JP2022162668A - 人材管理システム、サーバ、人材管理方法、及びプログラム - Google Patents

Abstract

【課題】複数のシステムから取得した情報を統合して、構成員に対して人材育成に関する提言をする。【解決手段】人材管理システムは、（１）集合研修を管理する第１管理システムから取得された、グループに属する複数の構成員が当該集合研修を受講した状況に関する第１情報、（２）ｅラーニングを管理する第２管理システムから取得された、当該複数の構成員が当該ｅラーニングを受講した状況に関する第２情報、及び（３）当該複数の構成員の属性に関する情報が記録された第１データベースから取得された、当該複数の構成員の属性に関する第３情報に関し、当該第１乃至第３情報の少なくとも一部を目的変数として、別の少なくとも一部を説明変数として、当該目的変数と当該説明変数との相関を分析した結果を用いた第１モデルにアクセスするアクセス手段と、対象構成員が取るべき行動を示す提言情報を、出力先であるユーザに出力する出力手段とを有する。【選択図】図２

Description

本発明は、グループに属する構成員の人材育成を管理する技術に関する。

企業等のグループに属する構成員の教育又は研修等の人材育成を管理する技術が知られている。例えば特許文献１には、ウェブを用いた教育システムにおいて受講計画をナビゲーションする技術が記載されている。

特許４８２３５０９号公報

グループの構成員の人材育成に関する情報は多様であり、研修システムも集合研修及びｅラーニングなど複数のシステムにまたがっている場合があるが、特許文献１に記載の技術においては、これら複数のシステムに分散されている情報を統合して、構成員に対して人材育成に関する提言をすることができなかった。

これに対し本発明は、集合研修を管理するシステム及びｅラーニングを管理するシステムを含む複数のシステムから取得した情報を統合して、構成員に対して人材育成に関する提言をする技術を提供する。

本開示の一態様は、（１）集合研修を管理する第１管理システムから取得された、グループに属する複数の構成員が当該集合研修を受講した状況に関する第１情報、（２）ｅラーニングを管理する第２管理システムから取得された、当該複数の構成員が当該ｅラーニングを受講した状況に関する第２情報、及び（３）当該複数の構成員の属性に関する情報が記録された第１データベースから取得された、当該複数の構成員の属性に関する第３情報に関し、当該第１乃至第３情報の少なくとも一部を目的変数として、別の少なくとも一部を説明変数として、当該目的変数と当該説明変数との相関を分析した結果を用いた第１モデルにアクセスするアクセス手段と、前記複数の構成員のうち提言の対象となる対象構成員を特定する第１特定手段と、前記提言の出力先となるユーザを特定する第２特定手段と、前記第１管理システム、前記第２管理システム、及び前記第１データベースから取得された、前記対象構成員が前記集合研修を受講した状況に関する情報、当該対象構成員が前記ｅラーニングを受講した状況に関する情報、及び当該対象構成員の属性情報の少なくとも一部を説明変数として、前記第１モデルに入力する入力手段と、前記第１モデルから前記入力された説明変数に対応する目的変数の値を取得する取得手段と、前記目的変数の値に応じて、前記対象構成員が取るべき行動を示す提言情報を、前記出力先であるユーザに出力する出力手段とを有する人材管理システムを提供する。

この人材管理システムは、前記第１管理システムから前記第１情報を取得する第１取得手段と、前記第２管理システムから前記第２情報を取得する第２取得手段と、前記第１データベースから前記第３情報を取得する第３取得手段と、前記第１乃至第３情報を用いて、前記目的変数と前記説明変数との相関を分析する分析手段と、前記分析の結果として得られる前記第１モデルを記憶する記憶手段とを有してもよい。

前記分析手段は、多変量解析を用いて前記相関を分析してもよい。

前記分析手段は、前記第１乃至第３情報を教師データとする機械学習を用いて前記相関を分析し、前記第１モデルは機械学習モデルであってもよい。

前記出力手段は、目的変数の名前及び値が入力されると当該入力された目的変数の名前及び値に対応する提言を出力する提言生成手段から得られた前記提言情報を出力してもよい。

前記提言情報は、前記集合研修及び前記ｅラーニングのうち前記対象構成員が受講すべき講座、前記対象構成員が取得すべき資格、及び前記対象構成員が従事すべき業務のうち少なくとも１種を含んでもよい。

この人材管理システムは、目的変数の名前、当該目的変数の値に関する条件、及び当該条件に対応する提言を含むレコードが複数記録された第２データベースを参照して前記提言情報を生成する提言生成手段をさらに有してもよい。

この人材管理システムは、目的変数の名前及び当該目的変数の値を入力層に、当該目的変数の名前及び値の組み合わせに対応する提言を出力層に、教師データとして与えて機械学習をさせた第２モデルを用いて前記提言情報を生成する提言生成手段をさらに有してもよい。

本開示の別の一態様は、集合研修を管理する第１管理システムから取得された、グループに属する複数の構成員が当該集合研修を受講した状況に関する第１情報を取得する第１取得手段と、ｅラーニングを管理する第２管理システムから取得された、前記複数の構成員が当該ｅラーニングを受講した状況に関する第２情報を取得する第２取得手段と、前記複数の構成員の属性に関する情報が記録された第１データベースから取得された、当該複数の構成員の属性に関する第３情報を取得する第３取得手段と、前記第１乃至第３情報の少なくとも一部を目的変数として、別の少なくとも一部を説明変数として、当該目的変数と当該説明変数との相関を分析する分析手段と、前記分析の結果を用いたモデルであって、前記第１乃至第３情報に相当する説明変数が入力されると、当該入力された説明変数に対応する目的変数を出力する出力手段とを有するサーバを提供する。

本開示のさらに別の一態様は、（１）集合研修を管理する第１管理システムから取得された、グループに属する複数の構成員が当該集合研修を受講した状況に関する第１情報、（２）ｅラーニングを管理する第２管理システムから取得された、当該複数の構成員が当該ｅラーニングを受講した状況に関する第２情報、及び（３）当該複数の構成員の属性に関する情報が記録された第１データベースから取得された、当該複数の構成員の属性に関する第３情報に関し、当該第１乃至第３情報の少なくとも一部を目的変数として、別の少なくとも一部を説明変数として、当該目的変数と当該説明変数との相関を分析した結果を用いた第１モデルにアクセスするステップと、前記複数の構成員のうち提言の対象となる対象構成員を特定するステップと、前記提言の出力先となるユーザを特定するステップと、前記第１管理システム、前記第２管理システム、及び前記第１データベースから取得された、前記対象構成員が前記集合研修を受講した状況に関する情報、当該対象構成員が前記ｅラーニングを受講した状況に関する情報、及び当該対象構成員の属性情報の少なくとも一部を説明変数として、前記第１モデルに入力するステップと、前記第１モデルから前記入力された説明変数に対応する目的変数の値を取得するステップと、前記目的変数の値に応じて、前記対象構成員が取るべき行動を示す提言情報を、前記出力先であるユーザに出力するステップとを有する人材管理方法を提供する。

