JP7247060B2 - データの利活用のためのデータ準備を支援するシステム、及び、その方法 - Google Patents

Description

本発明は、データの利活用を支援するためのシステム、特に、データの利活用のためのデータ準備を支援するシステムに係り、例えば、複数の業務システムが有する多種、大量のデータの中から、データ分析の目的に沿ったデータを選出、抽出したりするのに好適なシステムに関する。

昨今、企業内に蓄積された多種多量のデータを利用して様々な業務課題を改善することが行われている。例えば、特開2004-29971号公報には、生産工程における生産装置や処理時刻のデータの中から所望するデータ解析に必要なデータのみを容易に抽出して、歩留り向上に有効な解析結果を得るために、データの説明変数に対しデータ項目のカテゴリを識別する付加文字列を付加し、データの異常値を特定値に置換あるいは削除するデータクレンジングを行い、データの目的変数の変動に基づく特徴情報を得て、解析処理時にデータのカテゴリを認識しカテゴリに対応した条件設定及び解析手順によりデータ解析を効率的に自動実行するデータ解析方法が提案されている。

そして、特開2016-181150号公報には、要求される分析の変更に対応自在のデータ処理を行うために、入力されたすべての入力データを格納するデータウェアハウスと、入力データを統合して統合データを生成した後、統合データを格納する統合レイヤと、統合データを、不加算項目の１つ以上の組合せ毎に、少なくとも加算項目の数量又は不加算項目の数を集計して複数の集計データを生成した後、複数の集計データを格納する集計レイヤと、設定部で設定された分析データの生成に必要な条件に基づき、複数の集計データから１つの集計データを選択し、さらに１つの集計データから分析データを抽出した後、分析データを格納する分析レイヤと、を有するデータ処理システムが提案されている。

特開2016-181150

近年、交通、電力、産業等の多くの分野において、多様化、多角化する様々な問題を解決するために、部署や業務を横断して収集された業務データを活用することが求められている。一方、夫々別々に構築、運用されてきた、複数の業務システム毎に異なる多種、大量のデータを扱うために、ユーザにはデータの理解や業務に対する経験や知識が必要であるものの、そのレベルは人によって異なり、そのことが、データを用いた課題の分析を進める上で妨げになっている。例えば、あるユーザは、自身が属する部署や自身の業務に係るデータを熟知していても、他の部署や他の業務に係るデータを把握できていないことが多く、その結果、複数の部署や業務を跨いで、ユーザが所望する分析に必要なデータを選出したり、データを加工したりする等、分析のための準備は困難になる。

そこで、複数の業務毎の違い、業務毎のデータやシステムの違いに対する理解や知識がユーザに不足していても、ユーザが、円滑にデータの分析に着手できるように、データの準備のための作業負荷を低減させることが望まれる。

上記特許文献１に開示された発明は、ユーザが対象データを理解していることを前提とするものであって、そのために、分析目的、分析手段、及び、分析のために用意すべきデータの内容を、ユーザが事前に整理しておくことが必要であり、特定種類のデータに対して、ユーザが想定した目的の下で、当該データが活用できるに過ぎない。一方、特許文献２に開示された発明に活用できるデータは、統合データになり得るデータに限られる。複数の業務システムからの多種多様なデータを一様に統合できるとは限らない。また統合データ、集計データから目的に合った分析データを作成するためには、ユーザは、元のデータを全て理解していることが必要となる。

本発明は、複数の業務システムから収集したデータの利活用を促進するために、データの利活用のためのデータの準備を支援するシステム、及び、その方法を提供することを目的とする。

前記目的を解決するために、本発明は、データの利活用のためのデータ準備を支援するシステムであって、処理装置と、記憶装置と、を備え、前記処理装置は、前記記憶装置に記録されたプログラムを実行することによって、複数の業務システムの夫々から業務データを収集し、当該業務データを前記記憶装置に対象データとして少なくとも一時的に蓄積し、ユーザ端末から前記対象データに対する分析目的を受信し、前記分析目的と前記対象データとに基づいて、前記分析目的に対して推奨される分析ステップを決定し、前記推奨される分析ステップに利用可能なデータの組合せを、前記対象データから抽出し、前記抽出されたデータの組合せの複数の夫々を評価し、当該評価の結果に基づいて、前記データの組合せの複数を夫々順位付けしたリストを作成し、当該リストを前記ユーザ端末に出力させ、ユーザが前記リストから所定のデータの組合せを選択できるようにした。

本発明によれば、複数の業務システムの多種多様、大量のデータに基づいて、課題解決などの分析等のために、これらデータの利活用を進める際でのデータ準備作業に於けるユーザの負荷を軽減し、以って、データの利活用を迅速、かつ、高品質に進めることができる。

データの利活用のためのデータ準備を支援するシステム構成の一例を示すブロック図である。 サーバがデータの利活用のためのデータ準備を支援する動作を実現するためのシーケンスの一例である。 サーバのモジュール構成の一例である。 ユーザが作成する分析目的情報、サーバにて保持する基準情報の構成の一例である。 分析ステップとして全体像把握をユーザが指定すると、サーバが作成する、データ準備テーブルの一例である。 分析ステップとして、“特異事象抽出”をユーザが指定すると、サーバが作成する、データ準備テーブルの一例である。 分析ステップとして、“要因分析／予測”をユーザが指定すると、サーバが作成する、データ準備テーブルの一例である。 サーバから、ユーザに提示、又は、提案される、データの組合せを管理する管理テーブルの一例を示す。 サーバがユーザに分析ステップを提案するための動作の一例に係る、フローチャートである。 ユーザが登録した分析ステップの適否を判定するためのマトリックスの第１の例である。 ユーザが登録した分析ステップの適否を判定するためのマトリックスの第２の例である。 ユーザが登録した分析ステップの適否を判定するためのマトリックスの第３の例である。 サーバがユーザに、分析ステップとしての全体像把握に利用可能なデータの組合せを、ユーザに提示するための動作の一例を示すフローチャートである。 サーバが、分析ステップとしての特異事象抽出に利用可能なデータの組合せを、ユーザに提示するための動作の一例を示すフローチャートである。 サーバが、分析ステップとしての要因分析／予測に利用可能なデータの組合せを、ユーザに提示するための動作の一例を示すフローチャートである。 サーバからユーザ端末に対して提供された、データ利活用を支援するためのグラフィカルユーザインターフェースの一例である。 サーバからユーザ端末に対して提供された、データ利活用を支援するためのグラフィカルユーザインターフェースの他の例である。 サーバからユーザ端末に対して提供された、データ利活用を支援するためのグラフィカルユーザインターフェースのさらに他の例である。 図８のフローチャートにおいて、複数のカラムの組合せを説明するためのテーブルである。 図１０のフローチャートにおいて、複数のカラムの組合せを説明するためのテーブルである。

次に、本発明の実施形態について説明する。図１は、本発明を実現するための計算機システムの一例の構成図である。この計算機システムは、複数の業務システムから収集したデータの利活用のためのデータ準備を支援するサーバ１０１（コンピュータ）を備える。サーバ１０１は、システムを利用するユーザが入力した、データ分析の目的と、サーバ１０１が収集した、複数の業務システムのデータとを照合して、ユーザに対して、最適な分析ステップを提案し、合わせて、この分析ステップに利用可能な有用度の高いデータを提案することによって、データの利活用のためのデータ準備を支援する。

ユーザは、システムに分析目的を登録するだけで、そして、システムから提案、又は、提供されたデータに基づいて、課題解決のため等の分析を実行することにより、ユーザ自身がデータを収集したり、数多くのデータの中から有用なデータを抽出する等のデータ準備に係る作業を強いられることなく、ユーザが意図している、データ分析を行うことができる。

サーバ１０１には、複数の業務システム１０４、１０５、１０６と、複数のユーザ端末１０２、１０３とが接続されている。ユーザ端末は、ユーザが希望する分析目的をサーバ１０１に登録し、次いで、分析目的を実現する上での分析ステップ、及び、この分析ステップに利用可能なデータの提案を、サーバ１０１から受け、次いで、これらを確認後、データ分析を実施する、もしくは、サーバ１０１に対してデータ分析を実施させることができる。

