JP7215318B2 - 情報処理プログラム、情報処理方法、及び情報処理装置 - Google Patents

Description

本発明は、情報処理プログラム、情報処理方法、及び情報処理装置に関する。

従業員の業務に関するログデータに基づき、業務評価を行なう技術が知られている。

特開２０１６－０３１６２４号公報

近年、「働き方改革」の観点から、労働生産性を向上させるための提案、換言すれば業務改善に役立つ情報提示を、従業員のログデータに基づき行なうことが試みられている。

しかし、従業員のログデータには、様々なパラメータが含まれており、これらの複数のパラメータから、情報提示を適切に行なうことは困難である。

１つの側面では、本発明は、業務改善に役立つ情報提示の適正化を図ることを目的とする。

１つの側面では、情報処理プログラムは、コンピュータに、以下の処理を実行させてよい。前記処理は、従業員の端末装置から取得されたログデータの中から、前記従業員の業務に関する作業時間帯、作業内容、及び、作業の量のいずれかに対応する複数のデータ項目を特定することを含んでよい。また、前記処理は、特定された前記複数のデータ項目に含まれるデータ項目に対応する要素を含む条件文と、特定された前記複数のデータ項目との対応の度合いに応じて、前記条件文、又は、前記条件文に対応するログデータ、を表す文についての、業務改善に関する情報としての提示の優先度を決定することを含んでよい。

１つの側面では、業務改善に役立つ情報提示の適正化を図ることができる。

業務改善に関する情報提示を行なうシステムの一例を示す図である。 一実施形態に係るシステムの構成例を示すブロック図である。 サーバの機能を実現するコンピュータのハードウェア構成例を示すブロック図である。 集計データ（割合データ）の一例を示す図である。 集計データ（実時間データ）の一例を示す図である。 インサイト候補データの一例を示す図である。 仮説項目データの一例を示す図である。 重み計算の一例を示す図である。 ランキングデータの一例を示す図である。 インサイトの表示例を示す図である。 一実施形態に係るシステムの処理の一例を示す図である。 一実施形態に係るシステムの動作例を説明するフローチャートである。 インサイト候補データ算出処理の動作例を説明するフローチャートである。 比較インサイト算出処理の動作例を説明するフローチャートである。 インサイトデータ決定処理の動作例を説明するフローチャートである。

以下、図面を参照して本発明の実施の形態を説明する。ただし、以下に説明する実施形態は、あくまでも例示であり、以下に明示しない種々の変形や技術の適用を排除する意図はない。例えば、本実施形態を、その趣旨を逸脱しない範囲で種々変形して実施することができる。なお、以下の実施形態で用いる図面において、同一符号を付した部分は、特に断らない限り、同一若しくは同様の部分を表す。

〔１〕一実施形態
〔１－１〕業務改善に役立つ情報提示について
図１は、業務改善に関する情報提示を行なうシステム１００の一例を示す図である。システム１００は、従業員の業務ログの分類結果に基づき、継続的な働き方改革を支援するインサイトを、当該従業員やマネージャ等の「人」に代わって、例えばＡＩ（Artificial Intelligence）によって生成する。

例えば、システム１００は、曜日や時間帯、会議やメール等、多様な視点を含むインサイトを生成し、上昇傾向、別部署との比較等、「その人に有用なインサイト」を絞り込んで提示する。「インサイト」は、データ分析から得られる改革に役立つ洞察を示す情報であり、例えば自然文のテキストデータを含んでよい。自然文は、例えば、口語体で記述された口語文のように、ＡＩによる自然言語処理の対象となる文であってよい。

図１に例示するように、システム１００は、従業員の「業務ログ」を含むログデータ１１０を作業、対象、及び／又はテーマ別に分類した分類結果１２０に基づき、業務改善に関する分析を行なう。業務ログは、例えば、業務ＡＰ（Application）やＰＣ（Personal Computer）操作履歴、業務スケジュール等のログを含んでよい。

例えば、後述するスコア計算の対象となるデータは、業務ログの分類結果１２０を集計した集計データであってよい。集計データは、項目（意味、例えば単語）と、数値データとの組み合わせを複数含んでよい。当該組み合わせは、「パラメータ」又は「データ項目」と称されてもよい。

複数のパラメータとしては、例えば、図１に示すように、「人」、「種別」、「部署」、「日付」、「時間帯」、「作業」、「対象」、「テーマ」、「計算方法」、「時系列」、「比較」、等が挙げられる。一例として、集計データは、ユーザＩＤ（人）「3732」×テーマ「組織業務」×作業「会議」×時間帯「残業時間」×計算方法「割合」を含んでよい。他の例として、集計データは、組織ＩＤ（部署）「0021」×テーマ「組織業務」×作業「会議」×社員種別「幹部社員」×時間帯「残業時間」×計算方法「割合」を含んでよい。

分析において、システム１００は、例えば、集計データに含まれる複数のパラメータに基づき、広い視点による抽出結果１３０を、例えば部署毎に取得する。これにより、システム１００は、人が気付き難い視点についても系統的に抽出でき、ユーザに対して、新しい気付きを促進することができる。

また、システム１００は、抽出結果１３０に基づき、人の説明事例や業務知識を活用して絞り込みや優先順位付けを行ない、業務改善に有用な視点による分析結果１４０を取得する。分析結果１４０は、個人や現場に合った説明を含んでよい。

そして、システム１００は、分析結果１４０に基づき、継続的な働き方改革を支援する洞察を示す情報１５０を生成し、モニタ等の出力装置に表示させる。情報１５０は、インサイトに基づく自然な説明文（インサイト説明文）を含んでよい。

ここで、システム１００は、分析結果１４０の取得において、働き方を改革する上での仮説を評価するスコア計算を行なう。

「仮説」とは、「働き方改革」という観点から出力するインサイトの方向性を定義付ける情報であり、例えば、「残業時間における幹部社員の組織業務に関する会議をなくしたい」等の「こうあるべき」という内容が設定された情報である。仮説は、「条件文」と称されてもよい。

システム１００は、複数の仮説と抽出結果１３０とに基づくスコア計算を行ない、１つの集計データに対して、最も近いと思われる仮説のラベルを付与する。なお、集計データのスコアは、「仮説ごとのスコア」＊「仮説の優先度」の総和によって表わされてよい。そして、システム１００は、仮説に最も合致する（換言すればスコアの大きい）集計データに基づき、インサイトを提示する。

ところで、上述のように、集計データには、複数のパラメータが含まれる。このため、スコア計算において、これらのパラメータを個別に処理すると、パラメータの組み合わせ数が膨大になる。また、集計データの各パラメータの取り得る値は、働き方という特性上、職種、人、等に応じてバリエーションがある。

このため、適切なインサイトを出力するためのスコア計算を頑強に行なうことが難しい。その結果、スコア計算が安定せず（結果のブレ幅が大きく）、ユーザに適切な優先度でインサイトを提示することが困難となる場合がある。以下、スコア計算を頑強に行なうことが難しい理由の詳細を説明する。

まず、多種多様に亘る「業務」に対する改善のための正解データを作成すること自体が困難である。

また、集計データにパラメータが複数存在する場合、スコア計算を行なうための式のバリエーションが膨大になり、どの式が適切であるかを判断すること、すなわち、１つの式を決定することが難しい。

さらに、インサイトの優先順位を人手で判断し、正解データを作成したとしても、正解データの通りにスコア計算を行なうためのパラメータが複数存在する。

また、いずれか１つの式で計算するとしても、未知のデータが入力されたときに、そのスコアが正しいか否かは保障されない。

加えて、仮説自体も複数存在し、且つ、仮説にも優先度があり、ログデータ１１０における或る業務ログがどの仮説に最も近いか等を表す、仮説の順位付けも行なわれるため、スコア計算が安定しない以上、仮説の順位付けも適正に行なうことが困難となる。

例えば、ユーザにより、以下の仮説１～仮説３及びそれぞれの優先度が設定された場合を想定する。

仮説１：「残業時間の会議をなくしたい」 …優先度：0.3
仮説２：「定時内の顧客対応の会議を３０％まで増やしたい」 …優先度：0.2
仮説３：「会議の割合を１５％まで減らしたい」 …優先度：0.5

実際の業務ログから得られるデータは、以下のように数値にバリエーションがある。

組織Ａ：
（１）「残業時間の会議は、１日あたり２時間」
（２）「残業時間の会議のうち、組織業務は、１日あたり１．８時間」
（３）「残業時間の会議のうち、顧客対応は、１日あたり０．２時間」
（４）「定時内の会議は、顧客対応に関するものが５０％」
（５）「会議は、組織業務に関するものが５０％」
（６）「全作業の中で会議の割合は、３０％」

組織Ｂ：
（１）「残業時間の会議は、１日あたり３時間」
（２）「定時内の顧客対応の会議は、２％」
（３）「会議の割合は、６０％」

組織Ｃ：
（１）「残業時間の会議は、１日あたり１時間」
（２）「定時内の顧客対応の会議は、２０％」
（３）「会議の割合は、３３％」

システム１００は、組織Ａに関して、（４）及び（６）のいずれをインサイトとして生成するか、組織Ｂに関して、（１）～（３）のいずれをインサイトとして生成するかについて、上述のように、正解を作成することが困難である。また、正解を作成したとしても、特定の順にスコアを出すための式や、パラメータの組み合わせが、膨大に存在する。