本開示のさらに別の一態様は、集合研修を管理する第１管理システムから取得された、グループに属する複数の構成員が当該集合研修を受講した状況に関する第１情報を取得するステップと、ｅラーニングを管理する第２管理システムから取得された、前記複数の構成員が当該ｅラーニングを受講した状況に関する第２情報を取得するステップと、前記複数の構成員の属性に関する情報が記録された第１データベースから取得された、当該複数の構成員の属性に関する第３情報を取得するステップと、前記第１乃至第３情報の少なくとも一部を目的変数として、別の少なくとも一部を説明変数として、当該目的変数と当該説明変数との相関を分析するステップと、前記分析の結果を用いたモデルであって、前記第１乃至第３情報に相当する説明変数が入力されると、当該入力された説明変数に対応する目的変数を出力するステップとを有する人材管理方法を提供する。

本開示のさらに別の一態様は、コンピュータに、（１）集合研修を管理する第１管理システムから取得された、グループに属する複数の構成員が当該集合研修を受講した状況に関する第１情報、（２）ｅラーニングを管理する第２管理システムから取得された、当該複数の構成員が当該ｅラーニングを受講した状況に関する第２情報、及び（３）当該複数の構成員の属性に関する情報が記録された第１データベースから取得された、当該複数の構成員の属性に関する第３情報に関し、当該第１乃至第３情報の少なくとも一部を目的変数として、別の少なくとも一部を説明変数として、当該目的変数と当該説明変数との相関を分析した結果を用いた第１モデルにアクセスするステップと、前記複数の構成員のうち提言の対象となる対象構成員を特定するステップと、前記提言の出力先となるユーザを特定するステップと、前記第１管理システム、前記第２管理システム、及び前記第１データベースから取得された、前記対象構成員が前記集合研修を受講した状況に関する情報、当該対象構成員が前記ｅラーニングを受講した状況に関する情報、及び当該対象構成員の属性情報の少なくとも一部を説明変数として、前記第１モデルに入力するステップと、前記第１モデルから前記入力された説明変数に対応する目的変数の値を取得するステップと、前記目的変数の値に応じて、前記対象構成員が取るべき行動を示す提言情報を、前記出力先であるユーザに出力するステップとを実行させるためのプログラムを提供する。

本発明によれば、集合研修を管理するシステム及びｅラーニングを管理するシステムを含む複数のシステムから取得した情報を統合して、構成員に対して人材育成に関する提言をすることができる。

一実施形態に係る人材管理システム１の概要を示す図。 人材管理システム１の機能構成を例示する図。 サーバ１０のハードウェア構成を例示する図。 クライアント２０のハードウェア構成を例示する図。 モデル構築の動作を示すフローチャート。 データベース３１に記録されている情報を例示する図。 第１段階における分析を例示する図。 第２段階における分析を例示する図。 提言の出力動作を示すフローチャート。 データベース１１１を例示する図。 提言として表示されるメッセージを例示する図。 登録システム及びユーザ端末の動作を示すフローチャート。

１．構成
図１は、一実施形態に係る人材管理システム１の概要を示す図である。人材管理システム１は、ｅラーニング受講管理、教育・研修受講管理、及び人材データベースを包括的に管理するプラットフォームである。人材管理システム１は、管理システム２、管理システム３、及び管理システム４と連携する。

管理システム２は、ｅラーニングを管理する管理システム（第２管理システムの一例）である。ｅラーニングとは、情報技術を用いた教育をいい、具体的には、例えばコンピュータネットワークを介した動画配信及びコンピュータ上で行われるテスト等を組み合わせた学習コンテンツをいう。管理システム２は、例えば、ｅラーニング用動画の配信、アクセス制限、受講履歴のデータベース、受講結果の分析、及び教材の提供といった機能を提供する。

管理システム３は、グループの人材管理に関するシステム（第３管理システムの一例）である。グループとは、定義された構成員の集合をいい、例えば、企業の社員、団体の職員、又は教育機関の学生若しくは生徒の集合をいう。管理システム３は、データベース３１を有する。データベース３１は、グループの構成員に関する属性情報が記録されたデータベースである。管理システム３は、そのほか、資格・研修・スキル等の要件管理、人材育成プランの設定、属性・要件(保有資格、業務スキル等)と成果(人事考課、各種業務成績等)との分析・検証、外部データベース９との連携、人事異動の支援といった機能を提供する。外部データベース９は、通信教育やｅラーニング講座の受講結果等、外部で管理されているデータベースである。「外部」とは、管理システム３とは異なる主体により管理及び運営されていることをいう。

管理システム４は、集合研修を管理する管理システム（第１管理システムの一例）である。ここでいう集合研修とは、ｅラーニングを含まない、いわゆる対面又は集合で行われる教育・研修をいう。管理システム４は、例えば、講座情報の提供、講座への申し込み及び承認のためのワークフロー、講座の受講者管理、課題の管理、アンケートの収集、受講履歴の管理といった機能を提供する。

人材管理システム１は、管理システム２、管理システム３、及び管理システム４を統合的に連携するシステムである。一例において、人材管理システム１は、ｅラーニング及び集合研修の受講状況に応じて、推薦される行動を示す情報を提供する。一例において、管理システム２、管理システム３、及び管理システム４は、それぞれ別個のサーバにより提供される。さらに、これらの機能は、それぞれ別個の事業者により提供されてもよい。

図２は、人材管理システム１の機能構成を例示する図である。人材管理システム１は、装置として、サーバ１０及びクライアント２０を有する。人材管理システム１は、機能として、記憶手段１１、取得手段１２、取得手段１３、取得手段１４、分析手段１５、提言生成手段１６、記憶手段２１、アクセス手段２２、特定手段２３、特定手段２４、入力手段２５、取得手段２６、及び出力手段２７を有する。これらの機能のうち、記憶手段１１、取得手段１２、取得手段１３、取得手段１４、分析手段１５、及び提言生成手段１６はサーバ１０に、記憶手段２１、アクセス手段２２、特定手段２３、特定手段２４、入力手段２５、取得手段２６、及び出力手段２７はクライアント２０に、それぞれ実装される。

