JP2023141668A - 業務支援システム、及び業務支援方法 - Google Patents

Abstract

【課題】検討対象となる業務についての有用な情報をログ情報から取得して提供する。【解決手段】業務支援システムは、業務に関して行われる一連の作業の流れを示す情報である業務フローと一連の作業に対応する業務フローの種別を示す情報である業務パターンとを対応づけた情報に基づき生成され、業務に関する作業の来歴を示す情報である来歴情報に対応する業務パターンを特定する業務パターン推定モデルと、業務パターンの夫々について、夫々に対応する業務フローを構成する系列を夫々が業務の遂行結果に与える影響に応じて分類したパターン毎系列情報と、支援の対象となる業務の来歴情報と、を記憶し、来歴情報に対応する業務パターンを業務パターン推定モデルにより特定し、特定した業務パターンのパターン毎系列情報に基づき、業務の遂行を支援するための情報である業務遂行支援情報を生成する。【選択図】図６

Description

本発明は、業務支援システム、及び業務支援方法に関する。

特許文献１には、事務作業の手順を表示するナビゲーション画面において、勘定系画面を事務作業端末より呼び出せるようにすることを目的として構成された事務ナビゲーションシステムについて記載されている。事務ナビゲーションシステムは、事務作業端末と、事務作業端末に事務作業を誘導する表示を行う事務ナビゲーションサーバとを含み、事務ナビゲーションサーバは、金融機関における事務作業の手順が定義された事務フロー定義に従ってナビゲーション画面を生成し、事務フロー定義にてナビゲーション画面として勘定系画面が使用される場合、勘定系画面の呼び出しを事務作業端末に要求し、事務作業端末は、勘定系画面を記憶し、生成されたナビゲーション画面を表示装置に表示させ、記憶部に記憶された勘定系画面を表示装置に表示させる。

特許文献２には、引合から受注決定に至る時間の流れの中でその時点に必要な営業活動を支援することを目的として構成された営業業務管理システムについて記載されている。営業業務管理システムは、営業商品の商品タイプ毎に引合から受注決定までの受注プロセスを所定の複数工程に分けて業務管理し、引合に応じて入力される当該案件の案件識別情報と当該案件の商品情報及び商品タイプ情報と顧客情報とを案件毎に対応付けた案件毎ファイルを作成し、担当者データベースのデータに基づき当該案件の少なくとも商品タイプに応じて営業担当者を決定し、該当案件ファイルの内容を更新し、次に行う顧客との打合せにおいて必要な情報を打合準備内容情報ファイルの情報に基づき出力し、項目情報の達成未達成情報を設定した受注確度情報を当該案件ファイル内に作成する。

特開２０１４－１２７１４１号公報 特開２０１８－５５２６８号公報

企業や官公庁等の組織における業務の遂行に際しては、過去に行われた業務の履歴情報（以下、「ログ情報」と称する。）を分析し利用することが業務効率の改善や業務の成功率を向上させる上で有効である。しかし、業務の進め方についての検討対象となる業務について有用な情報や示唆を得るためには、検討対象となる業務のバリエーション（以下、「業務パターン」と称する。）を特定した上で適切な情報をログ情報から取得する必要がある。とくに組織が手がける業務の種類や手順が多く業務パターンが多岐に亘る場合は、検討対象となる業務について業務パターンを特定することは必ずしも容易ではない。

特許文献１に記載の事務ナビゲーションシステムは、金融機関における事務作業の手順が定義された事務フロー定義に従ってナビゲーション画面や勘定系画面をオペレータに提示する。しかし、上記事務ナビゲーションシステムは、検討対象となる業務のパターンを特定してログ情報から有用な情報や示唆を提供するものではない。

また、特許文献２に記載の営業業務管理システムは、案件の商品タイプに応じて営業担当者を決定し、次に行う顧客との打合せにおいて必要な情報や受注確度情報を営業担当者に提供する。しかし、案件の指定は人が行っており、検討対象となる業務のパターンを特
定するものではなく、また、ログ情報から有用な情報や示唆を提供するものでもない。

本発明は、このような背景に鑑みてなされたものであり、検討対象となる業務についての有用な情報をログ情報から取得して提供することが可能な、業務支援システム、及び業務支援方法を提供することを目的とする。

上記の目的を達成するための本発明の一つは、業務支援システムであって、プロセッサ及び記憶装置を有する情報処理装置を用いて構成され、業務に関して行われる一連の作業の流れを示す情報である業務フローと前記一連の作業に対応する業務フローの種別を示す情報である業務パターンとを対応づけた情報に基づき生成され、業務に関する作業の来歴を示す情報である来歴情報に対応する前記業務パターンを特定するモデルである業務パターン推定モデルと、前記業務パターンの夫々について、夫々に対応する前記業務フローを構成する系列を夫々が業務の遂行結果に与える影響に応じて分類した情報を含むパターン毎系列情報と、支援の対象となる業務の来歴情報である対象来歴情報と、を記憶し、前記対象来歴情報に対応する前記業務パターンを前記業務パターン推定モデルにより特定し、
特定した前記業務パターンの前記パターン毎系列情報に基づき、業務の遂行を支援するための情報である業務遂行支援情報を生成する。

その他、本願が開示する課題、及びその解決方法は、発明を実施するための形態の欄、及び図面により明らかにされる。

本発明によれば、検討対象となる業務についての有用な情報をログ情報から取得して提供することができる。

業務支援システムの主な構成を示すシステムフロー図である。 ログ情報の一例である。 業務パターン化ログ情報の一例である。 業務フロー分析処理を説明するフローチャートである。 分析結果（パターン毎系列情報）の一例をグラフ形式で表した図である。 分析結果（パターン毎系列情報）の一例を表形式で表した図である。 分析結果（統計情報）の一例である。 業務支援システムの業務遂行支援機能に関する構成を示すシステムフロー図である。 業務支援システムの業務パターン推定モデルの生成（学習）機能に関する構成を示すシステムフロー図である。 業務パターン推定モデルの学習に用いる学習モデルの一例である。 業務パターン推定結果の一例である。 来歴分析処理を説明するフローチャートである。 分析結果（パターン毎系列情報）の一例である。 分析結果（パターン毎系列情報）の一例である。 支援情報提示画面の一例である。 業務支援システムの構成に用いる情報処理装置のハードウェア構成例である。