複数の業務システムの夫々から、サーバ１０１に、ユーザが所望するデータ分析の対象として、サーバ１０１が参照するデータ（以下、対象データ、という。）が提供される。なお、複数の業務システムの夫々からサーバ１０１へのデータ提供はネットワーク１０８を介した通信により実施する場合だけでなく、ネットワーク１０８を介さず、例えば、人手を介してのサーバ１０１へのデータ格納を行うことでもよい。複数の業務システムとしては、鉄道分野を例とすると、例えば、列車の運行管理システム、駅の管理システム、そして、保守管理システムを例示することができる。

業務システムからサーバ１０１に送られるデータは、特に、制限されなくてよく、例えば、データテーブル、その他、バイナリデータとしてのセンサ情報等、データの種類、データの方式等が制限されない。ユーザは、複数の業務システムを横断して、所定の課題や問題点の原因を総合的に探るために、サーバ１０１に、データ分析の目的を登録する。この目的としては、輸送業を例にすると、例えば、“列車の遅延”があり、即ち、遅延の原因を、複数の業務システムを横断して特定し、以って、遅延の予防、抑制に役立てようとすることがある。

サーバ１０１と、複数のユーザ端末１０２、１０３、・・・・の夫々とはネットワーク１０７を介して接続されている。サーバ１０１と、複数の業務システム１０４、１０５、１０６、・・・・の夫々とはネットワーク１０８を介して相互接続されている。

データ利活用、及び、データ準備のための基盤としてのサーバ１０１の主なハードウェア構成は、記憶装置（メインメモリ、ハードディスク、外部ストレージシステムの記憶領域）１１１、処理装置（ＣＰＵ）１１２、そして、通信装置１１３である。ユーザ端末１０２、１０３も同様である。処理装置１１２は、非一時的記録媒体（記憶装置）１１１に対象データを少なくとも一時的に記録する。

図２は、サーバ１０１がデータの利活用のためのデータ準備を支援する動作を実現するためのシーケンスの一例である。なお、ユーザ２０１は、複数の部署を横断して収集された様々なデータに対して、所定の分析ステップに基づいて、問題発見、解決策の立案、等を行おうとしている者、又は、そのためのアプリケーションであってよい。

複数の業務システム１０４－１０６の夫々は、サーバ１０１に業務データを登録する(２１１)。サーバ１０１は、業務データの記憶領域にアクセスして、業務データを参照し、データカタログ、データ定義を設定する(２２１)。サーバ１０１がデータカタログ等を設定するとは、データカタログ等を作成すること、又は、更新することを含む。サーバ１０１は、後述のとおり、ユーザが入力した分析目的と、自身が作成した基準情報（データカタログ、データ定義）とに基づいて、分析態様（分析ステップ、候補データリスト）を作成して、これをユーザに提示する。

データカタログ、そして、データ定義等の基準情報は、サーバ１０１が、ユーザ２０１が意図する分析目的と、業務データとに基づいて、ユーザ２０１に、最適な分析ステップを提案し、そして、この分析ステップに利用可能な有用度の高いデータを提案するために、業務データを分別する、評価する等、業務データの解析のための基準、又は、指標等の一例として理解されればよい。データカタログ、データ定義の詳細は後述する。

ユーザ２０１は、ユーザ端末１０２を介して、所望する、データ分析の目的をサーバ１０１に登録する(２３１)。サーバ１０１は、業務システムデータ、そして、基準情報（データカタログ、データ定義）とに基づいて、ユーザが登録した分析目的を評価して、ユーザに推奨する分析ステップを判定、判別、決定、そして、選定する等して確定し、これをユーザ端末１０２に報知する(２２２)。

ユーザ２０１は、サーバ１０１から提示され、推奨された分析ステップを確認する、又は、複数の分析ステップの中から所定の分析ステップを選択する等して、分析ステップを確定させて、これをサーバ１０１に報知する(２３２)。

サーバ１０１は、複数の業務システムから収集したデータの中から、分析ステップに適した、複数の候補データを抽出して、これをユーザ２０１に提示する(２２３)。ユーザ２０１は、サーバ１０１から送信された、複数の候補データのリストを参照して、分析対象とするデータを決定、或いは、選択等によって設定して、確定した分析ステップ(２３２)に基づいて、分析対象データを分析する。また、これをサーバ１０１に報知する(２３３)。サーバ１０１は、ステップ２２２、ステップ２２３、そして、ステップ２３３の結果に基づいて、基準情報（データカタログ／データ定義）を更新する(２２４)。

データカタログ、データ定義等の基準情報は、サーバ１０１の管理者、又は、運営者によって作成、又は、更新されてよい。サーバ１０１は、ユーザの分析目的、業務データに基づく機械学習を行うことによって、データカタログ等を作成、又は、更新してもよい。

分析目的（後述の図４：４０１）はデータ分析のターゲットを端的に示す情報であってよく、例えば、“列車遅延”である。ユーザ２０１は、分析目的を、例えば、“分析ステップ”、“ＫＰＩ”、そして、“着目データ項目”によって記述してサーバに登録することができる。“分析ステップ”、そして、“ＫＰＩ”は必須情報とし、“着目データ項目”は任意情報としてよい。ＫＰＩは、データの分析において、ユーザが注目する要素であり、例えば、既述の“列車遅延”である。ＫＰＩは、キーワードの他、算出式によって定義されてもよい。

着目データ項目は、例えば、ＫＰＩを評価するための軸として着目されるべき要素、又は、ＫＰＩと同時に監視すべき名称である。例えば、ＫＰＩが“列車遅延”として、着目データ項目は、“発車時刻”、“到着時刻”、“運行日時”、そして、“遅延時分”の少なくとも一つである。

分析ステップは、業務上の問題解決等のために分析を進める上での実施段階を表したものであり、複数のタイプがあり、主として、対象データの全体像を把握するための態様、対象データから特異事象を抽出するための態様、そして、対象データから要因を分析して、結果を予測する態様が例示される。これらを、以後、(1)全体像把握、(2)特異事象抽出、(3)要因分析／予測、ということとする。

ユーザ２０１は、複数の分析ステップを分析目的に含ませることができる。複数のステップには、優先度、順番等の優劣の区別があってもよい。

前記分析ステップの夫々の態様について、ユーザ２０１が用い得る計算手法として、例えば、全体像把握には傾向分析、特異事象抽出には外れ値検出、及び／又は、変化点抽出、要因分析／予測には、回帰分析／重回帰分析、及び／又は、分類／クラスタ分析がある。

サーバ１０１は、記憶装置１１１に、基準情報（“定義情報”と称してもよい）として、データカタログ、データ定義(２２１)を有する。データカタログ（図４：４０２）には、サーバ１０１が複数の業務システム１０４から収集した対象データのデータカタログと、対象データを加工した加工データのデータカタログとがある。加工データのデータカタログには、対象データから加工データを得るための算出式に関する情報を含んでよい。

対象データに関するカタログとして、例えば、“カラム名”、“名称・意味”、“補足情報”、等の項目からなるものがある。一例として、｛arrival time,到着時刻,・・・｝、｛KRT,キロ程,・・・｝がある。なお、カラム名とは、対象データ（データテーブル）のカラムに記録された名称である。

加工データに関するカタログとして、“データ名”、“算出式”、“名称・意味”、“補足情報”等の項目からなるものがあり、一例として、｛delay,“実績時刻”-“計画時刻”,遅延時分,・・・｝がある。

既述のデータ定義２２１は、例えば、４Ｗ辞書（図４：４０３）と、データ推移パタン（図４：４０４）と、を備える。４Ｗ辞書は、対象データの全体像の傾向を４Ｗ(When、Where、What、Who)の観点から把握するためのものであり、４Ｗのカテゴリ毎にキーワードを含む。例えば、４Ｗ辞書データは、“キーワード”、“カテゴリ”の組合せからなり、一例として、｛キーワード,カテゴリ｝=｛時刻,when｝、｛date,when｝、｛キロ程,where｝、｛Kilometrage,where｝、｛駅コード,where｝である。