サーバ１０において、記憶手段１１は、各種のデータ及びプログラムを記憶する。取得手段１２は、管理システム４からモデル構築用第１情報を取得する（第１取得手段の一例）。モデル構築用第１情報は、グループに属する複数の構成員が当該集合研修を受講した状況に関する情報である。取得手段１３は、管理システム２からモデル構築用第２情報を取得する（第２取得手段の一例）。モデル構築用第２情報は、複数の構成員が当該ｅラーニングを受講した状況に関する情報である。取得手段１４は、管理システム３（より詳細には）データベース３１（第１データベースの一例）からモデル構築用第３情報を取得する（第３取得手段の一例）。データベース３１は、複数の構成員の属性に関する情報が記録されたデータベースである。モデル構築用第３情報は、複数の構成員の属性に関する情報である。

分析手段１５は、モデル構築用第１情報、モデル構築用第２情報、及びモデル構築用第３情報の少なくとも一部を目的変数として、別の少なくとも一部を説明変数として、目的変数と説明変数との相関を分析する。この分析には、例えば多変量解析又は機械学習が用いられる。この分析の結果として得られる、目的変数と説明変数との相関を示すモデル１５１（第１モデルの一例）は記憶手段１１に記憶される。

クライアント２０において、記憶手段２１は、各種のデータ及びプログラムを記憶する。アクセス手段２２は、モデル１５１にアクセスする。特定手段２３は、複数の構成員のうち提言の対象となる構成員（以下「対象構成員」という）を特定する（第１特定手段の一例）。特定手段２４は、提言の出力先となるユーザ（以下「出力先ユーザ」という）を特定する（第２特定手段の一例）。入力手段２５は、説明変数の値をモデル１５１に入力する。ここで入力される説明変数は、モデル１５１を構築（又は生成）する際に用いられた説明変数に対応する変数であって、対象構成員のみに関するデータである。モデル１５１は、入力された説明変数に対応する目的変数の値を出力する。取得手段２６は、モデル１５１から目的変数の値を取得する。出力手段２７は、目的変数の値に応じて、対象構成員が取るべき行動を示す提言情報を、出力先ユーザに出力する。

図３は、サーバ１０のハードウェア構成を例示する図である。この例において、サーバ１０は、ＣＰＵ（Central Processing Unit）１０１、メモリ１０２、ストレージ１０３、及び通信ＩＦ（Interface）１０４を有するコンピュータである。ＣＰＵ１０１は、プログラムに従って各種の処理を行う処理装置である。メモリ１０２は、ＣＰＵ１０１がプログラムを実行する際のワークエリアとして機能する主記憶装置であり、例えばＲＡＭ（Random Access Memory）を含む。ストレージ１０３は、各種のプログラム及びデータを記憶する補助記憶装置であり、例えばＳＳＤ（Solid State Drive）及びＨＤＤ（Hard Disk Drive）の少なくとも一方を含む。通信ＩＦ１０４は、所定の通信規格（例えばイーサネット）に従って他の装置と通信する通信装置である。

この例において、ストレージ１０３は、コンピュータを人材管理システム１におけるサーバとして機能させるためのプログラム（以下「サーバプログラム」という）を記憶している。ＣＰＵ１０１がサーバプログラムを実行することにより、コンピュータに図２の機能が実装される。ＣＰＵ１０１がサーバプログラムを実行している状態において、メモリ１０２及びストレージ１０３の少なくとも一方が記憶手段１１の一例である。通信ＩＦ１０４が、取得手段１２、取得手段１３、及び取得手段１４の一例である。ＣＰＵ１０１が分析手段１５の一例である。

図４は、クライアント２０のハードウェア構成を例示する図である。この例において、クライアント２０は、ＣＰＵ２０１、メモリ２０２、ストレージ２０３、通信ＩＦ２０４、入力装置２０５、及び出力装置２０６を有するコンピュータ、具体的には、スマートフォン、パーソナルコンピュータ、又はタブレット端末である。ＣＰＵ２０１は、プログラムに従って各種の処理を行う処理装置である。メモリ２０２は、ＣＰＵ２０１がプログラムを実行する際のワークエリアとして機能する主記憶装置であり、例えばＲＡＭを含む。ストレージ２０３は、各種のプログラム及びデータを記憶する補助記憶装置であり、例えばＳＳＤ及びＨＤＤの少なくとも一方を含む。通信ＩＦ２０４は、所定の通信規格（例えばイーサネット）に従って他の装置と通信する通信装置である。入力装置２０５は、ユーザから情報又は指示の入力を受け付ける装置であり、例えば、キーボード、タッチスクリーン、及びマイクロフォンの少なくとも一種を含む。出力装置２０７は、ユーザに対して情報を出力する装置であり、例えば、ディスプレイ及びスピーカの少なくとも一種を含む。

この例において、ストレージ２０３は、コンピュータを人材管理システム１におけるクライアントとして機能させるためのプログラム（以下「クライアントプログラム」という）を記憶している。クライアントプログラムは、人材管理システム１専用のアプリケーションプログラム又は汎用のウェブブラウザである。ＣＰＵ２０１がクライアントプログラムを実行することにより、コンピュータに図２の機能が実装される。ＣＰＵ２０１がクライアントプログラムを実行している状態において、メモリ２０２及びストレージ２０３の少なくとも一方が記憶手段２１の一例である。通信ＩＦ２０４がアクセス手段２２、入力手段２５、及び取得手段２６の一例である。ＣＰＵ２０１が、特定手段２３及び特定手段２４の一例である。出力装置２０７が、出力手段２７の一例である。

２．動作
以下、人材管理システム１の動作を説明する。人材管理システム１の動作は、大きく、モデルの構築（又は事前分析）及び提言の出力の２つに分けられる。以下それぞれの動作を説明する。ここでは、人材管理システム１がある企業に導入され、その企業の従業員が管理の対象となるグループの構成員である例を用いて説明する。以下において、取得手段１２等の機能構成を処理の主体として記載することがあるが、これは、サーバプログラム等のソフトウェアを実行しているＣＰＵ１０１等のハードウェア要素が処理を行うことを意味する。