以下、本発明の実施形態について適宜図面を参照しつつ詳細に説明する。尚、以下の記載および図面は、本発明を説明するための例示に過ぎず、説明の明確化のため、適宜、省
略および簡略化がなされている。本発明は、他の種々の形態でも実施する事が可能である。とくに限定しない限り、各構成要素は単数でも複数でも構わない。

以下の説明において、同一の又は類似する構成について同一の符号を付して重複した説明を省略することがある。また、以下の説明において、符号の前に付した「Ｓ」の文字は処理ステップの意味である。また、以下の説明における各種情報（データ）は例示するデータ構造以外の方法で表現もしくは管理してもよい。また、以下の説明において、各種の識別情報について説明する際、「識別子」、「ＩＤ」等の表現を適宜用いるが、これらについてはお互いに置換可能である。

図１は、第１実施形態として示す情報処理システム（以下、「業務支援システム１」と称する。）の概略的な構成を示すシステムフロー図である。業務支援システム１は、一つ以上の情報処理装置（コンピュータ）を用いて構成される。

業務支援システム１は、過去に行われた業務の履歴情報に関する情報を含むテキストデータであるログ情報に基づき、業務に関する一連の作業の流れに関する情報（作業主体、作業内容、作業順序、作業日時、業務フローの結果（以下、「業務遂行結果」と称する。）等を示す情報。以下、「業務フロー」と称する。）を取得し、取得した情報に基づき業務フローを複数のバリエーション（以下、「業務パターン」と称する。）に分類し、業務パターン毎に業務フローと業務遂行結果との関係を分析することにより、ユーザやユーザが所属する組織が行う業務を支援するための情報を提供する。

業務支援システム１が支援の対象とする業務の種類は必ずしも限定されないが、例えば、企業や官公庁、自治体等の組織における業務について社員や職員等の作業主体によって行われる業務である。尚、作業主体は必ずしも人でなくてもよく、ロボット等であってもよい。

ログ情報は、例えば、上記のような組織において運用されている情報処理システムから取得される。上記情報処理システムは、例えば、営業管理システム、旅費精算システム、出退勤管理システム、在庫管理システム、発注管理システム、顧客管理システム、人事管理システム、物流管理システム、経理システム、決算システムである。本実施形態では、上記の情報処理システムが営業管理システムである場合を例として説明する。

以下の説明において、業務支援システム１が利用するログ情報は、ログパーサやログアダプタ等を用い、各ログの特性に基づき適宜、整形やクレンジング等の前処理がなされているものとする。また、ログ情報においては、前処理により、当該業務における業務の開始作業から完了作業から当該業務で最後に実施された作業までに至る一連の有限な作業が、実際の実行順に基づき一連の業務フローとして識別可能な状態になっているものとする。尚、業務フローは、例えば、特開２０１７－２２７９４４号公報に記載されている方法等の公知の技術を用いて取得することができる。

各業務フローには、前処理において当該業務フローに沿って業務を遂行した結果を示す情報（以下、「業務遂行結果」と称する。）が付与されているものとする。業務遂行結果の態様は必ずしも限定されず、例えば、２値的（成功／失敗）に表される場合や閾値によって分類（例えば、迅速、遅延、失敗等）される場合等、様々である。業務遂行結果は、例えば、業務フローに含まれる各作業（各作業ステップ）の内容や、業務フローの元になるログ情報の内容（作業時間等）に基づき取得される。業務遂行結果は、例えば、業務遂行結果が定義された他のファイルから内容をマージする等して取得してもよい。

業務支援システム１は、ログ情報に含まれている、様々な作業の組み合わせからなる業
務フローを分析し、それにより得られた業務フローの特性に基づき、業務フローを業務パターンに自動的に分類する。業務支援システム１は、例えば、業務フローに関する情報（作業を構成する個々の作業の結果、作業主体、経過時間、作業の集合や作業の順序等）を量子化することにより得られる特徴量（特徴値）に基づき、業務フローを業務パターンに分類する。業務支援システム１は、例えば、各業務の具体の業務フローに表現されている情報（作業主体の熟練度の差、異なる業務フローの共通の情報処理システムへの相乗りの状況、顧客側の業務フローであるか否か、作業客体（取り扱われる商品や分野等）の違い等の情報等、業務フローに明示的乃至暗黙に表現されている情報）に応じて、業務フローを業務パターンに分類する。

業務支援システム１は、業務フローを構成する作業の系列を、夫々が業務の遂行結果に与える影響に応じて分類する。具体的には、業務支援システム１は、業務フローを、業務が成功した系列（以下、「成功業務フロー」と称する。）の群（以下、「成功業務フロー群」と称する。）と業務が失敗した系列（以下、「失敗業務フロー」と称する。）の群（以下、「失敗業務フロー群」と称する。）に分類する。そして、業務支援システム１は、成功業務フロー群にのみ登場する頻出系列（以下、「成功系列」と称する。）と失敗業務フロー群にのみ登場する頻出系列（以下、「失敗系列」と称する。）、及び、成功業務フロー群及び失敗業務フロー群の双方に登場する頻出系列（以下、「共通系列」と称する。）を特定する。

図１に示すように、業務支援システム１は、量子化部１２０、業務分類部１３０、及び分析部１５０の各機能を備える。また、業務支援システム１は、ログ情報１１１、量子化ログ情報１１２、業務パターン化ログ情報１１４、及び分析結果１１５を記憶する記憶部１１０（不図示）を備える。

図２にログ情報１１１の一例を示す。例示するログ情報１１１は、業務フローＩＤ１１１１、順序１１１２、作業ＩＤ１１１３、作業結果１１１４、作業主体ＩＤ１１１５、及び作業日時１１１６の各項目を有する複数のレコード（エントリ）で構成される。ログ情報１１１の一つのレコードは、一つの業務フローに対応する。

