JP2021163122A - コンサルティング支援システム、コンサルティング支援方法 - Google Patents

Abstract

【課題】ドメインにおける語句の定義の違いを解決してトピックモデルを用いた分析を行うコンサルティング支援システム及びコンサルティング支援方法を提供する。【解決手段】コンサルティング支援システム１０００のコンサルティングサーバ１００は、ユーザ企業が有するユーザデータから得られたユーザトピックモデル１１１１と、ユーザ企業以外の外部公開データから得られた外部トピックモデル１１１２と、これらのモデルの関連度を判定するための基準となる混合トピックモデル１１１３と、を生成するトピックモデル生成部１１２と、これらのモデルが有するトピック間の距離に基づいてフィードバックトピックと外部トピックを特定するトピックモデル分析部１１１と、特定されたフィードバックトピックと外部トピックを対応付けてフィードバックリポジトリ１０９に登録するフィードバック学習部１１０と、を有する。【選択図】図１

Description

本発明は、コンサルティング支援システム、コンサルティング支援方法に関する。

従来から、トピックモデルを用いてユーザに対するコンサルティングを行う様々な技術が存在する。例えば、特許文献１では、あるＷｅｂサイト（ドメイン）におけるユーザの行動とそのサイトの情報をトピックモデルで分析して商品やサービスをリコメンドし、トピックモデルで分析した当該ドメインでの特徴を、他のドメインでも活用可能としている。

特開２０１６−７６０９７号公報

特許文献１では、ドメイン群ごとに異なるユーザプロファイルを抽出することで行動予測精度を向上させ、トピックモデルで分析したドメインでの特徴を、他のドメインでも活用可能としている。しかし、ドメインにおける語句の定義の違いを克服するにあたり、ドメイン毎に語句の定義を合わせる必要がある。この方法では、他のドメインを訪問する際に、都度トピックモデルを作成しなければならない。即ち、語句の辞書はアドホックであり、その分析や知見を蓄積して活用する、つまりフィードバックすることで、トピックモデルを用いた分析を行う場合に、ドメインにおける語句の定義の違いを如何に解決するかという着想については開示されていない。更に、元ドメインの所有者が新しい他のドメインの所有者に対してリコメンドシステムの導入時に上流工程において、過去にリコメンドを導入したドメインで得た語句間の定義の違いを解決した辞書を活用したコンサルティングを行うことができない。

本発明の一側面としては、ドメインにおける語句の定義の違いを解決してトピックモデルを用いた分析を行うことが可能なコンサルティング支援システム、コンサルティング支援方法を提供することを目的とする。

本発明にかかるコンサルティング支援システムは、ユーザ企業が有するユーザ公開データとユーザ非公開データとを含むユーザデータから得られたユーザトピックモデルと、前記ユーザ企業以外の他の外部において公開されている外部公開データから得られた外部トピックモデルと、前記外部トピックモデルと前記ユーザトピックモデルとの関連度を判定するための基準となる混合トピックモデルと、を生成するトピックモデル生成部と、前記混合トピックモデルが有するトピックと前記ユーザトピックモデルが有するトピックとの距離が閾値以下となるトピックであるフィードバックトピックを前記ユーザトピックモデルの中から特定し、前記混合トピックモデルが有するトピックと前記外部トピックモデルが有するトピックとの距離が閾値以下となるトピックである外部トピックを前記外部トピックモデルの中から特定するトピックモデル分析部と、特定された前記フィードバックトピックと前記外部トピックとを対応付けてフィードバックリポジトリに登録するフィードバック学習部と、を有することを特徴とするコンサルティング支援システムとして構成される。

本発明の一態様によれば、ドメインにおける語句の定義の違いを解決してトピックモデルを用いた分析を行うことができる。

本実施の形態におけるコンサルティング支援システムの構成例を示す図である。 外部公開データに含まれる省庁オープンデータの例を示す図である。 建設機械輸出額データの例を示す図である。 石炭生産量推移データの例を示す図である。 ユーザ企業の売上データの例を示す図である。 フィードバックリポジトリの例を示す図である（初期状態）。 フィードバックリポジトリの例を示す図である（更新後）。 分析処理の処理手順を示すフローチャートである。 図８に示したＳ８１２、Ｓ８２０の処理の詳細手順を示すフローチャートである。 図８に示したＳ８２４の処理の詳細手順を示すフローチャートである。 図８に示したＳ８１５〜Ｓ８１９の処理の詳細手順を示すフローチャートである。 分析設定部が、分析結果を表示部に表示した画面の例を示す図である。 Ｓ８１５〜Ｓ８１９の処理を説明するための概念図である。 関連データ収集部が収集したトピックモデルやデータ、これらの関連性を説明するための概念図である。

以下に添付図面を参照して、本発明にかかるコンサルティング支援システム、コンサルティング支援方法の実施の形態を詳細に説明する。

図１は、本実施の形態におけるコンサルティング支援システムの構成例を示す図である。図１に示すように、コンサルティング支援システム１０００は、コンサルティングを受けるユーザ企業が管理するコンピュータであるユーザサーバ２００と、ユーザ企業以外の他の外部において公開されている外部公開データ３００とを用いて、上記ユーザ企業にコンサルティングを行うためのコンサルティングサーバ１００を有している。コンサルティングサーバ１００は、ユーザサーバ２００との間でネットワークＮ１を介して接続され、外部公開データ３００が記憶されているクラウドやサーバとの間でネットワークＮ２を介して接続されている。以下では、各処理をコンサルティングサーバ１００が実行する前提で説明しているが、１または複数のサーバが各処理を実行してもよいし、コンサルティングサーバ１００と同様の機能を有したクラウドが各処理を実行してもよい。

