JP2024004898A - 配属先選定支援装置、配属先選定支援方法、及びプログラム - Google Patents

Abstract

【課題】人事異動における人事担当者の負担を軽減する。【解決手段】配属先選定支援装置１０は、人事異動の対象者の人事情報が予め設定された複数の選定条件のいずれかに該当する場合に、該当する選定条件について指標値を算出し、算出した指標値、対象者の識別子、及び該当する選定条件と関連する配属先を特定する、選定情報を生成する、選定情報生成部１１と、選定情報に基づいて、対象者の配属先候補を選定する、配属先候補選定部１２と、を備えている。複数の選定条件には、特定の対象者が従事できる業務内容を制限する条件が含まれている。【選択図】図１

Description

本開示は、人員の配属先の選定を支援するための、配属先選定支援装置及び配属先選定支援方法に関し、更には、これらを実現するためのプログラムに関する。

従来から、組織によっては、取引先との癒着の防止、サービスの均一化を目的として、頻繁に人事異動が行われることがある。このような組織では、例えば、各人員に対して平均三年程で人事異動が行われる。但し、人事異動が頻繁に行われると、人事担当者の負担が大きくなる。このため、人事異動業務を組織の外部に委託することも考えられるが、人事異動業務では個人情報を取り扱う必要があるため、外部への委託は現実的ではない。

このため、例えば、特許文献１は、複数の部署それぞれに自動的に最適な人員を配置する人員配置支援システムを開示している。特許文献１に開示された人員配置支援システムは、まず、業務内容、その業務に必要な人員の職務ランク及び人数を関連付ける基準情報と、各部署の業務内容を含む業務情報とを用いて、各部署に必要な人員の職務ランク及び人数を特定する適正配置情報を作成する。

続いて、特許文献１に開示された人員配置支援システムは、作成した適正配置情報と、各部署に実際に配置されている人員の職務ランク及び人数を特定する実配置情報とを用いて、各部署の剰員及び欠員を抽出し、抽出結果を示す人員情報を作成する。人事担当者は、作成された人員情報を用いれば、各部署の剰員及び欠員を簡単に把握できるので、従来に比べて、人事担当者における負担は軽減される。

特開２００６－１７２１２５号公報

しかしながら、特許文献１に開示された人員配置システムは、単に、部署毎の剰員及び欠員を示す機能しか備えておらず、適正な人事異動を行うためには、人事担当者の負担は依然として大きいままである。例えば、人事異動では、業務経験の浅い人員に対しては、できるだけ多くの業務を経験できるように異動が行われることがあるが、特許文献１に開示された人員配置システムではこのような考慮はなされておらず、人事担当者が考慮する必要がある。

本開示の目的の一例は、人事異動における人事担当者の負担を軽減することにある。

上記目的を達成するため、本開示の一側面における配属先選定支援装置は、
人事異動の対象者の人事情報が予め設定された複数の選定条件のいずれかに該当する場合に、該当する前記選定条件について指標値を算出し、算出した前記指標値、前記対象者の識別子、及び該当する前記選定条件と関連する配属先を特定する、選定情報を生成する、選定情報生成部と、
前記選定情報に基づいて、前記対象者の配属先候補を選定する、配属先候補選定部と、
を備え、
前記複数の選定条件には、特定の対象者が従事できる業務内容を制限する条件が含まれている、
ことを特徴とする。

また、上記目的を達成するため、本開示の一側面における配属先選定支援方法は、
人事異動の対象者の人事情報が予め設定された複数の選定条件のいずれかに該当する場合に、該当する前記選定条件について指標値を算出し、算出した前記指標値、前記対象者の識別子、及び該当する前記選定条件と関連する配属先を特定する、選定情報を生成する、選定情報生成ステップと、
前記選定情報に基づいて、前記対象者の配属先候補を選定する、配属先候補選定ステップと、
を有し、
前記複数の選定条件には、特定の対象者が従事できる業務内容を制限する条件が含まれている、
ことを特徴とする。

更に、上記目的を達成するため、本開示の一側面におけるプログラムは、
コンピュータに、
人事異動の対象者の人事情報が予め設定された複数の選定条件のいずれかに該当する場合に、該当する前記選定条件について指標値を算出し、算出した前記指標値、前記対象者の識別子、及び該当する前記選定条件と関連する配属先を特定する、選定情報を生成する、選定情報生成ステップと、
前記選定情報に基づいて、前記対象者の配属先候補を選定する、配属先候補選定ステップと、
を実行させ、
前記複数の選定条件には、特定の対象者が従事できる業務内容を制限する条件が含まれている、ことを特徴とする。