データ推移パタンは、４Ｗ辞書に加えて値の推移を含むものであり、例えば、“データ名・種別”、“カテゴリ”、“データ型”、“値変化幅”、“下限”、そして、“上限”とからなる。一例として、｛キロ程,where,integer,1,0,300｝、｛到着時刻(分),when,integer,5,0,1440｝がある。

図３は、サーバ１０１のモジュール構成の一例である。サーバ１０１には、既述の図２において説明した、諸機能を実現するためのミドルウェア３０１が実装されている。ミドルウェア３０１は、サーバ１０１の記憶装置１１１に保存されたプログラムを実行する処理装置１１２によって実現される、複数の機能モジュールを備えている。そして、ミドルウェア３０１は、業務システム１０４の対象データ３１１、対象データ３１１から特徴量として抽出される等して加工された加工データ３１２とを、記憶装置１１１に備えている。

ミドルウェア３０１は、対象データ３１１、加工データ３１２を管理するデータ管理モジュール３２１を備え、データカタログ４０２、データ定義３１５、そして、ユーザ２０１が登録した分析目的の適否を判定するためのマトリックス３１３を記憶装置１１１に備えている。

ミドルウェア３０１は、既述の基準情報（データカタログ、データ定義）を管理する基準情報管理モジュール３２２、サーバ１０１にアクセスしてデータ準備に係る作業を行うユーザを管理するユーザ管理モジュール３２３、定義情報を参照し、そして、ユーザの分析目的情報４０１に基づいて、ユーザに分析ステップ、及び/又は、作業項目の提案を行う分析ステップ提案モジュール３２４を備える。

ミドルウェア３０１は、データ定義３１５を参照して、ユーザの分析目的情報４０１に基づいて分析用データを提案する分析用データ提案モジュール３２５と、ユーザに対する提案情報をデータ準備テーブル３１４として更新、管理する提案実行管理モジュール３２６と、ユーザ端末１０２、１０３に、ミドルウェア３０１の機能にアクセスするためのインタフェースを提供するインタフェースモジュール３２７と、ネットワーク１０７、１０８を介して、ユーザ端末１０２、１０３、そして、業務システム１０４・・・・と通信を行うデータ通信モジュール３２８と、分析ステップが全体像把握である場合の分析用データ提案のための、例えば、傾向分析等の処理を実行する全体像把握モジュール３３１と、分析ステップが特異事象である場合の分析用データ提案のための、例えば、特異点(例えば、外れ値、大きな変化点、大きな偏り)を抽出する処理を実行する特異事象抽出モジュール３３２と、分析ステップが要因分析／予測である場合の分析用データ提案のための、例えば、回帰分析、重回帰分析等の処理を実行する要因分析・予測モジュール３３３と、を備える。

既述の基準情報管理モジュール３２２は、基準情報（データカタログ４０２、データ定義３１５、マトリックス３１３）を管理する。例えば、この情報は、産業分野毎（鉄道、電力等）に存在してよく、基準情報管理モジュール３２２は、産業分野毎に基準情報を管理し、業務データ、又は、分析目的等に応じて、所定分野の基準情報を選択するようにしてもよい。

なお、既述のモジュールとは、処理装置がプログラムを実行することにより実現される機能であって、例えば、部、手段、要素、回路、又は、ユニットと言い換えられてもよい。

次に、サーバ１０１によって作成され、ユーザに提示される分析用データの候補リストについて説明する。図５Ａの５０１は、分析ステップとして“全体像把握”をユーザが指定すると、サーバ１０１が作成する、前記データ準備テーブル３１４（候補リスト）の一例である。分析用データ提案モジュール３２５が、このテーブルを作成、又は、更新する。このテーブルは、順位５１１、識別情報５１２、ＫＰＩ５１３、着目データ１(When)５１４、着目データ２(Where)５１５、着目データ３(What)５１６、着目データ４(Who)５１７、レコード数５１８、そして、出力ファイル５１９を備える。

順位５１１には、識別情報５１２により特定されるデータ組合せ（行）に対して、優先度に基づき割り振られる順位に関する情報が格納される。データ組合せとは、対象データ３１１のテーブルが“ＫＰＩデータ”カラム名として含む、当該カラムのレコードと、“when”に該当する着目データ１（例えば、既述の“時刻”）を、対象データ３１１のテーブルがカラム名として含む、当該カラムのレコードと、“where”に該当する着目データ２（例えば、既述の“キロ程”）に係る同様なレコードと、“what”に該当する着目データ３（例えば、既述の“列番”）に係る同様なレコードと、そして、“who”に該当する着目データ４（例えば、“運転士ID”）に係る同様なレコードとの組合せをいう。

なお、着目データ１－４（５１４－５１７）のそれぞれには、分析目的情報４０１を構成するユーザ入力の、“着目データ項目”と同一又は類似のものがあれば、これが記載される。着目データ１－４（５１４－５１７）のうち、該当するものがない、即ち、４Ｗ辞書に登録が無く、かつ、着目データ項目も規定されていない場合には、空白が記録される。

ＫＰＩ５１３には、分析目的情報４０１を構成する、ユーザ入力の“ＫＰＩ”と、同一、又は、類似のものが格納される。

レコード数５１８には、識別情報５１２により特定されるデータ組合せにおける、有効状態にあるレコード数が格納される。出力ファイル５１９には、識別情報５１２により特定されるデータ組合せのレコードを出力するファイルのパスが格納される。

図５Ｂの５０２は、分析ステップとして、“特異事象抽出”をユーザが指定すると、サーバ１０１が作成する、データ準備テーブル３１４の一例である。特異事象リストでもあるテーブル５０２において、テーブル５０１と同一の符号についての説明は同じである。テーブル５０２は、特異点(外れ値)数５２０、特異点(変化点)数５２１、特異点(偏り)数５２２を備える。

特異点(外れ値)数５２０には、識別情報５１２により特定されるデータ組合せにおける、ＫＰＩから抽出した特異点の種別が“外れ値”であるものの数に関する情報が格納される。

特異点(変化点)数５２１には、識別情報５１２により特定されるデータ組合せにおける、ＫＰＩから抽出した特異点の種別が“大きな変化点”であるものの数に関する情報が格納される。特異点(偏り)数５２２には、識別情報５１２により特定されるデータ組合せにおけるＫＰＩから抽出した特異点の種別が“大きな偏り”であるものの数に関する情報が格納される。

図５Ｃの５０３は、分析ステップとして、“要因分析／予測”をユーザが指定すると、サーバ１０１が作成する、データ準備テーブル３１４の一例である。目的変数・説明変数組合せリストでもあるテーブル５０３において、テーブル５０１と同一の符号についての説明は同じである。

目的変数・説明変数組合せリスト５０３は、目的変数５３０、説明変数５３１、レコード数５１８、判定値１（５３３）、判定値２（５３４）、判定値３（５３５）、判定値４（５３６）を備える。目的変数５３０には、分析目的に含まれるＫＰＩが格納される。説明変数データ５３１には、ＫＰＩ名を含むカラム以外で、ユーザによって選択された、カラムの名称が記録される。

判定値１（５３３）には、識別情報５１２により特定される、データの組合せの順位５１１を算出するために用いる１つ目の判定値データが格納され、判定値２（５３４）には、２つ目の判定値データが格納され、判定値３（５３５）には、３つ目の判定値データに関する情報が格納され、判定値４（５３６）には、４つ目の判定値データに関する情報が格納される。これら判定値については図１０において、詳しく説明する。