２－１．モデルの構築
図５は、人材管理システム１におけるモデル構築の動作を示すフローチャートである。ステップＳ１１において、サーバ１０は、分析用のデータを取得する。具体的には、サーバ１０は、管理システム２、管理システム３、及び管理システム４から、指定された母集団において多変量解析に用いる情報を取得する。この母集団は、一例において分析の対象となるグループ（例えば、一企業の従業員全員）と同一である。詳細には以下のとおりである。

取得手段１２は、管理システム４からモデル構築用第１情報を取得する。モデル構築用第１情報は、具体的には、先の母集団に属する構成員全員について、各構成員が集合研修を受講した履歴である。この履歴は、例えば、受講した研修を特定する情報（例えば講座名）、受講した日時、理解度確認テストがあればその成績、及びテストを受けた日時を含む。

取得手段１３は、管理システム２からモデル構築用第２情報を取得する。モデル構築用第２情報は、具体的には、先の母集団に属する構成員全員について、各構成員がｅラーニングを受講した履歴である。この履歴は、例えば、受講したｅラーニングを特定する情報（例えば講座名）、受講した日時、理解度確認テストがあればその成績、及びテストを受けた日時を含む。

取得手段１４は、管理システム３（より具体的にはデータベース３１）から先の母集団に属する構成員の属性に関するモデル構築用第３情報を取得する。

図６は、データベース３１に記録されている情報を例示する図である。データベース３１は、複数のレコードを含む。各レコードは、一のユーザの属性を示す。この例では、各レコードには、そのユーザの氏名、性別、年齢、会社名、部署名、役職、勤続年数、実務経験年数、保有資格（詳細には、フィナンシャルプランナー、証券外務員、及び証券アナリスト）の有無、及び人事評価が記録される。例えば、図６の例において最上段のレコードには、氏名「山田花子」というユーザについて、性別「女」、年齢「３８」、会社名「株式会社カンパニー」、部署名「証券営業部」、役職「課長」、勤続年数「５年」、実務経験年数「１６年」、フィナンシャルプランナー資格保有、及び昨季の人事評価「Ａ」であることが記録されている。

再び図５を参照する。ステップＳ１２において、分析手段１５は、データの分析を行う。この分析は、構成員が将来的に産み出すであろう結果を予測するモデルを構築するための分析である。この分析は、トリガとなるイベントが発生したことを契機として開始される。分析のトリガとなるイベントは、例えば、分析の開始を、人材管理システム１にログインしているユーザが明示的に指示したというイベントである。あるいは、分析のトリガとなるイベントは、現在時刻が所定の日時（例えば、毎日午前０時）に達したというイベント、又は、直近の分析を行ってから所定の期間が経過した（例えば、前回の分析から１週間が経過した）というイベントであってもよい。

この例において、ステップＳ１２における分析は２段階で行われる。第１段階の分析は、成果と課題との相関に関する分析である。そもそも、ステップＳ１２における分析は分析の対象となる組織の人材育成課題に基づいて定義される。

図７は、第１段階における分析を例示する図である。この例においては、人材育成課題又は大課題として、「融資業務における成果を向上させる。」という課題が設定されている。この大課題の達成を評価する尺度として、「融資額」、「融資件数」、「新規件数」、「顧客満足度」、及び「利ざや」が設定されている。「融資額」は返済継続中の融資の金額を示す数量データである。「融資件数」は返済継続中の融資の件数を示す数量データである。「新規件数」は所定の期間（例えば、現会計年度）において新たに実行した融資の件数を示す数量データである。「顧客満足度」は返済継続中の顧客から聞き取った満足度を示すカテゴリデータである。「利ざや」は返済継続中の融資における利ざやを示す数量データである。

この大課題に対して複数の小課題が定義される。この例では、「知識レベルの向上」、「関連資格の取得」、「業務スキルレベルの向上」、「ヒューマンスキルレベルの向上」、及び「管理者スキルレベルの向上」という５つの小課題が設定されている。さらに、これらの小課題の各々に対して対応する変数が定義される。ここでは、「知識レベルの向上」という課題に対しては「テスト結果」という数量データ及び「知識レベル評価」というカテゴリデータが、「関連資格の有無」という課題に対しては資格の有無を示すカテゴリデータが、「業務スキルレベルの向上」という課題に対しては「業務スキルレベル」というカテゴリデータが、「ヒューマンスキルレベルの向上」という課題に対しては「ヒューマンスキルレベル」というカテゴリデータが、「管理者スキルレベルの向上」という課題に対しては「管理者スキルレベル」というカテゴリデータが、それぞれ定義されている。

一例において、「テスト結果」及び「知識レベル評価」の値は、管理システム２又は管理システム４から取得される。「関連資格の有無」の値は、データベース３１から取得される。「業務スキルレベル」、「ヒューマンスキルレベル」、及び「管理者スキルレベル」については、データベース３１にこれらの値が記録されており、取得手段１４がこれらの値を取得してもよいし、データベース３１にこれらの値が直接は記録されておらず、データベース３１に記録されている他の情報及び管理システム２又は管理システム４から取得される情報を用いて分析手段１５がこれらの値を計算してもよい。

第１段階の分析は、複数の評価尺度の各々を目的変数とし、課題に対応する変数を説明変数とした相関の分析である。この例では、説明変数は２つのグループに分けられる。このグループ分けは人材管理システム１において定義される。第１のグループは、「テスト結果」、「知識レベル評価」、及び「関連資格の有無」からなるグループである。分析手段１５は、複数の評価尺度の各々と第１グループに含まれる説明変数との相関を、重回帰分析により分析する。具体的には、分析手段１５は、「融資額」を目的変数とし、「テスト結果」、「知識レベル評価」、及び「関連資格の有無」を説明変数とする重回帰分析を行う。詳細には、分析手段１５は、目的変数と説明変数との関係を表す式において、回帰係数を計算する。分析手段１５は、計算により得られた回帰係数を記憶手段１１に記憶する。次に分析手段１５は、「融資件数」、「新規件数」、「顧客満足度」、及び「利ざや」の各々についても、複数の説明変数との相関を分析する。

第２のグループは、「業務スキルレベル」、「ヒューマンスキルレベル」、及び「管理者スキルレベル」からなるグループである。分析手段１５は、複数の評価尺度の各々と第２グループに含まれる説明変数との相関を、数量化１類により分析する。具体的には、分析手段１５は、「融資額」を目的変数とし、「業務スキルレベル」、「ヒューマンスキルレベル」、及び「管理者スキルレベル」を説明変数とする数量化１類を行う。詳細には、目的変数と説明変数との関係を表す式において、回帰係数を計算する。分析手段１５は、計算により得られた関係式及び係数を記憶手段１１に記憶する。