以上のように本開示によれば、人事異動における人事担当者の負担を軽減することができる。

図１は、実施の形態における配属先選定支援装置の概略構成を示す構成図である。 図２は、実施の形態における配属先選定支援装置の構成を具体的に示す構成図である。 図３は、実施の形態で用いられる選定条件の一例を示す図である。 図４は、実施の形態で生成される選定情報の一例を示す図である。 図５は、実施の形態において選定された配属先候補の一例を示す図である。 図６は、実施の形態における配属先選定支援装置の動作を示すフロー図である。 図７は、実施の形態における配属先選定支援装置を実現するコンピュータの一例を示すブロック図である。

（実施の形態）
以下、実施の形態における、配属先選定支援装置、配属先選定支援方法、及びプログラムについて、図１～図７を参照しながら説明する。

［装置構成］
最初に、実施の形態における配属先選定支援装置の概略構成について図１を用いて説明する。図１は、実施の形態における配属先選定支援装置の概略構成を示す構成図である。

図１に示す、実施の形態における配属先選定支援装置１０は、組織の人員の配属先の選定を支援する装置である。図１に示すように、配属先選定支援装置１０は、選定情報生成部１１と、配属先候補選定部１２と、を備えている。

選定情報生成部１１は、人事異動の対象者の人事情報が予め設定された複数の選定条件のいずれかに該当する場合に、該当する選定条件について指標値を算出する。複数の選定条件には、特定の対象者が従事できる業務内容を制限する条件が含まれる。

また、選定情報生成部１１は、算出した指標値、対象者の識別子、及び該当する記選定条件と関連する配属先を特定する、選定情報を生成する。配属先候補選定部１２は、生成された選定情報に基づいて、対象者の配属先候補を選定する。

このように配属先選定支援装置１０は、人事異動の対象者が合致する選定条件を元に配属先を設定する。また、選定条件には、業務内容に対して設定された条件、例えば、業務経験の浅い人員が多くの業務を経験できるようにする条件も含まれる。このため、配属先選定支援装置１０によれば、人事担当者が考慮すべき項目を減らすことができ、人事異動における人事担当者の負担を軽減することができる。

続いて、図２～図５を用いて、実施の形態における配属先選定支援装置１０の構成及び機能について具体的に説明する。図２は、実施の形態における配属先選定支援装置の構成を具体的に示す構成図である。図３は、実施の形態で用いられる選定条件の一例を示す図である。図４は、実施の形態で生成される選定情報の一例を示す図である。図５は、実施の形態において選定された配属先候補の一例を示す図である。

図２に示すように、実施の形態において、配属先選定支援装置１０は、上述した選定情報生成部１１及び配属先候補選定部１２に加えて、データ取得部１３と、対象者特定部１４と、機械学習モデル１５と、ルール判定部１６と、出力情報生成部１７とを備えている。また、図２に示すように、配属先選定支援装置１０には、入力装置２０と出力装置３０とが接続されている。

入力装置２０は、組織の人員の人事情報を、配属先選定支援装置１０に入力するための装置である。入力装置２０としては、タッチパネル、キーボード、マウス等の入力機器が挙げられる。また、入力装置２０は、これらの入力機器以外の装置、例えば、ネットワーク等を介して配属先選定支援装置１０に接続された端末装置であっても良い。端末装置としては、汎用のＰＣ（Personal Computer）、スマートフォン、タブレット型端末等が挙げられる。

出力装置３０は、出力情報生成部１７によって生成された出力情報に基づいて、対象者の配属先候補を表示する。出力装置３０としては、液晶表示装置等の表示装置、印刷装置が挙げられる。また、出力装置３０は、これらの装置以外の装置、例えば、ネットワーク等を介して配属先選定支援装置１０に接続された端末装置であっても良い。この場合、入力装置２０と出力装置３０とは、同一の端末装置であっても良い。なお、出力情報については後述する。

データ取得部１３は、入力装置２０によって入力された人事情報を取得する。実施の形態において、人事情報は、各人員の個人情報であり、例えば、各人員における、年齢、性別、所属、役職、通勤経路、親族、異動履歴、長期病気休暇、所属先の人数、所属の特性、異動希望、資格等を含む。なお、人事情報は、上述した情報に限定されるものではない。また、人事情報は、自動で作成されていても良いし、人手によって作成されていても良い。

対象者特定部１４は、機械学習モデル１５に、データ取得部１３で取得された対象者それぞれの人事情報を入力して、人事異動の対象者を特定する。機械学習モデル１５は、過去の人事異動の対象者の人事情報と過去の人事異動の結果とを訓練データとした、機械学習によって構築されたモデルである。また、人事異動の結果は、対象者が人事異動したか否かによって表される。

