JP7295792B2 - データ分析装置およびデータ分析方法 - Google Patents

Description

本発明は、データ分析装置およびデータ分析方法に関する。

業務データを用いてデータ分析し、業務ＫＰＩと相関の高い要因を特定して業務改善のための示唆を獲得する手法がある。このようなデータ分析では、当該データ分析にどのような変数を用いるかによって、得られる示唆の有効性が大きく変わるケースがある。
例えば、物流業の倉庫内のピッキング業務において、業務ＫＰＩであるピッキング時間の短縮を検討対象とした場合を考える。

分析データに、倉庫内に配置された商品名などの限られた変数しかない場合、当該データを用いてデータ分析すると、「商品Ｇ１を倉庫内の棚Ｓ１に置くとピッキング時間が短くなる」、「商品Ｇ２を倉庫内の棚Ｓ２に置くとピッキング時間が短くなる」、「商品Ｇ３を倉庫内の棚Ｓ３に置くとピッキング時間が短くなる」、などの示唆が得られる。

その場合、「商品Ｇ１を倉庫内の棚Ｓ１に置く」、「商品Ｇ２を倉庫内の棚Ｓ２に置く」、「商品Ｇ３を倉庫内の棚Ｓ３に置く」、という施策を採用する可能性がある。

一方、もし分析データに、商品売上や倉庫内の棚の入口からの距離、などの変数が含まれていれば、「売れ筋の商品を倉庫内の手前に置く」といった、人間にとって意味が理解しやすく、案件間での再利用性も高い示唆が得られる可能性がある。

したがって、業務知識を用いて業務ＫＰＩと相関の高そうな変数を予想し、そのような変数をできるだけ分析データに含めておくことが重要である。そうした概念に関する従来技術としては、例えば、データ分析者が説明変数の中から、分析に使用する属性を選択する時に判断材料として使用する情報を形式的に記述した１以上の制約と、１以上の説明変数と、１以上の前記目的変数とを受け付ける受付部と、前記説明変数から求められた前記制約を満たす１以上の属性の選択パターンに含まれる属性に対して、データ分析をする分析部と、を備えるデータ分析装置（特許文献１参照）などが提案されている。

特開２０１８－０８８０８７号公報

ところが、上述のような業務知識がいつでも有効な示唆立案に役立つとは限らない。ある案件で役に立った業務知識が、別の案件では役に立たないこともありうる。
例えば、複数拠点を持つ物流事業者における倉庫内ピッキング業務において、拠点ごとにピッキング時間（業務ＫＰＩ）を短縮するニーズに対応する場合を考える。そこで、商品重量と棚の配置がピッキング時間に影響を与えそうだという業務知識に従って、商品重量や棚の配置に関する変数を分析データに含めてデータ分析したとする。

しかしながら、例えば「拠点Ａでは荷物のカートへの積載はすべて人手で実施」、「拠点Ｂでは荷物のカートへの積載においてフォークリフトが利用可能」、といった状況があれば、当該拠点Ａの業務データでは、上記業務知識に対応するような、「商品重量が５Ｋｇ以上の商品を棚の中段に置くとピッキング時間が短くなる」といった示唆が得られても
、拠点Ｂの業務データからはそのような示唆が得られない場合がある。つまり、「商品重量と棚の配置がピッキング時間に影響を与えそうだ」という業務知識は、拠点Ｂにはマッチしていないことになる。

上述のような状況は、業務改善のためのデータ分析が精度良く行われず、そうしたデータ分析の結果に基づく示唆、施策の有効性も期待しにくい結果にもつながる。

そこで本発明の目的は、案件に応じて役立つ業務知識を判別し、有効な業務改善の示唆を精度良く提供可能とする技術を提供することにある。

上記課題を解決する本発明のデータ分析装置は、データ分析に用いる知識であって、業務効率に関する評価指標の改善と相関がある条件を変数により規定する知識を格納する記憶装置と、前記記憶装置から前記知識の情報を読み込み、前記知識を規定する変数を当該知識から抽出する処理、処理対象の事案において観測された各変数の値を含む分析対象のデータに関して、前記知識から抽出した変数に対応する値を、前記分析対象のデータに含まれる各変数の値から特定する処理、及び、前記知識から抽出した変数に対応する値と業務効率に関する所定の評価指標とに基づき、前記知識から抽出した変数と前記評価指標との間の関係性に関する相関分析処理を実行して、前記知識から抽出した変数のうち前記評価指標を改善する組み合わせに関する情報を、前記評価指標の改善示唆として特定する処理、を実行する演算装置と、を含み、前記演算装置は、前記改善示唆に基づく施策の実行結果を所定装置より取得し、前記実行結果が示す、少なくとも前記評価指標の実績値に基づき、前記改善示唆に対応する知識のスコアリングを実行する処理をさらに実行し、前記変数を抽出する処理に際し、当該処理の対象たる知識を、前記スコアリングで得ているスコアに応じて前記記憶装置から選択するものである、ことを特徴とする。
また、本発明のデータ分析方法は、情報処理装置が、記憶装置において、データ分析に用いる知識であって、業務効率に関する評価指標の改善と相関がある条件を変数により規定する知識を格納し、前記記憶装置から前記知識の情報を読み込み、前記知識を規定する変数を当該知識から抽出する処理、処理対象の事案において観測された各変数の値を含む分析対象のデータに関して、前記知識から抽出した変数に対応する値を、前記分析対象のデータに含まれる各変数の値から特定する処理、及び、前記知識から抽出した変数に対応する値と業務効率に関する所定の評価指標とに基づき、前記知識から抽出した変数と前記評価指標との間の関係性に関する相関分析処理を実行して、前記知識から抽出した変数のうち前記評価指標を改善する組み合わせに関する情報を、前記評価指標の改善示唆として特定する処理、を実行し、前記改善示唆に基づく施策の実行結果を所定装置より取得し、前記実行結果が示す、少なくとも前記評価指標の実績値に基づき、前記改善示唆に対応する知識のスコアリングを実行する処理をさらに実行し、前記変数を抽出する処理に際し、当該処理の対象たる知識を、前記スコアリングで得ているスコアに応じて前記記憶装置から選択する、ことを特徴とする。