上記項目のうち、業務フローＩＤ１１１１には、業務フローの識別子である業務フローＩＤが格納される。順序１１１２には、業務フローを構成する各作業が行われる順序を示す情報（以下、「作業順序」と称する。）が格納される。本例では作業順序は自然数であり、作業順序の小さい作業から順に行われる。作業ＩＤ１１１３には、業務フローを構成する各作業を特定する情報である作業ＩＤが格納される。作業結果１１１４には当該作業ＩＤの作業の結果（作業毎の結果）を示す情報（以下、「作業結果」と称する。）が格納される。作業主体ＩＤ１１１５（作業者）には、当該作業ＩＤの作業を行った作業主体の識別子（作業者名等）（以下、「作業主体ＩＤ」と称する。）が格納される。作業日時１１１６には、当該作業が行われた日時（以下、「作業日時」と称する。）が格納される。

図１に戻り、量子化部１２０は、ログ情報１１１から取得される、各業務フローに関する情報を量子化した情報である量子化ログ情報１１２を生成する。尚、量子化の方法は必ずしも限定されないが、量子化は、例えば、ＢｏＷ（Bag of Words）、ＴＦ－ＩＤＦ（Term Frequency - Invers Document Frequency）、Ｗｏｒｄ２Ｖｅｃ（ＣＢＯＷ（Continuous Bag of Word）、Ｓｋｉｐ－Ｇｒａｍ）等を用いて行われる。

業務分類部１３０は、量子化部１２０によって算出された量子化ログ情報に基づき、業務フローを複数の業務パターンに分類する。尚、業務フローの分類先となる業務パターンの数は、予め設定してもよいし、例えば、分析結果１１５を利用するユーザ（分析者）から受け付けるようにしてもよい。業務パターンの数は、例えば、ユーザが対応可能な程度
の数（例えば、２０程度）とする。業務フローの業務パターンへの分類は、例えば、Ｋ－ｍｅａｎｓや混合ガウスモデル等を用いて行うことができる。尚、取り扱う次元数が多くなる場合は、例えば、潜在的意味解析（ＬＳＩ（Latent Semantic Indexing）、ＬＳＡ（Latent Semantic Analysis））や特異点分解（ＳＶＤ（Singular Value Decomposition））を用いて次元圧縮を行ってもよい。

図３に業務パターン化ログ情報１１４の一例を示す。例示する業務パターン化ログ情報１１４は、業務パターンＩＤ１１４１、業務フローＩＤ１１４２、及び業務遂行結果１１４３の各項目を有する複数のレコード（エントリ）で構成される。

上記項目のうち、業務パターンＩＤ１１４１には、業務パターンの識別子である業務パターンＩＤが格納される。業務フローＩＤ１１４２には、業務パターンを構成する業務フローの業務フローＩＤが格納される。尚、業務パターンを構成する各業務フローは、業務パターンの特徴量の一つとなる。業務遂行結果１１４３には、当該業務フローＩＤで特定される業務フローの業務遂行結果が格納される。

図１に戻り、分析部１５０は、業務パターン化ログ情報１１４の業務パターン毎に分析を行うことにより、業務パターン毎の分析結果１１５を生成して出力する。

図４は、分析部１５０が行う上記の分析にかかる処理（以下、「業務フロー分析処理Ｓ４００」と称する。）を説明するフローチャートである。以下、同図とともに業務フロー分析処理Ｓ４００について説明する。

まず、分析部１５０は、業務パターン化ログ情報１１４から業務パターンを一つ選択する（Ｓ４１１）。

続いて、分析部１５０は、選択中の業務パターンの業務フローを一つ選択する（Ｓ４１２）。

続いて、分析部１５０は、ログ情報１１１を参照し、選択中の業務フローが、成功業務フローであるか、失敗業務フローであるかを判定する（Ｓ４１３）。選択中の業務フローが成功業務フローであれば（Ｓ４１３：成功）、分析部１５０は、選択中の業務フローを成功業務フローとして記憶する（Ｓ４１４）。その後、処理はＳ４１６に進む。一方、選択中の業務フローが失敗業務フローであれば（Ｓ４１３：失敗）、分析部１５０は、選択中の業務フローを失敗業務フローとして記憶する（Ｓ４１５）。その後、処理はＳ４１６に進む。

Ｓ４１６では、分析部１５０は、選択中の業務パターンの業務フローを全て選択済か否かを判定する。選択中の業務パターンの業務フローを全て選択済でなければ（Ｓ４１６：ＮＯ）、処理はＳ４１２に戻る。一方、選択中の業務パターンの業務フローを全て選択済であれば（Ｓ４１６： ＹＥＳ）、処理はＳ４１７に進む。

Ｓ４１７では、分析部１５０は、記憶している成功業務フロー群と失敗業務フロー
群の夫々について、頻出系列を特定するアルゴリズムにより頻出系列を特定する。こ
こでいう頻出系列とは、当該集合の中で高頻度で出現する作業及び作業の順序系列で
ある。高頻度の判定は一定の閾値によってなされ、例えば、閾値が頻度「0.8」であ
り、その集合の中で「初期訪問_いまいち」というノードが「0.9」の頻度で出現して
いた場合、「初期訪問_いまいち」は長さ「１」の頻出系列とみなされる。また、も
し「初期訪問_いまいち」の後に「提案体制の決定」というノードがやはり「0.9」と
いう頻度で出現していた場合、初期訪問_いまいち」から「提案体制の決定」という
順序関係の頻出系列としてみなされる。尚、頻出系列は、ノード間の相対的な順序関
係においての頻出度合いを表現するものである。ノード間の間隔の上限を特に規定し
なければ、実際の事例に照らし合わせた際に当該ノード間に他のノードがいくつ含ま
れていても、閾値を超える数の事例でその順序関係が成り立っていれば頻出であると
判断する。尚、頻出系列の特定は、例えば、公知の頻出系列抽出手法（頻出パターン
マイニング（frequent pattern mining）等）を用いて行うことができる。

続いて、分析部１５０は、前述した「成功系列」、「失敗系列」、及び「共通系列」を夫々特定し、特定した結果を出力する（Ｓ４１８）。

Ｓ４１９では、分析部１５０は、全ての業務パターンを選択済か否かを判定する。未選択の業務パターンがあれば（Ｓ４１９：ＮＯ）、処理はＳ４１１に戻る。全ての業務パターンを選択済であれば（Ｓ４１９：ＹＥＳ）、業務フロー分析処理Ｓ４００は終了する。