例えば、組織Ａについては、（６）（４）（５）の優先度でインサイトを生成し、組織Ｂについては、（１）（２）（３）の優先度でインサイトを生成し、組織Ｃについては、（３）（１）（２）の優先度でインサイトを生成したいとする。業務データにおいて、パラメータ（変数）が複数、一例として８個存在する場合、１仮説のためのスコア計算に用いられる式は、どのパラメータから和を取り、どのパラメータから積を取る、というバリエーションが多数存在し、式のバリエーション数が大幅に増える。例えば、パラメータが３個の場合は、１桁程度の式数であるのに対し、パラメータが８個の場合は、５桁程度の式数になる。以下、パラメータがＡ～Ｇである場合の全ての式のうちの一部の式を例示する。なお、下記式において、ａ～ｇは係数である。

aA+bB+cC+dD+eE+fF+gG
aA*bB*cC*dD*eE*fF*gG
(aA+bB)*(cC+dD)*(eE+fF)*gG
(aA+bB+cC)*(cC+dD)*(eE+(fF*gG))
…

システム１００は、上記の（１）～（６）又は（１）～（３）のデータに当て嵌まる式によって組織Ａ～Ｃを評価することになるが、バリエーションが多いため、実際には優先度の低いインサイトであるにもかかわらず、優先度が高いと判定されることがある。言い換えると、或る「式」でインサイトを計算した場合、不適切な（本来提示すべきではない）インサイトが高いスコアになり、適切な（本来提示すべき）インサイトが低いスコアになることがある。

（一実施形態に係る手法の一例）
そこで、一実施形態においては、仮説と業務ログの特性とに着目してスコア計算を行なうことにより、業務改善に役立つ情報提示の適正化を図る手法を説明する。

例えば、一実施形態では、「業務ログ」に関して、「こうあるべき」という仮説に対するスコアを計算するという観点から、業務ログのパラメータをグループ化する。

ここで、「働き方」は人や組織に応じて多種多様である。「働き方改革」は、「労働生産性を上げる」ことを意味し、以下の３つの要素を含む。

（Ｉ）長時間労働の改善。
（II）非正規社員と正規社員（正社員）との間の格差是正。
（III）柔軟な働き方の実現。

上記（Ｉ）に関するインサイトを提案するために、長時間労働について分析することが考えられる。例えば、仕事の時間を、定時内、残業時間に分けて分析すればよい。

また、上記（II）に関するインサイトを提案するために、仕事内容について分析することが考えられる。例えば、「誰が」「何（会議、事務作業、等）を」「どれだけ」やっているかを分析すればよい。

さらに、上記（III）に関するインサイトを提案するために、「テレワーク、短時間勤務、休暇、等」の中で、「何を」「どれだけ」やるかを分析すればよい。なお、「テレワーク」については、さらに、「どこで」を分析すればよい。

また、上記（Ｉ）～（III）に加えて、「生産性向上」の観点から、以下の２つの要素について分析することも考えられる。

（ｉ）主業務（仕事種類）に時間をかける一方、事務作業等の主業務でない業務（仕事種類）を削減する。
（ii）コストの観点から、一般社員・非正規社員は、働けば働くほど賃金が発生する。

以上の要素をまとめると、以下の５つの項目が得られる。

・「仕事時間帯」（定時内、残業時間、等）
・「誰が」（幹部社員、一般社員（正社員）、非正規社員、等）
・「どこで」（事務所、自宅、サテライトオフィス、出張先、等）
・「仕事内容・種類」（「主業務かどうか」（コア業務＝主な業務、非コア業務＝主な業務以外）、「作業」（会議、メール、事務作業、資料作成、等）、「テーマ」（顧客対応、製品開発、組織業務、等））
・「どれくらい」（仕事量）

また、「生産性」という観点では、「仕事時間帯」、「誰が」、及び「どこで」をまとめることができる。よって、業務ログのパラメータは、働き方改革の観点から、以下の３点（３グループ）にまとめる（集約する）ことが可能である。

（Ａ）業務を誰が、いつ、どこで行なったか：「誰が」、「仕事時間帯」、「どこで」
（Ｂ）業務の内容：「仕事内容・種類」（適切な業務をしているかどうか）
（Ｃ）業務の量：「どれくらい」（割合、実時間、等）

このようなグルーピングにより、例えば、（Ａ）「残業時間における幹部社員の」、（Ｂ）「組織業務に関する会議を」、（Ｃ）「なくしたい」というような仮説を評価するためのスコア計算を、３個のパラメータにより実行することができる。

（Ａ）～（Ｃ）グループのいずれかに属する複数のパラメータは、従業員の業務に関する作業時間帯、作業内容、及び、作業の量のいずれかに対応する複数のデータ項目の一例である。例えば、（Ａ）グループに属するパラメータは、従業員の作業時間帯に対応する１以上の第１データ項目の一例である。また、（Ｂ）グループに属するパラメータは、作業内容に対応する１以上の第２データ項目の一例である。さらに、（Ｃ）グループに属するパラメータは、作業の量に対応する１以上の第３データ項目の一例である。

例えば、スコア計算を行なうための式における演算のバリエーションを、和（以下、“＋”と表記する）及び積（以下、“×”又は“＊”と表記する）に制限すると、式のバリエーションは、以下の８個で全てとなる。このように、パラメータを３つのグループにグループ化する、換言すれば、パラメータを３種（３個）とすることで、パラメータが８個の場合と比較し、大幅に式のバリエーション数を減少させることができる。従って、８個の式から適切な式を容易に決定することが可能となり、スコア計算を適切に行なうことができる。換言すれば、優先度順のスコアを算出することができる。

aA+bB+cC
aA*bB*cC
aA*bB+cC
aA*(bB+cC)
aA+bB*cC
(aA+bB)*cC
aA*cC+bB
(aA+cC)*bB

このように、一実施形態では、仮説評価の際に、仮説及び業務ログの特性に従って、複数のパラメータを３点にグループ化することで、パラメータの組み合わせ数（計算に用いるパラメータ数）を削減することができ、スコア計算を頑強に行なうことが可能となる。

これにより、ユーザに適切な優先度でインサイトを提示することができる。換言すれば、業務改善に役立つ情報提示の適正化を図ることができる。以下、上述した一実施形態に係る手法の詳細を説明する。

〔１－２〕一実施形態の構成例
（システム１の構成例）
図２は、一実施形態に係るシステム１の構成例を示すブロック図である。システム１は、業務改善に役立つ情報提示を行なう情報処理システムの一例である。なお、システム１は、「業務改善に役立つ情報」に代えて、特定の組織、チーム、グループ等の集団によるプロジェクトや作業等の改善に役立つ情報を提示してもよい。

図２に示すように、システム１は、例示的に、サーバ２、端末３、及び、端末４を備えてよい。なお、システム１は、複数の端末３を備えてもよい。

端末３は、従業員の業務に関する業務ログデータ３１を作業、対象、及び／又はテーマ別に分類して得られる分類結果データを、サーバ２に送信する送信装置の一例である。例えば、端末３は、従業員が使用する従業員端末であってよく、従業員の業務ログを収集し、業務ログデータ３１として蓄積してよい。「業務ログ」は、端末３の業務ＡＰや操作履歴等のログ、業務スケジュール等を含んでよい。

なお、端末３は、業務ログデータ３１自体をサーバ２に送信し、サーバ２が分類結果データを算出してもよい。また、端末３は、従業員端末とは異なる端末であってもよく、図示しない従業員端末から業務ログデータ３１を収集してもよい。

端末４は、サーバ２による情報提示先となる提示先装置の一例である。端末４は、サーバ２から表示データを受信し、受信した表示データを、モニタ等の表示装置４１に表示する。表示データとしては、例えば、ＨＴＭＬ（Hypertext Markup Language）形式等のウェブページとしてのデータであってもよいし、画像データであってもよい。なお、端末４は、端末３と一体に構成されてもよい。

端末３及び４としては、それぞれ、例示的に、ラップトップやデスクトップ等のＰＣ、スマートフォン、タブレット、携帯電話、等の種々のコンピュータが挙げられる。

サーバ２は、業務改善に役立つ情報提示を行なう情報処理装置の一例である。例えば、サーバ２は、端末３から受信した分類結果データに基づき、従業員の業務ログの分析、分析結果に基づく提案文の生成、及び、生成した提案文のユーザへの提案、をＡＩによって行なう。

サーバ２は、仮想サーバ（ＶＭ；Virtual Machine）であってもよいし、物理サーバであってもよい。また、サーバ２の機能は、１台のコンピュータにより実現されてもよいし、２台以上のコンピュータにより実現されてもよい。さらに、サーバ２の機能のうちの少なくとも一部は、クラウド環境において提供されるＨＷ（Hardware）リソース及びＮＷ（Network）リソースを用いて実現されてもよい。

サーバ２、端末３及び４は、それぞれ、ネットワーク５を介して相互に通信可能に接続されてよい。ネットワーク５は、ＷＡＮ（Wide Area Network）、ＬＡＮ、又はこれらの組み合わせを含んでよい。ＷＡＮにはインターネットが含まれてよい。

（サーバ２のＨＷ構成例）
図３は、サーバ２の機能を実現するコンピュータ１０のＨＷ構成例を示すブロック図である。サーバ２の機能を実現するＨＷリソースとして、複数のコンピュータが用いられる場合は、各コンピュータが図３に例示するＨＷ構成を備えてよい。