本発明によれば、案件に応じて役立つ業務知識を判別し、有効な業務改善の示唆を精度良く提供可能となる。

本実施形態のデータ分析装置を含むネットワーク構成図である。 本実施形態におけるデータ分析装置のハードウェア構成例を示す図である。 本実施形態のデータ分析装置における機能構成例を示す図である。 本実施形態の知識獲得部の処理例を示す図である。 本実施形態における知識（ユーザ入力時）の例を示す図である。 本実施形態における知識（格納時）の例を示す図である。 本実施形態の知識選択部の処理例を示す図である。 本実施形態における知識リストの例を示す図である。 本実施形態における知識リストの例を示す図である。 本実施形態における知識選択基準の例を示す図である。 本実施形態における選択知識リストの例を示す図である。 本実施形態の知識選択部の処理例を示す図である。 本実施形態の必要変数リストの例を示す図である。 本実施形態における知識選択部の処理例を示す図である。 本実施形態における知識（制約条件であるもの）の例を示す図である。 本実施形態における前処理分析の処理例を示す図である。 本実施形態の生データの例を示す図である。 本実施形態の分析データの例を示す図である。 本実施形態における学習部の処理例を示す図である。 本実施形態の示唆リストの例を示す図である。 本実施形態の示唆の例を示す図である。 本実施形態における計画部の処理例を示す図である。 本実施形態の施策リストの例を示す図である。 本実施形態の施策の例を示す図である。 本実施形態における計画部の処理例を示す図である。 本実施形態の施策の例を示す図である。 本実施形態における施策実行部の処理例を示す図である。 本実施形態の実行結果の例を示す図である。 本実施形態における評価部の処理例を示す図である。 本実施形態における知識ごとの実行結果例を示す図である。 本実施形態における評価部の処理例を示す図である。 本実施形態の知識（スコア付与後）の例を示す図である。 本実施形態における評価部の処理例を示す図である。 本実施形態におけるデータ分析装置の機能構成例を示す図である。 本実施形態におけるスコア予測部の処理例を示す図である。 本実施形態の知識（スコア予測部あり）の例を示す図である。 本実施形態のスコア予測対象案件の例を示す図である。 本実施形態の知識共起テーブルの例を示す図である。 本実施形態の知識共起ルールの例を示す図である。 本実施形態の知識（スコア予測部あり）の例を示す図である。 本実施形態における知識選択部の処理例を示す図である。 本実施形態の出力例を示す図である。

＜ネットワーク構成＞
以下に本発明の実施形態について図面を用いて詳細に説明する。図１は、本実施形態のデータ分析装置１００を含むネットワーク構成図である。図１に示すデータ分析装置１００は、案件に応じて役立つ業務知識を判別し、有効な業務改善の示唆を精度良く提供可能とするコンピュータ装置である。

このデータ分析装置１００は、例えば、事業者において業務改善を担う部門や、或いは、当該事業者に業務改善提案を行うコンサルタント会社等が運用するサーバ装置を想定する。

また、こうしたデータ分析装置１００は、インターネットやＬＡＮ（Ｌｏｃａｌ Ａｒｅａ Ｎｅｔｗｏｒｋ）などの適宜なネットワーク１を介し、ユーザ端末２００や外部システム３００といった他装置らと通信可能に接続されている。データ分析装置１００、ユーザ端末２００、及び外部システム３００を含めてデータ分析システム１０と
このうちユーザ端末２００は、上述のデータ分析装置１００に対し、処理対象となる案件や知識に関しての指定を、ユーザ（上述の事業者等における担当者）から受け付けるとともに、データ分析装置１００による処理結果を取得し表示する情報処理装置である。

また、外部システム３００は、データ分析装置１００での処理結果（例：評価指標の改善示唆）に基づき、上述の事業者にて実行された施策とその結果（評価指標であるＫＰＩ値）に関する情報を管理する業務システムである。

この外部システム３００は、要求に応じて、或いは一定時間の経過とともに、上述の事業者にて実行された施策とその結果に関する情報を、データ分析装置１００に配信する。＜ハードウェア構成＞
また、本実施形態のデータ分析装置１００のハードウェア構成は、図２に示す如くとなる。すなわち、データ分析装置１００は、記憶装置１０１、メモリ１０３、演算装置１０
４、および通信装置１０５を備えている。

このうち記憶装置１０１は、ＳＳＤ（Ｓｏｌｉｄ Ｓｔａｔｅ Ｄｒｉｖｅ）やハードディスクドライブなど適宜な不揮発性記憶素子で構成される。

また、メモリ１０３は、ＲＡＭなど揮発性記憶素子で構成される。

また、演算装置１０４は、記憶装置１０１に保持されるプログラム１０２をメモリ１０３に読み出すなどして実行し、必要な機能１１０～１１４を実装することで、装置自体の統括制御を行なうとともに各種判定、演算及び制御処理を行なうＣＰＵである。

なお、図中では、上述の機能１１０～１１４として、知識選択部１１０、前処理部１１１、学習部１１２、計画部１１３、及び評価部１１４が、メモリ１０３上で実装されている形態を例示している。これら各機能部の詳細については後述する。

また、プログラム１０２は、相関分析エンジン等の適宜な分析エンジン１０２１を含んでいるものとする。この分析エンジン１０２１は、既存の分析用アプリケーションを
また、通信装置１０５は、ネットワーク１と接続して他装置との通信処理を担うネットワークインターフェイスカードである。

なお、データ分析装置１００は、他にも入力装置や出力装置を適宜に備えるとしてもよい。入力装置１０５は、ユーザからのキー入力や音声入力を受け付ける、キーボードやマウス、マイクなどの適宜な装置である。また、出力装置１０６は、演算装置１０４での処理データの表示を行うディスプレイ、スピーカー等の適宜な装置である。

また、記憶装置１０１内には、本実施形態のデータ分析装置１００として必要な機能を実装する為のプログラム１０２に加えて、知識格納部１２５、知識候補格納部１２６、及び実行結果格納部１２７が少なくとも記憶されている。これらの各格納部の詳細については後述する。
＜機能例＞
続いて、本実施形態のデータ分析装置１００が備える機能について説明する。図３に、本実施形態のデータ分析装置１００における機能構成例を示す。データ分析装置１００における知識選択部１１０は、知識格納部１２５及び知識候補格納部１２６で保持する各知識のうち、知識選択基準１１０１に適合するものを処理対象として選択し、ここで選択した知識から、当該知識を規定する変数を選択的に抽出して必要変数リスト１１０２及び制約条件リスト１１０４を生成する。

なお、上述の知識選択基準１１０１としては、後述する正確度、発火可能性、及び有効度といった項目のスコアの下限値を規定したものとを想定できる。よって、知識選択部１１０は、こうしたスコアに基づき選択した知識について、その情報を、ユーザ端末２００など所定装置に出力するとしてもよい。

必要変数リスト１１０２及び制約条件リスト１１０４は、知識としての有用性が上述の知識選択基準１１０１により担保された変数である。このうち制約条件リスト１１０４は、禁止事項として規定された変数である。

また、知識選択部１１０は、上述のように選択した必要変数リスト１１０２を、前処理部１１１に渡す。同様に、制約条件リスト１１０４を計画部１１３に渡す。また、知識選択部１１０は、処理対象として選択した知識、すなわち選択知識１１０３を、評価部１１４に渡す。

一方、前処理部１１１は、分析対象となる生データ１１１１に関して、上述の必要変数リスト１１０２が示す各変数に対応する値を特定し、分析データ１１１２を生成する。前処理部１１１は、当該分析データ１１１１を、学習部１１２に渡す。生データ１１１１は、例えば、外部システム３００により提供される。

学習部１１２は、分析データ１１１２が示す上述の各変数に対応する値と所定の評価指標とに基づき、当該各変数と評価指標との間の関係性に関する分析処理を分析エンジン１０２１により実行する。

なお、上述の評価指標の例としては、例えば、物流事業者が運営する物流施設でのピッキング時間、製品や部品等の製造業者が運営する製造施設での製造効率や良品率、など種々の業務効率に関するものを想定しうる。勿論、業務効率のみに限定しない。