機械学習モデル１５は、例えば、ＡＩ判別分析（教師あり学習）を用いて生成されたモデルである。具体的には、機械学習モデル１５は、予測決定木、ランダムフォレスト、ＬｉｇｈｔＧＢＭなど用いて生成されたモデルである。機械学習モデル１５は、実際には、コンピュータ上で実行される機械学習プログラムによって実装される。コンピュータとしては、配属先選定支援装置１０を構築するコンピュータ（後述）が挙げられる。なお、機械学習モデル１５は、配属先選定支援装置１０とは別の装置（コンピュータ）に実装されていても良い。

選定情報生成部１１は、実施の形態では、まず、対象者特定部１４が特定した対象者について、データ取得部１３が取得した人事情報が、予め設定された複数の選定条件のいずれかに該当するかどうかを判定する。そして、選定情報生成部１１は、判定の結果から、対象者毎に、該当する選定条件を特定し、特定した選定条件について指標値を算出する。その後、選定情報生成部１１は、算出した指標値を用いて、選定情報を生成する。以下に、選定情報生成部１１による処理について具体的に説明する。

図３に示すように、実施の形態では、各選定条件は、対応する職種の従事者として人員を選定するための条件であり、「職種」と「指標」とに関連付けられている。「職種」は、人員の所属先での業務の種類を表す情報であり、各選定条件が当てはまる業務の種類を示している。「職種」の欄には、「職種Ａ」、「職種Ｂ」といった、対応する具体的な職種がはいる。なお、「共通」とされている場合は全ての職種が該当する。

また、図３に示した選定条件のうち「Ｎｏ．１２」の選定条件は、特定の対象者が従事できる業務内容を制限する条件である。「Ｎｏ．１２」の選定条件は、異動後の配属先が属するジョブグループが過去の配属先が属するどのジョブグループとも異なることを条件としている。ジョブグループは、業務の内容に応じて設定されたグループである。実施の形態では、組織における業務が予め複数の系統に分類され、同じ系統の組織及び業務内容が１つのジョブグループとして定義されている。具体的には、例えば、窓口業務を行う窓口系統のジョブグループ、企画業務を行う企画系統のジョブグループ、等が設定されている。

このように、Ｎｏ．１２の選定条件があると、人員は、現在のジョブグループとは異なるジョブグループに優先的に配属されることになる。つまりジョブローテーションが達成されやすくなる。ジョブローテーションによれば、人員は様々な業務を経験することができる。この結果、人員にとっては幅広いキャリアの形成を達成でき、人事担当者にとっては人員の適性の見極めが容易となる。

また、図３において、「指標」は、該当する選定条件の指標値を算出するための情報であり、「加点」と「重み」とで構成されている。各選定条件には、予め「加点」となる点数と「重み」となる点数とが設定されている。点数の値は、例えば、過去の経験、事例などに基づいて決定されている。

選定情報生成部１１は、人事異動の対象者の人事情報と図２に示す選定情報とを対比して、該当する選定条件を特定する。そして、選定情報生成部１１は、該当する選定条件それぞれについて、図２に示す「加点」の点数と「重み」の点数とを合算して、指標値を算出する。

具体的には、人事異動の対象者の人事情報が、図２の「Ｎｏ１」の選定条件に一致すると、選定情報生成部１１は、加点「１」と重み「４」とを用いて、指標値「４（＝１×４）」を算出する。

また、特定の職種についての選定条件と、全ての職種についての選定条件とが特定された場合は、選定情報生成部１１は、各選定条件について算出した「加点」の点数と「重み」の点数との合算値を、全て足し合わせ、得られた値を指標値とする。例えば、図２において、「Ｎｏ１」の選定条件の他に、「Ｎｏ．７」の選定条件と「Ｎｏ．１２」の選定条件も一致するとする。この場合、選定情報生成部１１は、「Ｎｏ１」の指標値５と、「Ｎｏ．７」の指標値４と、「Ｎｏ．１２」の指標値６とを足し合わせ、得られた値１５（＝５＋４＋６）を対象者の指標値とする。

選定情報生成部１１は、このようにして指標値を算出すると、算出した指標値を用いて、図４に示す選定情報を生成する。図４の例では、選定情報には、対象者（人員の識別番号）毎に、該当する選定条件に関連する配属先と、該当する選定条件から算出された指標値と、が関連付けられている。言い換えると、選定情報は、人事異動の対象者と配属先との組み合わせそれぞれについて指標値を関連付ける情報であり、人員と配属先とを用いたマトリクス（ｎ×ｎ）で表された点数表で構成されている。