図８は、第２段階における分析を例示する図である。第２段階における分析は、小課題と要件との相関に関する分析である。この例においては、複数の小課題の各々に対応する変数に対して説明変数が定義されている。例えば、「知識レベルの向上」という小課題に対応する変数である「テスト結果」に対して、「科目Ａ受講履歴（確認テスト結果含む）」、「科目Ｂ受講履歴（確認テスト結果含む）」、及び「科目Ｃ受講履歴」という３つのデータが説明変数として定義されている。同様に、他の小課題に対応する変数に対しても、それぞれ説明変数が定義されている。分析手段１５は、これらの目的変数及び（複数の）説明変数の組に対して、データ形式に応じた分析を行う。分析としては、例えば、重回帰分析、判別分析、数量化１類、数量化２類、及び数量化３類のいずれかが用いられる。詳細には、分析手段１５は、目的変数と説明変数との関係を表す式における係数を計算する。どのデータ形式の組に対してどの分析手法を用いるかは、分析手段１５においてあらかじめ定義されている。

再び図５を参照する。第１段階の分析で得られた関係式及び第２段階の分析で得られた関係式を合わせた数理モデルが、モデル１５１である。すなわちモデル１５１は、上記で説明した第２段階の説明変数（例えば、「科目Ａ受講履歴」、「科目Ｂ受講履歴」、「科目Ｃ受講履歴」、及びユーザの属性等）の名前及び値が入力されると、第１段階の目的変数（例えば、「融資額」、「融資件数」、「新規件数」、「顧客満足度」、及び「利ざや」）を出力するモデルである。分析手段１５は、計算により得られたモデル１５１を記憶手段１１に記憶する（ステップＳ１３）。以上でモデルの構築は終了である。以下、こうして構築されたモデルを用いた、ユーザへの提言について説明する。

２－２．提言の出力
図９は、提言の出力動作を示すフローチャートである。ステップＳ２１において、特定手段２３は、対象構成員を特定する。一例において、対象構成員は、人材管理システム１（詳細にはサーバ１０）にログインしているユーザ自身である。この例では、企業の従業員はあらかじめ人材管理システム１にユーザ登録される。各従業員は、自身のクライアント２０からサーバ１０にアクセスし、システムにログインすることができる。別の例において、クライアント２０からログインしているユーザが管理職であり、対象構成員はその管理職の部下である従業員である。この場合、サーバ１０が、構成員の職制を特定する情報を記憶しており、特定手段２３はこの情報を参照して、ログインしているユーザの部下である構成員を対象構成員として特定する。あるいは、特定手段２３は、ログインしているユーザにより指定された構成員を対象構成員として特定する。

ステップＳ２２において、特定手段２３は、出力先ユーザを特定する。一例において、クライアント２０から人材管理システム１にログインしているユーザ自身が対象構成員である場合、出力先ユーザは対象構成員自身である。別の例において、クライアント２０からログインしているユーザが管理職であり、対象構成員がその管理職の部下である従業員である場合。出力先ユーザは管理職すなわちログインしているユーザである。

ステップＳ２３において、入力手段２５は、予測用の説明変数の名前及びその値をモデル１５１に入力する。クライアント２０は、アクセス手段２２を介してモデル１５１にアクセスする。予測用の説明変数は、予測用第１情報、予測用第２情報、及び予測用第３情報に含まれる変数の少なくとも一部である。具体的には、予測用の説明変数は、対象構成員に関する情報であって、分析手段１５においてモデル１５１を構築する際に説明変数として用いられた変数と同じ名前を有する変数である。例えば、モデル１５１の構築において全ての構成員の「科目Ａ受講履歴」、「科目Ｂ受講履歴」、及び「科目Ｃ受講履歴」が説明変数として用いられた場合、入力手段２５は、対象構成員の「科目Ａ受講履歴」、「科目Ｂ受講履歴」、及び「科目Ｃ受講履歴」を説明変数としてモデル１５１に入力する。

なお、図５で説明したモデルの構築と図９で説明している提言の出力とは必ずしも時間的に近接して行われる訳では無い。したがって、対象構成員が、モデル１５１を構築する際の分析に用いられるデータの母集団に属している場合であっても、モデル１５１を構築した時点における対象構成員の状況と、提言を出力しようとする時点における対象構成員の状況とは必ずしも同一ではない。例えば、１年前にＡ社の社員のデータを用いてモデル１５１が構築された場合において、その１年後にＡ社の社員に対して提言を出力しようとするとき、この１年でＡ社の社員は研修の受講を進めたり、新たな資格を取得したり、新たな職務経験を積んだりしている。モデル１５１を用いれば、このように更新された状況に対しても、提言を出力することができる。さらにいうと、対象構成員は、モデル１５１を構築する際の分析に用いられるデータの母集団に属していなくてもよい。例えば、人材管理システム１においては、昨年度までに在籍した社員のデータを用いて構築されたモデル１５１が、今年度新たに入社した社員に対する提言を出力するために用いられてもよい。あるいは、Ａ社の社員のデータを用いて構築されたモデル１５１が、Ａ社と異なるＢ社の社員に対する提言を出力するために用いられてもよい。

説明変数の名前及び値が入力されると、モデル１５１は，対応する目的変数を出力する。ステップＳ２４において、取得手段２６は、モデル１５１から出力された目的変数の名前及び値を取得する。例えば、取得手段２６は、モデル１５１から「融資額」、「融資件数」、「新規件数」、「顧客満足度」、及び「利ざや」の値を取得する。これらの変数の値は、対象構成員が将来的に産み出すであろう結果の予測値を示している。

ステップＳ２５において、取得手段２６は、ステップＳ２４において取得された予測値に対応する提言情報を取得する。この提言情報は、サーバ１０において提言生成手段１６により生成される。一例において、記憶手段１１はデータベース１１１（第２データベースの一例）を記憶しており、提言生成手段１６はデータベース１１１を参照して提言を生成する。