コンサルティングサーバ１００における各処理は、プログラムの実行により実現される。コンサルティングサーバ１００は、ＣＰＵ（Central Processing Unit）、ＲＯＭ（Read Only Memory）、ＲＡＭ（Random Access Memory）、ＨＤＤ(Hard Disk Drive)、ＮＩＣ（Network Interface Card）といった、通信可能なコンピュータが備える一般的な構成を有し、ＣＰＵが、ＲＯＭからプログラムを読み出して実行することにより、各処理を実行する機能部の機能が実現される。上記プログラムは、ＵＳＢ(Universal Serial Bus)メモリ等の記憶媒体から読み出されたり、ネットワークを介した他のコンピュータからダウンロードする等して、コンサルティングサーバ１００に提供されてもよい。

コンサルティングサーバ１００は、ユーザ企業が有するユーザサーバ２００からの要求（例えば、課題解決要求）を受けて、当該課題に対する解決策を提示するためのサーバであり、ハードウェアとしては一般的なコンピュータから構成される。ネットワークＮ１、Ｎ２は、有線、無線を問わず、インターネット等の一般的な公衆回線網から構成される。

コンサルティングサーバ１００は、ユーザサーバ２００から本システムで用いるユーザ企業が有する各種のユーザデータを取得するためのユーザデータ取得部１０１と、外部公開データ３００を取得するための外部データ取得部１０２と、これらのデータおよび後述するフィードバックリポジトリ１０９とを用いて、所定の分析手法（例えば、ＳＷＯＴ分析、ファイブフォース分析等の事業戦略を立案するための分析手法）に基づくユーザ企業の分析処理を行い、その結果を表示部１０４に表示する分析設定部１０３と、分析設定部１０３による分析の結果が所定の閾値を超えた場合のアラート情報を出力するアラート処理部１０５と、アラート情報に関連するデータ（例えば、トピックモデルやその元となるデータ）をトピックモデル分析部１１１から収集する関連データ収集部１０６と、関連データ収集部１０６が収集したデータを可視化した可視化データやトピックモデルのトピック名を決定する際の主要な語句となるキーワードを表示するためのキーワード表示データ（以下、提供用データ）を生成して出力するための関連データ表示制御部１０７と、関連データ表示制御部１０７により生成された提供用データをユーザサーバ２００に送信するデータ送信部１０８と、を有する。

具体的には後述するが、ユーザデータには、ユーザ企業が一般に開示しているデータであるユーザ公開データと、ユーザ企業が一般に開示していないデータであるユーザ非公開データとを含む。以下では、ユーザ公開データの一例として、ユーザ企業が投資家に向けて発信する、経営状況や財務状況、業績動向（例えば、決算データの推移）に関するＩＲ（Investor Relations）データ２０１１を用いて説明するが、これ以外にも、ユーザ企業のアニュアルレポート２０１２をはじめ、各ユーザ企業が一般に開示する様々なデータをユーザ公開データに含めてよい。ＩＲデータ２０１１には、ユーザ企業の経営状況や財務状況、業績動向を示す経営指標のほか、ユーザ企業が属する業種や業界の名称、ユーザ企業の決算データ、ユーザ企業が展開する店舗や支店の数、ユーザ企業の経営目標等、ユーザ企業が定期または不定期で開示する各種データが含まれる。例えば、ＩＲデータ２０１１には、ユーザ企業の国別売上（北米：１３００億円、中国：１２００億円・・・といった各国における製品の売上金額など）が含まれ、アニュアルレポート２０１２には、例えば、建設機械ごとの販売事業目標額、レンタル事業目標額・・・といったユーザ企業の経営目標が含まれる。

また、以下では、ユーザ非公開データの一例として、ＩＲデータ２０１１の根拠となるユーザ企業の売上データ２０２３を用いて説明するが、これ以外にも、例えば、ユーザ企業の財務状況に関する財務データ２０２１、ユーザ企業の経理に関する会計データ２０２２、ユーザ企業の製品販売顧客を示す顧客データ２０２４、ユーザ企業が製造する製品の在庫状況に関する在庫データ２０２５、ユーザ企業が製造する製品の製造状況を示す製品データ２０２６をはじめ、ユーザ公開データの元となるデータであって、各ユーザ企業が一般に開示しない様々なデータをユーザ非公開データに含めてよい。

コンサルティングサーバ１００は、さらに、ユーザデータ取得部１０１が取得した各種ユーザデータからユーザトピックモデル１１１１を生成し、外部データ取得部１０２が取得した外部公開データから外部トピックモデル１１１２を生成し、上記ユーザ各種データと上記外部公開データとから混合トピックモデル１１１３を生成するトピックモデル生成部１１２と、トピックモデル生成部１１２が生成した各トピックモデルが有する項目の関連性を判断し、所定の条件を満たした項目のトピック名を抽出するトピックモデル分析部１１１と、トピックモデル分析部１１１が抽出したトピック名を後述するフィードバックリポジトリ１０９に追加するフィードバック学習部１１０と、を有する。本システムが有する各サーバおよびこれらの各部が実行する具体的な処理については後述する。なお、矢印は主にデータの流れを示している。

以下では、外部公開データの一例として、各省庁が一般に開示している省庁オープンデータ３０２を用いて説明するが、これ以外にも、例えば、政府ＣＩＯポータルに登録されている政府ＣＩＯデータ３０１、気象庁が公開している全国各地の気象データ３０３、企業の信用調査に関する信用調査データ３０４、政府統計等の調査レポート３０５、政府や各企業に関する様々なニュースが掲載されたニュース記事データ３０６をはじめ、ユーザ企業以外の政府や企業が一般に開示する様々なデータを外部公開データに含めてよい。続いて、本システムで用いられるデータについて説明する。まず、外部公開データ３００について説明する。

図２は、外部公開データ３００に含まれる省庁オープンデータ３０２の例を示す図である。省庁オープンデータ３０２は、各省庁が一般に開放しているデータである。図２では、省庁オープンデータ３０２の一例として、建設機械の日本の輸出額に関するデータ（以下、建設機械輸出額データ）３０２１を示している。図２では、２００７年、２０１２年、２０１７年のそれぞれの年度において、日本からアジアをはじめとする各地域への建設機械の輸出額が示されていることがわかる。