例えば、識別番号「４５８９」の対象者の場合、その人事情報は、「職種Ａ」、「職種Ｂ」及び「職種Ｃ」の選定条件に該当する。従って、指標値は、「職種Ａ」、「職種Ｂ」、及び「職種Ｃ」に関係する配属先に付与され、「職種Ｄ」には付与されないこととなる。なお、指標値は、該当する職種において、空きポストが存在する部署（●●課、◇◇課等）のみに付与される。空きポストの有無については、予め人手などによって登録されている。

配属先候補選定部１２は、上述したように選定情報生成部１１が、対象者それぞれについて、配属先毎に指標値を算出して、選定情報を生成すると、生成された選定情報に基づいて、対象者それぞれの配属先候補を選定する。実施の形態では、配属先候補選定部１２は、対象者それぞれの指標値の合計が最大となるように、対象者それぞれの配属先候補を設定する。

具体的には、配属先候補選定部１２は、まず、選定情報生成部１１から選定情報を取得する。続いて、配属先候補選定部１２は、取得した選定情報を、例えば最適化エンジンに入力する。

最適化エンジンとしては、例えば、ハンガリアン法を採用した組み合わせ最適化エンジンが挙げられる。この場合、配属先候補選定部１２は、例えば、図４に示した選定情報において、空きポストが存在しない部署の指標値を「０（ゼロ）」に設定し、この選定情報をｎ×ｎの行列に加工する。そして、配属先候補選定部１２は、得られた行列を最適化エンジンに入力する。

これにより、最適化エンジンは、各対象者の指標値それぞれを合計した値を最大にする組み合わせ最適解を出力する。そして、図５に示すように、配属先候補選定部１２は、出力された最適解に基づいて、人事異動の対象者それぞれの配属先候補を選定する。その後、配属先候補選定部１２は、各対象者の配属先候補を特定する情報を、ルール判定部１６に渡す。

ルール判定部１６は、各対象者の選定された配属先候補が、予め設定されたルールに適合するかどうかを判定する。具体的には、ルール判定部１６は、対象者の人事情報、及び配属先候補に所属する人員の人事情報等を、ルールに照合して判定する。ルールとしては、例えば、以下に示すルールが挙げられる。
（１）配属先候補の勤務場所に対象者の親族等の特定の人物がいる。
（２）対象者が１対１で入れ替ってしまう。
（３）対象者が過去に所属した部署が配属先候補となっている。
（４）配属先候補の部署において２名以上が同時に異動してくることになる。
（５）対象者が勤続１０年以内である場合に、経験した部署の数が２以下とならないこと。

配属先候補選定部１２は、ルール判定部１６によってルールに適合していないと判定された対象者が存在する場合は、再度、配属先候補の選定を実行する。一方、配属先候補選定部１２は、ルール判定部１６によってルールに適合していないと判定された対象者が存在していない場合は、各対象者の配属先候補を特定する情報を、出力情報生成部１７に渡す。

出力情報生成部１７は、配属先候補選定部１２から情報を受け取ると、人事異動の対象者それぞれの配属先候補を人事担当者に提示するために、出力情報を生成する。その後、出力情報生成部１７は、出力情報を出力装置３０に出力する。

具体的には、出力情報は、図５に示した各対象者の配属先候補を、出力装置３０の画面に表示するための情報である。出力情報には、対象者それぞれにおける、識別番号、配属先候補、指標値の合計等が含まれる。

［装置動作］
次に、実施の形態における配属先選定支援装置１０の動作について図６を用いて説明する。図６は、実施の形態における配属先選定支援装置の動作を示すフロー図である。以下の説明においては、適宜図１～図５を参照する。また、実施の形態では、配属先選定支援装置１０を動作させることによって、配属先選定支援方法が実施される。よって、実施の形態における配属先選定支援方法の説明は、以下の配属先選定支援装置１０の動作説明に代える。

図６に示すように、最初に、データ取得部１３は、入力装置２０から、組織の人員それぞれの人事情報を取得する（ステップＡ１）。

次に、対象者特定部１４は、機械学習モデル１５に、ステップＡ１で取得された、組織の人員それぞれの人事情報を入力して、人事異動の対象者を特定する（ステップＡ２）。

次に、選定情報生成部１１は、ステップＡ２で特定された各対象者について、ステップＡ１で取得された人事情報が、予め設定された複数の選定条件（図３参照）のいずれかに該当するかどうかを判定する（ステップＡ３）。