図１０は、データベース１１１を例示する図である。データベース１１１は、複数のレコードを含む。各レコードは、目的変数の名前、その目的変数の値に関する条件、その条件に対応する提言のひな形、及び説明変数の抽出条件を含む。例えば、図１０において最上段のレコードには、目的変数「融資額」について、条件「目標値より２０％以上低い」、提言のひな形「融資額が目標に到達しない可能性があります。目標達成に向け以下の講座を受講しましょう。」、説明変数の抽出条件「講座に関する説明変数の中から、融資額との関係式における係数の上位３件の説明変数に対応する講座名」が記録されている。対象構成員について予測される「融資額」が「目標値より２０％以上低い」という条件を満たしていた場合、提言生成手段１６は、「融資額」を予測するためのモデル１５１において、講座に関する説明変数であって、係数の値が高いものから上位３つの説明変数の講座名を抽出する。例えば、「科目Ａ」、「科目Ｂ」、及び「科目Ｃ」が抽出される。提言生成手段１６は、抽出した情報をひな形に埋め込んで提言を生成する。

再び図９を参照する。ステップＳ２６において、出力手段２７は、取得手段２６が取得した提言情報をユーザに出力する。一例において、出力手段２７は、クライアント２０のディスプレイに提言情報を示すメッセージを表示する。

図１１は、提言として表示されるメッセージを例示する図である。この例では、「融資額が目標に到達しない可能性があります。目標達成に向け以下の講座を受講しましょう。科目Ａ、科目Ｂ、科目Ｃ」というメッセージが表示される。この提言情報により、対象者は目標達成のために具体的にどういう努力をすればよいのか知ることができる。

２－３．受講登録
ここで、管理システム２又は管理システム４において受講講座を登録する方法の例を説明する。以下で説明する機能は、例えば、管理システム２又は管理システム４自体に実装されてもよいし、管理システム１に実装されてもよいし、講座登録用の専用システムに実装されてもよい。以下、受講登録を行う機能が実装されたシステムを「登録システム」という（図示略）。

図１２は、登録システム及びユーザ端末の動作を示すフローチャートである。受講講座を登録しようとするユーザ（例えば、企業の人事担当者又は受講者本人）は自身の端末（以下「ユーザ端末」という。図示略）から登録システムにアクセスし、講座一覧を取得する（ステップＳ３１）。登録システムは、提供している講座に関する情報が記録されたデータベース（以下「講座データベース」という。図示略）を有する。登録システムは、この講座データベースから講座に関する情報を抽出し、一覧を生成し、生成した一覧をユーザ端末に送信する。登録システムは、前述の分析又は提言に基づいて、自動的にカテゴリ又は費用などで絞り込んだ講座の情報を抽出する。あるいは、登録システムは、ユーザ端末からの要求により、カテゴリ又は費用などで絞り込んだ講座の情報を抽出してもよい。

ステップＳ３２において、ユーザ端末は、ユーザの指示に応じて受講する講座を選択する。なおステップＳ３１において登録システムが自動的に又はユーザ端末からの要求に応じて抽出した（又は絞り込んだ）講座一覧をユーザ端末が取得した場合、ユーザ端末は、この絞り込まれた講座一覧の中から受講する講座を選択する。講座が選択されると、ユーザ端末は、登録システムに登録要求を送信する（ステップＳ３３）。登録要求は、選択された講座を特定する情報、講座に関する情報、及びユーザの属性情報を含む。講座に関する情報は、例えば、（必要であれば）クラス又はレベル、又は教材購入の有無などの情報を含む。ユーザの属性情報は、例えば、受講者名、パスワード、及びメールアドレスを含む。なお、講座一覧の取得から登録要求までの処理は複数回繰り返し行われてもよい。例えば、１回目に全ての講座一覧の中からいくつかの講座を選択してユーザ端末が登録システムに登録要求を送信した後で、カテゴリ又は費用などで絞り込まれた講座一覧の中から講座を選択してユーザ端末が登録システムに登録要求（すなわち追加登録の要求）を送信してもよい。

ユーザ端末から登録要求を受信すると、登録システムは、その講座の受講に必要な料金、及びその料金を支払うサービスへのリンクをユーザ端末に提示する（ステップＳ３４）。複数の決済サービスを利用することが可能であれば、登録システムはその選択肢をユーザ端末に提示する。ユーザ端末は、ユーザの指示に応じて選択された決済サービスに接続し、決済を行う（ステップＳ３５）。決済が完了すると、登録システムは領収書を表示する（ステップＳ３６）。さらに、登録システムは、受講講座を確認するための画面をユーザ端末に送信する。さらに、登録システムは、管理システム２又は管理システム４に対し受講講座の登録要求を送信する（ステップＳ３７）。この登録要求は、受講者及び講座を特定する情報を含む。管理システム２又は管理システム４は、登録要求に応じて受講者及び受講講座に関する情報を登録する。管理システム２又は管理システム４は、受講者に対し講座の案内を送信することができる。

なお、オンラインの決済サービスを利用するのではなく、銀行振込みを利用する場合（例えば法人顧客など）には、登録システムはステップS３５及びS３６に代えて請求書の表示又は発行を行い、ステップS３７に移行する。

３．他の実施形態
本発明は上述の実施形態に限定されるものではなく種々の変形実施が可能である。以下、変形例をいくつか説明する。以下の変形例において説明した事項のうち２つ以上のものが組み合わせて適用されてもよい。

３－１．モデル構築手法
分析手段１５がデータを分析する具体的手法は実施形態において例示したものに限定されない。例えば、分析手段１５は、実施形態において例示したような２段階の分析ではなく、１段階の分析を行ってもよい。例えば、「融資額」、「融資件数」、「新規件数」、「顧客満足度」、及び「利ざや」を目的変数とし、モデル構築用第１情報、モデル構築用第２情報、及びモデル構築用第３情報の少なくとも一部を説明変数として、多変量解析を行ってもよい。

また、分析手段１５がモデル１５１を構築する手法は実施形態において例示された多変量解析によるものに限定されない。分析手段１５は、いわゆる機械学習を用いてモデル１５１を構築してもよい。この場合、モデル構築用第１情報、モデル構築用第２情報、及びモデル構築用第３情報の少なくとも一部（例えば、構成員の氏名を除くすべての情報）が説明変数（又は入力層に与えられる教師データ）として用いられ、モデル構築用第１情報、モデル構築用第２情報、及びモデル構築用第３情報の別の一部（これは、多変量解析において説明したように組織の人材育成課題に応じて指定される）が目的変数（又は出力層に与えられる教師データ）として用いられる。すなわちこの場合、モデル１５１は機械学習モデルである。この例によれば、分析に先立って説明変数を具体的に特定する必要が無い。