図５Ａ及び図５Ｂに、ある業務パターンについての分析結果１１５の一例を示す。図５Ａは、当該業務パターンについて特定された「成功系列」、「失敗系列」、及び「共通系列」（以下、「パターン毎系列情報」とも称する。）をグラフ形式（有向グラフ形式）で表現したものであり、図５Ｂは、パターン毎系列情報を表形式で示したものである。

図５Ａにおいて、各ノードを表す円には、作業と当該作業の作業結果を記載している。尚、作業結果については必ずしも取得できない場合もある。各ノードを結ぶ矢線は系列間の相対的な順序関係を表す。実線で示す矢線は「共通系列」を、破線で示す矢線は「成功系列」を、一点鎖線で示す矢線は「失敗系列」を、夫々表す。

業務支援システム１が、例えば図５Ａ乃至図５Ｂの内容（「成功系列」、「失敗系列」、及び「共通系列」）を視覚的に表示することで、ユーザは、成功の要因となった業務フローの情報や、失敗の要因となった業務フローの情報を容易に得ることができ、業務の改善計画等に役立てることができる。例えば、ユーザは、現在行っている作業の後、業務をどのように進めていけば成功に繋がるのかといった情報を容易に取得することができる。

業務支援システム１は、ユーザが業務に際して行った作業の来歴情報１１８を分析結果１１５（パターン毎系列情報）と対照することによりユーザが現在行っている作業を特定し、ユーザが現在行っている作業の後に行う作業を決定するための指針や参考となる情報（以下、「業務遂行支援情報」と称する。）を生成してユーザに提供する（以下、当該機能のことを「業務遂行支援機能」と称する。）。業務遂行支援情報は、例えば、今後行うべき作業（以下、「推奨作業」と称する。）、早期に行うべき作業（以下、「早期実行作業」と称する。）、タイミングを待ってから行うべき作業（以下、「時期尚早作業」と称する。）、避けるべき作業（以下、「忌避作業」と称する。）、静観すべき（積極的には進めるべきでない）作業（以下、「静観作業」と称する。）等を示す情報である。

図１に戻り、分析部１５０は、更に業務パターン化ログ情報１１４の業務パターン毎に統計処理を行うことにより、業務パターン毎の分析結果１１５を生成して出力する。

図５Ｃに上記統計処理により得られる分析結果１１５の一例を示す。例示する分析結果１１５の各レコード（エントリ）は一つの業務パターンに対応する。分析結果１１５は、業務パターンＩＤ１１５１、実行数１１５２、受注オッズ１１５３、受注／失注１１５４、及び分類結果１１５５の各項目を有する複数のエントリ（レコード）を含む。尚、実行数１１５２、受注オッズ１１５３や受注／失注１１５４には、ログ情報１１１の作業結果１１１４を統計処理した結果が格納される。

業務パターンＩＤ１１５１には、業務パターンＩＤが格納される。実行数１１５２には、当該業務パターンに属する業務フローの数が格納される。受注オッズ１１５３には、当該業務パターンについて所定の計算式により求めたオッズの値が格納される。受注／失注１１５４には、受注数（成功数）と失注数（失敗数）の数が格納される。分類結果１１５５には、受注オッズ１１５３の値に応じた当該業務パターンの分類先（有望群、可能群、絶望群）を示す情報が格納される。本例では、有望群と可能群を線引きする受注オッズ１１５３の値（第１閾値）として「3.0」を、可能群と絶望群を線引きする受注オッズ１１
５３の値（第２閾値）として「0.10」を設定している。

同図に示す分析結果１１５が提供されることで、ユーザ（分析者）は、例えば、いずれの業務パターンの業務フローに従って作業すべきであるかについての示唆を得ることができる。例えば、ユーザは、業務プロセスの再構築や作業員への指導方法等についての効果的な改善を図ることができる。

図６は、業務支援システム１の前述した業務遂行支援機能に関する構成を説明するシステムフロー図である。業務支援システム１は、業務パターン推定部１６０と来歴分析処理部１７０を更に備える。また、記憶部１１０は、機械学習モデルである業務パターン推定モデル１５５、来歴情報１１８、及び業務遂行支援情報１１９を更に記憶する。

来歴情報１１８は、ユーザが業務に際し現在までに行った作業に関する情報を含む。来歴情報１１８の取得方法は必ずしも限定されないが、例えば、ユーザの手入力やユーザが利用する各種の情報処理システムから取得される。

業務パターン推定部１６０は、来歴情報１１８を業務パターン推定モデル１５５に入力することにより、来歴情報１１８に対応する業務パターンを特定し、特定した業務パターンを示す情報を含む業務パターン推定結果１１７を生成する。業務パターン推定モデル１５５は、例えば、ＤＮＮ（Deep Neural Network）、ＬＳＴＭ（Long Short-Term Memory
）を用いたＲＮＮ（Recurrent Neural Network）等である。業務パターン推定モデル１５５の生成（学習）については後述する。

来歴分析処理部１７０は、業務パターン推定結果１１７に記載されている業務パターンに対応する分析結果１１５に基づき業務遂行支援情報１１９を生成する。

図７は、業務支援システム１が備える、業務パターン推定モデル１５５の生成（学習）機能に関する主な構成を説明するシステムフロー図である。業務支援システム１は、学習データ生成部１６５及び学習処理部１６６を更に備える。また、記憶部１１０は、ラベル１７３、及び学習データ１７５を更に記憶する。

学習データ生成部１６５は、ログ情報１１１とラベル１７３に基づき学習データ１７５を生成する。ラベルは、例えば、ユーザインタフェースを介してユーザが設定するが、例えば、業務パターン化ログ情報１１４に基づき設定してもよい。学習データ１７５は、ログ情報１１１における各業務フローの全部又は一部と、（当該全部又は一部が対応する）業務パターン（業務パターンＩＤ）とを対応づけた情報である。