さらに、図３に示すように、建設機械輸出額データ３０２１は、建設機械別の出荷額の推移を示すデータ（以下、機械別出荷推移データ）３０２１１を含んでいる。図３では、２００７年、２０１２年、２０１７年のそれぞれの年度において、トラクタや油圧ショベルといった建設機械ごとに、各年度の国内出荷額と輸出額とこれらの小計が示されていることがわかる。

このほか、省庁オープンデータ３０２には、図４に示すように、世界の石炭生産量の推移を示すデータ（以下、石炭生産量推移データ）３０２２が含まれる。図４では、２００５年から２０１５年までの各年度において、中国や米国をはじめとする世界各国における石炭生産量と年度ごとの合計が示されていることがわかる。続いて、ユーザデータについて説明する。

図５は、ユーザデータに含まれるユーザ公開データの一例として、ユーザ企業の売上データ２０２３を示している。図５では、売上情報を示す番号（＃）と、当該番号で示される売上情報に記録された売り上げた製品名と、製品のカテゴリを示す製品カテゴリと、当該製品カテゴリの製品を購入した顧客の顧客名と、当該顧客が行っている事業の業種や業界とが対応付けて記憶されていることがわかる。例えば、図５では、番号１（＃１）の顧客は、業種が建築工事業に属する国内企業である「株式会社高層ビル建設」であり、製品カテゴリが「クレーン」である製品「クレーンＡ型」を購入し、その売り上げが計上されたことを示している。売上データ２０２３は、ＩＲデータ２０１１として記憶されているユーザ企業の売り上げデータの根拠や内訳を示すものである。後述するように、ユーザトピックモデルが生成される際に、製品カテゴリ「クレーン」、「ブルドーザ」は、それぞれ、トピック名「ビル建設機械」、「掘削機械」としてトピックモデル処理が行われる。続いて、コンサルティングサーバ１００が保持するフィードバックリポジトリ１０９について説明する。

図６、７は、フィードバックリポジトリ１０９の例を示す図である。フィードバックリポジトリ１０９は、外部公開データとして公開されている各ドメインで用いられている語句の定義の違いを吸収して解決し、外部トピックモデル１１１２のトピックとユーザトピックモデル１１１１のトピックとを関連付けるためのデータベースである。図６は、後述する処理において更新される前のフィードバックリポジトリ１０９ａの例であり、図７は、後述する処理において更新された後のフィードバックリポジトリ１０９ｂの例である。

図６、７に示すように、フィードバックリポジトリ１０９は、レコードの連番（＃）と、外部トピックモデル１１１２で定義されたトピック名である外部トピック名と、本リポジトリで定義されるトピック名であるフィードバックトピック名と、フィードバックトピック名の元となるユーザデータやユーザ企業が属する業種や業界を示すデータドメインとが対応付けて記憶されている。図６は、初期状態のフィードバックリポジトリ１０９ａであるため、これらの各項目には、外部トピックモデル１１１２と同様の内容が記憶されている。図７に示すフィードバックリポジトリ１０９ｂでは、以下に示す処理を実行することで、フィードバックトピック名として、外部トピック名に対応付けて、ユーザトピックモデル１１１１のトピック名が新たに追加されている。図７では、例えば、ユーザトピックモデル１１１１のトピック名である「ビル建設機械」が、外部トピック名「建設機械」に対応付けて、連番「ｎ．１」として記憶されていることがわかる。また、追加されたフィードバックトピック名は、ユーザトピックモデル１１１１の中の建設業界に関するトピックモデルに属したトピックのデータドメイン名が記憶されている。具体的な処理については後述するが、フィードバックリポジトリ１０９にこのような関連性を対応付けて記憶し、蓄積していくことにより、ユーザデータで用いられている語句の定義と、同じ意味の語句であっても業種や業界ごとに異なる語句が用いられている外部公開データでの語句の定義の違いを吸収して解決するとともに、ユーザトピックモデルのトピックに含まれる項目が、ユーザがこれまで気づくことのなかった外部トピックモデルのトピックに含まれる項目に関連性がある、との気づきを得ることができる。

図８は、本システムで行われるユーザ企業に対してコンサルティングの際に行われる分析処理の処理手順を示すフローチャートである。図８に示すように、まず、外部データ取得部１０２は、図１に示したような外部公開データ３００を取得して内部メモリ（不図示）にコピーし、当該外部公開データ３００を記憶する（Ｓ８０１）。これにより、政府や省庁、また調査機関が公開している情報を外部データとして蓄積することができる。例えば、外部公開データ３００は、政府ＣＩＯデータ３０１ａ、省庁オープンデータ３０２ａ、気象データ３０３ａ、信用調査データ３０４ａ、調査レポート３０５ａ、ニュース記事データ３０６ａとして記憶される。

続いて、ユーザデータ取得部１０１は、ユーザサーバ２００から図１に示したようなユーザデータを取得し、ユーザデータに含まれるユーザ公開データを内部メモリ（不図示）にコピーし、記憶する（Ｓ８０２）。このとき、ユーザデータ取得部１０１は、ＩＲデータ２０１１やアニュアルレポート２０１２から、当該ユーザ企業の経営指標のほか、ユーザ企業が属する業種や業界の名称、ユーザ企業の売上データや決算データ、ユーザ企業が展開する店舗や支店の数等の各種データを読み取る。例えば、ユーザ公開データは、ＩＲデータ２０１１ａアニュアルレポート２０１２ａとして記憶される。

また、ユーザデータ取得部１０１は、ユーザデータとして、ユーザ企業の内部データであるユーザ非公開データが含まれているか否かを判定し（Ｓ８０３）、ユーザデータにユーザ非公開データが含まれていると判定した場合（Ｓ８０３；Ｙｅｓ）、当該ユーザ非公開データを内部メモリ（不図示）にコピーし、記憶する（Ｓ８０４）。例えば、ユーザデータ取得部１０１は、当該ユーザ非公開データとして、ＩＲデータ２０１１やアニュアルレポート２０１２の根拠となった当該ユーザ企業の売上データを記憶する。一方、ユーザデータ取得部１０１は、ユーザデータにユーザ非公開データが含まれていないと判定した場合（Ｓ８０３；Ｎｏ）、何もせずにＳ８０５に進む。