３－２．提言生成手法
データベース１１１において定義されている条件を複数の目的変数が満たす場合（例えば、「融資額」及び「利ざや」がいずれも基準値を下回った場合）、提言生成手段１６は、条件を満たした全ての目的変数について提言情報を生成してもよいし、条件を満たした複数の目的変数の中から選択された一部の目的変数についてのみ提言情報を生成してもよい。複数の目的変数の中から一部の目的変数を選択する場合、提言生成手段１６は、複数の目的変数に対し優先度を付与し、この優先度を用いて目的変数を選択する。優先度については、例えば、条件を満たしている度合い（例えば、目標値からの乖離度）が高い目的変数に対しより高い優先度が与えられる。

また、提言生成手段１６が提言を生成する際に講座名を抽出するとき、実施形態で説明した以外の他の条件を考慮してもよい。例えば、複数の講座のうち、グループ（例えば会社）によりあらかじめ選択又は指定された特定の講座（例えば、会社が期待するスキルに沿う講座）に対してフラグが付与され、提言生成手段１６はこのフラグが付与された講座をフラグが付与されていない講座よりも優先的に抽出してもよい。なおこのフラグは、例えば講座データベース又は他のデータベースに記録される。あるいは、提言生成手段１６は講座の人気ランキングを考慮し、例えばランキングが高い講座を低い講座よりも優先的に抽出してもよい。なおこのランキングは、例えば講座データベース又は他のデータベースに記録される。

また、提言生成手段１６が提言を生成する手法は実施形態において例示された、データベース１１１を参照する手法に限定されない。提言生成手段１６は、いわゆる機械学習を用いて提言を生成してもよい。この場合、記憶手段１１は、提言情報を生成するための機械学習モデル（第２モデルの一例）を記憶する。この機械学習モデルは、目的変数の名前及びその目的変数の値を入力層に、その目的変数の名前及び値の組み合わせに対応する提言のひな形を出力層に、教師データとして与えて機械学習をしたモデルである。この教師データは、例えば、人材育成の専門家により生成されたデータである。

３－３．対象構成員の特定
特定手段２３が対象構成員を特定する手法は実施形態において例示したものに限定されない。例えば、特定手段２３は、指定されたグループに属する構成員のうち、集合研修又はｅラーニングの受講履歴が所定の条件を満たす構成員（例えば、所定数の講座の受講が完了していない構成員、特定の講座を受講していない構成員、又は昨季の人事評価が基準に達しなかった構成員など）、若しくは所定の属性を有する構成員（例えば、所定の資格を有していない構成員）を対象構成員として特定してもよい。

３－４．他の変形例
分析手段１５が分析をするための情報を取得する管理システムの数、及び入力手段２５がモデル１５１に入力する説明変数を取得する管理システムの数は実施形態の例に限定されない。例えば、集合研修の受講履歴に関する情報が、２つ以上の管理システムから提供されてもよい。

人材管理システム１の動作フローは実施形態において例示したものに限定されない。実施形態において説明した動作フローはあくまで例示であり、例えば、処理の一部が省略されたり、処理の順番が入れ替えられたりしてもよい。

人材管理システム１を構成する装置は、実施形態において例示したサーバ１０及びクライアント２０に限定されない。例えば、実施形態においてサーバ１０に実装されるものとして説明した機能の少なくとも一部をクライアント２０又は別のサーバ装置に実装してもよい。あるいは、実施形態においてクライアント２０に実装されるものとして説明した機能の少なくとも一部をサーバ１０又は別のサーバ装置に実装してもよい。サーバ１０は、物理サーバであってもよいし、仮想サーバであってもよい。

機能構成とハードウェア構成との対応関係は実施形態において例示したものに限定されない。要求される機能を実現できるものであれば、人材管理システム１を構成する装置はどのようなハードウェア構成を有してもよい。同様に、機能構成とソフトウェア構成との対応関係は実施形態において例示したものに限定されない。要求される機能を実現できるものであれば、人材管理システム１はどのようなソフトウェア構成を有していてもよい。

ＣＰＵ１０１又はＣＰＵ２０１が実行するプログラムは、ＣＤ－ＲＯＭ等のコンピュータ読み取り可能な記録媒体に記録された状態で提供されてもよいし、サーバからインターネット等のネットワークを介してダウンロードされてもよい。

１…人材管理システム、２…管理システム、３…管理システム、４…管理システム、１０…サーバ、１１…記憶手段、１２…取得手段、１３…取得手段、１４…取得手段、１５…分析手段、１６…提言生成手段、２０…クライアント、２１…記憶手段、２２…アクセス手段、２３…特定手段、２４…特定手段、２５…入力手段、２６…取得手段、２７…出力手段、３１…データベース、１０１…ＣＰＵ、１０２…メモリ、１０３…ストレージ、１０４…通信ＩＦ、１１１…データベース、１５１…モデル、２０１…ＣＰＵ、２０２…メモリ、２０３…ストレージ、２０４…通信ＩＦ、２０５…入力装置、２０６…出力装置、２０７…出力装置

Claims (12)