図３に示すように、コンピュータ１０は、ＨＷ構成として、例示的に、プロセッサ１０ａ、メモリ１０ｂ、記憶部１０ｃ、ＩＦ（Interface）部１０ｄ、Ｉ／Ｏ（Input / Output）部１０ｅ、及び読取部１０ｆを備えてよい。

プロセッサ１０ａは、種々の制御や演算を行なう演算処理装置の一例である。プロセッサ１０ａは、コンピュータ１０内の各ブロックとバス１０ｉで相互に通信可能に接続されてよい。なお、プロセッサ１０ａは、複数のプロセッサを含むマルチプロセッサであってもよいし、複数のプロセッサコアを有するマルチコアプロセッサであってもよく、或いは、マルチコアプロセッサを複数有する構成であってもよい。

プロセッサ１０ａとしては、例えば、ＣＰＵ、ＭＰＵ、ＧＰＵ、ＡＰＵ、ＤＳＰ、ＡＳＩＣ、ＦＰＧＡ等の集積回路（ＩＣ；Integrated Circuit）が挙げられる。なお、プロセッサ１０ａとして、これらの集積回路の２以上の組み合わせが用いられてもよい。ＣＰＵはCentral Processing Unitの略称であり、ＭＰＵはMicro Processing Unitの略称である。ＧＰＵはGraphics Processing Unitの略称であり、ＡＰＵはAccelerated Processing Unitの略称である。ＤＳＰはDigital Signal Processorの略称であり、ＡＳＩＣはApplication Specific ICの略称であり、ＦＰＧＡはField-Programmable Gate Arrayの略称である。

メモリ１０ｂは、種々のデータやプログラム等の情報を格納するＨＷの一例である。メモリ１０ｂとしては、例えばＤＲＡＭ（Dynamic RAM）等の揮発性メモリが挙げられる。

記憶部１０ｃは、種々のデータやプログラム等の情報を格納するＨＷの一例である。記憶部１０ｃとしては、ＨＤＤ（Hard Disk Drive）等の磁気ディスク装置、ＳＳＤ（Solid State Drive）等の半導体ドライブ装置、不揮発性メモリ等の各種記憶装置が挙げられる。不揮発性メモリとしては、例えば、フラッシュメモリ、ＳＣＭ（Storage Class Memory）、ＲＯＭ（Read Only Memory）等が挙げられる。

また、記憶部１０ｃは、コンピュータ１０の各種機能の全部若しくは一部を実現するプログラム１０ｇ（情報処理プログラム）を格納してよい。例えば、サーバ２のプロセッサ１０ａは、記憶部１０ｃに格納されたプログラム１０ｇをメモリ１０ｂに展開して実行することにより、サーバ２としての機能を実現できる。

ＩＦ部１０ｄは、ネットワーク５との間の接続及び通信の制御等を行なう通信ＩＦの一例である。例えば、ＩＦ部１０ｄは、ＬＡＮ、或いは、光通信（例えばＦＣ（Fibre Channel））等に準拠したアダプタを含んでよい。当該アダプタは、無線及び有線の一方又は双方の通信方式に対応してよい。例えば、プログラム１０ｇは、当該通信ＩＦを介して、ネットワーク５からコンピュータ１０にダウンロードされ、記憶部１０ｃに格納されてもよい。

Ｉ／Ｏ部１０ｅは、入力装置、及び、出力装置、の一方又は双方を含んでよい。入力装置としては、例えば、キーボード、マウス、タッチパネル等が挙げられる。出力装置としては、例えば、モニタ、プロジェクタ、プリンタ等が挙げられる。

読取部１０ｆは、記録媒体１０ｈに記録されたデータやプログラムの情報を読み出すリーダの一例である。読取部１０ｆは、記録媒体１０ｈを接続可能又は挿入可能な接続端子又は装置を含んでよい。読取部１０ｆとしては、例えば、ＵＳＢ（Universal Serial Bus）等に準拠したアダプタ、記録ディスクへのアクセスを行なうドライブ装置、ＳＤカード等のフラッシュメモリへのアクセスを行なうカードリーダ等が挙げられる。なお、記録媒体１０ｈにはプログラム１０ｇが格納されてもよく、読取部１０ｆが記録媒体１０ｈからプログラム１０ｇを読み出して記憶部１０ｃに格納してもよい。

上述したコンピュータ１０のＨＷ構成は例示である。従って、コンピュータ１０内でのＨＷの増減（例えば任意のブロックの追加や削除）、分割、任意の組み合わせでの統合、又は、バスの追加若しくは削除等は適宜行なわれてもよい。例えば、サーバ２において、Ｉ／Ｏ部１０ｅ及び読取部１０ｆの少なくとも一方は、省略されてもよい。

なお、端末３及び４は、コンピュータ１０と同様のＨＷ構成を備えてもよい。

（サーバ２が提示するインサイトの説明）
サーバ２は、種々の態様でインサイトを提示してよい。インサイトの提示態様の非限定的な一例として、サーバ２は、以下のように、（個人又は組織）×（自分又は上位組織との比較）の４通りのインサイトを出力することができる。「上位組織」は、「組織」を包含する、より上位の（広い）組織である。

・個人の、自分のインサイト。
・組織の、自分のインサイト。
・個人の、上位組織との比較インサイト。
・組織の、上位組織との比較インサイト。

例えば、サーバ２は、個人又は組織の、自分のインサイトとして、以下の種類の説明文を生成し、端末４に提示してよい。サーバ２は、当該インサイトの生成において、パラメータのグループ化によるスコア計算を行なってよい。

・事実：コア業務比率等の目標に対して、現在の進捗状況（プログレス）を示す。
・特徴：仮説に関連する、事実を説明する特徴的な事象を説明する。
・アドバイス：事実、特徴に関連する、改善に繋がるヒント（Ｔｉｐｓ）を示す。

このように、「事実」インサイトは、集計データ２１ａのパラメータの分析に基づく文と捉えることができ、仮説（換言すれば条件文）に対応するログデータを表す文の一例であるといえる。また、「特徴」インサイトは、仮説（と集計データ２１ａのパラメータと）の分析に基づく文と捉えることができ、仮説を表す文の一例であるといえる。そして、「アドバイス」インサイトは、「事実」及び「特徴」インサイトに基づく、業務改善に関する情報としての文と捉えることができ、仮説、又は、仮説に対応するログデータ、を表す文の一例であるといえる。

以下、サーバ２により自然文として生成される「事実」、「特徴」、及び「アドバイス」の各インサイトを、「インサイト説明文」と表記する。

なお、「特徴」は、指定した閾値を超えたデータがある場合は、当該データに関する出力を含んでもよい。例えば、アラートとして、「組織業務」の残業時間が、設定された閾値である１日当たり１時間を超えて１．５時間である場合、当該データが「特徴」に出力されてよい。

また、例えば、サーバ２は、個人又は組織の、上位組織の比較インサイトとして、以下の種類の説明文を生成し、端末４に提示してよい。なお、比較インサイトでは、個人又は組織のインサイト候補データ２１ｂと、上位組織のインサイト候補データ２１ｂとが比較され、マッチしたインサイトが全て出力されるため、仮説とのマッチングに関するスコア計算は不要である。

・事実：個人又は組織の事実と、上位組織の事実とを併記する。
・特徴：個人又は組織の、上位組織におけるランクを示す。
・アドバイス：事実、特徴に関連する、改善に繋がるヒント（Ｔｉｐｓ）を示す。

なお、「特徴」は、ランクの高い又は低いもの優先して出力してよい。また、「特徴」は、指定した閾値を超えたデータがある場合は、当該データに関する出力を含んでもよい。例えば、全社平均との比較として、「会議」の作業割合が、設定された閾値である平均値１５％を１０％超えた２５％である場合、当該データが「特徴」に出力されてよい。

（サーバ２の機能構成例）
次に、図２を参照して、サーバ２の機能構成例を説明する。サーバ２は、例示的に、メモリ部２１、入力部２２、インサイト候補算出部２３、比較インサイト算出部２４、スコア計算部２５、ランキング部２６、文生成部２７、及び出力部２８を備えてよい。

メモリ部２１は、サーバ２の動作に用いられる種々の情報を記憶する記憶部の一例である。メモリ部２１は、例えば、サーバ２の記憶部１０ｃ又はメモリ１０ｂ（図３参照）が有する記憶領域によって実現されてよい。メモリ部２１は、後述する集計データ２１ａ、インサイト候補データ２１ｂ、ｒａｗスコアデータ２１ｃ、仮説項目データ２１ｄ、スコアデータ２１ｅ、ランキングデータ２１ｆ及び生成文データ２１ｇを記憶してよい。

入力部２２は、サーバ２から受信した分類結果データに対して、前処理として集計を行ない、集計結果を集計データ２１ａとしてメモリ部２１に保存する。分類結果データ又は集計データ２１ａは、従業員の端末３から取得されたログデータの一例である。

例えば、入力部２２は、受信した分類結果データに基づき、所定期間分の各作業の時間、又は、当該時間の所定期間における割合を算出（集計）し、算出した集計データ２１ａをメモリ部２１に保存してよい。図４及び図５は、それぞれ、集計データ２１ａの一例を示す図である。

図４に示す集計データ２１ａ－１は、分類結果データの内容として、「誰が」に相当する「組織」、「人」及び「社員種別」、「いつ」に相当する「仕事時間帯」、並びに、「仕事内容・種類」に相当する「業務（主業務か否か）」、「作業」及び「テーマ」を含んでよい。「人」及び「組織（部署）」は、それぞれ、例えばユーザＩＤ及び組織ＩＤにより特定されてよい。なお、業務ログ（集計データ２１ａ）には、例えば、「テレワーク」に基づくスコア計算を可能とするために、「どこで」作業したのかを示す情報が含まれてもよい。