トピックモデル生成部１１２は、Ｓ８０３またはＳ８０４が終了すると、ユーザデータ（ユーザ非公開データが含まれる場合は当該ユーザ非公開データを含むユーザデータ）からユーザトピックモデル１１１１を生成し（Ｓ８０５）、トピックモデル分析部１１１に登録する（Ｓ８０６）。ユーザトピックモデルを生成する手法については、ＬＤＡ（Latent Dirichlet Allocation）、ＰＬＳＩ（Probabilistic Latent Semantic Indexing）、ＬＳＩ（Latent Semantic Index）等、従来から知られている手法を用いることができる。

また、トピックモデル生成部１１２は、Ｓ８０４を実行した場合には、ユーザデータと外部公開データから混合トピックモデル１１１３を生成し（Ｓ８０７）、トピックモデル分析部１１１に登録する（Ｓ８０８）。混合トピックモデルを生成する手法については、ユーザトピックモデルを生成する場合と同様、従来から知られている手法を用いることができる。混合トピックモデルは、ユーザトピックモデル１１１１のトピック名と外部トピックモデル１１１２のトピック名との意味的な類似度をトピックモデルの項目間の距離に基づいて判定するための基準となる、ユーザトピックモデル１１１１と外部トピックモデル１１１２との間で共通して用いられるトピックモデルであり、ユーザトピックモデル１１１１と外部トピックモデル１１１２との関連性の有無を判断するために本システム内で用いられるトピックモデルである。

Ｓ８０１において、外部データ取得部１０２が外部公開データ３００を取得して内部メモリ（不図示）に記憶すると、トピックモデル生成部１１２は、外部公開データから外部トピックモデル１１１２を生成し（Ｓ８０９）、トピックモデル分析部１１１に登録する（Ｓ８１０）。外部トピックモデルを生成する手法については、ユーザトピックモデルや混合トピックモデルを生成する場合と同様、従来から知られている手法を用いることができる。

各トピックモデルが登録されると、分析設定部１０３は、ユーザデータに対する分析指標となる項目を内部要因として定義し（Ｓ８１１）、外部公開データに対する分析指標となる項目を外部要因として定義する（Ｓ８１２）。これらの定義は、例えば、分析設定部１０３が、分析者により、コンサルティングサーバ１００が備える入力装置（例えば、キーボード）からユーザデータや外部公開データで保持する項目が指定されることにより定義される。

これらの項目が定義されると、分析設定部１０３は、フィードバックリポジトリ１０９が生成されているか否かを判定し（Ｓ８１３）、フィードバックリポジトリ１０９が生成されていないと判定した場合（Ｓ８１３；Ｎｏ）、ユーザ企業にコンサルティングするために、例えば、ＳＷＯＴ分析、ファイブフォース分析等の事業戦略を立案するための分析手法を選択し、当該分析手法で用いる閾値を定義する（Ｓ８１４）。当該分析手法や閾値の設定は、例えば、分析設定部１０３が、分析者により、コンサルティングサーバ１００が備える上記入力装置からユーザデータや外部公開データで保持する項目が指定されることにより定義される。その後、Ｓ８２１に進み、分析設定部１０３は、Ｓ８１１で定義した内部要因とＳ８１２で定義した外部要因とを軸として、Ｓ８１４で設定した所定の分析手法と当該分析手法で用いる閾値とを用いて分析を行う。

一方、分析設定部１０３は、フィードバックリポジトリ１０９が生成されていると判定した場合（Ｓ８１３；Ｙｅｓ）、フィードバックリポジトリ１０９を読み出し、Ｓ８１２で定義された外部公開データに対する分析指標となる項目を再定義し（Ｓ８２０）、Ｓ８１４に進む。この場合は、分析設定部１０３は、上述した場合と同様、ユーザ企業にコンサルティングするための分析手法を選択し、当該分析手法で用いる閾値を定義した後（Ｓ８１４）、Ｓ８１１で定義した内部要因とＳ８２０で再定義した外部要因とを軸として、Ｓ８１４で設定した所定の分析手法と当該分析手法で用いる閾値とを用いて分析を行う。以下、フィードバックリポジトリ１０９の生成に関する処理について説明する。

Ｓ８０６、Ｓ８０８、Ｓ８１０において、トピックモデル生成部１１２が、ユーザトピックモデル１１１１、外部トピックモデル１１１２、混合トピックモデル１１１３をそれぞれ生成すると、トピックモデル分析部１１１は、各トピックモデルの間で項目間の距離が所定の閾値以下である項目を有するトピック名を特定する（Ｓ８１５）。当該項目間の距離については、例えば、従来から知られている各種のクラスタ分析を用いて算出することができる。

トピックモデル分析部１１１は、上記項目間の距離が所定の閾値以下となる項目を含むトピックのうち、混合トピックモデルのトピック名と当該トピック名の元となる語句であるキーワードとの距離が閾値以下となるトピック名（例えば、トピックの特徴を示す語句がトピック名に含まれるようなトピック名）を特定し、特定した当該トピック名に対応するユーザトピックモデル１１１１のトピック名を抽出する（Ｓ８１６）。上記対応するトピック名とは、例えば、ユーザトピックモデル１１１１のなかで、上記特定した混合トピックモデル１１１３のトピック名あるいはキーワードと同義のトピック名である。