次に、選定情報生成部１１は、ステップＡ３の判定の結果から、対象者毎に、該当する選定条件を特定し、特定した選定条件について指標値を算出する（ステップＡ４）。更に、選定情報生成部１１は、ステップＡ４で算出した各対象者の指標値を用いて、選定情報（図４参照）を生成する（ステップＡ５）。

次に、配属先候補選定部１２は、ステップＡ５によって選定情報が生成されると、生成された選定情報に基づいて、対象者それぞれの配属先候補を選定する（ステップＡ６）。

次に、ルール判定部１６は、ステップＡ６によって選定された各対象者の配属先候補が、予め設定されたルールに適合するかどうかを判定する（ステップＡ７）。

ステップＡ７の実行後、配属先候補選定部１２は、ステップＡ７でルールに適合していないと判定された対象者が存在するかどうかを判定する（ステップＡ８）。

ステップＡ８の判定の結果、ステップＡ７でルールに適合していないと判定された対象者が存在する場合（ステップＡ８：Ｙｅｓ）は、配属先候補選定部１２は、ルールに適合しない配属先を除外して、再度、ステップＡ６を実行する。

一方、ステップＡ８の判定の結果、ステップＡ７でルールに適合していないと判定された対象者が存在していない場合（ステップＡ８：Ｎｏ）は、配属先候補選定部１２は、各対象者の配属先候補を特定する情報を、出力情報生成部１７に渡す。これにより、出力情報生成部１７は、人事異動の対象者それぞれの配属先候補を人事担当者に提示するために、出力情報を生成する（ステップＡ９）。

その後、出力情報生成部１７は、出力情報を出力装置３０に出力する（ステップＡ１０）。これにより、出力装置３０の画面に、人事異動の対象者それぞれの配属先候補が表示される。

［実施の形態における効果］
以上のように配属先選定支援装置１０によれば、人事異動の対象者の配属先候補を自動で生成し、人事担当者に提示することができるので、人事担当者は配属先の選定を効率よくできる。したがって、人事担当者の負担を軽減できる。

また、選定条件には、例えば、業務経験の浅い人員が多くの業務を経験できるようにする条件も含まれるため、キャリアプランの形成、及び人員適性を見極めるための人員配置案の作成を実現できる。配属先選定支援装置１０によれば、人事担当者が考慮すべき項目を減らすことができ、人事異動における人事担当者の負担を軽減することができる。また、配属先選定支援装置１０は、一定のルールに反した配属先候補を排除することもでき、よりいっそう人事担当者の負担を軽減できる。

［プログラム］
実施の形態におけるプログラムは、コンピュータに、図６に示すステップＡ１～Ａ１０を実行させるプログラムであれば良い。このプログラムをコンピュータにインストールし、実行することによって、本実施の形態における配属先選定支援装置１０と配属先選定支援方法とを実現することができる。この場合、コンピュータのプロセッサは、選定情報生成部１１、配属先候補選定部１２、データ取得部１３、対象者特定部１４、機械学習モデル１５、ルール判定部１６、出力情報生成部１７として機能し、処理を行なう。また、コンピュータとしては、汎用のコンピュータ（サーバ装置を含む）の他に、スマートフォン、タブレット型端末装置も挙げられる。

また、実施の形態におけるプログラムは、複数のコンピュータによって構築されたコンピュータシステムによって実行されても良い。この場合は、例えば、各コンピュータが、それぞれ、選定情報生成部１１、配属先候補選定部１２、データ取得部１３、対象者特定部１４、機械学習モデル１５、ルール判定部１６、出力情報生成部１７のいずれかとして機能しても良い。

［物理構成］
ここで、実施の形態におけるプログラムを実行することによって、配属先選定支援装置１０を実現するコンピュータについて図７を用いて説明する。図７は、実施の形態における配属先選定支援装置を実現するコンピュータの一例を示すブロック図である。

図７に示すように、コンピュータ１１０は、ＣＰＵ（Central Processing Unit）１１１と、メインメモリ１１２と、記憶装置１１３と、入力インターフェイス１１４と、表示コントローラ１１５と、データリーダ／ライタ１１６と、通信インターフェイス１１７とを備える。これらの各部は、バス１２１を介して、互いにデータ通信可能に接続される。

また、コンピュータ１１０は、ＣＰＵ１１１に加えて、又はＣＰＵ１１１に代えて、ＧＰＵ（Graphics Processing Unit）、又はＦＰＧＡ（Field-Programmable Gate Array）を備えていても良い。この態様では、ＧＰＵ又はＦＰＧＡが、実施の形態におけるプログラムを実行することができる。