また、図４に示す集計データ２１ａ－１は、所定期間の一例である１週間の集計期間を示す「週」、及び、当該集計期間における、各作業の時間の割合を示す「値（割合）」を含んでよい。図４の例では、人「3732af3」の非コア率は３５％である。なお、集計データ２１ａ－１は、さらに、「値（割合）」の分母の情報、すなわち、何に対する割合であるのかを示す情報を含んでもよい。

図５に示す集計データ２１ａ－２は、集計データ２１ａ－１と基本的に同様であるが、「値（割合）」に代えて、当該集計期間における、各作業の時間を示す「値（秒）」を含む点が異なる。

入力部２２は、集計データ２１ａ－１及び２１ａ－２の一方又は双方を算出及び保存してもよいし、「値（割合）」及び「値（秒）」の双方を項目として含む集計データ２１ａを算出及び保存してもよい。以下、「値（割合）」及び「値（秒）」を区別しない場合には、単に「値」と表記する。

図４及び図５に例示するように、集計データ２１ａは、分類結果データに対して、「週」及び「値」の項目を追加したデータに相当する。

なお、入力部２２は、分類結果データ（集計データ２１ａ）に基づき、各パラメータが（Ａ）～（Ｃ）のいずれのグループに属するかを、例えば、パラメータとグループとの対応関係を表す予め定義された情報に基づき特定してよい。当該情報は、例えば、メモリ部２１等に格納されてよい。このように、入力部２２は、従業員の端末３から取得された集計データ２１ａの中から、従業員の業務に関する作業時間帯、作業内容、及び、作業の量のいずれかに対応する複数のデータ項目を特定する特定部の一例である。

インサイト候補算出部２３は、集計データ２１ａに基づき、個人又は部署（組織）のインサイト候補データ２１ｂを算出し、メモリ部２１に保存する。

図６は、インサイト候補データ２１ｂの一例を示す図である。インサイト候補データ２１ｂは、集計データ２１ａ（図６の例では集計データ２１ａ－１）に対して、「インサイト種別」及び「増減幅」の項目を付加し、且つ、インサイト種別毎に、各エントリを複製したデータに相当する。なお、図６には、ユーザＩＤ“3732af3”のエントリが示されているが、インサイト候補データ２１ｂは、集計データ２１ａ内の全ての「人」のエントリを含んでよい。或いは、「人」毎にインサイト候補データ２１ｂが生成されてもよい。

「インサイト種別」は、例えば、「過去比較」、「前週比較」、「トレンド」、及び、「内訳」を含んでよい。「過去比較」は、過去（例えば当初（初期）等）の「値」と現在値（今週の「値」）との増減幅に関する種別である。「前週比較」は、前週の「値」と現在値との増減幅に関する種別である。「目標比較」は、目標として予め設定された「値」と現在値との増減幅に関する種別である。

「トレンド」は、期間全体のトレンド、例えば期間全体の「値」をグラフ表示する場合のグラフ形状に関するインサイトの種別である。「内訳」は、「テーマ」や「作業」の内訳を、例えば、増減幅、又は、割合が大きい順にソートする種別である。「内訳」は、増減幅が大きい順にソートを行なう「差分内訳」及び割合が大きい順にソートを行なう「割合内訳」を含んでよい。

インサイト候補算出部２３は、人及び部署毎に、過去比較、前週比較及び目標比較の各増減幅（差分）の計算、所定期間中のトレンドの計算、並びに、テーマや作業の内訳の算出を行なう。このとき、インサイト候補算出部２３は、例えば、インサイト候補データ２１ｂのエントリ毎にｒａｗスコアを算出し、ｒａｗスコアデータ２１ｃに格納してメモリ部２１に保存してよい。

ｒａｗスコアは、集計データ２１ａの集計期間における、又は、複数の集計期間に亘る、作業の量の変動に関する変動情報の一例である。ｒａｗスコアは、「値」の増減が大きいほど高いスコアとなるように算出されてよい。ｒａｗスコアの計算式やパラメータは、例えばユーザ等により予め設定されてよい（外部定義が可能である）。

例えば、過去比較、前週比較及び目標比較の各増減幅（差分）のｒａｗスコア（ｒａｗインサイトスコア）は、それぞれ、以下の式（１）～（３）により算出されてよい。差分に関するｒａｗスコアは、トレンドを加味して割合の差分を正規化した値となる。

＜過去比較＞（当初との距離）
ｒａｗインサイトスコア ＝ (pres-past) * ((pres-ema)/ema_std) + pres （１）
＜前週比較＞（前週との距離）
ｒａｗインサイトスコア ＝ (pres-last) * ((pres-ema)/ema_std) + pres （２）
＜目標比較＞（目標との距離）
ｒａｗインサイトスコア ＝ (pres-target) * ((pres-ema)/ema_std) + pres （３）

なお、上記式（１）～（３）において、“pres”は現在の割合、“past”は当初の割合、“last”は前週の割合、“target”は目標の割合、“ema”は指数加重移動平均、“ema_std”は指数加重移動標準偏差を示す。

一例として、上記式（３）において、(pres-target)は、割合の差分を意味する。また、((pres-ema)/ema_std)は、値のブレ幅を意味する。さらに、presは、現在の割合を意味する。このため、上記式（１）～（３）では、割合の差分が大きいほど、ｒａｗインサイトスコアが大きくなり、また、ブレ幅の差分が大きいほど、ｒａｗインサイトスコアが大きくなる。

また、例えば、トレンドのｒａｗスコア（ｒａｗインサイトスコア）は、以下の式（４）により算出されてよい。トレンドに関するｒａｗスコアは、期間全体で増減の大きさを表す値となる。

＜トレンド＞
ｒａｗインサイトスコア ＝ Average(各週のema_stdの値) （４）

なお、上記式（４）において、Average()は平均値を求める関数である。

さらに、例えば、インサイト候補データ２１ｂの或る１つのエントリ（以下、「親データ」と表記する）の内訳のｒａｗスコア（ｒａｗインサイトスコア）は、親データの内訳の上位ｋ個（多い順）を出力する場合、以下の式（５）により算出されてよい。

＜内訳＞
ｒａｗインサイトスコア ＝ 親データのｒａｗスコア
* (1.0 + (上位ｋ個の内訳の値の総計 / 親データの値)) （５）

なお、内訳のうち、差分内訳及び割合内訳は、それぞれ、以下の式（６）及び式（７）により算出されてよい。

＜差分内訳＞
ｒａｗインサイトスコア ＝ 親データのｒａｗスコア
* (1.0 + (内訳の上位ｋ個の値（差分）の総計 / 親データの差分の値)) （６）

＜割合内訳＞
ｒａｗインサイトスコア ＝ 親データのｒａｗスコア
* (1.0 + (内訳の上位ｋ個の値（割合）の総計 / 親データの割合の値)) （７）

比較インサイト算出部２４は、個人又は部署（組織）と上位組織との比較インサイトを算出し、算出した比較インサイトをメモリ部２１のインサイト候補データ２１ｂにマージする。なお、インサイトの提示態様として、上述のように、比較インサイトに事実インサイト及び特徴インサイトが含まれる場合、比較インサイト算出部２４は、以下のように処理を行なってよい。

例えば、比較インサイト算出部２４は、個人又は組織のインサイト候補データ２１ｂが表す事実と、上位組織のインサイト候補データ２１ｂが表す事実とを比較することで、比較インサイトの事実インサイトを生成し、インサイト候補データ２１ｂにマージする。

また、比較インサイト算出部２４は、個人又は組織のインサイト候補データ２１ｂにおける「値」について、上位組織に所属する個人又は組織中のランクを算出する。例えば、比較インサイト算出部２４は、「値」が１位や最下位に近いほど大きくなるスコア付けを行なってよい。そして、比較インサイト算出部２４は、「値」の平均値を管理する図示しない平均値テーブルから平均値のデータを抽出し、ランク、「値」及び平均値に基づき、比較インサイトの特徴インサイトを生成し、インサイト候補データ２１ｂにマージする。

スコア計算部２５は、仮説式とインサイト候補データ２１ｂとのスコア（インサイトスコア）を計算し、算出したスコアデータ２１ｅをメモリ部２１に保存する。なお、スコア計算部２５は、仮説式として、メモリ部２１に格納された仮説項目データ２１ｄを利用してよい。仮説項目データ２１ｄは、ユーザにより予めメモリ部２１に格納されてもよいし、サーバ２、例えば入力部２２が生成し、メモリ部２１に格納してもよい。

（仮説項目データ２１ｄの算出例）
以下、仮説項目データ２１ｄの算出例について説明する。例えば、入力部２２は、以下のように、働き方を改革するという観点で有用だと思われる複数の仮説を、日本語で列挙する。

＜仮説の例＞
「非コア業務のメールを減らす。」
「残業時間の組織業務の会議を削減する。」
「参加人数が１０人以上で、３時間以上の会議は設定しないようにする。」
「意思決定者が８人以上の会議は設定しないようにする。」
「会議を週に１０回以上しない。」
「３時間以上の会議は週３日までとする。」

入力部２２は、上記の仮説文のうち、業務ログで取得されていない仮説文に関してはインサイトを出力できないため、当該仮説文をシステム対象外として削除することで、仮説文の絞り込みを行なう。