また、トピックモデル分析部１１１は、上記項目間の距離が所定の閾値以下となる項目を含むトピックのうち、混合トピックモデルのトピック名と当該トピック名の元となる語句であるキーワードとの距離が閾値以下となるトピック名（例えば、トピックの特徴を示す語句がトピック名に含まれるようなトピック名）を特定し、特定した当該トピック名に対応する外部トピックモデル１１１２のトピック名および当該トピック名とは異なる外部トピックモデル１１１２のトピック名を抽出する（Ｓ８１７）。上記対応するトピック名とは、例えば、外部トピックモデル１１１２のなかで、上記特定した混合トピックモデル１１１３のトピック名あるいはキーワードと同義のトピック名である。また、上記異なるトピック名とは、例えば、外部トピックモデル１１１２のなかで、上記同義のトピック名以外の、上記特定した混合トピックモデル１１１３のトピック名と意味的に一定以上近いトピック名である。上記意味的に一定以上近いか否かの判定については、ＰＬＳＡ（Probabilistic Latent Semantic Analysis）等、従来から知られている様々な意味解析の手法を用いてよい。ここで、Ｓ８１５〜Ｓ８１９の処理について具体的に説明する。

図１３は、Ｓ８１５〜Ｓ８１９の処理を説明するための概念図である。Ｓ８１５において、トピックモデル分析部１１１は、図示しない混合トピックモデル１１１３を基準として、混合トピックモデル１１１３に含まれるトピックが有する項目と、ユーザトピックモデル１１１１に含まれるトピックが有する項目との距離、および混合トピックモデル１１１３に含まれるトピックが有する項目と、外部トピックモデル１１１２に含まれるトピックが有する項目との距離をそれぞれ算出し、算出した距離が所定の閾値以下となる項目を含むトピックのトピック名を、混合トピックモデル１１１３の中から特定する。これにより、混合トピックモデル１１１３が有する項目の内容を基準として、混合トピックモデル１１１３のトピックと意味的に近い項目を含むユーザトピックモデル１１１１のトピックおよび外部トピックモデル１１１２のトピックを特定することができる。

そして、Ｓ８１６において、トピックモデル分析部１１１は、上記項目間の距離が所定の閾値以下となる項目を含むトピックのうち、混合トピックモデル１１１３のトピック名と当該トピック名の元となる語句であるキーワードとの距離が閾値以下となるトピック名（例えば、トピックの特徴を示す語句がトピック名に含まれるようなトピック名）を特定し、特定した当該トピック名に対応するユーザトピックモデル１１１１のトピック名を抽出する。図１３では、一例として、国別売上トピック１１１１ａ、掘削機械トピック１１１１ｂ、ビル建設機械トピック１１１１ｃ、鉱業トピック１１１１ｄのトピック名が、上記距離が閾値以下となるトピック名に対応するユーザトピックモデル１１１１のトピック名として抽出されている。

さらに、Ｓ８１７において、トピックモデル分析部１１１は、上記項目間の距離が所定の閾値以下となる項目を含むトピックのうち、混合トピックモデルのトピック名と当該トピック名の元となる語句であるキーワードとの距離が閾値以下となるトピック名（例えば、トピックの特徴を示す語句がトピック名に含まれるようなトピック名）を特定し、特定した当該トピック名に対応する外部トピックモデル１１１２のトピック名および当該トピック名とは異なる外部トピックモデル１１１２のトピック名を抽出する。図１３では、一例として、エネルギー（採掘量）トピック１１１２ｂ、輸出機器トピック１１１２ｃ、輸出国トピック１１１２ｄのトピック名が、上記距離が閾値以下となるトピック名に対応する外部トピックモデル１１１２のトピック名として抽出されている。さらに、当該ステップにおいて、トピックモデル分析部１１１は、抽出したトピック名とは上記異なる外部トピックモデル１１１２のトピック名を抽出する。図１３では、一例として、エネルギー（発電量）トピック１１１２ａのトピック名が、エネルギー（採掘量）トピック１１１２ｂのトピック名と意味的に一定以上近いトピック名であると判断され、上記異なる外部トピックモデル１１１２のトピック名として抽出されている。

フィードバック学習部１１０は、Ｓ８１６で抽出されたユーザトピックモデル１１１１のトピック名と、Ｓ８１７で抽出された外部トピックモデル１１１２のトピック名および上記異なる外部トピックモデル１１１２のトピック名とを、互いに関連のあるトピックとして対応付けてフィードバックリポジトリ１０９に追加する（Ｓ８１８）。例えば、図７に示すように、フィードバック学習部１１０は、Ｓ８１６で抽出された鉱業トピック１１１１ｄのトピック名と、Ｓ８１７で抽出されたエネルギー（採掘量）トピック１１１２ｂとが、上記特定した混合トピックモデル１１１３のトピック名あるいはキーワードと同義のトピック名であるため互いに関連のあるトピックであると判断する。そして、フィードバック学習部１１０は、鉱業トピック１１１１ｄのトピック名「鉱業」についてはフィードバックトピック名に記憶し、当該フィードバックトピック名に対応する外部トピック名に、エネルギー（採掘量）トピック１１１２ｂのトピック名「エネルギー（採掘量）」を記憶する。図７では、初期状態の外部トピック名およびフィードバックトピック名「エネルギー」のレコード（連番「ｐ」）の次のレコード（連番「ｐ．１」）として、外部トピック名に「エネルギー（採掘量）」、フィードバックトピック名に「鉱業」が設定されたレコードが、上記レコード（連番「ｐ」）の外部トピック名の別名レコードとして記憶されている。同様に、図７では、初期状態の外部トピック名およびフィードバックトピック名「建設機械」のレコード（連番「ｎ」）の次のレコード（連番「ｎ．１」）として、外部トピック名に「建設機械」、フィードバックトピック名に「ビル建設機械」が設定されたレコードが、上記レコード（連番「ｎ」）の外部トピック名の別名レコードとして記憶されている。

さらに、フィードバック学習部１１０は、トピック名「エネルギー（発電量）」が外部トピック名に設定した「エネルギー（採掘量）」と意味的に一定以上近いトピック名であると判断し、エネルギー（発電量）のトピック名を、上記異なる外部トピックモデル１１１２のトピック名として抽出し、上記レコード（連番「ｐ」）の外部トピック名の別名レコード（連番「ｐ．２」）として記憶されている。当該レコードのフィードバックトピック名「燃料」については、上記同様、エネルギー（発電量）トピック１１１２ａと関連のあるユーザトピックモデル１１１１のトピックのトピック名（図１３では図示しないトピック名「燃料」）が記憶されている。

