これら実施形態やその変形は、発明の範囲や要旨に含まれると同様に、特許請求の範囲に記載された発明とその均等の範囲に含まれるものである。

１０…ソリューション選定支援装置、１１…ツリー構造情報格納部、１２…ＫＰＩ実績格納部、１３…ＫＰＩ改善実績格納部、１４…要因実績格納部、１５…要因改善実績格納部、１６…取得部、１７…ＵＩ部、１８…ＫＰＩ抽出部、１９…要因抽出部、１０１…ＣＰＵ、１０２…不揮発性メモリ、１０３…主メモリ、１０４…ＢＩＯＳ−ＲＯＭ、１０５…システムコントローラ、１０６…入力デバイス、１０７…表示デバイス、１０８…通信デバイス、１０９…ＥＣ。

Claims (13)

1. ビジネスにおいて達成すべき目標を指し示す指標であるＫＧＩを改善するためのソリューションの選定を支援するソリューション選定支援装置のコンピュータによって実行されるプログラムであって、
   前記コンピュータに、
   前記ＫＧＩを算出するための指標であるＫＰＩの現状値を取得するステップと、
   前記ＫＰＩの過去の実績値を示す第１実績データに基づいて、当該ＫＰＩが取り得る値の範囲を含む当該ＫＰＩの値域を抽出するステップと、
   前記ソリューションを変更することによって過去に前記ＫＰＩの値が改善した実績を示す第２実績データに基づいて生成された第１統計モデルに前記ＫＰＩの現状値及び前記ＫＰＩの値域を入力することによって、前記ＫＰＩの値域に基づく目標値に対して当該ＫＰＩの現状値が達することができる第１割合を算出するステップと、
   前記ＫＰＩの現状値、前記ＫＰＩの値域に基づく目標値及び前記第１割合に基づいて前記ＫＰＩの期待値を算出するステップと、
   前記ＫＰＩの期待値に基づいて前記ＫＧＩの予測値を算出するステップと、
   前記ＫＧＩの予測値に基づいて前記ＫＰＩを重要ＫＰＩ候補としてユーザに提示するステップと
   を実行させるためのプログラム。
2. 前記ＫＰＩの値域に基づく目標値は、前記ＫＰＩの値域に含まれる範囲の値のうち前記ＫＧＩの値を最も改善することができる値である請求項１記載のプログラム。
3. 前記取得するステップ、前記抽出するステップ、前記第１割合を算出するステップ、前記ＫＰＩの期待値を算出するステップ及び前記ＫＧＩの予測値を算出するステップの処理は、前記ＫＧＩの値を算出するための指標である複数のＫＰＩの各々に対して実行され、
   前記提示するステップは、前記複数のＫＰＩの各々に対して算出された前記ＫＧＩの予測値が上位のＫＰＩを前記重要ＫＰＩ候補として前記ユーザに提示するステップを含む
   請求項１記載のプログラム。
4. 前記第１割合は、前記ＫＰＩの現状値が前記ＫＰＩの値域に基づく目標値に遠いほど高く、前記ＫＰＩの現状値が前記ＫＰＩの値域に基づく目標値に近いほど低く算出される請求項１記載のプログラム。
5. 前記コンピュータに、
   前記ＫＰＩに影響を与える要因の現状値を取得するステップと、
   前記要因の過去の実績値を示す第３実績データに基づいて、当該要因が取り得る値の範囲を含む当該要因の値域を抽出するステップと、
   前記第１及び第３実績データに基づいて生成された第２統計モデルに前記要因の値域を入力することによって、前記ＫＰＩの値を最大にする当該要因の最適値を算出するステップと、
   前記ソリューションを変更することによって過去に前記要因の値が改善した実績を示す第４実績データに基づいて生成された第３統計モデルに前記要因の現状値、前記要因の値域及び前記要因の最適値を入力することによって、前記要因の最適値に対して当該要因の最適値が達することができる第２割合を算出するステップと、
   前記要因の現状値と前記要因の最適値との差分が前記要因の値域に占める比率及び前記第２割合に基づいて、前記要因の期待値を算出するステップと
   を更に実行させ、
   前記提示するステップは、前記要因の期待値に基づいて当該要因を重要要因候補として前記ユーザに更に提示するステップを含む
   請求項１記載のプログラム。