例えば、「会議の参加人数」、「会議の意思決定者の情報」、「会議の回数」、「会議の時間」が業務ログに含まれていない項目である場合、入力部２２は、上記の仮説のうち、３～６番目の仮説を削除し、仮説を以下の２つに絞り込む。

＜絞り込んだ仮説の例＞
「非コア業務のメールを減らす。」
「残業時間の組織業務の会議を削減する。」

なお、上述した仮説の絞り込みは、業務ログで取得されるパラメータに応じて行なわれるため、会議の属性情報を業務ログとして取得できるようにすることで、削除される仮説数を減少させることができる。例えば、「参加人数が１０人以上の会議」、「会議の意思決定者が８人以上」等の内容を含む仮説を残すことができる。

次いで、入力部２２は、スコア計算部２５によるマッチング処理が行なえるように、上述した３つのパラメータのグループである（Ａ）～（Ｃ）の観点で、業務ログの項目と対応するように仮説を具体化する。

例えば、入力部２２は、仮説のうちの（Ａ）グループの「業務を誰が、いつ、どこで行なったか」に相当する部分を、業務ログで取得される「幹部社員か一般社員か」、「定時内か残業時間か」、を示すように具体化する。

また、入力部２２は、仮説のうちの（Ｂ）グループの「業務の内容」（適切な業務をしているかどうか）に相当する部分を、業務ログで取得される「コアか非コアか」、「作業名」、「テーマ名」、を示すように具体化する。

さらに、入力部２２は、仮説のうちの（Ｃ）グループの「業務の量」に相当する部分を、業務ログで取得される「割合か実時間か」、「何に対する割合か（分母の情報）」、を示すように具体化する。

また、入力部２２は、具体的な目標値（例えば、％や時間）と仮説の方向性（例えば、増えると良いのか、減ると良いのか）とを設定する。一例として、入力部２２は、減らしたい（削減したい）仮説の場合、「２０％未満にする」や「０にする」と、「減ると良い（例えば、値として“-1”）」と、を設定する。他の例として、入力部２２は、増やしたい仮説の場合、「８０％以上にする」と、「増えると良い（例えば、値として“1”）」と、を設定する。

これにより、例えば、「非コア業務のメールを減らす。」という仮説は、「非コア業務のメールを２０％未満にする、減ると良い。」という仮説に変換される。変換後の仮説において、「業務の内容」は、［コアか非コアか＝非コア］、［作業名＝メール］、［テーマ名＝なし］となり、「業務の誰が、いつ」は、［なし］となり、「業務の量」は、［割合か時間か＝割合］、［分母＝全作業時間］となる。また、［目標値＝20］、［方向性＝-1］となる。

また、例えば、「残業時間の組織業務の会議を削減する。」という仮説は、「残業時間の組織業務の会議をゼロにしたい、減ると良い。」という仮説に変換される。変換後の仮説において、「業務の内容」は、［コアか非コアか＝非コア（組織業務が「非コア」のため。なお、「なし」でもよい。）］、［作業名＝会議］、［テーマ名＝組織業務］となる。「業務の誰が、いつ」は、［作業時間帯＝残業時間］、［社員種別＝なし］となり、「業務の量」は、［割合か時間か＝割合］、［分母＝残業時間の業務時間］となる。また、［目標値＝20］、［方向性=-1］となる。

次に、入力部２２は、個別の仮説に重み付けを行なう。例えば、入力部２２は、“0”～“1”の間で、仮説の重要度としての重み付けを行なうことで、複数の仮説が処理される際に、どの仮説を重視するかを設定する。

そして、入力部２２は、仮説から、仮説項目データ２１ｄを生成する。図７は、仮説項目データ２１ｄの一例を示す図である。図７に例示するように、入力部２２は、仮説の数値化の基礎となる以下のパラメータに従い、仮説を仮説項目データ２１ｄに設定する。換言すれば、仮説項目データ２１ｄは、仮説を、（Ａ）～（Ｃ）グループのいずれかに対応する個々の要素に変換した条件データの一例である。

図７の例では、「name（仮説名）」として、例えば「非コアメールの削減」が設定され、「themeclass（業務）」として、「コア」又は「非コア」が設定され、「task（作業）」として、「メール」又は「会議・オンライン会議」等が設定される。また、「theme（テーマ）」として、「組織業務」等が設定され、「time（時間）」として、「teiji（定時内）」又は「zangyo（残業時間）」が設定され、「yakushoku（役職）」として、「幹部社員」又は「一般社員」が設定される。さらに、「updown（上下）」として、「1（増えた）」又は「-1（減った）」が設定され、「value_unit（値の単位）」として、「ratio（％）」又は「time（時間）」が設定され、「tag（タグ名）」（図示省略）として、割合計算の分母を定義した文字列が設定される。また、「target_value（目標）」として、目標数値（％又は時間）が設定され、「weight（仮説の重み）」として、「0」～「1」の間の重要度が設定される。

図７に例示する仮説項目データ２１ｄの１行目は、「非コア業務のメールを２０％未満にする、減ると良い。」という変換後の仮説を示し、２行目は、「残業時間の組織業務の会議をゼロにしたい、減ると良い。」という変換後の仮説を示す。

なお、上述した仮説項目データ２１ｄは、入力部２２が生成するものとして説明したが、これに限定されるものではなく、ユーザにより、例えば端末３又は４、或いは他の端末において生成され、メモリ部２１に設定されてもよい。

（スコアデータ２１ｅの算出例）
次に、スコア計算部２５によるスコアデータ２１ｅの算出例について説明する。

まず、スコア計算部２５は、インサイト候補データ２１ｂから１つのエントリを抽出し、仮説項目データ２１ｄの各エントリ（仮説）と比較して、重みを計算する。

図８は、重み計算の一例を示す図である。スコア計算部２５は、複数のパラメータを３点にグループ化した（Ａ）～（Ｃ）のグループに対応する、３種類の重み（ａ）～（ｃ）を算出する。重み（ａ）～（ｃ）は、それぞれ、最小「0」～最大「1」の値となる。

重み（ａ）は、インサイト候補データ２１ｂの「作業時間帯」及び「社員種別」の各値と、仮説項目データ２１ｄの「time」及び「yakushoku」の各値との一致度をまとめた重み（ウェイト）である。重み（ａ）は、従業員の作業時間帯に対応する１以上のパラメータと、仮説に含まれる、当該１以上のパラメータに対応する要素と、の一致の度合いを示す第１情報の一例である。

重み（ｂ）は、インサイト候補データ２１ｂの「業務」、「作業」及び「テーマ」の各値と、仮説項目データ２１ｄの「themeclass」、「task」及び「theme」の各値との一致度をまとめた重み（ウェイト値）である。重み（ｂ）は、従業員の作業内容に対応する１以上のパラメータと、仮説に含まれる、当該１以上のパラメータに対応する要素と、の一致の度合いを示す第２情報の一例である。

重み（ｃ）は、インサイト候補データ２１ｂの「値」、「インサイト種別」及び「増減幅」の値と、仮説項目データ２１ｄの「updown」、「value_unit」並びに「target_value」（及び「tag」）の値との一致度に応じた重み（ウェイト値）である。重み（ｃ）は、従業員の作業の量に対応する１以上のパラメータと、仮説に含まれる、当該１以上のパラメータに対応する要素と、の一致の度合いを示す第３情報の一例である。

重み（ａ）～（ｃ）は、例えば、一致度が大きくなるほど値が大きくなるように算出されてよい。

例えば、重み（ａ）及び（ｂ）に関して、以下の「score1」～「score4」が予め定義されてよい。

「score1」：仮説で定義されており、業務ログと一致する場合のスコア。
「score2」：仮説で定義されているが、業務ログと一致しない場合のスコア。
「score3」：仮説で定義されておらず（全て）、業務ログでも定義されていない（全て）（換言すれば、仮説にマッチする）場合のスコア。
「score4」：仮説で定義されていない（全て）が、業務ログで定義されている場合のスコア。

スコア計算部２５は、重み（ａ）の算出において、「いつ」及び「誰が」（並びに「どこで」）の各項目について、それぞれ、以下のスコアＳ１、Ｓ２（、Ｓ３）を決定し、スコアＳ１、Ｓ２（、Ｓ３）に基づき、下記式（８）に従って重み（ａ）を算出する。

Ｓ１：時間帯に関する一致度を、score1～score4から１つ決定する。
Ｓ２：社員種別に関する一致度を、score1～score4から１つ決定する。
（Ｓ３：場所に関する一致度を、score1～score4から１つ決定する。）

重み（ａ） = Ｓ１ × Ｓ２ (× Ｓ３) （８）

また、スコア計算部２５は、重み（ｂ）の算出において、「業務」、「作業」及び「テーマ」の各項目について、それぞれ、以下のスコアＳ１、Ｓ２、Ｓ３を決定し、スコアＳ１、Ｓ２、Ｓ３に基づき、下記式（９）に従って重み（ｂ）を算出する。

Ｓ１：コアか非コアか、に関する一致度を、score1～score4から１つ決定する。
Ｓ２：作業に関する一致度を、score1～score4から１つ決定する。
Ｓ３：テーマに関する一致度を、score1～score4から１つ決定する。