その後、フィードバック学習部１１０は、上記追加したレコードのデータドメインに、ＩＲデータ２０１１に含まれるユーザ企業やユーザデータが属する業種や業界の名称を設定する（Ｓ８１９）。データドメインは、例えば、フィードバック学習部１１０が、ＩＲデータ２０１１やユーザデータの内容（例えば、タイトル名、項目名）から業種や業界を分析し、上記名称として設定すればよい。

このように、Ｓ８１５〜Ｓ８１９の処理が終了すると、図６に示した初期状態のフィードバックリポジトリ１０９ａから図７に示す学習後のフィードバックリポジトリ１０９ｂに更新される。Ｓ８１９が終了すると、Ｓ８２０に進み、当該更新後のフィードバックリポジトリ１０９に含まれる外部データトピック名のトピックおよびフィードバックトピック名のトピックモデルを用いて、Ｓ８１２で定義された外部公開データに対する分析指標となる項目が再定義される。

そして、分析設定部１０３は、Ｓ８１４で設定した所定の分析手法と当該分析手法で用いる閾値とを用いて分析を行い（Ｓ８２１）、その分析結果をディスプレイ等の表示部１０４に表示する（Ｓ８２２）。

図１２は、分析設定部１０３が、上記分析結果を表示部１０４に表示した画面の例を示す図である。図１２に示すように、分析設定部１０３は、表示部１０４に、分析結果１２０１として、ユーザ企業の会社目標１２０２と、内部要因と外部要因とを軸としたＳＷＯＴ等の分析手法の結果を示す分析表１２０３とを表示する。会社目標１２０２は、例えば、ユーザデータ取得部１０１が取得したユーザデータのユーザ公開データから読み取ればよい。

さらに、分析設定部１０３は、上記分析の結果、Ｓ８１４で設定した閾値を満たさない項目があるか否かを判定する。分析設定部１０３は、Ｓ８１４で設定した閾値を満たさない項目があると判定した場合、当該項目はユーザ企業にとって改善の余地がある項目であると判断し、アラート処理部１０５が、アラートを通知するとともに、Ｓ８２２で表示した分析結果の中で該当する項目を、表示部１０４において選択可能な状態とする（Ｓ８２３）。上記アラートは、例えば、上記分析結果が表示された画面上に、上記閾値を満たさない項目に対して警告を促すためにアラート処理部１０５が出力するメッセージである。

図１２では、分析結果が、ユーザ企業の強みとして分析された海外売上において、ユーザ企業の脅威として分析された中国に対する建設機器輸出額が、閾値（例えば、前年比±ゼロ）に満たない−１．４％となっている。このため、アラート処理部１０５は、上記選択可能な状態にするために、例えば、当該項目（上記中国に対する建設機器輸出額）から当該項目を分析結果として表示するために用いたトピックモデルや元データへのリンクを張る等、当該項目１２０４から元となるデータへのアクセスが可能な状態に設定し、設定後の画面を表示部１０４に表示する。

ここで、分析者からコンサルティングを受けるユーザ企業の担当者が、上記表示部１０４に表示された項目１２０４を選択し、アラート処理部１０５が当該選択を受け付けると、アラート処理部１０５は関連データ収集部１０６を起動し、関連データ収集部１０６は、選択された上記項目１２０４の根拠となる関連データを収集する（Ｓ８２４）。例えば、関連データ収集部１０６は、上記アラートが出力された上記項目１２０４を分析結果として出力するために用いたトピックモデルおよび当該トピックモデルの元となるデータをトピックモデル分析部１１１から収集する。収集されるトピックモデルや上記元となるデータは、例えば、上記項目１２０４の出力に用いた外部トピックモデル１１１２（例えば、輸出機器トピック１１１２ｃ、エネルギー（採掘量）トピック１１１２ｂ、エネルギー（発電量）トピック１１１２ａ）やこれらの元となったデータ（例えば、機械別出荷推移データ３０２１１、石炭生産量推移データ３０２２、国別エネルギー別発電量データ３０３３）、およびユーザトピックモデル１１１１（例えば、鉱業トピック１１１１ｄ、ビル建設機械トピック１１１１ｃ、掘削機械トピック１１１１ｂ）やこれらの元となったデータ（例えば、売上データ２０２３、顧客データ２０２４、製品データ２０２６）である。収集されるトピックモデルには、Ｓ８２０において、分析設定部１０３が、Ｓ８１２で定義された外部公開データに対する分析指標となる項目を再定義した場合には、再定義後の項目を含むトピックモデルや当該トピックモデルの元となるデータを含む。

関連データ表示制御部１０７は、関連データ収集部１０６が収集した上記関連するトピックモデルや上記元となるデータ、およびトピックモデルや上記元となるデータの関連性を、画面を切り替える等して表示部１０４に表示するとともに、関連性の根拠としたトピック名の元となるキーワードを出力して表示する（Ｓ８２５）。関連データ表示制御部１０７は、当該キーワードとして、例えば、混合トピックモデルのトピック名の元となる語句を読み取ったり、当該語句と同義の語句であって外部トピックモデル１１１２やユーザトピックモデル１１１１のトピック名の元となる語句を読み取ればよい。

図１４は、関連データ収集部１０６が収集したトピックモデルやデータ、これらの関連性を説明するための概念図である。図１４では、図１３に示した概念図に示されたトピックモデルやデータのうち、関連データ収集部１０６が収集したトピックモデルやデータ、およびこれらの関連性を抽出して表示した画面１４０１を示している。関連データ表示制御部１０７は、このような情報を表示部１０４の画面上に表示する。