1. （１）集合研修を管理する第１管理システムから取得された、グループに属する複数の構成員が当該集合研修を受講した状況に関する第１情報、（２）ｅラーニングを管理する第２管理システムから取得された、当該複数の構成員が当該ｅラーニングを受講した状況に関する第２情報、及び（３）当該複数の構成員の属性に関する情報が記録された第１データベースから取得された、当該複数の構成員の属性に関する第３情報に関し、当該第１乃至第３情報の少なくとも一部を目的変数として、別の少なくとも一部を説明変数として、当該目的変数と当該説明変数との相関を分析した結果を用いた第１モデルにアクセスするアクセス手段と、
   前記複数の構成員のうち提言の対象となる対象構成員を特定する第１特定手段と、
   前記提言の出力先となるユーザを特定する第２特定手段と、
   前記第１管理システム、前記第２管理システム、及び前記第１データベースから取得された、前記対象構成員が前記集合研修を受講した状況に関する情報、当該対象構成員が前記ｅラーニングを受講した状況に関する情報、及び当該対象構成員の属性情報の少なくとも一部を説明変数として、前記第１モデルに入力する入力手段と、
   前記第１モデルから前記入力された説明変数に対応する目的変数の値を取得する取得手段と、
   前記目的変数の値に応じて、前記対象構成員が取るべき行動を示す提言情報を、前記出力先であるユーザに出力する出力手段と
   を有する人材管理システム。
2. 前記第１管理システムから前記第１情報を取得する第１取得手段と、
   前記第２管理システムから前記第２情報を取得する第２取得手段と、
   前記第１データベースから前記第３情報を取得する第３取得手段と、
   前記第１乃至第３情報を用いて、前記目的変数と前記説明変数との相関を分析する分析手段と、
   前記分析の結果として得られる前記第１モデルを記憶する記憶手段と
   を有する
   請求項１に記載の人材管理システム。
3. 前記分析手段は、多変量解析を用いて前記相関を分析する
   請求項２に記載の人材管理システム。
4. 前記分析手段は、前記第１乃至第３情報を教師データとする機械学習を用いて前記相関を分析し、
   前記第１モデルは機械学習モデルである
   請求項２に記載の人材管理システム。
5. 前記出力手段は、目的変数の名前及び値が入力されると当該入力された目的変数の名前及び値に対応する提言を出力する提言生成手段から得られた前記提言情報を出力する
   請求項１乃至４のいずれか一項に記載の人材管理システム。
6. 前記提言情報は、前記集合研修及び前記ｅラーニングのうち前記対象構成員が受講すべき講座、前記対象構成員が取得すべき資格、及び前記対象構成員が従事すべき業務のうち少なくとも１種を含む
   請求項１乃至５のいずれか一項に記載の人材管理システム。
7. 目的変数の名前、当該目的変数の値に関する条件、及び当該条件に対応する提言を含むレコードが複数記録された第２データベースを参照して前記提言情報を生成する提言生成手段をさらに有する
   請求項５又は６に記載の人材管理システム。
8. 目的変数の名前及び当該目的変数の値を入力層に、当該目的変数の名前及び値の組み合わせに対応する提言を出力層に、教師データとして与えて機械学習をさせた第２モデルを用いて前記提言情報を生成する提言生成手段をさらに有する
   請求項５又は６に記載の人材管理システム。
9. 集合研修を管理する第１管理システムから取得された、グループに属する複数の構成員が当該集合研修を受講した状況に関する第１情報を取得する第１取得手段と、
   ｅラーニングを管理する第２管理システムから取得された、前記複数の構成員が当該ｅラーニングを受講した状況に関する第２情報を取得する第２取得手段と、
   前記複数の構成員の属性に関する情報が記録された第１データベースから取得された、当該複数の構成員の属性に関する第３情報を取得する第３取得手段と、
   前記第１乃至第３情報の少なくとも一部を目的変数として、別の少なくとも一部を説明変数として、当該目的変数と当該説明変数との相関を分析する分析手段と、
   前記分析の結果を用いたモデルであって、前記第１乃至第３情報に相当する説明変数が入力されると、当該入力された説明変数に対応する目的変数を出力する出力手段と
   を有するサーバ。
10. （１）集合研修を管理する第１管理システムから取得された、グループに属する複数の構成員が当該集合研修を受講した状況に関する第１情報、（２）ｅラーニングを管理する第２管理システムから取得された、当該複数の構成員が当該ｅラーニングを受講した状況に関する第２情報、及び（３）当該複数の構成員の属性に関する情報が記録された第１データベースから取得された、当該複数の構成員の属性に関する第３情報に関し、当該第１乃至第３情報の少なくとも一部を目的変数として、別の少なくとも一部を説明変数として、当該目的変数と当該説明変数との相関を分析した結果を用いた第１モデルにアクセスするステップと、
    前記複数の構成員のうち提言の対象となる対象構成員を特定するステップと、
    前記提言の出力先となるユーザを特定するステップと、
    前記第１管理システム、前記第２管理システム、及び前記第１データベースから取得された、前記対象構成員が前記集合研修を受講した状況に関する情報、当該対象構成員が前記ｅラーニングを受講した状況に関する情報、及び当該対象構成員の属性情報の少なくとも一部を説明変数として、前記第１モデルに入力するステップと、
    前記第１モデルから前記入力された説明変数に対応する目的変数の値を取得するステップと、
    前記目的変数の値に応じて、前記対象構成員が取るべき行動を示す提言情報を、前記出力先であるユーザに出力するステップと
    を有する人材管理方法。
11. 集合研修を管理する第１管理システムから取得された、グループに属する複数の構成員が当該集合研修を受講した状況に関する第１情報を取得するステップと、
    ｅラーニングを管理する第２管理システムから取得された、前記複数の構成員が当該ｅラーニングを受講した状況に関する第２情報を取得するステップと、
    前記複数の構成員の属性に関する情報が記録された第１データベースから取得された、当該複数の構成員の属性に関する第３情報を取得するステップと、
    前記第１乃至第３情報の少なくとも一部を目的変数として、別の少なくとも一部を説明変数として、当該目的変数と当該説明変数との相関を分析するステップと、
    前記分析の結果を用いたモデルであって、前記第１乃至第３情報に相当する説明変数が入力されると、当該入力された説明変数に対応する目的変数を出力するステップと
    を有する人材管理方法。
12. コンピュータに、
    （１）集合研修を管理する第１管理システムから取得された、グループに属する複数の構成員が当該集合研修を受講した状況に関する第１情報、（２）ｅラーニングを管理する第２管理システムから取得された、当該複数の構成員が当該ｅラーニングを受講した状況に関する第２情報、及び（３）当該複数の構成員の属性に関する情報が記録された第１データベースから取得された、当該複数の構成員の属性に関する第３情報に関し、当該第１乃至第３情報の少なくとも一部を目的変数として、別の少なくとも一部を説明変数として、当該目的変数と当該説明変数との相関を分析した結果を用いた第１モデルにアクセスするステップと、
    前記複数の構成員のうち提言の対象となる対象構成員を特定するステップと、
    前記提言の出力先となるユーザを特定するステップと、
    前記第１管理システム、前記第２管理システム、及び前記第１データベースから取得された、前記対象構成員が前記集合研修を受講した状況に関する情報、当該対象構成員が前記ｅラーニングを受講した状況に関する情報、及び当該対象構成員の属性情報の少なくとも一部を説明変数として、前記第１モデルに入力するステップと、
    前記第１モデルから前記入力された説明変数に対応する目的変数の値を取得するステップと、
    前記目的変数の値に応じて、前記対象構成員が取るべき行動を示す提言情報を、前記出力先であるユーザに出力するステップと
    を実行させるためのプログラム。

Images