図５Ｄは、サーバ１０１から、ユーザに提示、又は、提案される、データの組合せを管理する管理テーブル５０４の一例である。このテーブルは、データ管理モジュール３２１によって、作成、又は、更新される。管理テーブル５０４は、サーバ１０１が、ユーザからの分析目的情報４０１と、基準情報２２１と、そして、対象データ３１１とに基づいてユーザに提案するデータ、に関する情報を格納する。

提案実行管理モジュール３２６は、ユーザからの分析目的情報４０１を受け付けて、分析ステップを推奨し、そして、分析に利用されるデータを提案する際に、テーブル５０４を作成、又は、更新する。このテーブル５０４は、識別情報５４１、ＫＰＩ（５１３）、データ組合せ５４３、利用回数５４４、利用人数５４５、更新日時５４６を含む。

識別情報５４１には、ユーザへのデータ提案を識別するための情報が格納される。ＫＰＩ（５１３）には、識別情報５４１によって特定されるデータ提案におけるＫＰＩデータが格納される。データ組合せ５４３には、識別情報５４１により特定されるユーザに提案されるデータの組合せが、分析ステップが全体像把握、又は、特異事象抽出である場合に格納され、分析ステップが要因分析・予測である場合、説明変数の組合せが格納される。

利用回数５４４は、識別情報５４１によって特定されるデータ提案におけるデータ組合せの利用回数に関する情報が格納され、ユーザによる利用の都度更新される。

利用人数５４５には、識別情報５４１によって特定されるデータ提案におけるデータ組合せの利用人数に関する情報が格納される。この利用人数は、延べ人数でもよいし、異なるユーザの人数でもよい。この情報は、識別情報５４１により特定されるデータ提案が、ユーザに利用される都度更新される。更新日時５４６には、候補リスト５０１のレコードが更新された日時が格納される。

図６は、サーバ１０１がユーザに分析ステップを推奨するための動作の一例に係るフローチャートである。サーバ１０１は、ユーザの入力情報２３１と、基準情報２２１、対象データ３１１とに基づいて、ユーザの分析目的が適切か否かを判定し、判定結果を、ユーザに推奨する分析ステップとして出力する。

サーバ１０１は、ユーザから分析目的情報４０１の登録２３１があると、フローチャートを開始する。分析ステップ提案モジュール３２４は、ステップ６０１において、ユーザからの分析目的情報４０１に含まれる、ＫＰＩと着目データ項目夫々の名称を、対象データ３１１のテーブルのカラム名と比較して、比較の結果を、一致度として算出する。同一の名称が“一致”となることは勿論であるが、類似の名称を“一致”に含めてもよい。“類似”とは、例えば、類義語をいう。“一致度”とは、一致の累計、一致の割合、そして、閾値との比較等でよい。モジュール３２４は、対象データが複数ある場合には、対象データごとに一致度を算出し、例えば、対象データごとの一致度を累計して、複数の対象データの一致度としてよい。

次いで、分析ステップ提案モジュール３２４は、ステップ６０２において、ＫＰＩ、そして、着目データ項目夫々の名称と、データカタログ４０２のデータ項目名とを比較して既述の一致度を計算する。

次いで、分析ステップ提案モジュール３２４は、ステップ６０３において、ＫＰＩ、そして、着目データ項目夫々の名称と、データ定義３１５（４Ｗ辞書、データ推移パタン辞書）にあるデータ項目名とを比較し、一致度を求める。

ステップ６０１において、一致度が高いということは、ユーザの分析目的に対する、対象データのデータ量が不足していないこと、及び／又は、対象データの質が高いことを示すものであり、そして、ステップ６０２、６０３において、一致度が高いということは、対象データを分別、分類、判別、又は、評価等するための情報が、ユーザの分析目的に適合していることを示す。一致度を、例えば、適合度、親和度、該当度等と言い換えてもよい。

分析ステップ提案モジュール３２４は、ステップ６０４において、ユーザからの分析目的情報４０１にある分析ステップが、“要因分析／予測”であるか否かを判定する。分析ステップ提案モジュール３２４が、ステップ６０４を否定判定すると、ステップ６０５において、基準情報（データカタログ４０２、データ定義３１５）の充実度を算出する。充実度とは、基準情報の分析目的に対する有効性、有用性、又は、信頼性を表す指標、例えば、情報の豊富さの程度を示す指標であり、これは、例えば、データカタログ４０２、データ定義３１５への情報登録件数、そして、参照回数、等のアクセス頻度に基づいて決定されてよい。充実度を有効度等と言い換えてもよい。

分析ステップ提案モジュール３２４がステップ６０４を肯定判定すると、ステップ６０６に移動し、分析ステップとしての“要因分析／予測”に於ける、説明変数候補となる加工データ３１２の充実度を算出する（ステップ６０６）。この充実度は、加工データのカラム名の数、有効なレコードの数の多さから算出されてよい。

分析ステップ提案モジュール３２４は、ステップ６０７において、ステップ６０５～６０６の結果に基づいて、図７Ａ等に示す、ユーザが登録した分析ステップ２３１の適否を判定するためのマトリックス３１３を参照して、ユーザに推奨すべき、分析ステップ、及び／又は、作業項目を、判定、判別等をすることによって決定する。

分析ステップ提案モジュール３２４は、ステップ６０７の決定内容をステップ６０８において、ユーザに提示して、ユーザの確認、選択等を求める。以上によって、サーバ１０１は、フローチャートを終了する。なお、分析ステップ、そして、作業項目を纏めて、例えば、分析態様、又は、分析手法等と呼んでよい。

分析ステップ提案モジュール３２４は、ユーザに提案すべき分析ステップを判定するための基準であるマトリックスとして、ユーザが分析目的情報（分析ステップ）として、“全体像把握”を選択した場合には、マトリックス７０１（図７Ａ）を採用し、“特異事象抽出”を選択した場合には、マトリックス７０２（図７Ｂ）を採用し、“要因分析／予測”を選択した場合には、マトリックス７０３（図７Ｃ）を採用する。

判定マトリックス７０１（図７Ａ）は、ステップ６０１－６０３の分析目的情報との一致度と、ステップ６０５のデータカタログ、データ定義の充実度との相関を規定したものであり、分析ステップ提案モジュール３２４が、一致度、そして、充実度を夫々所定の閾値と比較して、その高低を決定してよい。

判定マトリックス７０１の“分析目的情報との一致度”は、ステップ６０１－６０３夫々の一致度を、例えば、加算したもの、平均したもの等でよい。ステップ６０１－６０３夫々の一致度のうち、所定のステップの一致度を優先させるようにしてもよい。判定マトリックス７０１の“データカタログ／データ定義の充実度”は、夫々の充実度、例えば、加算したもの、平均したもの等でよい。一方の充実度を優先させるようにしてもよい。

一致度が“高い”、かつ、充実度が“高い”場合、そして、一致度が“高い”、かつ、充実度が“低い”場合、ユーザの分析目的に適する、対象データは十分量存在し得るから、分析ステップ提案モジュール３２４は、ユーザがサーバ１０１に登録した分析ステップとしての“全体像把握”を、そのまま推奨してユーザに提示する。

一方、一致度が“低い”、かつ、充実度が“高い”場合、対象データ量が不足している可能性があるから、“全体像把握”が直ちに実施されることは好ましくはないため、分析ステップ提案モジュール３２４は、“全体像把握”を維持しながらも、それを実現するのに必要な作業項目として、先ずは、“データ追加”を推奨する。

また、一致度が“低い”、かつ、充実度が“低い”場合、ユーザの分析目的に適するデータは存在していたとしても、そもそも、データカタログ４０２、そして、データ定義３１５の質が十分でない可能性があるため、分析ステップ提案モジュール３２４は、分析ステップとして“全体像把握”の実施は好ましくないと判定して、作業項目として、統計によるデータ理解促進、データカタログ４０２、データ定義３１５の拡充を推奨する。

判定マトリックス７０２（図７Ｂ）の“分析目的情報との一致度”、“高い”、“低い”の意義は、判定マトリックス７０１のものと同じである。“分析目的情報に一致のデータの充実度”は、ステップ６０１－６０３にてユーザからの分析目的情報４０１との一致度が高いと判定される、対象データ３１１におけるデータ、または、データカタログ４０２、データ定義３１５のデータ項目に該当する対象データ３１１（または、加工データ３１２）におけるデータの充実度を示す。