図１４では、関連データ収集部１０６が、機械別出荷推移データ３０２１１、石炭生産量推移データ３０２２、国別エネルギー別発電量データ３０３３を外部トピックモデル１１１２の上記元データとして収集し、売上データ２０２３、顧客データ２０２４、製品データ２０２６をユーザトピックモデル１１１１の上記元となるデータとして収集し、関連データ表示制御部１０７が、収集されたこれらのデータやそのデータを含むトピックモデルを可視化した可視化データやキーワード表示データ（提供用データ）を生成し、表示部１０４の画面上に表示している。また、石炭生産量推移データ３０２２と顧客データ２０２４との間には関連性１３０１があり、機械別出荷推移データ３０２１１と製品データ２０２６との間には関連性１３０２があったことを示している。関連性１３０１および関連性１３０２は、図７に示したフィードバックリポジトリ１０９を参照し、新たに追加されたレコードの外部データトピック名とフィードバックトピック名とを参照し、上記元となるデータを含むトピックモデル同士に関連性があると判断すればよい。図１４では、上記元データ同士に関連性がある場合を例示しているが、トピックモデル間でも同様に考えることができる。また、図１４では、関連データ表示制御部１０７が、「石炭」や「ブルドーザ」といったキーワードを表示している。

その後、データ送信部１０８は、関連データ表示制御部１０７により生成された上記提供用データを、課題分析解決データ２０３１としてユーザサーバ２００に送信する。コンサルティングを受けるユーザ企業の担当者は、サーバ２００が備えた入力装置（例えば、キーボード）を操作する等して、サーバ２００が受け取った上記提供用データを、サーバ２００が備えるディスプレイ等の表示装置である入力表示部２０３に表示し、その内容を確認する。

このように、図７に示したフィードバックリポジトリ１０９に、互いに関連性のある外部トピックモデルのトピック名とユーザトピックモデルのトピック名であるフィードバックトピック名とを対応付けて保持しておき、これらの関連性を画面上に表示する。したがって、外部公開データ３００に基づく外部トピックモデル１１１２を用いた分析だけでは得られない、ユーザ非公開データを含むユーザデータに基づくユーザトピックモデル１１１１との関連性を、ユーザデータと外部公開データとの間で用いられる語句の違いを意識することなく、ユーザ企業の新たな気づきとして提示することができる。

図９は、図８に示したＳ８１２、Ｓ８２０の処理の詳細手順を示すフローチャートである。図９に示すように、分析設定部１０３は、コンサルティングサーバ１００にコピーされた外部公開データ３００のなかで、分析に用いるために分析者から指定されたデータを選択する（Ｓ９０１）。分析設定部１０３は、分析の軸となる外部要因をフィードバックリポジトリ１０９から選択するか否かを判定し（Ｓ９０２）、分析の軸となる外部要因をフィードバックリポジトリ１０９から選択すると判定した場合（Ｓ９０２；Ｙｅｓ）、その時点で生成、更新されているフィードバックリポジトリ１０９の外部トピック名およびドメインを読み出し、読み出した当該外部トピック名およびドメインに対応するトピックモデルおよび当該トピックモデルの元となるデータを外部要因として選択する（Ｓ９０３）。Ｓ９０３で外部要因とするトピックモデルおよび当該トピックモデルの元となるデータが選択されると、Ｓ８１４に進む。Ｓ８１４では、外部要因として選択された外部トピック名のトピックモデルおよび当該トピックモデルの元となるデータを用いて、所定の分析手法と当該分析手法で用いる閾値とを用いて分析が行われることとなる。

図１０は、図８に示したＳ８２４の処理の詳細手順を示すフローチャートである。図１０に示すように、関連データ収集部１０６は、上記アラートが出力された上記項目１２０４を分析結果として出力するために用いたトピックモデルおよび当該トピックモデルの元となるデータをトピックモデル分析部１１１から収集する（Ｓ１００１）。関連データ収集部１０６は、Ｓ８１３の判定結果から、フィードバックリポジトリ１０９を活用するか否かを判定し（Ｓ１００２）、フィードバックリポジトリ１０９を活用すると判定した場合（Ｓ１００２；Ｙｅｓ）、フィードバックリポジトリ１０９の外部トピック名およびドメインを読み出し、読み出した当該外部トピック名およびドメインに対応するトピックモデルおよび当該トピックモデルの元となるデータを、関連データとして収集する（Ｓ１００３）。Ｓ１００３で関連データとする項目が収集されると、Ｓ８２５に進む。

図１１は、図８に示したＳ８１５〜Ｓ８１９の処理の詳細手順を示すフローチャートである。図１１に示すように、まず、トピックモデル分析部１１１は、従来から知られている各種のクラスタ分析を用いて、各トピックモデルの間で項目間の距離が所定の閾値以下である項目を有するトピック名を特定する（Ｓ１１０１）。

トピックモデル分析部１１１は、上記項目間の距離が所定の閾値以下となる項目を含むトピックのうち、混合トピックモデルのトピック名と当該トピック名の元となる語句であるキーワードとの距離が閾値以下となるトピック名に対応するユーザトピックモデル１１１１のトピック名を抽出する（Ｓ１１０２）。例えば、上記距離がゼロであるユーザトピックモデル１１１１のトピック名を、上記キーワードと同義のトピック名として抽出する。

また、トピックモデル分析部１１１は、上記項目間の距離が所定の閾値以下となる項目を含むトピックのうち、混合トピックモデルのトピック名と当該トピック名の元となる語句であるキーワードとの距離が閾値以下となるトピック名に対応する外部トピックモデル１１１２のトピック名および当該トピック名とは異なる外部トピックモデル１１１２のトピック名を抽出する（Ｓ１１０３）。例えば、上記距離がゼロである外部トピックモデル１１１２のトピック名を、上記キーワードと同義のトピック名として抽出するとともに、当該トピック名と意味的に一定以上近いトピック名を上記異なるトピック名として抽出する。

フィードバック学習部１１０は、Ｓ１１０２で抽出されたユーザトピックモデル１１１１のトピック名と、Ｓ１１０３で抽出された外部トピックモデル１１１２のトピック名および上記異なるトピック名とを、互いに関連のあるトピックとして対応付けてフィードバックリポジトリ１０９に別名レコードとして追加する（Ｓ１１０４）。