例えば、図２の業務フローＩＤが「GF0001」の作業の場合、学習データ１７５は、当該業務フローの全部（作業ＩＤが「初期訪問」から「受注」までの全てのレコード）と業務パターン（業務パターンＩＤ）を対応づけた情報や、当該業務フローの一部（例えば、作業ＩＤが「初期訪問」と「要件取得」の２つのレコードのセット）と業務パターン（業務パターンＩＤ）を対応づけた情報である。尚、業務フローの一部のレコードのセットは、当該業務フローにおいて最初に行われる作業のレコードと、当該作業以降に順次行われる
一つ以上の作業のレコードのセット（図２の例では作業ＩＤ１１１３が「初期訪問」のレコードを含み、順次後続する一連のレコードのセット）である。

図８に学習データ１７５の一例を示す。例示する学習データ１７５は、学習データＩＤ１７５１、業務フローＩＤ１７５２、順序１７５３、作業ＩＤ１７５４、作業結果１７５５、及び業務パターンＩＤ１７５６の各項目を有する複数のレコードで構成される。

上記項目のうち、学習データＩＤ１７５１には、学習データ毎に付与される識別子である学習データＩＤが格納される。尚、学習データＩＤが共通する一群のレコードのデータは１つの学習データを構成する。業務フローＩＤ１７５２、順序１７５３、作業ＩＤ１７５４、及び作業結果１７５５は、いずれもログ情報１１１から取得される情報である。業務パターンＩＤ１７５６には、当該学習データについて設定したラベル（業務パターン）の業務パターンＩＤが格納される。

図９は、業務パターン推定部１６０が、入力された来歴情報１１８（対象来歴情報）の業務パターンを業務パターン推定モデル１５５を用いて推定することにより得られる業務パターン推定結果１１７の一例である。同図に示すように、業務パターン推定結果１１７は、業務パターンＩＤ１７７１及び尤度１７７２の各項目を有する一つ以上のレコードで構成される。

上記項目のうち、業務パターンＩＤ１７７１には、前述した業務パターンＩＤが格納される。尤度１７７２には、当該業務パターンの尤度が格納される。尤度は、業務パターン推定モデル１５５が算出した、来歴情報１１８と当該業務パターンＩＤの類似性（類似度）を表す値であり、値が大きい程、類似性が高いことを示す。

図１０は、来歴分析処理部１７０が、業務パターン推定結果１１７と分析結果１１５（パターン毎系列情報）に基づき業務遂行支援情報１１９を生成する処理（以下、「来歴分析処理Ｓ１０００」と称する。）を説明するフローチャートである。以下、同図とともに来歴分析処理Ｓ１０００について説明する。尚、以下では、分析結果１１５として図１１Ａ及び図１１Ｂに示す内容が取得されている場合を例として説明する。

まず、来歴分析処理部１７０は、業務パターン推定結果１１７から業務パターンを一つ選択する（Ｓ１０１１）。来歴分析処理部１７０は、例えば、尤度１１７２の最も高い業務パターンを選択する。尚、来歴分析処理部１７０が複数の業務パターンを選択し、選択した個々の業務パターンについて以下の処理Ｓ１０１２～Ｓ１０１６を行うようにしてもよい。

続いて、来歴分析処理部１７０は、分析結果１１５から、選択した業務パターンの業務フロー（パターン毎系列情報に基づく業務フロー）を取得する（Ｓ１０１２）。

続いて、来歴分析処理部１７０は、来歴情報１１８と取得した業務フローとを対照することにより、当該業務フローにおけるユーザの現在の作業を特定する（Ｓ１０１３）。尚、来歴情報１１８の作業の系列が上記業務フローの作業の系列と完全に一致しない場合もあるが、その場合は、例えば、上記業務フローと一致する作業を系列に沿って順次辿ることにより、ユーザの現在の作業を特定する。

続いて、来歴分析処理部１７０は、特定した現在の作業に後続する作業（以下、「後続作業」と称する。）をＳ１０１２で取得した業務フローから特定する（Ｓ１０１４）。

例えば、図１１Ａの例で、Ｓ１０１３でユーザの現在の作業が「提案方針の検討」と特
定されている場合、来歴分析処理部１７０は、「見積り」、「提案書作成」、「課題対応＿成功」、「責任体制の決定」、及び「要件取得＿成功」を後続作業として特定する。尚、「提案書作成」、「課題対応＿成功」、及び「責任体制の決定」については、いずれも「提案方針の検討」と同様に「提案体制の決定」に後続する作業であり、「提案方針の検討」と並行して行われる作業であるので、来歴分析処理部１７０は、これらの作業についても「提案方針の検討」の後続作業として特定する。また、「要件取得＿成功」については、当該作業に先行する作業が無い作業であるので、来歴分析処理部１７０は、当該作業についても「提案方針の検討」の後続作業として特定する。

また、図１１Ａの例で、Ｓ１１１３で特定されたユーザの現在の作業が「提案体制の決定」であった場合、来歴分析処理部１７０は、「提案書作成」、「課題対応＿成功」、「責任体制の決定」、「提案方針の検討」、及び「要件取得＿成功」を後続作業として特定する。

また、図１１Ａの例で、Ｓ１１１３で特定されたユーザの現在の作業が「初期訪問いまいち」であった場合、来歴分析処理部１７０は、「提案体制の決定」及び「要件取得＿成功」を後続作業として特定する。

図１０に戻り、続いて、来歴分析処理部１７０は、特定した後続作業に基づき、業務遂行支援情報１１９を生成する（Ｓ１０１５）。

例えば、ユーザの現在の作業から後続作業への遷移が「成功系列」であれば、来歴分析処理部１７０は、当該後続作業を「推奨作業」とする業務遂行支援情報１１９を生成する。例えば、図１１Ａの例で、ユーザの作業の現在の状態が「提案方針の検討」である場合、来歴分析処理部１７０は、「成功系列」における後続作業である「提案書作成」及び「課題対応＿成功」を「推奨作業」とする内容の業務遂行支援情報１１９を生成する。