重み（ｂ） = Ｓ１ × Ｓ２ × Ｓ３ （９）

さらに、スコア計算部２５は、重み（ｃ）の算出において、重み（ｃ）の初期値を「１」として、以下の３種類の計算を行ない、重み（ｃ）を算出する。

＜値の種類の一致度＞
スコア計算部２５は、以下のスコアＳ１及びＳ２を決定し、下記式（１０）に従ってスコアＳ１及びＳ２を掛け合わせることで、重み（ｃ）を算出する。

Ｓ１：値の種類（列名：value_unit）が割合（ratio）か実時間（time）かの一致度を、score1～score4から１つ決定する。
Ｓ２：割合の場合、割合の分母の情報（tag）の一致度を、score1～score4から１つ決定する。

重み（ｃ） = 重み（ｃ） × Ｓ１ × Ｓ２ （１０）

＜目標との距離＞
スコア計算部２５は、増減幅及び目標（target_value）に基づき、下記式（１１）～（１３）のいずれかに従って、重み（ｃ）を算出する。

・目標を達成している場合
重み（ｃ） ＝ 重み（ｃ） × GOAL_ACHIEVED （１１）
・目標を達成しておらず、距離が遠い（増減幅が大きい）場合
重み（ｃ） ＝ 重み（ｃ） × DISTANCE_FAR （１２）
・目標を達成しておらず、距離が近い（増減幅が小さい）場合
重み（ｃ） ＝ 重み（ｃ） × DISTANCE_NEAR （１３）

なお、上記式（１１）～（１３）において、“GOAL_ACHIEVED”、“DISTANCE_FAR”、“DISTANCE_NEAR”は、それぞれ、予め「0」～「1」の間の値に設定された重みであり、値の大小は、例えば以下の関係であってよい。以下の大小関係とすることにより、目標を達成したという事象よりも、目標にまだ遠いという事象に基づき、適切なインサイトを提示することができる。なお、他の観点から、以下の大小関係を逆の関係に変形することも許容されてよい。

DISTANCE_FAR ＞ DISTANCE_NEAR ＞ GOAL_ACHIEVED

＜方向性の一致度＞
スコア計算部２５は、目標（target_value）及び値に基づき、下記式（１４）～（１６）のいずれかに従って、重み（ｃ）を算出する。

・目標 ＞ 現在値、且つ、現在値 ＞ 過去値の場合
重み（ｃ） ＝ 重み（ｃ） × DIR_OK （１４）
・目標 ＜ 現在値、且つ、現在値 ＜ 過去値の場合
重み（ｃ） ＝ 重み（ｃ） × DIR_OK （１５）
・上記以外の場合
重み（ｃ） ＝ 重み（ｃ） × DIR_NG （１６）

なお、上記式（１４）～（１６）において、“DIR_OK”、“DIR_NG”は、それぞれ、予め「0」～「1」の間の値に設定された重みである。例えば、“DIR_OK”は、“DIR_NG”よりも小さい値であってよく、一例として、“DIR_OK”は「0」又は「0」に近い値であってよく、“DIR_NG”は「1」又は「1」に近い値であってよい。上記の大小関係のように、目標と違う方向に進んでいる方が、目標と同じ方向に進んでいるよりも、インサイトとして適切であると考えられるためである。なお、他の観点から、上記の大小関係を逆の関係に変形することも許容されてよい。

スコア計算部２５は、上述した値の種類の一致度、目標との距離、方向性の一致度、の各処理を任意の順序で行ない、重み（ｃ）を算出してよい。

重みをパラメータ毎に互いに独立して算出すると、チューニング範囲を広くすることができる一方、重みの計算バリエーション（和、積、等）が増え、以降の処理において用いる式が煩雑化する。これに対し、スコア計算部２５は、インサイト候補データ２１ｂと、仮説文との対応について、３つの重み（ａ）～（ｃ）を算出することで、以降のスコア計算において用いる式の煩雑化を抑制することができる。

また、重み（ａ）～（ｃ）は、パラメータの（Ａ）～（Ｃ）のグループに対応し、且つ、（Ａ）～（Ｃ）グループに基づいて具体化された仮説（仮説項目データ２１ｄ）が用意される。このように、仮説及び重みが、（Ａ）～（Ｃ）グループに合わせて定義及び決定されるため、重みの数がパラメータ総数より減少したとしても、スコア計算における精度低下等の影響を抑制することができる。

次いで、スコア計算部２５は、インサイト候補データ２１ｂから抽出したエントリについて、仮説毎に、複数のパラメータの各々が、（Ａ）～（Ｃ）グループのいずれに対応するかに基づいて、インサイトスコアを算出し、スコアデータ２１ｅに格納する。インサイトスコアは、３つのグループのいずれかに対応する複数のパラメータに含まれるパラメータに対応する要素を含む仮説（仮説項目データ２１ｄ）と、当該複数のパラメータとの対応の度合いの一例である。

インサイトスコアは、「値」の増減が大きいほど、また、エントリが仮説にマッチするほど、又は／及び、仮説に反するほど、高いスコアとなるように算出されてよい。インサイトスコアの計算式やパラメータは、例えばユーザ等により予め設定されてよい（外部定義が可能である）。

一つの例として、インサイトスコアは、（Ａ）～（Ｃ）グループのうち、「（Ａ）及び（Ｂ）にマッチ」し、且つ、「（Ｃ）に反するほど」、高いスコアとなるように調整されてよい。例えば、会議時間を短縮したいという仮説に対して、会議時間が増えたら、アラートを出す、という提示イメージとなる。なお、「（Ａ）（Ｂ）（Ｃ）にマッチするほど」、高いスコアとなるように調整されてもよい。この場合、例えば、会議時間を短縮したいという仮説に対し、実際に順調に会議時間が減っている、というインサイトの提示イメージとなる。

このように、インサイトスコアのスコア付けを、上述したGOAL_ACHIEVED、DISTANCE_FAR、DISTANCE_NEAR、DIR_OK、DIR_NG等の値の大小を決定することにより、柔軟に変更することができる。換言すれば、一実施形態に係るサーバ２では、どのようにインサイトを出せばよいか、ということについて、柔軟に決定できる枠組みを有するといえる。以下、一実施形態の非限定的な一例として、下記式（１７）により、インサイトスコアが算出される場合を説明する。

例えば、スコア計算部２５は、ｒａｗスコアと、重み（ａ）～（ｃ）とに基づき、下記式（１７）に従って、インサイトスコアを算出する。下記式（１７）は、インサイト種別が差分及びトレンドのいずれの場合にも適用可能である。

インサイトスコア ＝ b * (rawスコア * 1 + rawスコア * a * 0.8) * c （１７）

上記式（１７）において、“a”～“c”は、上述した重み（ａ）～（ｃ）に対応する。なお、上記式（１７）は、あくまで一例であり、種々変形することも可能である。

スコア計算部２５は、各エントリ（インサイト文）について、仮説毎にインサイトスコアを算出する。そして、スコア計算部２５は、仮説毎のインサイトスコアと、仮説の重みとを乗じたスコアの全仮説分の総和を算出することで、複数の仮説を組み合わせたときのインサイトスコア（総合的なインサイトスコア）を算出する。仮説の重みは、例えば、図７に示す仮説項目データ２１ｄの「weight」を参照することで取得可能である。

スコア計算部２５は、以上のようにして算出したインサイトスコアを、エントリ毎にスコアデータ２１ｅに格納する。

ランキング部２６は、スコアデータ２１ｅに基づき、インサイト候補データ２１ｂをインサイトスコアの大きい順にソートしたランキングデータ２１ｆを生成し、メモリ部２１に保存する。

図９は、ランキングデータ２１ｆの一例を示す図である。図９に示すように、ランキング部２６は、インサイト候補データ２１ｂに対して、スコアデータ２１ｅ内のインサイトスコアを付加し、インサイトスコアの大きい順にエントリをソートすることにより、ランキングデータ２１ｆを生成してよい。これにより、ランキングデータ２１ｆは、インサイトスコアが大きいエントリほど、インサイトとして提示される優先度が高くなる。

このように、スコア計算部２５及びランキング部２６は、算出したスコアデータ２１ｅに応じて、仮説、又は、仮説に対応する集計データ２１ａ、を表す文についての、業務改善に関する情報としての提示の優先度を決定する決定部の一例である。

なお、ランキング部２６は、例えば、ランキングデータ２１ｆから、特定のエントリ（例えば上位ｎ個のエントリ）（ｎは１以上の整数）を抽出し（絞り込み）、文生成部２７に出力してもよい。

文生成部２７は、ランキング部２６から入力されるｎ個のエントリ、又は、インサイトスコアの大きい順にソートされたランキングデータ２１ｆに基づき、インサイトの説明文を生成し、生成したデータ（生成文データ２１ｇ）をメモリ部２１に保存する。

例えば、文生成部２７は、ｎ個のエントリに基づき、ｎ個のインサイト説明文を生成してもよいし、ランキングデータ２１ｆに含まれる全ての（或いはインサイトスコアが所定値以上の）エントリに基づき、エントリ毎にインサイト説明文を生成してもよい。

出力部２８は、生成文データ２１ｇを端末４に送信する。例えば、出力部２８は、端末４において生成文データ２１ｇ内のインサイト説明文を表示するための表示データ（提示データ）を生成する生成部の一例である。出力部２８は、生成した表示データを端末４に送信してよい。

図１０は、インサイトの表示例を示す図である。図１０に示すように、出力部２８は、分析結果を表示する分析結果画面２８１を含む表示画面２８０を、端末４の表示装置４１に表示させるための表示データ（一例として、ウェブページデータ）を生成してよい。