その後、フィードバック学習部１１０は、上記追加したレコードのドメインに、ＩＲデータ２０１１に含まれるユーザ企業が属する業種や業界の名称を設定する（Ｓ１１０５）。

以上説明したように、本実施例におけるコンサルティング支援システム１０００によれば、トピックモデルを用いた分析を行う場合に、ドメインにおける語句の定義の違いを解決することが可能となる。例えば、図７に示したようなフィードバックリポジトリをシステム上に保持し、外部トピックモデルとユーザトピックモデルとを対応付けておくことで、外部トピックモデルや外部公開データにおける語句の違いを考慮した分析を行い、その結果を提示することができる。

さらに、図１２に示したように、分析結果が芳しくない場合には、その項目を選択可能な状態とし、当該項目が選択された場合には、その項目の根拠となったトピックモデルやそのトピックモデルの元となったデータにアクセス可能とすることで、芳しくないと分析された項目における課題を解決するために必要なデータをリコメンドすることができる。

なお、上記実施例では、図８において、フィードバックリポジトリ１０９を生成、更新するＳ８１５〜Ｓ８１９までの処理を含めて１つの分析処理として説明した。しかし、Ｓ８１５〜Ｓ８１９までの処理を１つのフィードバックリポジトリ生成処理として他の処理とは独立して実行してもよい。

１０００ コンサルティング支援システム
１００ コンサルティングサーバ
２００ ユーザサーバ
Ｎ１、Ｎ２ ネットワーク
１０１ ユーザデータ取得部
１０２ 外部データ取得部
１０３ 分析設定部
１０４ 表示部
１０５ アラート処理部
１０６ 関連データ収集部
１０７ 関連データ表示制御部
１０８ データ送信部
１０９ フィードバックリポジトリ
１１０ フィードバック学習部
１１１ トピックモデル分析部
１１２ トピックモデル生成部
２０１ 公開データ記憶部
２０２ 内部データ記憶部
２０３ 入力表示部
２０４ 表示部

Claims (6)

1. ユーザ企業が有するユーザ公開データとユーザ非公開データとを含むユーザデータから得られたユーザトピックモデルと、前記ユーザ企業以外の他の外部において公開されている外部公開データから得られた外部トピックモデルと、前記外部トピックモデルと前記ユーザトピックモデルとの関連度を判定するための基準となる混合トピックモデルと、を生成するトピックモデル生成部と、
   前記混合トピックモデルが有するトピックと前記ユーザトピックモデルが有するトピックとの距離が閾値以下となるトピックであるフィードバックトピックを前記ユーザトピックモデルの中から特定し、前記混合トピックモデルが有するトピックと前記外部トピックモデルが有するトピックとの距離が閾値以下となるトピックである外部トピックを前記外部トピックモデルの中から特定するトピックモデル分析部と、
   特定された前記フィードバックトピックと前記外部トピックとを対応付けてフィードバックリポジトリに登録するフィードバック学習部と、
   を有することを特徴とするコンサルティング支援システム。
2. 前記ユーザデータに対する分析指標となる項目を内部要因として定義し、前記外部公開データに対する分析指標となる項目を外部要因として定義する分析設定部を有し、
   前記分析設定部は、前記登録されたフィードバックリポジトリを読み出して、前記定義された外部公開データに対する分析指標となる項目を再定義し、所定の分析手法により前記ユーザ企業を分析する処理を行う、
   ことを特徴とする請求項１に記載のコンサルティング支援システム。
3. 前記トピックモデル分析部は、前記混合トピックモデルのトピック名と当該トピック名の元となる語句であるキーワードとの距離が閾値以下となるトピック名に対応する前記ユーザトピックモデルのトピック名を抽出するとともに、前記混合トピックモデルのトピック名と前記キーワードとの距離が閾値以下となるトピック名に対応する外部トピックモデルのトピック名および当該トピック名とは異なる外部トピックモデルのトピック名を抽出し、
   フィードバック学習部は、前記ユーザトピックモデルのトピック名と、前記外部トピックモデルのトピック名および前記異なる外部トピックモデルのトピック名とを、互いに関連のあるトピックとして対応付けて前記フィードバックリポジトリに追加する、
   ことを特徴とする請求項１に記載のコンサルティング支援システム。
4. 前記分析設定部は、前記所定の分析手法により分析した結果を表示部に表示し、
   前記分析した結果が閾値を満たさない場合、アラートを通知するとともに、前記分析した結果の中で該当する項目を、前記表示部において選択可能な状態とするアラート処理部、
   を有することを特徴とする請求項２に記載のコンサルティング支援システム。
5. 前記選択可能な状態とされた前記項目が選択された場合に、選択された前記項目の根拠となる関連データとして、前記アラートが出力された項目を前記分析した結果として出力するために用いたトピックモデルおよび当該トピックモデルの元となるデータを収集する関連データ収集部、
   を有することを特徴とする請求項４に記載のコンサルティング支援システム。
6. コンピュータによりユーザ企業に対するコンサルティングを支援するコンサルティング支援方法であって、
   ユーザ企業が有するユーザ公開データとユーザ非公開データとを含むユーザデータから得られたユーザトピックモデルと、前記ユーザ企業以外の他の外部において公開されている外部公開データから得られた外部トピックモデルと、前記外部トピックモデルと前記ユーザトピックモデルとの関連度を判定するための基準となる混合トピックモデルと、を生成し、
   前記混合トピックモデルが有するトピックと前記ユーザトピックモデルが有するトピックとの距離が閾値以下となるトピックであるフィードバックトピックを前記ユーザトピックモデルの中から特定し、
   前記混合トピックモデルが有するトピックと前記外部トピックモデルが有するトピックとの距離が閾値以下となるトピックである外部トピックを前記外部トピックモデルの中から特定し、
   特定された前記フィードバックトピックと前記外部トピックとを対応付けてフィードバックリポジトリに登録する、
   ことを特徴とするコンサルティング支援方法。

Images