また、例えば、ユーザの現在の作業から後続作業への遷移が「失敗系列」であれば、来歴分析処理部１７０は、当該後続作業を「忌避作業」とする内容の業務遂行支援情報１１９を生成する。例えば、図１１Ａの例で、ユーザの作業の現在の状態が「提案方針の検討」である場合、来歴分析処理部１７０は、失敗系列における後続作業である「責任体制の決定」を「忌避作業」とする内容の業務遂行支援情報１１９を生成する。

また、例えば、ユーザの現在の作業から後続作業への遷移が「共通系列」や「失敗系列」を成立させない後続作業については、来歴分析処理部１７０は、「早期実行作業」とする内容の業務遂行支援情報１１９を生成する。例えば、図１１Ａの例で、ユーザの作業の現在の状態が「提案体制の決定」である場合、来歴分析処理部１７０は、後続作業である「要件取得＿成功」を「早期実行作業」とする内容の業務遂行支援情報１１９を生成する。

また、例えば、特定した後続作業を実行することにより「成功系列」の実行順序が崩れてしまう可能性がある場合、来歴分析処理部１７０は、当該後続作業を「時期尚早作業」とする内容の業務遂行支援情報１１９を生成する。例えば、図１１Ａの例で、ユーザの作業の現在の状態が「提案方針の検討」である場合、共通系列の後続作業である「見積り」については「成功系列」である他の後続作業「提案書作成」、「課題対応＿成功」が存在するので、来歴分析処理部１７０は後続作業「見積り」を「時期尚早作業」とする内容の業務遂行支援情報１１９を生成する。

また、例えば、業務フローによっては、同じ後続作業が「成功系列」であり「失敗系列」でもある場合もある。その場合、来歴分析処理部１７０は、例えば、当該後続作業を「
静観作業」（積極的には進めない）とする内容の業務遂行支援情報１１９を生成する。

また、例えば、後続作業が「失敗系列」への遷移を有する場合、来歴分析処理部１７０は、当該後続作業の系列以外の系列の後続作業を推奨する内容の業務遂行支援情報１１９を生成する。例えば、図１１Ａの例で、ユーザの作業の現在の状態が「提案体制の決定」である場合、後続作業である「提案方針の検討」は失敗系列の遷移（「責任体制の決定」への遷移）を有するので、来歴分析処理部１７０は、当該後続作業の系列以外の系列の後続作業（例えば、「責任体制の決定」）の実行を推奨する内容の業務遂行支援情報１１９を生成する。

図１０に戻り、続いて、来歴分析処理部１７０は、生成した業務遂行支援情報１１９に基づく情報をユーザに提供する（Ｓ１０１６）。

図１２は、来歴分析処理部１７０が、業務遂行支援情報１１９の内容をユーザに提供する際にユーザインタフェースを介してユーザに提示する画面（以下、「支援情報提示画面１２００」と称する。）の一例である。

同図に示すように、支援情報提示画面１２００は、業務担当者の表示欄１２１１、業務パターンの表示欄１２１２、尤度の表示欄１２１３、現在の作業の表示欄１２１４、業務フローの表示欄１２２０、及びレコメンデーションの表示欄１２３０を有する。

業務担当者の表示欄１２１１には、来歴情報１１８とともに取得されるユーザの識別子（業務担当者名）が表示される。業務パターンの表示欄１２１２には、図１０のＳ１０１１で選択した業務パターンの識別子（業務パターンＩＤ）が表示される。尤度の表示欄１２１３には、図１０のＳ１０１１で選択した業務パターンの尤度（業務パターン推定結果１７７の尤度１７７２）が表示される。現在の作業の表示欄１２１４には、図１０のＳ１０１３で特定したユーザの現在の作業を示す情報が表示される。業務フローの表示欄１２２０には、図１０のＳ１０１２で取得した業務フローが表示される。レコメンデーションの表示欄１２３０には、図１０のＳ１０１５で生成した業務遂行支援情報１１９が表示される。

ユーザは、支援情報提示画面１２００を参照することで、ユーザが現在行っている作業がどのような業務パターンに属しているかを容易に確認することができる。また、ユーザは、自身が行ってきた作業の経緯を確認し、例えば、自身が現在行っている作業が成功に近い状況にあるのか、失敗に近い状況にあるのかといった情報を得ることができる。

また、ユーザは、業務を成功させるためにこれからどのような作業を行うべきであるのか、どのような作業を行わないほうがよいのかといった示唆を得ることができ、業務の進め方の決定に際し有用な情報として利用することができる。

尚、例えば、支援情報提示画面１２００に、更に図５Ｃに示した分析結果１１５（統計情報）に基づく情報を表示する（もしくはユーザの指示を受け付けて表示する機能を設ける）ようにしてもよい。ユーザは、上記の情報を参照することで、例えば、自身が現在行っている作業の成功確率（受注オッズ）を確認し、業務の成功に結びつく可能性の高い作業を適切に選択して業務を進めることができる。

また、図９に示した業務パターン推定結果１７７の尤度１７７２の値が小さい場合には誤った情報がユーザに提供されてしまう可能性が高くなる。そこで、例えば、業務支援システム１が、尤度１７７２の値が予め設定した閾値（以下、「尤度閾値」と称する。）以上である場合は業務遂行支援情報１１９をユーザに提供し、尤度１７７２の値が尤度閾値
よりも小さい場合は業務遂行支援情報１１９をユーザに提供しない（もしくは、ユーザに提示する際に信頼性が低い旨の情報を併記する）ようにしてもよい。

＜情報処理装置の例＞
図１３に、業務支援システム１を構成する情報処理装置の構成例を示す。例示する情報処理装置１０は、プロセッサ１１、主記憶装置１２、補助記憶装置１３、入力装置１４、出力装置１５、及び通信装置１６を備える。尚、例示する情報処理装置１０は、その全部又は一部が、例えば、クラウドシステムによって提供される仮想サーバのように、仮想化技術やプロセス空間分離技術等を用いて提供される仮想的な情報処理資源を用いて実現されるものであってもよい。また、情報処理装置１０によって提供される機能の全部又は一部は、例えば、クラウドシステムがＡＰＩ（Application Program Interface）等を介し
て提供するサービスによって実現してもよい。また、業務支援システム１は、通信可能に接続された複数の情報処理装置１０を用いて構成してもよい。