また、学習部１１２は、上述の各変数と評価指標との間の関係性に関する分析処理の結果として、各変数のうち評価指標を改善する組み合わせに関する情報を得て、これを評価指標の改善示唆すなわち示唆リスト１１２１として特定する。

また、計画部１１３は、上述の示唆リスト１１２１と制約条件リスト１１０４とに基づき、制約条件リスト１１０４が示す制約条件下で、示唆リスト１１２１が示す各変数の条件を達成する施策のリストすなわち施策リスト１１３１を生成し、これを施策実行部１１６に提供する。この施策実行部１１６は、施策リスト１１３１が示す施策を実行する装置であるが、本施策実行部１１６自体が施策を実行せず、施策適用対象の施設や人員での施策実行結果を外部システム３００等から取得するとしてもよい。

上述の施策実行部１１６が施策を実行して得た実行結果は、評価部１１４に提供される。評価部１１４は、この実行結果を得て、当該実行結果が示す、少なくとも上述の評価指標の実績値に基づき、上述の施策（評価指標の改善示唆）に対応する知識すなわち選択知識１１０３のスコアリングを実行する。なお、評価部１１４は、実行結果１１６１を実行結果格納部１２７に格納しておき、処理実行時に適宜に読み出して利用するとしてもよい。

評価部１１４におけるスコアリングの処理は、例えば、正確度、発火可能性、及び有効度といった項目に関するスコアの算出処理が該当する。

このうち、正確度とは、対応する施策にて規定されている評価指標の改善条件（例：属性Ｘを備えた商品Ａを、ＹエリアのＺ位置からＷメートル以内に配置）が実際に発現した件数のうち、該当評価指標（例：ピッキング時間）の改善が認められた件数の割合である。なお、ここでの件数とは、例えば、施策の適用対象となる業務案件の数を指している。

上述の実際に発現した件数を「ＩＦの発火件数」、上述の改善が認められた件数を「ＫＰＩ改善件数」とすれば、正確度は、ＫＰＩ改善件数／ＩＦの発火件数、という式で表される。

また、発火可能性とは、上述の業務案件の総数すなわち評価件数のうち、上述の施策にて規定されている評価指標の改善条件が実際に発現した件数の割合である。この関係は、ＩＦの発火件数／評価件数、という式で表される。

また、有効度とは、上述の施策にて規定されている評価指標の改善条件が実際に発現した件数における、当該評価指標の改善量の割合である。評価指標の改善量を、「ΣＫＰＩ
変化量」とすれば、有効度は、ΣＫＰＩ変化量／ＩＦの発火件数、という式で表される。

評価部１１４は、上述のスコアリングにて得た各スコアの値を、選択知識スコア１１４１として、知識獲得部１１５や知識候補格納部１２６における対応知識のスコアとして格納、或いは、既存スコアの更新分として格納する。

なお、知識獲得部１１５は、上述の実行結果１１６１（すなわち評価指標を改善する変数の組み合わせからなる知識とその施策の実行で得た各種値）や業務知識１１５１を、新たな獲得知識１２６１として、知識候補格納部１２６に格納する。

例えば、知識選択部１１０は、上述の知識候補格納部１２６に格納してある知識候補に関して、上述の評価部１１４によるスコアリングで更新されたスコアが所定の基準を超えた場合、当該知識候補を知識として知識格納部１２５に移行する。

なお、評価部１１４は、知識格納部１２５ないし知識候補格納部１２６が保持する、各業務案件に関し得られている各知識の情報を適宜参照し、例えば、ユーザ指定の対象事案に関する知識のうち、上述のスコアリングが未実施のものについて、スコア推定を実行可能であるとする。

この場合、評価部１１４は、対象事案とは異なる別事案の知識であって、対象事案ではスコアリングが未実施の知識、を知識格納部１２５ないし知識候補格納部１２６にて参照し、当該知識に関して別事案では得られているスコアを抽出する。

また、評価部１１４は、ここで抽出したスコアに基づいて、例えば、各スコアの平均値や中央値を、対象事案の該当知識のスコアとして算定、すなわちスコア類推を行う。

なお、評価部１１４は、上述のスコア類推に際し、知識格納部１２５ないし知識候補格納部１２６における各事案に関して得られている各知識の情報に基づき、知識間の共起性分析を実行し、上述の対象事案における知識に関して共起しうる知識を特定し、当該特定した知識のうちスコアリングが未実施のものについて、上述のスコア類推を行うものとしてもよい。

例えば、案件Ａについて知識１、知識２、及び知識３が、案件Ｂについて知識１、知識２、知識３、知識４、及び知識５が、案件Ｃについて知識１、知識２、知識３、及び知識６が得られていたとする。これらについて共起性分析を行うと、知識１と知識２は共起性があり、また、知識１と知識３も共起性があると特定できる。

また、対象事案Ｘにおいて得られているのが知識１だった場合、上述の共起性分析の結果を踏まえると、知識２、および知識３も、当該事案Ｘに関して有効である可能性があるとして特定する。そこで評価部１１４は、ここで特定した知識２、知識３について、上述のスコア類推を行うこととなる。

上述の場合のスコア類推は、知識２について、案件Ａ、案件Ｂ、及び案件Ｃのそれぞれにおける知識２の値の平均値ないし中央値を算定し、この算定結果を、事案Ｘの知識２の値として類推する。知識３のスコア類推についても同様である。
＜データ分析方法：知識獲得部のフロー＞
以下、本実施形態におけるデータ分析方法の実際手順について図に基づき説明する。以下で説明するデータ分析方法に対応する各種動作は、データ分析装置１００がメモリ等に読み出して実行するプログラムによって実現される。そして、このプログラムは、以下に説明される各種の動作を行うためのコードから構成されている。

図４は、本実施形態におけるデータ分析方法のフロー例、具体的には、知識獲得部１１５における処理を示す図である。この場合、知識獲得部１１５は、例えば、ユーザ端末２００を介して、業務改善の担当ユーザらが入力した業務知識（図５の獲得知識１２６１参照）を受け付ける（ｓ１）。

ここで受けた業務知識は、当該知識を一意に特定する知識ＩＤをキーとして、仮説部を対応付けたレコードから構成されている。この仮説部は、当該知識を項目別に規定したものであって、当該知識の自然言語表現、種別、必要変数、条件、及びパラメータ、といった値を含む。

このうち、種別は、相関条件と制約条件の２種類を想定する。相関条件は、「必要変数」で規定の変数が「ＫＰＩ改善条件」及び「パラメータ」で規定の状態である場合、評価指標（ＫＰＩ）の改善と相関がある条件に関する知識を示す。一方、制約条件は、「必要変数」で規定の変数が「禁止条件」及び「パラメータ」で規定の状態であってはいけない、禁止条件に関する知識を示す。

また、知識獲得部１１５は、ｓ１で受け付けた業務知識を知識候補格納部１２６に格納し（ｓ２）、処理を終了する。知識候補格納部１２６に格納した業務知識のレコード（図６参照）では、図５の獲得知識１２６１の項目（仮説部）に加えて、スコア部の項目を含んでいる。ただし、この時点ではスコアリングを行っていないため、該当項目は空欄である。
＜データ分析方法：知識選択部のフロー例１＞
続いて、知識選択部１１０におけるフローについて説明する。図７は、本実施形態におけるデータ分析方法のフロー例、具体的には、知識選択部１１０における知識選択処理を示す図である。この場合、知識選択部１１０は、知識格納部１２５及び知識候補格納部１２６から、知識及び知識候補の各リスト（図８及び図９参照）を取得する（ｓ１０）。