ＣＰＵ１１１は、記憶装置１１３に格納された、コード群で構成された実施の形態におけるプログラムをメインメモリ１１２に展開し、各コードを所定順序で実行することにより、各種の演算を実施する。メインメモリ１１２は、典型的には、ＤＲＡＭ（Dynamic Random Access Memory）等の揮発性の記憶装置である。

また、実施の形態におけるプログラムは、コンピュータ読み取り可能な記録媒体１２０に格納された状態で提供される。なお、本実施の形態におけるプログラムは、通信インターフェイス１１７を介して接続されたインターネット上で流通するものであっても良い。

また、記憶装置１１３の具体例としては、ハードディスクドライブの他、フラッシュメモリ等の半導体記憶装置が挙げられる。入力インターフェイス１１４は、ＣＰＵ１１１と、キーボード及びマウスといった入力機器１１８との間のデータ伝送を仲介する。表示コントローラ１１５は、ディスプレイ装置１１９と接続され、ディスプレイ装置１１９での表示を制御する。

データリーダ／ライタ１１６は、ＣＰＵ１１１と記録媒体１２０との間のデータ伝送を仲介し、記録媒体１２０からのプログラムの読み出し、及びコンピュータ１１０における処理結果の記録媒体１２０への書き込みを実行する。通信インターフェイス１１７は、ＣＰＵ１１１と、他のコンピュータとの間のデータ伝送を仲介する。

また、記録媒体１２０の具体例としては、ＣＦ（Compact Flash（登録商標））及びＳＤ（Secure Digital）等の汎用的な半導体記憶デバイス、フレキシブルディスク（Flexible Disk）等の磁気記録媒体、又はＣＤ－ＲＯＭ（Compact Disk Read Only Memory）などの光学記録媒体が挙げられる。

なお、本実施の形態における配属先選定支援装置１０は、プログラムがインストールされたコンピュータではなく、各部に対応したハードウェア、例えば、電子回路を用いることによっても実現可能である。更に、配属先選定支援装置１０は、一部がプログラムで実現され、残りの部分がハードウェアで実現されていてもよい。実施の形態において、コンピュータは、図７に示すコンピュータに限定されることはない。

上述した実施の形態の一部又は全部は、以下に記載する（付記１）～（付記１５）によって表現することができるが、以下の記載に限定されるものではない。

（付記１）
人事異動の対象者の人事情報が予め設定された複数の選定条件のいずれかに該当する場合に、該当する前記選定条件について指標値を算出し、算出した前記指標値、前記対象者の識別子、及び該当する前記選定条件と関連する配属先を特定する、選定情報を生成する、選定情報生成部と、
前記選定情報に基づいて、前記対象者の配属先候補を選定する、配属先候補選定部と、
を備え、
前記複数の選定条件には、特定の対象者が従事できる業務内容を制限する条件が含まれている、
ことを特徴とする配属先選定支援装置。

（付記２）
予め業務内容に応じて複数のジョブグループが設定されており、
前記特定の対象者が従事できる業務内容を制限する条件は、異動後の配属先が属するジョブグループが過去の配属先が属するどのジョブグループとも異なること、である、
付記１に記載の配属先選定支援装置。

（付記３）
選定された前記配属先候補が、予め設定されたルールに適合するかどうかを判定する、ルール判定部を更に備えている、
付記１または２に記載の配属先選定支援装置。

（付記４）
過去の人事異動の対象者の人事情報と過去の人事異動の結果とを訓練データとした、機械学習によって構築された機械学習モデルに、組織の人員それぞれの人事情報を入力して、人事異動の前記対象者を特定する、対象者特定部を更に備えている、
付記１に記載の配属先選定支援装置。

（付記５）
前記人事異動の対象者が複数存在しており、
前記選定情報生成部が、前記複数の対象者それぞれについて、特定した前記配属先毎に、前記指標値を算出して、前記選定情報を生成し、
前記配属先候補選定部が、前記複数の対象者それぞれの前記指標値の合計が最大となるように、前記対象者それぞれの前記配属先候補を設定する、
付記１に記載の配属先選定支援装置。

（付記６）
人事異動の対象者の人事情報が予め設定された複数の選定条件のいずれかに該当する場合に、該当する前記選定条件について指標値を算出し、算出した前記指標値、前記対象者の識別子、及び該当する前記選定条件と関連する配属先を特定する、選定情報を生成する、選定情報生成ステップと、
前記選定情報に基づいて、前記対象者の配属先候補を選定する、配属先候補選定ステップと、
を有し、
前記複数の選定条件には、特定の対象者が従事できる業務内容を制限する条件が含まれている、
ことを特徴とする配属先選定支援方法。