同図において、プロセッサ１１は、例えば、ＣＰＵ（Central Processing Unit）、Ｍ
ＰＵ（Micro Processing Unit）、ＧＰＵ（Graphics Processing Unit）、ＦＰＧＡ（Field Programmable Gate Array）、ＡＳＩＣ（Application Specific Integrated Circuit
）、ＡＩ（Artificial Intelligence）チップ等を用いて構成されている。

主記憶装置１２は、プログラムやデータを記憶する装置であり、例えば、ＲＯＭ（Read
Only Memory）、ＲＡＭ（Random Access Memory）、不揮発性メモリ（ＮＶＲＡＭ（Non Volatile RAM））等である。

補助記憶装置１３は、例えば、ＳＳＤ（Solid State Drive）、ハードディスクドライ
ブ、光学式記憶装置（ＣＤ（Compact Disc）、ＤＶＤ（Digital Versatile Disc）等）、ストレージシステム、ＩＣカード、ＳＤカードや光学式記録媒体等の記録媒体の読取／書込装置、クラウドサーバの記憶領域等である。補助記憶装置１３には、記録媒体の読取装置や通信装置１６を介してプログラムやデータを読み込むことができる。補助記憶装置１３に格納（記憶）されているプログラムやデータは主記憶装置１２に随時読み込まれる。

入力装置１４は、外部からの入力を受け付けるインタフェースであり、例えば、キーボード、マウス、タッチパネル、カードリーダ、ペン入力方式のタブレット、音声入力装置等である。

出力装置１５は、処理経過や処理結果等の各種情報を出力するインタフェースである。出力装置１５は、例えば、上記の各種情報を可視化する表示装置（液晶モニタ、ＬＣＤ（Liquid Crystal Display）、グラフィックカード等）、上記の各種情報を音声化する装置（音声出力装置（スピーカ等））、上記の各種情報を文字化する装置（印字装置等）である。尚、例えば、情報処理装置１０が通信装置１６を介して他の装置との間で情報の入力や出力を行う構成としてもよい。

入力装置１４及び出力装置１５は、ユーザとの間で情報の受け付けや情報の提示を行うユーザインタフェースを構成する。

通信装置１６は、他の装置との間の通信を実現する装置である。通信装置１６は、通信ネットワーク等の通信媒体を介して他の装置との間の通信を実現する、有線方式又は無線方式の通信インタフェースであり、例えば、ＮＩＣ（Network Interface Card）、無線通信モジュール、ＵＳＢモジュール等である。

情報処理装置１０には、例えば、オペレーティングシステム、ファイルシステム、ＤＢ
ＭＳ（DataBase Management System）（リレーショナルデータベース、ＮｏＳＱＬ等）、ＫＶＳ（Key-Value Store）等が導入されていてもよい。

業務支援システム１が備える各機能は、プロセッサ１１が、主記憶装置１２に格納されているプログラムを読み出して実行することにより、もしくは、業務支援システム１を構成するハードウェア（ＦＰＧＡ、ＡＳＩＣ、ＡＩチップ等）によって実現される。業務支援システム１は、前述した各種の情報（データ）を、例えば、データベースのテーブルやファイルシステムが管理するファイルとして記憶する。

以上、本発明の一実施形態について説明したが、本発明は上記の実施形態に限定されるものではなく、その要旨を逸脱しない範囲で種々変更可能であることはいうまでもない。例えば、上記の実施形態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限定されるものではない。また、上記実施形態の構成の一部について、他の構成の追加や削除、置換をすることが可能である。

例えば、業務フロー（作業の系列）の表現態様として、例えば、ベイジアンネットワーク（Bayesian network）等の確率モデルベースのものを用いてもよい。

また、上記の各構成、機能部、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い。また、上記の各構成、機能等は、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、メモリやハードディスク、ＳＳＤ（Solid State Drive）等の記録装置、Ｉ
Ｃカード、ＳＤカード、ＤＶＤ等の記録媒体に置くことができる。

また、以上に説明した各情報処理装置の各種機能部、各種処理部、各種データベースの配置形態は一例に過ぎない。各種機能部、各種処理部、各種データベースの配置形態は、これらの装置が備えるハードウェアやソフトウェアの性能、処理効率、通信効率等の観点から最適な配置形態に変更し得る。

また、前述した各種のデータを格納するデータベースの構成（スキーマ（Schema）等）は、リソースの効率的な利用、処理効率向上、アクセス効率向上、検索効率向上等の観点から柔軟に変更し得る。

１ 業務支援システム、１１１ ログ情報、１１２ 量子化ログ情報、１１４ 業務パターン化ログ情報、１１５ 分析結果、１１７ 業務パターン推定結果、１１８ 来歴情報、１１９ 業務遂行支援情報、１２０ 量子化部、１３０ 業務分類部、１５０ 分析部、１５５ 業務パターン推定モデル、１６０ 業務パターン推定部、１６５ 学習データ生成部、１６６ 学習処理部、１７０ 来歴分析処理部、１７３ ラベル、１７５ 学習データ、Ｓ４００ 業務フロー分析処理、Ｓ１０００ 来歴分析処理、１２００ 支援情報提示画面

Claims (15)