この充実度は、これらデータ（テーブル）の有効なレコードの数の多さから算出されてよい。一致度が、“高い”、かつ、充実度が“高い”場合、分析ステップ提案モジュール３２４は、ユーザの分析目的に適する、対象データ量は十分であり得るから、ユーザが登録した、分析ステップとしての“特異事象抽出”を、そのまま推奨する。

一方、一致度が“高い”、かつ、充実度が“低い”場合、ユーザの分析目的に適するデータが十分に存在し得ても、特異事象としてのデータレコード数が相対的に不足している可能性があるため、分析ステップ提案モジュール３２４は、分析ステップとして“特異事象抽出”の実施は困難であると判定して、作業項目として、対象データを追加することを推奨する。

また、一致度が“低い”、かつ、データの充実度が“高い”場合、又は、一致度が“低い”、かつ、充実度が“低い”場合、分析ステップ提案モジュール３２４は、ユーザが望む分析目的に適する、対象データが不足している、もしくは、ユーザが、十分に、データを理解できていない可能性があると判断して、分析ステップとして“特異事象抽出”を実施することは困難であり、ユーザに、先ず、“全体像把握”に変更して、“全体像把握”に戻って、これからデータ分析を始めることを推奨する。この場合、分析ステップ提案モジュール３２４は、判定マトリックス７０１（図７Ａ）に基づいて、“全体像把握”としての適否を判定する。

判定マトリックス７０３（図７Ｃ）の“分析目的情報との一致度”について、“高い”、“低い”の意義は、判定マトリックス７０１のものと同じである。判定マトリックス７０３の“加工データの充実度”は加工データに対するものであって、“充実度”、そして、その“高い”、“低い”自体の意義は、既述のとおりである。

一致度が“高い”、かつ、充実度が“高い”場合、ユーザの分析目的に適する対象データ量は十分であるから、分析ステップ提案モジュール３２４は、ユーザが指定した分析ステップとしての“要因分析／予測”をそのまま推奨する。

一致度が“高い”、かつ、充実度が“低い”場合、分析ステップ提案モジュール３２４は、ユーザの分析目的に適する、対象データが十分に存在し得ても、要因分析／予測を実施するには説明変数となる、加工データのレコード数が不足し得るから、分析ステップとしての“要因分析／予測”の実施は困難であると判定して、作業項目として加工データの拡充をユーザに推奨する。

一致度が“低い”、かつ、充実度が“高い”場合、分析ステップ提案モジュール３２４は、ユーザの分析目的に適する、対象データ自体が不足している可能性があるから、ユーザに、“全体像把握”に戻って検討することを推奨する。

一致度が“低い”、かつ、充実度が“低い”場合、分析ステップ提案モジュール３２４は、ユーザの分析目的に適する、対象データ自体が不足している可能性がある、もしくは、データ理解が十分ではない可能性があるから、また要因分析／予測を実施するには説明変数となるデータのレコード数が不足している可能性があるから、ユーザに、“全体像把握”に戻ること、そして、作業項目として加工データを拡充することを推奨する。

図８は、サーバ１０１がユーザに、分析ステップとしての“全体像把握”に利用可能なデータの組合せを、ユーザに提示するための動作の一例を示すフローチャートである。サーバ１０１は、判定マトリックス７０１に基づいて、分析ステップとして、“全体像把握”を決定すると、図８のフローチャートをスタートさせる。

分析用データ提案モジュール３２５は、ステップ８０１において、ユーザ２０１から受け付けた分析目的情報４０１（２３１）からＫＰＩと着目データ項目とを抽出する。次いで、分析用データ提案モジュール３２５は、ステップ８０２において、対象データ３１１のテーブルから前記ＫＰＩに該当するカラム、即ち、ＫＰＩの名称と同一又は類似名のカラムを抽出する。図１２において、対象データ３１１は２つのデータ（テーブル）３１１Ａ，３１１Ｂを備え、テーブル３１１ＡのカラムＢがＫＰＩと同一名のカラムである。

分析用データ提案モジュール３２５は、ステップ８０３において、対象データ３１１から着目データ項目に該当するカラムを抽出する。分析用データ提案モジュール３２５は、ステップ８０４において、対象データ３１１から、４Ｗ辞書２２１の４Ｗ(When、Where、What、Who)夫々のキーワードに該当する（キーワードに同一、又は、類似する）、対象データ３１１のカラムを抽出する。なお、分析用データ提案モジュール３２５は、ステップ８０２、及び／又は、ステップ８０３において、抽出されたカラムが、ステップ８０４で再度抽出された場合には、これを除く。

分析用データ提案モジュール３２５は、ステップ８０５において、対象データ３１１における各カラムのレコードを参照して、データ推移パタン定義４０４にある４Ｗ辞書２２１の４Ｗの夫々のキーワードのデータ値の推移パタンに該当するカラムを対象データ３１１から抽出する。なお、分析用データ提案モジュール３２５は、ステップ８０２、及び／又は、ステップ８０３において、抽出されたカラムが、ステップ８０５で再度抽出された場合には、これを除く。

分析用データ提案モジュール３２５は、ステップ８０６において、ステップ８０３、ステップ８０４、又は、ステップ８０５で抽出されたカラムの優先度を設定する。分析用データ提案モジュール３２５は、例えば、前記３つのステップにて抽出されたカラムの優先度を２つのステップもしくは１つのステップのみで抽出されたカラムより優先度を高くする。

分析用データ提案モジュール３２５は、ステップ８０７において、ステップ８０４－８０５のカラム（４Ｗ候補カラム）のリストを、ステップ８０６に係る優先度が分かるように、ユーザに提示し、ステップ８０８において、ユーザからの要求があれば、４Ｗ候補カラムの絞込みを実施して、一部のカラムをデータ分析対象から除外することができる。

分析用データ提案モジュール３２５は、ステップ８０９において、ステップ８０２で抽出した、ＫＰＩに該当するカラム（ＫＰＩカラム）と、ステップ８０３で抽出した着目データ項目に該当するカラム（着目データ項目カラム）、ステップ８０４－８０８に係るカラム（４Ｗ候補カラム）と、からなる組合せを作成する。以後、この組合せを、“合成カラム組合せ”という。

ステップ８０３で抽出した着目データ項目に該当するカラムと、ステップ８０４－８０８に係る４Ｗ候補カラムと、を纏めて、ＫＰＩカラムに対して軸候補となる“軸候補カラム”と称することとする。

図１２において、テーブル３１１ＡのカラムＣが軸候補カラム１であり、テーブル３１１ＡのカラムＤが軸候補カラム２であり、テーブル３１１ＢのカラムＧが軸候補カラム２であり、テーブル３１１ＡのカラムＨが軸候補カラム３である（カラムＤとカラムＧの名称は同一または類似）。テーブル３１１Ｃが合成カラム組合せである。

分析用データ提案モジュール３２５は、同一又は類似の名称のＫＰＩカラムが複数のデータテーブルで重複する場合、そして、同一又は類似の名称の軸候補カラムが複数のデータテーブルで重複する場合、重複するカラムを交換するようにして合成カラム組合せを複数作成する。図１２の例に即して説明すると、分析用データ提案モジュール３２５は、合成カラム組合せとしてのテーブル３１１Ｃを、軸候補カラム２がテーブル３１１ＡのカラムＣのものと、軸候補カラム２がテーブル３１１ＢのカラムＧのものの二つ、作成する。即ち、分析用データ提案モジュール３２５は、合成カラム組合せ１（カラムＢ，Ｃ，Ｄ，Ｈ）と合成カラム組合せ２（カラムＢ，Ｃ，Ｇ，Ｈ）の２つを定義する。同一名のＫＰＩカラムの数を“ｋ”とし、同一名の軸候補１の数を“ｍ１”、同一名の軸候補２の数を“ｍ２”・・・同一名の軸候補ｎの数を“ｍｎ”とすると、合成カラム組合せの数は“ｋ*ｍ１*ｍ２*・・・*ｍｎ”になる。もしくは同一または類似の名称の軸候補カラム同士をキーとしてテーブル３１１Ａ、３１１Ｂを結合することにより合成カラム組合せを作成する。