分析結果画面２８１には、作業内訳の表示領域２８２、コア業務率の推移（個人又は組織）の表示領域２８３、及び、コア業務率の推移（上位組織との比較）の表示領域２８４を含んでよい。

例えば、表示領域２８３には、個人又は組織の働き方に関して、上述した処理により生成された、生成文データ２１ｇ内のインサイト説明文２８５が表示される。インサイト説明文２８５は、個人又は組織の、自分のインサイトに相当する。

なお、表示領域２８４には、上位組織（自部門）の働き方との比較に関する、生成文データ２１ｇ内の比較インサイト説明文２８６が表示される。比較インサイト説明文２８６は、個人又は組織の、上位組織との比較インサイトに相当する。

以上のように、サーバ２は、図１１に例示するように、集計データ２１ａに含まれる従業員の業務ログと、仮説項目データ２１ｄに含まれる複数の仮説（仮説群）と、に基づくマッチングにより決定したインサイトを、端末４に対して提示することができる。

一実施形態において、スコア計算部２５は、３点にグループ化したパラメータを用いて、重み計算を行なうことで、パラメータの組み合わせ数を削減することができ、スコア計算を頑強に行なうことが可能となる。また、パラメータの組み合わせ数が減るため、スコア計算を高速に行なうことができる。

これにより、サーバ２は、ユーザに適切な優先度でインサイトを提示することができる。換言すれば、業務改善に役立つ情報提示の適正化を図ることができる。

〔１－３〕動作例
次に、図１２～図１５を参照して、上述の如く構成されたシステム１の動作例を説明する。

〔１－３－１〕全体の動作例
図１２に例示するように、サーバ２の入力部２２は、端末３から、業務ログデータ３１を分類した分類結果データを受信し、分類結果データの集計を行なうことで集計データ２１ａを取得する（ステップＳ１）。

インサイト候補算出部２３は、集計データ２１ａに基づき、個人又は部署のインサイト候補データ２１ｂを算出する（ステップＳ２）。

比較インサイト算出部２４は、インサイト候補データ２１ｂに基づき、個人又は部署と上位組織との比較インサイトを算出し、インサイト候補データ２１ｂにマージする（ステップＳ３）。

スコア計算部２５は、仮説文から変換された仮説項目データ２１ｄと、インサイト候補データ２１ｂとを比較してスコア計算（マッチング処理）を行ない、スコアデータ２１ｅを生成する（ステップＳ４）。

ランキング部２６は、インサイト候補データ２１ｂをスコアデータ２１ｅに従いソートし、ランキングデータ２１ｆを生成する（ステップＳ５）。

文生成部２７は、個人又は部署毎のランキングデータ２１ｆに基づき、個人又は部署毎にインサイト説明文（生成文データ２１ｇ）を生成する（ステップＳ６）。

出力部２８は、生成文データ２１ｇに基づき、インサイト説明文を含む表示データを端末４に出力し（ステップＳ７）、処理が終了する。

なお、ステップＳ２～Ｓ５は、インサイトデータの生成フェーズに相当し、ステップＳ６及びＳ７は、インサイト文を生成する文生成フェーズに相当する。

〔１－３－２〕インサイト候補データ算出処理の動作例
次に、図１２のステップＳ２におけるインサイト候補データ２１ｂの算出処理の動作例を説明する。

図１３に示すように、インサイト候補算出部２３は、集計データ２１ａに基づきインサイト種別毎の増減幅（差分）又はトレンドを算出する（ステップＳ１１）。

インサイト候補算出部２３は、増減幅、トレンド、及び内訳に関するｒａｗスコアデータ２１ｃを算出する（ステップＳ１２）。

インサイト候補算出部２３は、集計データ２１ａに算出結果を付加し、インサイト候補データ２１ｂとしてメモリ部２１に保存し（ステップＳ１３）、処理が終了する。

〔１－３－３〕比較インサイトデータ算出処理の動作例
次に、図１２のステップＳ３における比較インサイト算出処理の動作例を説明する。

図１４に示すように、比較インサイト算出部２４は、個人又は部署のインサイト候補データ２１ｂと、上位組織のインサイト候補データ２１ｂとに基づき、比較インサイトの事実インサイトを生成する（ステップＳ２１）。

比較インサイト算出部２４は、インサイト候補データ２１ｂに基づき、比較インサイトの特徴インサイトを生成する（ステップＳ２２）。

比較インサイト算出部２４は、事実インサイト及び特徴インサイトを、メモリ部２１に保存済みの個人又は部署のインサイト候補データ２１ｂとマージし（ステップＳ２３）、処理が終了する。

なお、ステップＳ２１及びＳ２２は、逆順で実行されてもよいし、並行して実行されてもよい。

〔１－３－４〕インサイトデータ決定処理の動作例
次に、図１２のステップＳ４及びＳ５における、インサイトデータ決定処理の動作例を説明する。

図１５に示すように、スコア計算部２５は、入力部２２が仮説文を項目データ（例えば表形式データ）に変換した仮説項目データ２１ｄと、インサイト候補データ２１ｂとを比較し、重み（ａ）～（ｃ）を算出する（ステップＳ３１）。

スコア計算部２５は、算出した重みと、インサイト候補算出部２３が生成したｒａｗスコアデータ２１ｃとに基づき、スコア計算を行なうことで、スコアデータ２１ｅを生成（取得）する（ステップＳ３２）。

ランキング部２６は、スコアデータ２１ｅに基づき、インサイト候補データ２１ｂに対してランキング処理を行なうことで、ランキングデータ２１ｆを生成（取得）する（ステップＳ３３）。

ランキング部２６は、ランキングデータ２１ｆの上位エントリをインサイトデータとして出力し（ステップＳ３４）、処理が終了する。なお、出力されたインサイトデータは、文生成部２７によるインサイト説明文の生成に用いられる。

〔２〕その他
上述した一実施形態に係る技術は、以下のように変形、変更して実施することができる。

例えば、図２に示す各機能ブロックは、それぞれ任意の組み合わせで併合してもよく、分割してもよい。

また、一実施形態では、業務ログに含まれる複数のパラメータを、（Ａ）～（Ｃ）の３つにグループ化し、グループ数に合わせた３つの重み（ａ）～（ｃ）を算出するものとしたが、これに限定されるものではない。グループ数及び重みの数や、グループ内のパラメータの組み合わせは、業務ログ（ログ）として取得されるパラメータに応じて決定されてよい。従って、パラメータのグループ数及び重みの数は、２つ以下、又は、４つ以上であってもよい。

さらに、重み（ａ）～（ｃ）を算出するための式（８）～式（１６）、及び、インサイトスコアを算出するための式（１７）は、上述した式に限定されるものではない。これらの式は、業務ログ（ログ）として取得されるパラメータに応じて、適宜変形して用いられてよい。

〔３〕付記
以上の実施形態に関し、さらに以下の付記を開示する。

（付記１）
コンピュータに、
従業員の端末装置から取得されたログデータの中から、前記従業員の業務に関する作業時間帯、作業内容、及び、作業の量のいずれかに対応する複数のデータ項目を特定し、
特定された前記複数のデータ項目に含まれるデータ項目に対応する要素を含む条件文と、特定された前記複数のデータ項目との対応の度合いに応じて、前記条件文、又は、前記条件文に対応するログデータ、を表す文についての、業務改善に関する情報としての提示の優先度を決定する、
処理を実行させる、情報処理プログラム。

（付記２）
前記決定は、特定された前記複数のデータ項目の各々が、前記作業時間帯、前記作業内容、及び、前記作業の量のいずれに対応するかに基づいて、前記対応の度合いを算出する、
付記１に記載の情報処理プログラム。

（付記３）
前記決定は、
前記作業時間帯に対応する１以上の第１データ項目と、前記条件文に含まれる、前記１以上の第１データ項目に対応する要素と、の一致の度合いを示す第１情報、前記作業内容に対応する１以上の第２データ項目と、前記条件文に含まれる、前記１以上の第２データ項目に対応する要素と、の一致の度合いを示す第２情報、並びに、前記作業の量に対応する１以上の第３データ項目と、前記条件文に含まれる、前記１以上の第３データ項目に対応する要素との対応の度合いを示す第３情報、を算出し、
前記第１情報、前記第２情報及び前記第３情報に基づいて、前記対応の度合いを算出する、
付記２に記載の情報処理プログラム。

（付記４）
前記第１情報、前記第２情報及び前記第３情報は、それぞれ、一致の度合いが大きいほど、値が大きくなるウェイト値であり、
前記決定は、前記第１情報、前記第２情報及び前記第３情報と、前記ログデータの集計期間における、又は、複数の集計期間に亘る、前記作業の量の変動に関する変動情報と、に基づいて、前記対応の度合いを算出する、
付記３に記載の情報処理プログラム。

（付記５）
前記決定は、前記対応の度合いが大きいほど、前記提示の優先度が高くなるように決定する、
付記１～４のいずれか１項に記載の情報処理プログラム。

（付記６）
前記条件文は、自然文であり、
前記決定は、前記条件文を、特定された前記複数のデータ項目に含まれるデータ項目に対応する個々の要素に変換した条件データに基づき、前記対応の度合いを算出する、
付記１～５のいずれか１項に記載の情報処理プログラム。

（付記７）
前記コンピュータに、
決定した前記提示の優先度に応じて、前記条件文、又は、前記条件文に対応するログデータ、を表す文を、前記業務改善に関する情報として提示するための提示データを生成する、処理を実行させる、
付記１～６のいずれか１項に記載の情報処理プログラム。