1. プロセッサ及び記憶装置を有する情報処理装置を用いて構成され、
   業務に関して行われる一連の作業の流れを示す情報である業務フローと前記一連の作業に対応する業務フローの種別を示す情報である業務パターンとを対応づけた情報に基づき生成され、業務に関する作業の来歴を示す情報である来歴情報に対応する前記業務パターンを特定するモデルである業務パターン推定モデルと、
   前記業務パターンの夫々について、夫々に対応する前記業務フローを構成する系列を夫々が業務の遂行結果に与える影響に応じて分類した情報を含むパターン毎系列情報と、
   支援の対象となる業務の来歴情報である対象来歴情報と、
   を記憶し、
   前記対象来歴情報に対応する前記業務パターンを前記業務パターン推定モデルにより特定し、
   特定した前記業務パターンの前記パターン毎系列情報に基づき、業務の遂行を支援するための情報である業務遂行支援情報を生成する、
   業務支援システム。
2. 請求項１に記載の業務支援システムであって、
   前記パターン毎系列情報は、業務の成功に繋がる作業の系列である成功系列、業務の失敗に繋がる作業の系列である失敗系列、及び前記成功系列及び前記失敗系列の双方に登場する系列である共通系列のうちの少なくともいずれかを示す情報を含む、
   業務支援システム。
3. 請求項２に記載の業務支援システムであって、
   前記対象来歴情報と、当該対象来歴情報について特定した前記業務パターンの前記パターン毎系列情報に基づく業務フローとを対照することにより、前記支援の対象となる業務における現在の作業を特定し、
   特定した現在の作業に後続する作業である後続作業が、前記成功系列、前記失敗系列、及び前記共通系列のいずれの系列の作業であるかを特定し、
   特定した系列に応じた内容の前記業務遂行支援情報を生成する、
   業務支援システム。
4. 請求項３に記載の業務支援システムであって、
   前記業務フローと前記業務フローに従って業務を遂行した結果を示す情報である業務遂行結果とを含むログ情報を記憶し、
   前記ログ情報における業務フローの特徴量に基づき、前記業務フローを複数の業務パターンに分類した情報である業務パターン化ログ情報を生成し、
   前記業務パターン化ログ情報と前記ログ情報から取得される前記業務遂行結果とに基づき、前記パターン毎系列情報を生成する、
   業務支援システム。
5. 請求項４に記載の業務支援システムであって、
   前記業務パターン化ログ情報と前記ログ情報から取得される前記業務遂行結果とに基づき、前記業務パターンの夫々について、夫々に属する業務フローが、成功に繋がる業務フローである成功業務フローであるか、失敗に繋がる業務フローである失敗業務フローであるかを特定し、
   前記成功業務フローの群である成功業務フロー群にのみ登場する頻出系列を前記成功系列として特定し、前記失敗業務フローの群である失敗業務フロー群にのみ登場する頻出系列を前記失敗系列として特定し、前記成功業務フロー群及び失敗業務フロー群の双方に登場する頻出系列を前記共通系列として特定することにより、前記パターン毎系列情報を生
   成する、
   業務支援システム。
6. 請求項３に記載の業務支援システムであって、
   前記後続作業が前記成功系列の作業である場合は当該後続作業の遂行を推奨すべきことを示す内容の前記業務遂行支援情報を生成する、
   業務支援システム。
7. 請求項３に記載の業務支援システムであって、
   前記後続作業が前記失敗系列の作業である場合は当該後続作業の遂行を忌避すべきことを示す内容の前記業務遂行支援情報を生成する、
   業務支援システム。
8. 請求項３に記載の業務支援システムであって、
   前記後続作業が前記共通系列の作業である場合は当該後続作業の遂行を静観すべきことを示す内容の前記業務遂行支援情報を生成する、
   業務支援システム。
9. 請求項１に記載の業務支援システムであって、
   前記業務パターン推定モデルは、前記業務フローを含むログ情報と前記ログ情報から取得される前記業務フローに対応する業務パターンとを対応づけた情報を含む学習データを用いて学習される機械学習モデルである、
   業務支援システム。
10. 請求項９に記載の業務支援システムであって、
    前記業務パターン推定モデルは、前記対象来歴情報に対応する前記業務パターンの特定に際し、前記対象来歴情報と特定した前記業務パターンの尤度を生成し、
    前記尤度が予め設定された閾値以上である前記業務パターンを、前記対象来歴情報に対応する前記業務パターンとして特定する、
    業務支援システム。
11. 請求項１に記載の業務支援システムであって、
    ユーザインタフェースを有し、
    前記ユーザインタフェースを介して前記業務遂行支援情報をユーザに提供する、
    業務支援システム。
12. プロセッサ及び記憶装置を有する情報処理装置が、
    業務に関して行われる一連の作業の流れを示す情報である業務フローと前記一連の作業に対応する業務フローの種別を示す情報である業務パターンとを対応づけた情報に基づき生成され、業務に関する作業の来歴を示す情報である来歴情報に対応する前記業務パターンを特定するモデルである業務パターン推定モデルと、
    前記業務パターンの夫々について、夫々に対応する前記業務フローを構成する系列を夫々が業務の遂行結果に与える影響に応じて分類した情報を含むパターン毎系列情報と、
    支援の対象となる業務の来歴情報である対象来歴情報と、
    を記憶するステップ、
    前記対象来歴情報に対応する前記業務パターンを前記業務パターン推定モデルにより特定するステップ、及び、
    特定した前記業務パターンの前記パターン毎系列情報に基づき、業務の遂行を支援するための情報である業務遂行支援情報を生成するステップ、
    を実行する、業務支援方法。
13. 請求項１２に記載の業務支援方法であって、
    前記パターン毎系列情報は、業務の成功に繋がる作業の系列である成功系列、業務の失敗に繋がる作業の系列である失敗系列、及び前記成功系列及び前記失敗系列の双方に登場する系列である共通系列のうちの少なくともいずれかを示す情報を含む、
    業務支援方法。
14. 請求項１３に記載の業務支援方法であって、
    前記情報処理装置が、
    前記対象来歴情報と、当該対象来歴情報について特定した前記業務パターンの前記パターン毎系列情報に基づく業務フローとを対照することにより、前記支援の対象となる業務における現在の作業を特定するステップ、
    特定した現在の作業に後続する作業である後続作業が、前記成功系列、前記失敗系列、及び前記共通系列のいずれの系列の作業であるかを特定するステップ、及び、
    特定した系列に応じた内容の前記業務遂行支援情報を生成するステップ、
    を更に実行する、業務支援方法。
15. 請求項１４に記載の業務支援方法であって、
    前記情報処理装置が、
    前記業務フローと前記業務フローに従って業務を遂行した結果を示す情報である業務遂行結果とを含むログ情報を記憶するステップ、
    前記ログ情報における業務フローの特徴量に基づき、前記業務フローを複数の業務パターンに分類した情報である業務パターン化ログ情報を生成するステップ、及び、
    前記業務パターン化ログ情報と前記ログ情報から取得される前記業務遂行結果とに基づき、前記パターン毎系列情報を生成するステップ、
    を更に実行する、業務支援方法。
    

Images