分析用データ提案モジュール３２５は、ステップ８１０において、複数の合成カラム組合せから、有効なレコード数が零であるカラム組合せを除外する。有効なレコード数が零であるカラム組合せとは、カラム組合せの全てのレコードにデータが記録されていないものをいう。

次いで、分析用データ提案モジュール３２５は、ステップ８１１において、合成カラム組合せの夫々について、夫々の組合せのレコードの特性、属性、例えば、レコードに含まれる複数のデータ値の変動パタンを判定する。分析用データ提案モジュール３２５は、この判定結果を、分析用データの候補の作成に反映させる。

データ値の変動パタンは、例えば、“連続値”、“連続繰返し値”、又は、“離散値”である。“連続値”は、数値データで、全てのレコードでほとんど値が異なるパタンである。“連続繰返し値”は、数値データで、全てのレコードについて、データ値が一定範囲内で増減することを繰り返すパタンである。“離散値”は、文字列データ、または、数値データで、ユニークな値の数がレコード数の一定割合以下であるパタンである。

分析用データ提案モジュール３２５は、ステップ８１２において、合成カラム組合せ毎にデータ値変動パタンを判別し、パタンが“連続値”であることを判別すると、ステップ８１３に移行して、合成カラム組合せの夫々について、全ての合成カラム組合せを結合して、全レコードの数を算出する。

分析用データ提案モジュール３２５は、ステップ８１２において、データ値変動パタンを判別し、パタンが“連続繰返し値”であることを判別すると、ステップ８１４に移行して、合成カラム組合せの夫々について、データの繰返しの範囲毎にレコードを分類し、さらに、ステップ８１５に移行して、繰り返し範囲毎に、合成カラム組合せの夫々を結合して、レコード数を算出する。

分析用データ提案モジュール３２５は、ステップ８１２において、データ値変動パタンを判別し、パタンが“離散値”であることを判別すると、ステップ８１６に移行して、ステップ８１１において選択した軸候補カラムと４Ｗの同分類にて“離散値”であることが判別された他の軸候補カラムを１つ以上選出し、ステップ８１７において、ＫＰＩカラムとステップ８１６で選出した複数の軸候補カラムを結合し、文字列データと数値データとの各分類でのレコード数を算出する。

分析用データ提案モジュール３２５は、ステップ８１８において、ステップ８１１－８１７の結果に基づいて、レコード数をデータ値変動パタン毎に集計し、ステップ８１９において、合成カラム組合せの全てに処理が完了しているか否かを判定し、これを否定すると、ステップ８１１にリターンし、これを肯定判定すると、ステップ８２０に移行する。

分析用データ提案モジュール３２５は、ステップ８２０において、データ値変動パタン毎に、全組合せの夫々の有用度を、例えば、有効状態のレコード数（データ量）をキーにして評価し、全組合せを評価値の降順にソートして候補リスト（図５Ａの５０１）を作成してユーザに提示する。

分析用データ提案モジュール３２５は、候補リスト５０１の順位５１１に、ステップ８２０で決定された順位を格納し、ＫＰＩ、そして、着目データ項目を、ＫＰＩ５１３、着目データ１－４（５１４－５１７）に、有効レコード数をレコード数５１８に、データ組合せのファイル出力先を出力ファイル５１９にそれぞれ格納される。

分析用データ提案モジュール３２５は、ステップ８２１において、候補リスト５０１に含まれる、カラム組合せ夫々について、傾向分析を実施し、その結果をグラフとして作成し、ユーザに提示する。ユーザは、グラフを参照して、所定の組合せを指定、選択することができる。ユーザは、候補リストの中から所望の組合せを選択してもよい。この場合、選択された組合せについてのみ、グラフが作成されてもよい。

分析用データ提案モジュール３２５は、ステップ８２２において、ユーザによって指定された組合せに係るカラムのレコードをＣＳＶファイル等として出力する。ＣＳＶファイルは、ユーザが改めて対象データの傾向分析を実施する際に使用できる。

分析用データ提案モジュール３２５は、ステップ８２３において、ステップ８２０で作成された候補リスト５０１、ステップ８２２で指定された組合せに基づいて、データカタログ４０２とデータ定義２２１とを更新、又は、追加する。したがって、データ分析が進むにしたがって、データカタログとデータ定義とが改良されていく。

図９は、サーバ１０１が、分析ステップとしての“特異事象抽出”に利用可能なデータの組合せを、ユーザに提示するための動作の一例を示すフローチャートである。サーバ１０１は、判定マトリックス７０２に基づいて、分析ステップとして、“特異事象抽出”を決定すると、図９のフローチャートをスタートさせる。

図９のフローチャートにおいて、図８のフローチャートのステップ８０１―８１９の工程は同じである。分析用データ提案モジュール３２５は、ステップ９０３において、全カラム組合せの夫々について順位付けを行い、順位が閾値以上であるの組合せを抽出する。順位付けは、複数の組合せに夫々おける有効なレコードの多さに基づいたものでよい。

分析用データ提案モジュール３２５は、ステップ９０４において、ステップ９０３において抽出した、複数の組合せの一つの組合せのデータについて特異点の有無を判定し、ステップ９０５で特異点の判定を肯定すると、ステップ９０６において、特異点の数を算出する。特異点とは例えば、外れ値、大きな変化点、大きな偏り、等でよい。分析用データ提案モジュール３２５は、前記特異点に関する情報を特異事象リスト５０２に追加する。

分析用データ提案モジュール３２５は、ステップ９０５を否定すると、ステップ９０６を経ることなく、ステップ９０７に移行し、既述の組合せの全てについて、ステップ９０４、９０５、９０６を適用したか否かを判定し、否定判定するとステップ９０４に戻り、肯定判定するとステップ９０８に移行する。

分析用データ提案モジュール３２５は、ステップ９０８において、全ての組合せ夫々の有用度を、例えば、特異点の数に基づいて、昇順にソートする等して順位付けし、特異事象リスト５０２を作成して、これをユーザに提示する。特異点の数は、例えば、外れ値の数、変化点の数、そして、偏りの数を合計したもの、或いは、平均であってもよい。

分析用データ提案モジュール３２５は、特異事象リスト５０２の順位５１１に、組合せ毎の順位を格納し、ＫＰＩをＫＰＩ５１３に格納し、着目データ項目を着目データ１－４（５１４－５１７）に格納し、組合せ毎の有効レコード数をレコード数５１８に格納し、組合せ毎の特異点（外れ値、大きな変化点、大きな偏り）の数を特異点数５２０－５２２に格納し、組合せ毎のデータファイルの出力先を出力ファイル５１９に格納する。

分析用データ提案モジュール３２５は、ステップ９０９において、全ての組合せ毎に特異事象算出グラフを作成し、ユーザに提示する。後は、図８のフローチャートのステップ８２２，８２３と同じである。

図１０は、サーバ１０１が、分析ステップとしての要因分析／予測に利用可能なデータの組合せを、図８，９のフローチャートと同様にリストとして、ユーザに提示するための動作の一例を示すフローチャートである。サーバ１０１は、判定マトリックス７０３に基づいて、分析ステップとして、“要因分析／予測”を決定すると、図１０のフローチャートをスタートさせる。

分析用データ提案モジュール３２５は、図１０のフローチャートを開始すると、ステップ１００１において、ユーザより受け付けた分析目的情報４０１に基づいて、ＫＰＩ（ＫＰＩ名称、ＫＰＩ算出式）を抽出する。