また、知識選択部１１０は、知識選択基準１１０１（図１０参照）を読み込み、ｓ１０で得ている知識リスト中の各知識について、ｓ１２～ｓ１４の各処理を実行する。

このうちｓ１２において、知識選択部１１０は、処理対象の知識について、「種別」欄の値が「制約条件」か判定する。この判定の結果、当該知識が「制約条件」に対応するものである場合（ｓ１２：Ｙｅｓ）、知識選択部１１０は、当該知識を選択知識リスト１１０３（図１１参照）に追加する（ｓ１４）。

一方、上述の判定の結果、当該知識が「制約条件」に対応するものではない場合（ｓ１２：Ｎｏ）、知識選択部１１０は、当該知識のスコア部における正確度、発火可能性、及び有効度の各項目の値が、すべて知識選択基準１１０１で規定された値を上回っているか判定する（ｓ１３）。

この判定の結果、当該知識の正確度、発火可能性、及び有効度の各項目の値が、すべて知識選択基準１１０１で規定された値を上回っていれば（ｓ１３：Ｙｅｓ）、知識選択部１１０は、当該知識を選択知識リスト１１０３に追加する。他方、この判定の結果、当該知識の正確度、発火可能性、及び有効度の各項目の値のいずれかでも、知識選択基準１１０１で規定された値を上回っていなければ（ｓ１３：Ｎｏ）、知識選択部１１０は、当該知識を選択知識リスト１１０３に追加せず、他の知識に関する処理に遷移する。

上述のｓ１２～ｓ１４の各処理を、知識リストの各知識について実行したならば、知識選択部１１０は、知識候補リストから、知識選択基準１１０１における「スコア未付与知
識最大選択数」の分の知識をランダムで選択し、これを選択知識リスト１１０３に追加し（ｓ１５）、処理を終了する。

なお、選択知識リスト１１０３には、上述のｓ１２～ｓ１４で選択された知識の、選択基準を紐付けて格納するとしてもよい。図１１の例では、知識１、知識３は、正確度、発火可能性、及び有効度が「高スコア」であったために選択されたことを例示し、知識４、知識５は、「スコア未付与知識最大選択数」に応じてランダムに選択されたことを例示している。
＜データ分析方法：知識選択部のフロー例２＞
続いて、知識選択部１１０における必要変数リスト１１０２の生成処理について説明する。図１２は、本実施形態におけるデータ分析方法のフロー例、具体的には、知識選択部１１０における必要変数リストの生成処理を示す図である。

この場合、知識選択部１１０は、選択知識リスト１１０３のすべての知識について、以下のｓ２０の処理を実行する。すなわち知識選択部１１０は、選択知識リスト１１０３の知識のうち処理対象の知識における「必要変数」が、必要変数リスト１１０２（図１３参照）に未格納であれば、当該必要変数を必要変数リスト１１０２に追加する（ｓ２０）。

知識選択部１１０は、こうした処理を、選択知識リスト１１０３のすべての知識について実行して、必要変数リスト１１０２を生成し、これを前処理部１１１及び施策実行部１１６に渡し（ｓ２１）、処理を終了する。
＜データ分析方法：知識選択部のフロー例３＞
続いて、知識選択部１１０における制約条件リスト１１０４の生成処理について説明する。図１４は、本実施形態におけるデータ分析方法のフロー例、具体的には、知識選択部１１０における制約条件リスト１１０４の生成処理を示す図である。

この場合、知識選択部１１０は、選択知識リスト１１０３のうち「種別」が制約条件である知識（図１５参照）について、以下のｓ３０の処理を実行する。すなわち知識選択部１１０は、選択知識リスト１１０３の知識のうち種別が制約条件である知識における「必要変数」が、必要変数リスト１１０２（図１３参照）に未格納であれば、当該必要変数を必要変数リスト１１０２に追加する（ｓ２０）。

知識選択部１１０は、こうした処理を、選択知識リスト１１０３のすべての知識について実行して、必要変数リスト１１０２を生成し、これを前処理部１１１及び施策実行部１１６に渡し（ｓ２１）、処理を終了する。
＜データ分析方法：前処理部のフロー例＞
続いて、前処理部１１１における分析データ１１１２の生成処理について説明する。図１４は、本実施形態におけるデータ分析方法のフロー例、具体的には、前処理部１１１における分析データ生成処理を示す図である。

この場合、前処理部１１１は、ユーザ端末２００を介してユーザが入力した生データ１１１１（図１７参照）、及び上述の必要変数リスト１１０２を取得する（ｓ４０）。生データ１１１１は、図１７で例示するように、対象事案に関して観測された各変数の値のリストとなる。

また、前処理部１１１は、上述の生データ１１１１を今次の分析対象すなわち分析データ１１１２として（ｓ４１）、必要変数リスト１１０２が規定する必要変数のうち、生データ１１１１が含んでいない変数を特定し、当該変数の値を、例えば、生データ１１１１の既存変数の値から算定し、これを分析データ１１１２（図１８参照）に追加する（ｓ４２）。

例えば、必要変数リスト１１０２が規定する必要変数のうち、生データ１１１１が含んでいない変数Ａが、変数Ｇおよび変数Ｔの各値を所定の数式Ｋに代入することで算定できるとすれば、前処理部１１１は、当該変数Ａについて、生データ１１１１の各レコードが示す変数Ｇおよび変数Ｔの各値を、数式Ｋにそれぞれ代入することで算定し、レコード間での平均値や中央値を取ることで特定する。

前処理部１１１は、上述のｓ４２の処理を必要変数リスト１１０２のすべての変数について実行することで、分析データ１１１２を生成し、これを学習部１１２に渡し（ｓ４３）、処理を終了する。
＜データ分析方法：学習部のフロー例＞
続いて、学習部１１２における分析処理について説明する。図１９は、本実施形態におけるデータ分析方法のフロー例、具体的には、学習部１１２における分析処理を示す図である。

この場合、学習部１１２は、上述の前処理部１１１から分析データ１１１２を取得する（ｓ５０）。また、学習部１１２は、この分析データ１１１２が示す各変数の値とピッキング時間等の評価指標とを分析エンジン１０２１に入力し、それら変数と評価指標との間の関係性に関する相関分析を実行して、変数のうち評価指標を改善する組み合わせに関する情報を、当該評価指標の改善示唆として特定する（ｓ５１）。図２０に、ｓ５１で得た改善示唆のリスト１１２１を、図２１にリスト１１２１が含む示唆１１２１１の一例を示す。
＜データ分析方法：計画部のフロー例１＞
続いて、計画部１１３における施策立案処理について説明する。図２２は、本実施形態におけるデータ分析方法のフロー例、具体的には、計画部１１３における施策立案処理を示す図である。