（付記７）
予め業務内容に応じて複数のジョブグループが設定されており、
前記特定の対象者が従事できる業務内容を制限する条件は、異動後の配属先が属するジョブグループが過去の配属先が属するどのジョブグループとも異なること、である、
付記６に記載の配属先選定支援方法。

（付記８）
選定された前記配属先候補が、予め設定されたルールに適合するかどうかを判定する、ルール判定ステップを更に有する、
付記６または７に記載の配属先選定支援方法。

（付記９）
過去の人事異動の対象者の人事情報と過去の人事異動の結果とを訓練データとした、機械学習によって構築された機械学習モデルに、組織の人員それぞれの人事情報を入力して、人事異動の前記対象者を特定する、対象者特定ステップを更に有する、
付記６に記載の配属先選定支援方法。

（付記１０）
前記人事異動の対象者が複数存在しており、
前記選定情報生成ステップにおいて、前記複数の対象者それぞれについて、特定した前記配属先毎に、前記指標値を算出して、前記選定情報を生成し、
前記配属先候補選定ステップにおいて、前記複数の対象者それぞれの前記指標値の合計が最大となるように、前記対象者それぞれの前記配属先候補を設定する、
付記６に記載の配属先選定支援方法。

（付記１１）
コンピュータに、
人事異動の対象者の人事情報が予め設定された複数の選定条件のいずれかに該当する場合に、該当する前記選定条件について指標値を算出し、算出した前記指標値、前記対象者の識別子、及び該当する前記選定条件と関連する配属先を特定する、選定情報を生成する、選定情報生成ステップと、
前記選定情報に基づいて、前記対象者の配属先候補を選定する、配属先候補選定ステップと、
を実行させ、
前記複数の選定条件には、特定の対象者が従事できる業務内容を制限する条件が含まれている、プログラム。

（付記１２）
予め業務内容に応じて複数のジョブグループが設定されており、
前記特定の対象者が従事できる業務内容を制限する条件は、異動後の配属先が属するジョブグループが過去の配属先が属するどのジョブグループとも異なること、である、
付記１１に記載のプログラム。

（付記１３）
前記コンピュータに、
選定された前記配属先候補が、予め設定されたルールに適合するかどうかを判定する、ルール判定ステップを更に実行させる、
付記１１または１２に記載のプログラム。

（付記１４）
前記コンピュータに、
過去の人事異動の対象者の人事情報と過去の人事異動の結果とを訓練データとした、機械学習によって構築された機械学習モデルに、組織の人員それぞれの人事情報を入力して、人事異動の前記対象者を特定する、対象者特定ステップを更に実行させる、
付記１１に記載のプログラム。

（付記１５）
前記人事異動の対象者が複数存在しており、
前記選定情報生成ステップにおいて、前記複数の対象者それぞれについて、特定した前記配属先毎に、前記指標値を算出して、前記選定情報を生成し、
前記配属先候補選定ステップにおいて、前記複数の対象者それぞれの前記指標値の合計が最大となるように、前記対象者それぞれの前記配属先候補を設定する、
付記１１に記載のプログラム。

以上のように本開示によれば、人事異動における人事担当者の負担を軽減することができる。本開示は、人事業務が必要な分野において有用である。

１０ 配属先選定支援装置
１１ 選定情報生成部
１２ 配属先候補選定部
１３ データ取得部
１４ 対象者特定部
１５ 機械学習モデル
１６ ルール判定部
１７ 出力情報生成部
２０ 入力装置
３０ 出力装置
１１０ コンピュータ
１１１ ＣＰＵ
１１２ メインメモリ
１１３ 記憶装置
１１４ 入力インターフェイス
１１５ 表示コントローラ
１１６ データリーダ／ライタ
１１７ 通信インターフェイス
１１８ 入力機器
１１９ ディスプレイ装置
１２０ 記録媒体
１２１ バス

Claims (15)