分析用データ提案モジュール３２５は、ステップ１００２において、ＫＰＩの名称に該当する、対象データ３１１、及び／又は、加工データ３１２のカラム名を抽出し、これを目的変数カラムとする。分析用データ提案モジュール３２５は、ＫＰＩ算出式に基づいて、目的変数カラムを作成してもよい。図１３において、対象データ３１１ＣのカラムＢが、ＫＰＩに該当した目的変数カラムである。

分析用データ提案モジュール３２５は、ステップ１００３において、対象データ３１１のテーブル、または、加工データ３１２のテーブルから説明変数の候補となるカラムの所定数を選択する。説明変数の候補となるカラムは、対象データ３１１のテーブル、または、加工データ３１２のテーブルのカラムのうち、ステップ１００２で選出された目的変数カラムを除いたカラムである。

分析用データ提案モジュール３２５は、目的変数カラムに対する、説明変数カラムの一つ又は複数の組合せを全て作成する。図１３は、対象データ３１１（テーブル３１１Ａ）のカラムＢ以外の全てのカラム、加工データ３１２（テーブル３１１Ｄ）の全てのカラムが説明変数カラムになり得ることを示している。例えば、選択する説明変数カラムの数が２つであるとすると、分析用データ提案モジュール３２５は、対象データ３１１ＡのカラムＢ以外の全てのカラムと、加工データ３１１Ｄの全てのカラムから２つのカラムの全ての組合せを複数作成し、夫々の組合せと目的変数カラムとを合わせて、目的変数カラムと説明変数カラムとの合成カラムからなるテーブルを複数構成する。図１３の３１１Ｅ-１～３１１Ｅ－４・・・・・の夫々が合成カラムからなるテーブルである。

分析用データ提案モジュール３２５は、ステップ１００４において、対象データのテーブル、そして、加工データのテーブルの全てのカラム間の相関係数を算出する。分析用データ提案モジュール３２５は、ステップ１００５において、ステップ１００２で抽出した目的変数カラムと、ステップ１００３で選出した数の説明変数の候補カラムとの全ての組合せに対して、回帰分析、または、重回帰分析等の学習を実施する。

分析用データ提案モジュール３２５は、ステップ１００６において、目的変数カラムと説明変数カラムとの全ての組合せの夫々について有用度を演算し、演算結果に基づいて、全ての組合せ夫々を順位付けしたリストを作成する。ユーザは所望の組合せを選択できる。

複数の組合せのうちの夫々の組合せの有用度は、例えば、（１）目的変数と説明変数の相関係数の絶対値（ステップ１００４)、（２）ステップ１００５での、学習結果の良さ(決定変数、正解率)（３）目的変数のカラムと説明変数のカラムとに於ける、有効な値を含むレコードの全数、そして、（４）説明変数間の相関係数の絶対値（ステップ１００４)の少なくとも一つの優劣であってよく、分析用データ提案モジュール３２５は、有用度の昇順、又は、降順によって、組合せを順位付ける。

分析用データ提案モジュール３２５は、有用度（１）－有用度（４）夫々の順位を総合した順位を決定して、これを目的変数・説明変数組合せリスト５０３の順位５１１に、ＫＰＩを目的変数（ＫＰＩ）５３０に、一つ以上の説明変数の名称を説明変数５３１に、全ての組合せの有効レコード数をレコード数５１８に、有用度（１）-（４）を有用度１－４（５３３―５３６）に、組合せ夫々のレコードのファイルの出力先を出力ファイル５１９に、それぞれ格納される。

分析用データ提案モジュール３２５は、ステップ１００７において、ステップ１００６で作成したリストに含まれる目的変数・説明変数の組合せ毎に学習結果グラフを作成し、ユーザに提示して、ユーザが所望の組合せを選択できるようにする。ここでリストの上位から指定された数の目的変数・説明変数の組合せのみのグラフを作成することも可能である。

そして、分析用データ提案モジュール３２５は、ステップ８２２において、ステップ１００７の結果を参照したユーザにより指定された説明変数カラム及び目的変数カラムに関するデータレコードをＣＳＶファイル等に出力する。このファイルは、ユーザが自ら要因分析／予測を実施する際に使用される。

分析用データ提案モジュール３２５は、ステップ１００６でのリスト５０３の作成結果、このリストからのユーザによる選択の結果を基に、データカタログ、データ定義３１５の変更、情報の追記を行う。

図１１Ａ－図１１Ｃは、サーバ１０１から、ユーザ端末１０２、１０３に対して提供された、データ利活用を支援するためのグラフィックインターフェースの例である。提案実行管理モジュール３２６は、分析用データ提案モジュール３２５と、分析手法提案モジュール３２４に基づいて、分析目的をリクエストしたユーザ端末に、グラフィックインターフェース用画面を表示させる。

図１１Ａの画面１１０１において、ユーザが指定した分析ステップとしての“全体像把握”と、これに対する、サーバ１０１が“データ追加”を推奨することが第１の領域１１１１に表示されている。

さらに、分析目的情報４０１と対象データとの一致度と、データカタログ、データ定義情報の充実度とからなる第２の領域１１１２と、データ追加のための不足データと、データカタログの格納先、そして、データ定義の格納先とからなる第３の領域１１１３とが補足情報として表示されている。

図１１Ｂの画面１１０２は、推奨分析ステップが全体像把握である、前記候補リスト５０１の一例である。複数のカラムを組合せたデータについて、その複数（ステップ８２０）が有用度順に羅列されている（１１２１）。領域１１２２は、データ組合せ毎で、傾向分析の結果得られたグラフの例である（ステップ８２１）。

図１１Ｃの画面１１０３、推奨分析ステップが要因分析／予測である、前記目的変数・説明変数組合せリスト５０３の一例である。複数のカラムを組合せたデータについて、その複数（ステップ１００６）が有用度順に羅列されている（１１３１）。領域１１３２は、データ組合せ毎で、学習の結果を示すグラフである。

既述の実施形態によれば、サーバ１０１は、ユーザ２０１が複数の業務システムの多種多様、大量のデータを活用して課題分析等を行う際、ユーザが分析目的をサーバに登録すれば、ユーザの負荷を軽減しながら、分析に有用なデータのリストをユーザに提示できる。ユーザは、データ利活用を行う前のデータの準備作業を迅速かつ容易に実現できるようになる。

サーバ１０１は、ユーザに推奨した分析ステップを実行しようとしている当該ユーザに対して、分析目的に関連するデータを提示しようとする際、分析目的（ＫＰＩ、着目データ項目）に関連するカラムと、分析目的と適合性があり、かつ、充実度も高い基準情報に関連するカラムと、を組合せ、両カラムのレコードをユーザに提示するため、ユーザは、分析目的をサーバに登録しさえすれば、分析目的に関連するデータの組合せを広範に取得することができる。

１０１ サーバ
１０２、１０３ ユーザ端末
１０４-１０６ 業務システム

Claims (9)