（付記８）
コンピュータが、
従業員の端末装置から取得されたログデータの中から、前記従業員の業務に関する作業時間帯、作業内容、及び、作業の量のいずれかに対応する複数のデータ項目を特定し、
特定された前記複数のデータ項目に含まれるデータ項目に対応する要素を含む条件文と、特定された前記複数のデータ項目との対応の度合いに応じて、前記条件文、又は、前記条件文に対応するログデータ、を表す文についての、業務改善に関する情報としての提示の優先度を決定する、
情報処理方法。

（付記９）
前記決定は、特定された前記複数のデータ項目の各々が、前記作業時間帯、前記作業内容、及び、前記作業の量のいずれに対応するかに基づいて、前記対応の度合いを算出する、
付記８に記載の情報処理方法。

（付記１０）
前記決定は、
前記作業時間帯に対応する１以上の第１データ項目と、前記条件文に含まれる、前記１以上の第１データ項目に対応する要素と、の一致の度合いを示す第１情報、前記作業内容に対応する１以上の第２データ項目と、前記条件文に含まれる、前記１以上の第２データ項目に対応する要素と、の一致の度合いを示す第２情報、並びに、前記作業の量に対応する１以上の第３データ項目と、前記条件文に含まれる、前記１以上の第３データ項目に対応する要素との対応の度合いを示す第３情報、を算出し、
前記第１情報、前記第２情報及び前記第３情報に基づいて、前記対応の度合いを算出する、
付記９に記載の情報処理方法。

（付記１１）
前記第１情報、前記第２情報及び前記第３情報は、それぞれ、一致の度合いが大きいほど、値が大きくなるウェイト値であり、
前記決定は、前記第１情報、前記第２情報及び前記第３情報と、前記ログデータの集計期間における、又は、複数の集計期間に亘る、前記作業の量の変動に関する変動情報と、に基づいて、前記対応の度合いを算出する、
付記１０に記載の情報処理方法。

（付記１２）
前記決定は、前記対応の度合いが大きいほど、前記提示の優先度が高くなるように決定する、
付記８～１１のいずれか１項に記載の情報処理方法。

（付記１３）
前記条件文は、自然文であり、
前記決定は、前記条件文を、特定された前記複数のデータ項目に含まれるデータ項目に対応する個々の要素に変換した条件データに基づき、前記対応の度合いを算出する、
付記８～１２のいずれか１項に記載の情報処理方法。

（付記１４）
前記コンピュータが、
決定した前記提示の優先度に応じて、前記条件文、又は、前記条件文に対応するログデータ、を表す文を、前記業務改善に関する情報として提示するための提示データを生成する、
付記８～１３のいずれか１項に記載の情報処理方法。

（付記１５）
従業員の端末装置から取得されたログデータの中から、前記従業員の業務に関する作業時間帯、作業内容、及び、作業の量のいずれかに対応する複数のデータ項目を特定する特定部と、
特定された前記複数のデータ項目に含まれるデータ項目に対応する要素を含む条件文と、特定された前記複数のデータ項目との対応の度合いに応じて、前記条件文、又は、前記条件文に対応するログデータ、を表す文についての、業務改善に関する情報としての提示の優先度を決定する決定部と、を備える、
情報処理装置。

（付記１６）
前記決定部は、特定された前記複数のデータ項目の各々が、前記作業時間帯、前記作業内容、及び、前記作業の量のいずれに対応するかに基づいて、前記対応の度合いを算出する、
付記１５に記載の情報処理装置。

（付記１７）
前記決定部は、
前記作業時間帯に対応する１以上の第１データ項目と、前記条件文に含まれる、前記１以上の第１データ項目に対応する要素と、の一致の度合いを示す第１情報、前記作業内容に対応する１以上の第２データ項目と、前記条件文に含まれる、前記１以上の第２データ項目に対応する要素と、の一致の度合いを示す第２情報、並びに、前記作業の量に対応する１以上の第３データ項目と、前記条件文に含まれる、前記１以上の第３データ項目に対応する要素との対応の度合いを示す第３情報、を算出し、
前記第１情報、前記第２情報及び前記第３情報に基づいて、前記対応の度合いを算出する、
付記１６に記載の情報処理装置。

（付記１８）
前記第１情報、前記第２情報及び前記第３情報は、それぞれ、一致の度合いが大きいほど、値が大きくなるウェイト値であり、
前記決定部は、前記第１情報、前記第２情報及び前記第３情報と、前記ログデータの集計期間における、又は、複数の集計期間に亘る、前記作業の量の変動に関する変動情報と、に基づいて、前記対応の度合いを算出する、
付記１７に記載の情報処理装置。

（付記１９）
前記決定部は、前記対応の度合いが大きいほど、前記提示の優先度が高くなるように決定する、
付記１５～１８のいずれか１項に記載の情報処理装置。

（付記２０）
決定した前記提示の優先度に応じて、前記条件文、又は、前記条件文に対応するログデータ、を表す文を、前記業務改善に関する情報として提示するための提示データを生成する生成部、を備える、
付記１５～１９のいずれか１項に記載の情報処理装置。

１ システム
２ サーバ
２１ メモリ部
２１ａ 集計データ
２１ｂ インサイト候補データ
２１ｃ ｒａｗスコアデータ
２１ｄ 仮説項目データ
２１ｅ スコアデータ
２１ｆ ランキングデータ
２１ｇ 生成文データ
２２ 入力部
２３ インサイト候補算出部
２４ 比較インサイト算出部
２５ スコア計算部
２６ ランキング部
２７ 文生成部
２８ 出力部
３、４ 端末
３１ 業務ログデータ
４１ 表示装置
５ ネットワーク

Claims (9)

1. コンピュータに、
   従業員の端末装置から取得されたログデータの中から、前記従業員の業務に関する作業時間帯、作業内容、及び、作業の量のいずれかに対応する複数のデータ項目を特定し、
   特定された前記複数のデータ項目に含まれるデータ項目に対応する要素を含む条件文と、特定された前記複数のデータ項目との対応の度合いに応じて、前記条件文、又は、前記条件文に対応するログデータ、を表す文についての、業務改善に関する情報としての提示の優先度を決定する、
   処理を実行させる、情報処理プログラム。
2. 前記決定は、特定された前記複数のデータ項目の各々が、前記作業時間帯、前記作業内容、及び、前記作業の量のいずれに対応するかに基づいて、前記対応の度合いを算出する、
   請求項１に記載の情報処理プログラム。
3. 前記決定は、
   前記作業時間帯に対応する１以上の第１データ項目と、前記条件文に含まれる、前記１以上の第１データ項目に対応する要素と、の一致の度合いを示す第１情報、前記作業内容に対応する１以上の第２データ項目と、前記条件文に含まれる、前記１以上の第２データ項目に対応する要素と、の一致の度合いを示す第２情報、並びに、前記作業の量に対応する１以上の第３データ項目と、前記条件文に含まれる、前記１以上の第３データ項目に対応する要素との対応の度合いを示す第３情報、を算出し、
   前記第１情報、前記第２情報及び前記第３情報に基づいて、前記対応の度合いを算出する、
   請求項２に記載の情報処理プログラム。
4. 前記第１情報、前記第２情報及び前記第３情報は、それぞれ、一致の度合いが大きいほど、値が大きくなるウェイト値であり、
   前記決定は、前記第１情報、前記第２情報及び前記第３情報と、前記ログデータの集計期間における、又は、複数の集計期間に亘る、前記作業の量の変動に関する変動情報と、に基づいて、前記対応の度合いを算出する、
   請求項３に記載の情報処理プログラム。
5. 前記決定は、前記対応の度合いが大きいほど、前記提示の優先度が高くなるように決定する、
   請求項１～４のいずれか１項に記載の情報処理プログラム。
6. 前記条件文は、自然文であり、
   前記決定は、前記条件文を、特定された前記複数のデータ項目に含まれるデータ項目に対応する個々の要素に変換した条件データに基づき、前記対応の度合いを算出する、
   請求項１～５のいずれか１項に記載の情報処理プログラム。
7. 前記コンピュータに、
   決定した前記提示の優先度に応じて、前記条件文、又は、前記条件文に対応するログデータ、を表す文を、前記業務改善に関する情報として提示するための提示データを生成する、処理を実行させる、
   請求項１～６のいずれか１項に記載の情報処理プログラム。
8. コンピュータが、
   従業員の端末装置から取得されたログデータの中から、前記従業員の業務に関する作業時間帯、作業内容、及び、作業の量のいずれかに対応する複数のデータ項目を特定し、
   特定された前記複数のデータ項目に含まれるデータ項目に対応する要素を含む条件文と、特定された前記複数のデータ項目との対応の度合いに応じて、前記条件文、又は、前記条件文に対応するログデータ、を表す文についての、業務改善に関する情報としての提示の優先度を決定する、
   情報処理方法。
9. 従業員の端末装置から取得されたログデータの中から、前記従業員の業務に関する作業時間帯、作業内容、及び、作業の量のいずれかに対応する複数のデータ項目を特定する特定部と、
   特定された前記複数のデータ項目に含まれるデータ項目に対応する要素を含む条件文と、特定された前記複数のデータ項目との対応の度合いに応じて、前記条件文、又は、前記条件文に対応するログデータ、を表す文についての、業務改善に関する情報としての提示の優先度を決定する決定部と、を備える、
   情報処理装置。

Images