6. 前記要因の現状値を取得するステップ、前記要因の値域を抽出するステップ及び前記要因の最適値を算出するステップ、前記第２割合を算出するステップ及び前記要因の期待値を算出するステップの処理は、前記ＫＰＩに影響を与える複数の要因の各々に対して実行され、
   前記提示するステップは、前記複数の要因の各々に対して算出された期待値が上位の要因を前記重要要因候補として前記ユーザに提示するステップを含む
   請求項５記載のプログラム。
7. 前記要因の期待値を算出するステップは、前記ＫＰＩの値を最大にする複数の要因の最適値の組み合わせを算出するステップを含む請求項６記載のプログラム。
8. 前記提示するステップは、
   前記ＫＧＩ、前記ＫＰＩ及び前記要因の関係性をツリー形式で提示するステップと、
   前記重要ＫＰＩ候補として提示されたＫＰＩが前記ユーザによって選択された場合に、当該ＫＰＩに影響を与える要因を前記重要要因候補として提示するステップと
   を含む
   請求項５記載のプログラム。
9. 前記提示するステップは、前記重要要因候補として提示された要因が前記ユーザによって選択された場合に、当該要因を改善するためのソリューションを提示するステップを含む請求項８記載のプログラム。
10. 前記提示するステップは、前記重要ＫＰＩ候補として提示されたＫＰＩに対応づけて、前記ＫＰＩの現状値、前記第１実績データ、前記ＫＰＩの値域及び前記ＫＰＩの期待値のうちの少なくとも１つを提示するステップを含む請求項８記載のプログラム。
11. 前記提示するステップは、前記重要要因候補として提示された要因に対応づけて、前記要因の最適値を提示するステップを含む請求項１０記載のプログラム。
12. ビジネスにおいて達成すべき目標を指し示す指標であるＫＧＩを改善するためのソリューションの選定を支援する方法であって、
    前記ＫＧＩを算出するための指標であるＫＰＩの現状値を取得するステップと、
    前記ＫＰＩの過去の実績値を示す第１実績データに基づいて、当該ＫＰＩが取り得る値の範囲を含む当該ＫＰＩの値域を抽出するステップと、
    前記ソリューションを変更することによって過去に前記ＫＰＩの値が改善した実績を示す第２実績データに基づいて生成された第１統計モデルに前記ＫＰＩの現状値及び前記ＫＰＩの値域を入力することによって、前記ＫＰＩの値域に基づく目標値に対して当該ＫＰＩの現状値が達成することができる第１割合を算出するステップと、
    前記ＫＰＩの現状値、前記ＫＰＩの値域に基づく目標値及び前記第１割合に基づいて前記ＫＰＩの期待値を算出するステップと、
    前記ＫＰＩの期待値に基づいて前記ＫＧＩの予測値を算出するステップと、
    前記ＫＧＩの予測値に基づいて前記ＫＰＩを重要ＫＰＩ候補としてユーザに提示するステップと
    を具備する方法。
13. ビジネスにおいて達成すべき目標を指し示す指標であるＫＧＩを改善するためのソリューションの選定を支援するソリューション選定支援装置において、
    前記ＫＧＩを算出するための指標であるＫＰＩの現状値を取得する取得手段と、
    前記ＫＰＩの過去の実績値を示す第１実績データに基づいて、当該ＫＰＩが取り得る値の範囲を含む当該ＫＰＩの値域を抽出する抽出手段と、
    前記ソリューションを変更することによって過去に前記ＫＰＩの値が改善した実績を示す第２実績データに基づいて生成された第１統計モデルに前記ＫＰＩの現状値及び前記ＫＰＩの値域を入力することによって、前記ＫＰＩの値域に基づく目標値に対して当該ＫＰＩの現状値が達成することができる第１割合を算出する第１算出手段と、
    前記ＫＰＩの現状値、前記ＫＰＩの値域に基づく目標値及び前記第１割合に基づいて前記ＫＰＩの期待値を算出する第２算出手段と、
    前記ＫＰＩの期待値に基づいて前記ＫＧＩの予測値を算出する第３算出手段と、
    前記ＫＧＩの予測値に基づいて前記ＫＰＩを重要ＫＰＩ候補としてユーザに提示する提示手段と
    を具備するソリューション選定支援装置。

Images