この場合、計画部１１３は、学習部１１２から改善示唆のリスト１１２１を、また、知識選択部１１０から制約条件リスト１１０４を取得する（ｓ６０）。

また、計画部１１３は、ｓ６０で得た改善示唆のリスト１１２１が含む各示唆について、ｓ６１～ｓ６４の各処理を実行する。すなわち、計画部１１３は、ある示唆の「ＫＰＩ改善条件」が制約条件リスト１１０４のすべての制約条件と矛盾しないか判定する（ｓ６１）。

この判定の結果、当該示唆の「ＫＰＩ改善条件」が制約条件リスト１１０４のいずれかの制約条件と矛盾している場合（ｓ６１：Ｎｏ）、計画部１１３は、当該示唆に関する処理を終了し、次なる示唆に関する処理に遷移する。

一方、上述の判定の結果、当該示唆の「ＫＰＩ改善条件」が制約条件リスト１１０４のすべての制約条件と矛盾していない場合（ｓ６１：Ｙｅｓ）、計画部１１３は、例えば、当該示唆が示す、ＫＰＩ改善条件「変数Ｃ＞３ ＆ 変数Ｄ＜１０」に基づき、「Ｃを３より大きくし、Ｄを１０未満とする」といった新たな施策を生成し、これと当該示唆を紐付ける。（ｓ６２、ｓ６３）。

また、計画部１１３は、ｓ６２、ｓ６３で得た、上述の新たな施策１１３１１（図２４参照）を施策リスト１１３１（図２３参照）に追加する。計画部１１３は、示唆リスト１１２１に含まれる各示唆すべてについて上述のｓ６１～ｓ６４の処理を実行したならば、処理を終了する。
＜データ分析方法：計画部のフロー例２＞
続いて、計画部１１３における計画立案処理について説明する。図２５は、本実施形態におけるデータ分析方法のフロー例、具体的には、計画部１１３における計画立案処理を示す図である。

この場合、計画部１１３は、上述のフローで得ている施策リスト１１３１のすべての施策について、ｓ７０～７１の各処理を実行する。すなわち計画部１１３は、施策リスト１１３１が含む、或る施策について実施対象に含めるか、ユーザ端末２００から指示を受けたか否か、或いは、予め定めた実施基準（例：施策が規定する条件の許容範囲を定めたもの）を満たすか否かで、判定する（ｓ７０）。

上述の判定の結果、当該施策を実施対象に含めない場合（ｓ７０：Ｎｏ）計画部１１３は、当該施策に関して処理を終了し、次なる施策に処理を遷移させる。一方、上述の判定の結果、当該施策を実施対象に含める場合（ｓ７０：Ｙｅｓ）、計画部１１３は、施策リスト１１３１における当該施策の実施対象欄（図２６参照）に所定のフラグを設定し（ｓ７１）、処理を次なる施策に遷移させる。

上述のｓ７０、ｓ７１の各処理を、施策リスト１１３１の各施策について実行した計画部１１３は、これによって完成した施策リスト１１３１を施策実行部１１６に渡し（ｓ７２）、処理を終了する。
＜データ分析方法：施策実行部のフロー例＞
続いて、施策実行部１１６における施策実行処理について説明する。図２７は、本実施形態におけるデータ分析方法のフロー例、具体的には、施策実行部１１６における施策実行処理を示す図である。

この場合、施策実行部１１６は、計画部１１３から施策リスト１１３１を、また、知識選択部１１０から必要変数リスト１１０２を取得する（ｓ８０）。また、施策実行部１１６は、ここで得た施策リスト１１３１が含む各施策を実行する（ｓ８１）。この実行は、施策実行部１１６が行うケースと、担当する人員が行ってその結果を施策実行部１１６が得るケースの両方が想定できる。

また、施策実行部１１６は、上述の施策の適用対象である業務処理の所定回数実施に伴い、上述の必要変数リスト１１０２に記載に書く変数の値とＫＰＩの値（例：ピッキング時間）を測定、ないしユーザ端末２００や外部システム３００から取得し、これを施策の実行結果１１６１（図２８参照）として格納する（ｓ８２）。

施策実行部１１６は、上述の各処理を実行することで、実行結果１１６１に、案件名を設定し、これを評価部１１４に渡し（ｓ８３）、処理を終了する。
＜データ分析方法：評価部のフロー例１＞
続いて、評価部１１４における実行結果の更新処理について説明する。図２９は、本実施形態におけるデータ分析方法のフロー例、具体的には、評価部１１４における実行結果の更新処理を示す図である。

この場合、評価部１１４は、上述の施策実行部１１６から実行結果１１６１を、また、知識選択部１１０から選択知識リスト１１０３を取得し（ｓ８５）、この選択知識リスト１１０３が含む各知識について、以下のｓ８６を実行する。

すなわち、評価部１１４は、選択知識リスト１１０３における知識について、上述の実行結果１１６１のうち当該知識に関する必要変数、ＫＰＩ、案件名の各値を、実行結果格納部１２７における該当知識の実行結果１２７１（図３０参照）に追記する（ｓ８６）。

評価部１１４は、選択知識リスト１１０３における各知識について、上述のｓ８６を実行したならば処理を終了する。
＜データ分析方法：評価部のフロー例２＞
続いて、評価部１１４におけるスコアリング処理について説明する。図３１は、本実施形態におけるデータ分析方法のフロー例、具体的には、評価部１１４におけるスコア付与処理を示す図である。

この場合、評価部１１４は、選択知識リスト１１０３の各知識について、以下のｓ９０～ｓ１０２をそれぞれ実行する。すなわち、評価部１１４は、選択知識リスト１１０３における所定の知識に関して、知識ごと実行結果１２７１から実行結果を取得する（ｓ９０）。

また、評価部１１４は、ｓ９０で得た実行結果のうち、当該知識の条件が成り立つもののレコード数を、全案件条件成立回数ＣＡ、としてメモリ１０３に設定する（ｓ９１）。

続いて評価部１１４は、知識ごと実行結果１２７１のうち、案件名が対象案件かつ当該知識の条件が成り立つレコード数を、対象案件条件成立回数ＣＴ、としてメモリ１０３に設定する（ｓ９２）。

また、評価部１１４は、ｓ９０で得た実行結果のうち案件名が対象案件であるレコード数を、対象案件評価回数ＶＴ、としてメモリ１０３に設定する（ｓ９３）。

続いて評価部１１４は、ｓ９０で得た実行結果のうち当該知識の条件が成り立たない行のＫＰＩ平均値を、全案件ＫＰＩ閾値ＴＡ、としてメモリ１０３に設定する（ｓ９４）。

また、評価部１１４は、ｓ９０得た実行結果のうち、当該知識の条件が成り立つ行Ｌで、行ＬのＫＰＩ＞全案件ＫＰＩ閾値ＴＡ、が成り立つレコード数を、全案件ＫＰＩ改善件数ＩＡ、としてメモリ１０３に設定する（ｓ９５）。

続いて評価部１１４は、ｓ９０で得た実行結果のうち、案件名が対象案件かつ当該知識の条件が成り立たない行のＫＰＩ平均値を、対象案件ＫＰＩ閾値ＴＴ、としてメモリ１０３に設定する（ｓ９６）。