1. 人事異動の対象者の人事情報が予め設定された複数の選定条件のいずれかに該当する場合に、該当する前記選定条件について指標値を算出し、算出した前記指標値、前記対象者の識別子、及び該当する前記選定条件と関連する配属先を特定する、選定情報を生成する、選定情報生成部と、
   前記選定情報に基づいて、前記対象者の配属先候補を選定する、配属先候補選定部と、
   を備え、
   前記複数の選定条件には、特定の対象者が従事できる業務内容を制限する条件が含まれている、
   ことを特徴とする配属先選定支援装置。
2. 予め業務内容に応じて複数のジョブグループが設定されており、
   前記特定の対象者が従事できる業務内容を制限する条件は、異動後の配属先が属するジョブグループが過去の配属先が属するどのジョブグループとも異なること、である、
   請求項１に記載の配属先選定支援装置。
3. 選定された前記配属先候補が、予め設定されたルールに適合するかどうかを判定する、ルール判定部を更に備えている、
   請求項１または２に記載の配属先選定支援装置。
4. 過去の人事異動の対象者の人事情報と過去の人事異動の結果とを訓練データとした、機械学習によって構築された機械学習モデルに、組織の人員それぞれの人事情報を入力して、人事異動の前記対象者を特定する、対象者特定部を更に備えている、
   請求項１に記載の配属先選定支援装置。
5. 前記人事異動の対象者が複数存在しており、
   前記選定情報生成部が、前記複数の対象者それぞれについて、特定した前記配属先毎に、前記指標値を算出して、前記選定情報を生成し、
   前記配属先候補選定部が、前記複数の対象者それぞれの前記指標値の合計が最大となるように、前記対象者それぞれの前記配属先候補を設定する、
   請求項１に記載の配属先選定支援装置。
6. 人事異動の対象者の人事情報が予め設定された複数の選定条件のいずれかに該当する場合に、該当する前記選定条件について指標値を算出し、算出した前記指標値、前記対象者の識別子、及び該当する前記選定条件と関連する配属先を特定する、選定情報を生成する、選定情報生成ステップと、
   前記選定情報に基づいて、前記対象者の配属先候補を選定する、配属先候補選定ステップと、
   を有し、
   前記複数の選定条件には、特定の対象者が従事できる業務内容を制限する条件が含まれている、
   ことを特徴とする配属先選定支援方法。
7. 予め業務内容に応じて複数のジョブグループが設定されており、
   前記特定の対象者が従事できる業務内容を制限する条件は、異動後の配属先が属するジョブグループが過去の配属先が属するどのジョブグループとも異なること、である、
   請求項６に記載の配属先選定支援方法。
8. 選定された前記配属先候補が、予め設定されたルールに適合するかどうかを判定する、ルール判定ステップを更に有する、
   請求項６または７に記載の配属先選定支援方法。
9. 過去の人事異動の対象者の人事情報と過去の人事異動の結果とを訓練データとした、機械学習によって構築された機械学習モデルに、組織の人員それぞれの人事情報を入力して、人事異動の前記対象者を特定する、対象者特定ステップを更に有する、
   請求項６に記載の配属先選定支援方法。
10. 前記人事異動の対象者が複数存在しており、
    前記選定情報生成ステップにおいて、前記複数の対象者それぞれについて、特定した前記配属先毎に、前記指標値を算出して、前記選定情報を生成し、
    前記配属先候補選定ステップにおいて、前記複数の対象者それぞれの前記指標値の合計が最大となるように、前記対象者それぞれの前記配属先候補を設定する、
    請求項６に記載の配属先選定支援方法。
11. コンピュータに、
    人事異動の対象者の人事情報が予め設定された複数の選定条件のいずれかに該当する場合に、該当する前記選定条件について指標値を算出し、算出した前記指標値、前記対象者の識別子、及び該当する前記選定条件と関連する配属先を特定する、選定情報を生成する、選定情報生成ステップと、
    前記選定情報に基づいて、前記対象者の配属先候補を選定する、配属先候補選定ステップと、
    を実行させ、
    前記複数の選定条件には、特定の対象者が従事できる業務内容を制限する条件が含まれている、プログラム。
12. 予め業務内容に応じて複数のジョブグループが設定されており、
    前記特定の対象者が従事できる業務内容を制限する条件は、異動後の配属先が属するジョブグループが過去の配属先が属するどのジョブグループとも異なること、である、
    請求項１１に記載のプログラム。
13. 前記コンピュータに、
    選定された前記配属先候補が、予め設定されたルールに適合するかどうかを判定する、ルール判定ステップを更に実行させる、
    請求項１１または１２に記載のプログラム。
14. 前記コンピュータに、
    過去の人事異動の対象者の人事情報と過去の人事異動の結果とを訓練データとした、機械学習によって構築された機械学習モデルに、組織の人員それぞれの人事情報を入力して、人事異動の前記対象者を特定する、対象者特定ステップを更に実行させる、
    請求項１１に記載のプログラム。
15. 前記人事異動の対象者が複数存在しており、
    前記選定情報生成ステップにおいて、前記複数の対象者それぞれについて、特定した前記配属先毎に、前記指標値を算出して、前記選定情報を生成し、
    前記配属先候補選定ステップにおいて、前記複数の対象者それぞれの前記指標値の合計が最大となるように、前記対象者それぞれの前記配属先候補を設定する、
    請求項１１に記載のプログラム。

Images