1. データの利活用のためのデータ準備を支援するシステムであって、
   処理装置と、
   記憶装置と、を備え、
   前記処理装置は、前記記憶装置に記録されたプログラムを実行することによって、
   複数の業務システムの夫々から業務データを収集し、当該業務データを前記記憶装置に対象データとして少なくとも一時的に蓄積し、
   ユーザ端末から前記対象データに対する分析目的を受信し、
   前記分析目的と前記対象データとに基づいて、前記分析目的に対して推奨される分析ステップを決定し、
   前記推奨される分析ステップに利用可能なデータの組合せを、前記対象データから抽出し、
   前記抽出されたデータの組合せの複数の夫々を評価し、
   当該評価の結果に基づいて、前記データの組合せの複数を夫々順位付けしたリストを作成し、
   当該リストを前記ユーザ端末に出力させ、
   ユーザが前記リストから所定のデータの組合せを選択できるようにし、
   前記記憶装置は、前記対象データに対する基準情報を備え、
   前記処理装置は、
   前記推奨される分析ステップを前記基準情報に基づいて決定することと、
   前記推奨される分析ステップを決定することを、前記対象データに対する分析の実施段階の複数タイプの中から、いずれかのタイプの分析の実施段階に決定することによって実行することと、
   を有し、
   前記処理装置は、
   前記分析目的が、前記対象データ、又は、当該対象データ及び前記基準情報に適合する程度を算出し、
   前記基準情報の前記分析目的に対する有効性の程度を算出し、
   両方の算出結果に基づいて、前記いずれかのタイプの分析の実施段階を決定し、
   前記分析目的はＫＰＩを含み、
   前記基準情報は前記対象データに対する辞書データを含み、
   前記処理装置は、
   前記分析目的が前記対象データに適合する程度を算出することを、前記ＫＰＩと前記対象データのカラム名とを比較することによって行い、
   前記分析目的が前記基準情報に適合する程度を算出することを、前記ＫＰＩと前記辞書データとを比較することによって行う、
   システム。
2. 前記分析目的は、前記複数のタイプの分析の実施段階のうち、ユーザが所望する分析の実施段階を含み、
   前記処理装置は、
   前記両方の算出結果に基づいて、当該ユーザが所望する分析の実施段階を評価し、この評価は当該分析の実施段階を維持するか、又は、他の分析の実施段階に変更することを含み、
   前記評価の結果に基づいて、前記ユーザに、前記推奨される分析の実施段階を提示する、
   請求項１記載のシステム。
3. データの利活用のためのデータ準備を支援するシステムであって、
   処理装置と、
   記憶装置と、を備え、
   前記処理装置は、前記記憶装置に記録されたプログラムを実行することによって、
   複数の業務システムの夫々から業務データを収集し、当該業務データを前記記憶装置に対象データとして少なくとも一時的に蓄積し、
   ユーザ端末から前記対象データに対する分析目的を受信し、
   前記分析目的と前記対象データとに基づいて、前記分析目的に対して推奨される分析ステップを決定し、
   前記推奨される分析ステップに利用可能なデータの組合せを、前記対象データから抽出し、
   前記抽出されたデータの組合せの複数の夫々を評価し、
   当該評価の結果に基づいて、前記データの組合せの複数を夫々順位付けしたリストを作成し、
   当該リストを前記ユーザ端末に出力させ、
   ユーザが前記リストから所定のデータの組合せを選択できるようにし、
   前記記憶装置は、前記対象データに関する基準情報を備え、
   前記処理装置は、
   前記推奨される分析ステップに利用可能なデータの組合せを、前記対象データから抽出することを、
   前記対象データから前記分析目的に該当するデータを抽出することと、そして、
   前記対象データから前記基準情報に該当するデータを抽出することと、から実行し、
   前記分析目的に該当するデータと、前記基準情報に該当するデータと、に基づいて、前記データの組合せの複数を構成し、
   当該データの組合せの複数の夫々を、データ量に基づいて評価し、
   前記処理装置は、
   前記対象データから前記分析目的に該当するデータを抽出することを、前記分析目的に該当するカラムを前記対象データから抽出することから実行し、
   前記対象データから前記基準情報に該当するデータを抽出することを、前記対象データから前記基準情報に該当するカラムを前記対象データから抽出することから実行し、
   前記データの組合せとして、前記分析目的に該当するカラムと前記基準情報に該当するカラムの組合せを複数構成し、
   前記データ量として、当該複数の組合せ夫々のレコード数を算出する、
   システム。
4. 前記処理装置は、
   前記分析の実施段階の複数タイプ毎に、前記抽出されたデータの組合せの複数の夫々を評価する、
   請求項１記載のシステム。
5. 前記処理装置は、
   前記複数の組合せの夫々について、複数あるデータ値変動パタンのうちどのデータ値変動パタンを備えるかを判定し、
   データ値変動パタン毎に前記レコード数を算出する、
   請求項３記載のシステム。
6. 前記処理装置は、
   前記対象データのカラムを前記辞書データの４Ｗ情報の夫々に基づいて抽出する、
   請求項１記載のシステム。
7. ユーザによる分析目的情報の登録に対する、推奨する分析ステップ、または、作業項目に関する情報、さらに各分析ステップにおけるユーザが指定するＫＰＩや着目データ項目に関連する利用可能なデータの組合せに関する情報を、ユーザに提示するための出力装置を有する、請求項１記載のシステム。
8. データの利活用のためのデータ準備を支援する方法であって、
   コンピュータは、
   複数の業務システムの夫々から業務データを収集し、当該業務データを記憶装置に対象データとして少なくとも一時的に蓄積し、
   ユーザ端末から前記対象データに対する分析目的を受信し、
   前記分析目的と前記対象データとに基づいて、前記分析目的に対して推奨される分析ステップを決定し、
   前記推奨される分析ステップに利用可能なデータの組合せを、前記対象データから抽出し、
   前記抽出されたデータの組合せの複数の夫々を評価し、
   当該評価の結果に基づいて、前記データの組合せの複数を夫々順位付けしたリストを作成し、
   当該リストを前記ユーザ端末に出力させ、
   ユーザが前記リストから所定のデータの組合せを選択できるようにし、
   前記記憶装置は、前記対象データに関する基準情報を備え、
   前記コンピュータは、
   前記推奨される分析ステップを前記基準情報に基づいて決定することと、
   前記推奨される分析ステップを決定することを、前記対象データに対する分析の実施段階の複数タイプの中から、いずれかのタイプの分析の実施段階に決定することによって実行することを有し、
   前記コンピュータは、
   前記分析目的が、前記対象データ、又は、当該対象データ及び前記基準情報に適合した程度を算出し、
   前記基準情報の前記分析目的に対する有効性の程度を算出し、
   両方の算出結果に基づいて、前記いずれかのタイプの分析の実施段階を決定し、
   前記分析目的はＫＰＩを含み、
   前記基準情報は前記対象データに対する辞書データを含み、
   前記コンピュータは、
   前記分析目的が前記対象データに適した程度を算出することを、前記ＫＰＩと前記対象データのカラム名を比較することによって行い、
   前記分析目的が前記基準情報に適合する程度を算出することを、前記ＫＰＩと前記辞書データとを比較することによって行う、
   前記方法。
9. データの利活用のためのデータ準備を支援する方法であって、
   コンピュータは、
   複数の業務システムの夫々から業務データを収集し、当該業務データを記憶装置に対象データとして少なくとも一時的に蓄積し、
   ユーザ端末から前記対象データに対する分析目的を受信し、
   前記分析目的と前記対象データとに基づいて、前記分析目的に対して推奨される分析ステップを決定し、
   前記推奨される分析ステップに利用可能なデータの組合せを、前記対象データから抽出し、
   前記抽出されたデータの組合せの複数の夫々を評価し、
   当該評価の結果に基づいて、前記データの組合せの複数を夫々順位付けしたリストを作成し、
   当該リストを前記ユーザ端末に出力させ、
   ユーザが前記リストから所定のデータの組合せを選択できるようにし、
   前記記憶装置は、前記対象データに関する基準情報を備え、
   前記コンピュータは、
   前記推奨される分析ステップに利用可能なデータの組合せを、前記対象データから抽出することを、
   前記対象データから前記分析目的に該当するデータを抽出することと、そして、
   前記対象データから前記基準情報に該当するデータを抽出することと、から実行し、
   前記分析目的に該当するデータと、前記基準情報に該当するデータと、に基づいて、前記データの組合せの複数を構成し、
   当該データの組合せの複数の夫々を、データ量に基づいて評価し、
   前記コンピュータは、
   前記対象データから前記分析目的に該当するデータを抽出することを、前記分析目的に該当するカラムを前記対象データから抽出することから実行し、
   前記対象データから前記基準情報に該当するデータを抽出することを、前記対象データから前記基準情報に該当するカラムを前記対象データから抽出することから実行し、
   前記データの組合せとして、前記分析目的に該当するカラムと前記基準情報に該当するカラムとの組合せを複数構成し、
   前記データ量として、当該複数の組合せ夫々のレコード数を算出する、
   前記方法。
   

Images