また、評価部１１４は、対象案件ＫＰＩ変化量ＤＴに０を設定する（ｓ９７）。続いて評価部１１４は、ｓ９０で得た実行結果のうち、案件名が対象案件かつ当該知識の条件が成り立つレコードについて、以下のｓ９８～ｓ９９を実行する。すなわち評価部１１４は、当該レコードのＫＰＩ＞対象案件ＫＰＩ閾値ＴＴ、か判定する（ｓ９８）。

上述の判定の結果、当該レコードのＫＰＩ＞対象案件ＫＰＩ閾値ＴＴ、ではない合（ｓ９８：Ｎｏ）、評価部１１４は、次なる行に処理を遷移させる。他方、当該レコードのＫＰＩ＞対象案件ＫＰＩ閾値ＴＴ、ある場合（ｓ９８：Ｙｅｓ）、評価部１１４は、対象案件ＫＰＩ変化量ＤＴに、（当該レコードのＫＰＩ－条件不成立ＫＰＩ平均Ｍ）、の値を加算する（ｓ９９）。

続いて評価部１１４は、全案件ＫＰＩ改善件数ＩＡ／全案件条件成立回数ＣＡ、を当該知識の正確度に設定する（ｓ１００）。

また、評価部１１４は、対象案件条件成立回数ＣＴ／対象案件評価回数ＶＴ、を当該知識の対象案件の発火可能性に設定する（ｓ１０１）。

続いて評価部１１４は、対象案件ＫＰＩ変化量ＤＴ／対象案件条件成立回数ＣＴ、を当該知識の対象案件の有効度に設定し（ｓ１０２）、処理を終了する。ここまでの処理を経た知識１２５１は、図３２に例示する。
＜データ分析方法：評価部のフロー例３＞
続いて、評価部１１４における知識の登録先変更の処理について説明する。図３３は、本実施形態におけるデータ分析方法のフロー例、具体的には、評価部１１４における知識の登録先変更の処理を示す図である。

この場合、評価部１１４は、選択知識リスト１１０３の各知識のうち、知識候補格納部１２６に格納されている知識について、以下のｓ１１０、ｓ１１１９０をそれぞれ実行する。すなわち評価部１１４は、当該知識の正確度が所定の閾値を上回っているか判定する（ｓ１１０）。

上述の判定の結果、当該知識の正確度が所定の閾値を上回っていない場合（ｓ１１０：Ｎｏ）、評価部１１４は、当該知識を知識候補格納部１２６から知識格納部１２５に移動させ（ｓ１１１）、次なる知識に処理を遷移させる。

一方、上述の判定の結果、当該知識の正確度が所定の閾値を上回っている場合（ｓ１１０：Ｙｅｓ）、評価部１１４は、そのまま次なる知識に処理を遷移させる。

選択知識リスト１１０３の各知識について、上述のｓ１１０、ｓ１１１を実行したならば、評価部１１４は処理を終了する。
＜知識スコア予測部について＞
なお、本実施形態のデータ分析装置１００は、知識スコア予測部１２０をさらに備えるとすれば好適である。この場合の機能構成例は、図３４に示すとおりとなる。図３４で例示するように、知識スコア予測部１２０は、スコア予測対象案件１２０１及び知識選択基準１１０１と、知識リスト１２０２を入力として、スコア予測値１２０３を算定し、これを知識候補格納部１２６の該当知識に追記する機能となる。

以下に、知識スコア予測部１２０の処理フローについて説明する。図３５は、本実施形態のデータ分析方法のフロー例、具体的には、スコア予測部１２０のスコア予測処理を示す図である。

この場合、スコア予測部１２０は、スコア予測対象案件１２０１（図３７参照）と知識選択基準１１０１を取得する（ｓ２００）。スコア予測対象案件１２０１は、例えば、ユーザ端末２００を介して、ユーザの指定を受ける形態を想定できる。

また、スコア予測部１２０は、知識格納部１２５から知識リストを取得し（ｓ２０１）、この知識リストにおける各知識（図３６参照）について、以下のｓ２０２、ｓ２０３の各処理を実行する。すなわちスコア予測部１２０は、所定知識においてスコア付与されているすべての案件について、当該知識のスコア（正確度・発火可能性・有効度）がすべて知識選択基準１１０１にて規定する閾値以上か判定する（ｓ２０２）。

上述の判定の結果、上述のスコア（正確度・発火可能性・有効度）のいずれかが、知識選択基準１１０１にて規定する閾値以上ではなかった場合（ｓ２０２：Ｎｏ）、スコア予測部１２０は、処理を次なる知識に遷移させる。

一方、上述の判定の結果、上述のスコア（正確度・発火可能性・有効度）が、すべて知識選択基準１１０１にて規定する閾値以上である場合（ｓ２０２：Ｙｅｓ）、スコア予測部１２０は、知識共起テーブル１２０４（図３８参照）における、案件Ｐ（スコア予測対
象案件１２０１で指定を受けた案件）のレコードにおける「選択知識」欄に当該知識を追加する（ｓ２０３）。

続いて、スコア予測部１２０は、知識共起テーブル１２０４から知識共起ルール１２０５（図３９参照）を生成する（ｓ２０４）。この知識共起ルールの生成は、図３８の例であれば、案件Ｐについて知識１、知識２が、案件Ｑについて知識１、知識２、知識３、知識４、及び知識５が、案件Ｒについて知識１、知識２、知識３、及び知識６が得られており、これらについて共起性分析を行うと、知識１（条件部）と知識２（結論部）は共起性があり、また、知識１（条件部）と知識３（結論部）も共起性があると特定できる。共起性分析の手法自体は、既存のものを適宜に採用すればよい。

なお、対象となる案件Ｐにおいて得られているのが知識１、知識２のみであるが、上述の共起性分析の結果を踏まえると、知識３も当該案件Ｐに関して有効である可能性があるとして特定できる。

また、スコア予測部１２０は、知識共起ルールのすべてのルールについて、以下のｓ２０５、ｓ２０６の各処理を実行する。すなわちスコア予測部１２０は、所定ルールの条件部の知識がスコア予測対象案件で選択されるか判定する（ｓ２０５）。この選択は、ユーザ端末２００を介して得られる、ユーザによる選択を意味している。

上述の判定の結果、所定ルールの条件部の知識がスコア予測対象案件で選択されない場合（ｓ２０５：Ｎｏ）、スコア予測部１２０は、処理を次のルールに遷移させる。

一方、上述の判定の結果、所定ルールの条件部の知識がスコア予測対象案件で選択される場合（ｓ２０５：Ｙｅｓ）、スコア予測部１２０は、当該ルールの結論部の知識におけるスコア予測値部（図３６参照）に、ルール導出元案件（例えば、案件Ｑや案件Ｒ）のスコアの平均値ないし中央値を追加し（ｓ２０６）、処理を終了する。
＜データ分析方法：知識選択部のフロー例＞
上述のようにデータ分析装置１００が、スコア予測部１２０を構成に含む場合の、知識選択部１１０におけるフローについて説明する。図４１は、本実施形態におけるデータ分析方法のフロー例、具体的には、知識選択部１１０における知識選択処理を示す図である。

この場合、知識選択部１１０は、知識格納部１２５及び知識候補格納部１２６から、知識及び知識候補の各リストを取得する（ｓ２１０）。

また、知識選択部１１０は、知識選択基準１１０１（図１０参照）を読み込み、ｓ２１０で得ている知識リスト中の各知識について、ｓ２１２～ｓ２１５の各処理を実行する。

このうちｓ２１２において、知識選択部１１０は、処理対象の知識について、「種別」欄の値が「制約条件」か判定する。この判定の結果、当該知識が「制約条件」に対応するものである場合（ｓ２１２：Ｙｅｓ）、知識選択部１１０は、当該知識を選択知識リスト１１０３に追加する（ｓ２１５）。

一方、上述の判定の結果、当該知識が「制約条件」に対応するものではない場合（ｓ２１２：Ｎｏ）、知識選択部１１０は、当該知識のスコア部における正確度、発火可能性、及び有効度の各項目の値が、すべて知識選択基準１１０１で規定された値を上回っているか判定する（ｓ２１３）。

この判定の結果、当該知識の正確度、発火可能性、及び有効度の各項目の値が、すべて
知識選択基準１１０１で規定された値を上回っていれば（ｓ２１３：Ｙｅｓ）、知識選択部１１０は、当該知識の予測値における正確度、発火可能性、及び有効度の各項目の値が、すべて知識選択基準１１０１で規定された値を上回っているか判定する（ｓ２１４）。

この判定の結果、当該予測値における正確度、発火可能性、及び有効度の各項目のいずれかの値が、知識選択基準１１０１で規定された値を上回っていなければ（ｓ２１４：Ｎｏ）、知識選択部１１０は、当該知識を選択知識リスト１１０３に追加せず、他の知識に関する処理に遷移する。

一方、上述の判定の結果、当該予測値における正確度、発火可能性、及び有効度の各項目の値が、すべて知識選択基準１１０１で規定された値を上回っていれば（ｓ２１４：Ｙｅｓ）、知識選択部１１０は、当該知識を選択知識リスト１１０３に追加する（ｓ２１５）。

上述のｓ２１２～ｓ２１５の各処理を、知識リストの各知識について実行したならば、知識選択部１１０は、知識候補リストから、知識選択基準１１０１における「スコア未付与知識最大選択数」の分の知識をランダムで選択し、これを選択知識リスト１１０３に追加し（ｓ２１６）、処理を終了する。
＜出力例＞
なお、本実施形態のデータ分析装置１００は、上述の各フローを実行し、例えば、「案件Ｐ」について、各知識に関するスコアを算定し、その結果をユーザ端末２００に画面１０００（図４２参照）として出力するとしてもよい。

図４２で例示する画面１０００は、対象案件の表示欄１００１と、テーブル１００２からなる画面構成となっている。このうちテーブル１００２は、選択、知識ＩＤ、自然言語表現、種別、必要変数、条件、パラメータ、正確度、発火可能性、及び有効度の各欄を備えたレコードからなるテーブルである。

このうち選択欄１００３は、このテーブル１０００をユーザ端末２００で閲覧しているユーザが、該当案件（この場合、「案件Ｐ」）に関して、対応する知識を採用してもよいと判断した場合、クリック等で選択を行うインターフェイスとなっている。ここで選択された結果は、例えば、図３５のフローにおけるｓ２０５での知識の選択有無に対応するものとなりうる。

以上、本発明を実施するための最良の形態などについて具体的に説明したが、本発明はこれ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。

こうした本実施形態によれば、案件に応じて役立つ業務知識を判別し、有効な業務改善の示唆を精度良く提供可能となる。

本明細書の記載により、少なくとも次のことが明らかにされる。すなわち、本実施形態のデータ分析装置において、前記演算装置は、前記改善示唆に基づく施策の実行結果を所定装置より取得し、前記実行結果が示す、少なくとも前記評価指標の実績値に基づき、前記改善示唆に対応する知識のスコアリングを実行する処理をさらに実行し、前記変数を抽出する処理に際し、当該処理の対象たる知識を、前記スコアリングで得ているスコアに応じて前記記憶装置から選択するものである、としてもよい。

これによれば、業務改善等に資する程度が好適と判断しうる知識、を処理対象の母集団として、効率的に事前選別することが可能となり、ひいては、案件に応じて役立つ業務知識を判別し、有効な業務改善の示唆をさらに精度良く提供可能となる。

また、本実施形態のデータ分析装置において、前記記憶装置は、所定の各事案に関して得られている各知識の情報をさらに保持し、前記演算装置は、処理対象の事案に関する知識のうち前記スコアリングがなされていないものについて、前記処理対象の事案とは異なる別事案において、前記知識に関して得られているスコアを前記記憶装置の前記各知識の情報から抽出し、前記抽出した前記スコアに基づいてスコア類推を行う処理をさらに実行するものである、としてもよい。

これによれば、既にスコアが算定されている知識のスコアから、スコア未算定の知識に関して当該知識のスコアを効率良く推定することが可能となる。ひいては、案件に応じて役立つ業務知識を判別し、有効な業務改善の示唆をさらに精度良く提供可能となる。

また、本実施形態のデータ分析装置において、前記演算装置は、前記各事案に関して得られている前記各知識の情報に基づき、前記知識の共起性分析を実行し、前記処理対象の事案に関して共起しうる知識を特定し、当該知識のうち前記スコアリングがなされていないものについて、前記スコア類推を行うものである、としてもよい。

これによれば、上述のスコア類推を、案件間の知識の共起性に基づき更に効率的に行うことが可能となる。ひいては、案件に応じて役立つ業務知識を判別し、有効な業務改善の示唆をさらに精度良く提供可能となる。

また、本実施形態のデータ分析装置において、前記演算装置は、前記評価指標を改善する組み合わせに関する情報を、知識候補として前記記憶装置に格納しておき、当該知識候補に関する前記スコアリングで得たスコアが所定の基準を超えた場合、当該知識候補を知識として前記記憶装置に格納する処理をさらに実行するものである、としてもよい。

これによれば、各知識をその有用性の変化に応じて管理し、変数抽出対象として選択すべき知識の母集団を良好な品質に維持、管理することが可能となる。ひいては、案件に応じて役立つ業務知識を判別し、有効な業務改善の示唆をさらに精度良く提供可能となる。

また、本実施形態のデータ分析装置において、前記演算装置は、前記処理の対象として前記スコアに応じて選択した知識の情報を、所定装置に出力する処理をさらに実行するものである、としてもよい。

これによれば、業務改善等の施策となりうる上述の知識を、ユーザに視覚的に明示し、その理解と有効活用を推進することにつながりうる。ひいては、案件に応じて役立つ業務知識を判別し、有効な業務改善の示唆をさらに精度良く提供可能となる。

また、本実施形態のデータ分析方法において、前記情報処理装置が、前記改善示唆に基づく施策の実行結果を所定装置より取得し、前記実行結果が示す、少なくとも前記評価指標の実績値に基づき、前記改善示唆に対応する知識のスコアリングを実行する処理をさらに実行し、前記変数を抽出する処理に際し、当該処理の対象たる知識を、前記スコアリングで得ているスコアに応じて前記記憶装置から選択する、としてもよい。

また、本実施形態のデータ分析方法において、前記情報処理装置が、前記記憶装置において、所定の各事案に関して得られている各知識の情報をさらに保持し、処理対象の事案に関する知識のうち前記スコアリングがなされていないものについて、前記処理対象の事案とは異なる別事案において、前記知識に関して得られているスコアを前記記憶装置の前記各知識の情報から抽出し、前記抽出した前記スコアに基づいてスコア類推を行う処理をさらに実行する、としてもよい。

また、本実施形態のデータ分析方法において、前記情報処理装置が、前記各事案に関して得られている前記各知識の情報に基づき、前記知識の共起性分析を実行し、前記処理対象の事案に関して共起しうる知識を特定し、当該知識のうち前記スコアリングがなされていないものについて、前記スコア類推を行う、としてもよい。

また、本実施形態のデータ分析方法において、前記情報処理装置が、前記評価指標を改善する組み合わせに関する情報を、知識候補として前記記憶装置に格納しておき、当該知識候補に関する前記スコアリングで得たスコアが所定の基準を超えた場合、当該知識候補を知識として前記記憶装置に格納する処理をさらに実行する、としてもよい。

また、本実施形態のデータ分析方法において、前記情報処理装置が、前記処理の対象として前記スコアに応じて選択した知識の情報を、所定装置に出力する処理をさらに実行する、としてもよい。

１ ネットワーク
１０ データ分析システム
１００ データ分析装置
１０１ 記憶装置
１０２ プログラム
１０２１ 分析エンジン
１０３ メモリ
１０４ 演算装置
１０５ 通信装置
１１０ 知識格納部
１１１ 前処理部
１１２ 学習部
１１３ 計画部
１１４ 評価部
１１５ 知識獲得部
１１６ 施策実行部
１２０ 知識スコア予測部
１２５ 知識格納部
１２６ 知識候補格納部
１２７ 実行結果格納部
２００ ユーザ端末
３００ 外部システム

Claims (10)

1. データ分析に用いる知識であって、業務効率に関する評価指標の改善と相関がある条件を変数により規定する知識を格納する記憶装置と、
   前記記憶装置から前記知識の情報を読み込み、前記知識を規定する変数を当該知識から抽出する処理、処理対象の事案において観測された各変数の値を含む分析対象のデータに関して、前記知識から抽出した変数に対応する値を、前記分析対象のデータに含まれる各変数の値から特定する処理、及び、前記知識から抽出した変数に対応する値と業務効率に関する所定の評価指標とに基づき、前記知識から抽出した変数と前記評価指標との間の関係性に関する相関分析処理を実行して、前記知識から抽出した変数のうち前記評価指標を改善する組み合わせに関する情報を、前記評価指標の改善示唆として特定する処理、を実行する演算装置と、
   を含み、
   前記演算装置は、
   前記改善示唆に基づく施策の実行結果を所定装置より取得し、前記実行結果が示す、少なくとも前記評価指標の実績値に基づき、前記改善示唆に対応する知識のスコアリングを実行する処理をさらに実行し、前記変数を抽出する処理に際し、当該処理の対象たる知識を、前記スコアリングで得ているスコアに応じて前記記憶装置から選択するものである、
   ことを特徴とするデータ分析装置。
2. 前記記憶装置は、
   所定の各事案に関して得られている各知識の情報をさらに保持し、
   前記演算装置は、
   処理対象の事案に関する知識のうち前記スコアリングがなされていないものについて、前記処理対象の事案とは異なる別事案において、前記知識に関して得られているスコアを前記記憶装置の前記各知識の情報から抽出し、前記抽出した前記スコアに基づいてスコア類推を行う処理をさらに実行するものである、
   ことを特徴とする請求項１に記載のデータ分析装置。
3. 前記演算装置は、
   前記各事案に関して得られている前記各知識の情報に基づき、前記知識の共起性分析を実行し、前記処理対象の事案に関して共起しうる知識を特定し、当該知識のうち前記スコアリングがなされていないものについて、前記スコア類推を行うものである、
   ことを特徴とする請求項２に記載のデータ分析装置。
4. 前記演算装置は、
   前記評価指標を改善する組み合わせに関する情報を、知識候補として前記記憶装置に格納しておき、当該知識候補に関する前記スコアリングで得たスコアが所定の基準を超えた場合、当該知識候補を知識として前記記憶装置に格納する処理をさらに実行するものである、
   ことを特徴とする請求項１に記載のデータ分析装置。
5. 前記演算装置は、
   前記処理の対象として前記スコアに応じて選択した知識の情報を前記記憶装置から読み込み、所定装置に出力する処理をさらに実行するものである、
   ことを特徴とする請求項１に記載のデータ分析装置。
6. 情報処理装置が、
   記憶装置において、データ分析に用いる知識であって、業務効率に関する評価指標の改善と相関がある条件を変数により規定する知識を格納し、
   前記記憶装置から前記知識の情報を読み込み、前記知識を規定する変数を当該知識から抽出する処理、処理対象の事案において観測された各変数の値を含む分析対象のデータに関して、前記知識から抽出した変数に対応する値を、前記分析対象のデータに含まれる各変数の値から特定する処理、及び、前記知識から抽出した変数に対応する値と業務効率に関する所定の評価指標とに基づき、前記知識から抽出した変数と前記評価指標との間の関係性に関する相関分析処理を実行して、前記知識から抽出した変数のうち前記評価指標を改善する組み合わせに関する情報を、前記評価指標の改善示唆として特定する処理、
   を実行し、
   前記改善示唆に基づく施策の実行結果を所定装置より取得し、前記実行結果が示す、少なくとも前記評価指標の実績値に基づき、前記改善示唆に対応する知識のスコアリングを実行する処理をさらに実行し、前記変数を抽出する処理に際し、当該処理の対象たる知識を、前記スコアリングで得ているスコアに応じて前記記憶装置から選択する、
   ことを特徴とするデータ分析方法。
7. 前記情報処理装置が、
   前記記憶装置において、所定の各事案に関して得られている各知識の情報をさらに保持し、
   処理対象の事案に関する知識のうち前記スコアリングがなされていないものについて、前記処理対象の事案とは異なる別事案において、前記知識に関して得られているスコアを前記記憶装置の前記各知識の情報から抽出し、前記抽出した前記スコアに基づいてスコア類推を行う処理をさらに実行する、
   ことを特徴とする請求項６に記載のデータ分析方法。
8. 前記情報処理装置が、
   前記各事案に関して得られている前記各知識の情報に基づき、前記知識の共起性分析を実行し、前記処理対象の事案に関して共起しうる知識を特定し、当該知識のうち前記スコアリングがなされていないものについて、前記スコア類推を行う、
   ことを特徴とする請求項７に記載のデータ分析方法。
9. 前記情報処理装置が、
   前記評価指標を改善する組み合わせに関する情報を、知識候補として前記記憶装置に格納しておき、当該知識候補に関する前記スコアリングで得たスコアが所定の基準を超えた場合、当該知識候補を知識として前記記憶装置に格納する処理をさらに実行する、
   ことを特徴とする請求項６に記載のデータ分析方法。
10. 前記情報処理装置が、
    前記処理の対象として前記スコアに応じて選択した知識の情報を前記記憶装置から読み込み、所定装置に出力する処理をさらに実行する、
    ことを特徴とする請求項６に記載のデータ分析方法。

Images