JP7366526B2 - 情報処理装置及びプログラム - Google Patents
情報処理装置及びプログラム Download PDFInfo
- Publication number
- JP7366526B2 JP7366526B2 JP2018162931A JP2018162931A JP7366526B2 JP 7366526 B2 JP7366526 B2 JP 7366526B2 JP 2018162931 A JP2018162931 A JP 2018162931A JP 2018162931 A JP2018162931 A JP 2018162931A JP 7366526 B2 JP7366526 B2 JP 7366526B2
- Authority
- JP
- Japan
- Prior art keywords
- prediction target
- target person
- person
- information
- item
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Description
目的変数を休職と在職との2値とするとともに、説明変数として、予測対象者の勤怠情報に係る第1項目及び前記予測対象者の健康診断情報に係る第2項目の双方の実測値又は実績値を使用し、予測モデルを作成する第1モデル作成手段と、
前記第1モデル作成手段により作成された予測モデルに前記予測対象者の前記第1項目及び前記第2項目に関する実測値又は実績値を入力して当該予測対象者が将来的に休職する確率を導出する第1導出手段と、
前記第1導出手段によって導出された前記確率が所定の閾値を超えた場合、前記予測対象者を休職濃厚者と判定する第1判定手段と、
前記第1判定手段によって休職濃厚者と判定された予測対象者を識別可能に表示手段に表示させる表示制御手段と、
前記第1導出手段により導出された確率と、前記予測対象者による自己申告として受け付けた当該予測対象者の気分を示す気分データと、に基づいて、当該予測対象者の働き方に係るスコアを導出するスコア導出手段と、
を備え、
前記表示制御手段は、前記予測対象者の情報を表示させる際に、当該予測対象者が前記第1判定手段により休職の濃厚者と判定されたか否かを識別する識別子と、当該予測対象者に係る前記第1項目の情報と、前記スコア導出手段により導出されたスコアと、をともに表示させる、
ことを特徴とする。
また、上記課題を解決するため、本発明に係るプログラムは、コンピュータを、
目的変数を休職と在職との2値とするとともに、説明変数として、予測対象者の勤怠情報に係る第1項目及び前記予測対象者の健康診断情報に係る第2項目の双方の実測値又は実績値を使用し、予測モデルを作成する第1モデル作成手段、
前記第1モデル作成手段により作成された予測モデルに前記予測対象者の前記第1項目及び前記第2項目に関する実測値又は実績値を入力して当該予測対象者が将来的に休職する確率を導出する第1導出手段、
前記第1導出手段によって導出された前記確率が所定の閾値を超えた場合、前記予測対象者を休職濃厚者と判定する第1判定手段、
前記第1判定手段によって休職濃厚者と判定された予測対象者を識別可能に表示手段に表示させる表示制御手段、
前記第1導出手段により導出された確率と、前記予測対象者による自己申告として受け付けた当該予測対象者の気分を示す気分データと、に基づいて、当該予測対象者の働き方に係るスコアを導出するスコア導出手段、
として機能させ、
前記表示制御手段は、前記予測対象者の情報を表示させる際に、当該予測対象者が前記第1判定手段により休職の濃厚者と判定されたか否かを識別する識別子と、当該予測対象者に係る前記第1項目の情報と、前記スコア導出手段により導出されたスコアと、をともに表示させる、
ことを特徴とする。
目的変数を退職と在職との2値とするとともに、説明変数として、予測対象者の勤怠情に係る第1項目及び前記予測対象者の健康診断情報に係る第2項目の双方の実測値又は実績値を使用し、予測モデルを作成する第2モデル作成手段と、
前記第2モデル作成手段により作成された予測モデルに前記予測対象者の前記第1項目及び前記第2項目に関する実測値又は実績値を入力して当該予測対象者が将来的に退職する確率を導出する第2導出手段と、
前記第2導出手段によって導出された前記確率が所定の閾値を超えた場合、前記予測対象者を退職濃厚者と判定する第2判定手段と、
前記第2判定手段によって退職濃厚者と判定された予測対象者を識別可能に表示手段に表示させる表示制御手段と、
を備え、
前記表示制御手段は、前記予測対象者の情報を表示させる際に、当該予測対象者が前記第2判定手段により退職の濃厚者と判定されたか否かを識別する識別子と、当該予測対象者に係る前記第1項目の情報と、をともに表示させる、
ことを特徴とする。
また、本発明に係る他のプログラムは、コンピュータを、
目的変数を退職と在職との2値とするとともに、説明変数として、予測対象者の勤怠情報に係る第1項目及び前記予測対象者の健康診断情報に係る第2項目の双方の実測値又は実績値を使用し、予測モデルを作成する第2モデル作成手段、
前記第2モデル作成手段により作成された予測モデルに前記予測対象者の前記第1項目及び前記第2項目に関する実測値又は実績値を入力して当該予測対象者が将来的に退職する確率を導出する第2導出手段、
前記第2導出手段によって導出された前記確率が所定の閾値を超えた場合、前記予測対象者を退職濃厚者と判定する第2判定手段、
前記第2判定手段によって退職濃厚者と判定された予測対象者を識別可能に表示手段に表示させる表示制御手段、
として機能させ、
前記表示制御手段は、前記予測対象者の情報を表示させる際に、当該予測対象者が前記第2判定手段により退職の濃厚者と判定されたか否かを識別する識別子と、当該予測対象者に係る前記第1項目の情報と、をともに表示させる、
ことを特徴とする。
まず、図1を参照して、本実施形態の構成を説明する。図1は、本実施形態の業務支援システム1の概略構成図である。
次に、図2を参照して、サーバ2の機能構成について説明する。図2は、サーバ2の機能構成を示すブロック図である。
記憶部23には、CPU21で実行されるシステムプログラム、Webサーバプログラム等のアプリケーションプログラム、これらのプログラムの実行に必要なデータ等が記憶されている。
人事データベースは、各社員の人事に関する各種情報(例えば、社員番号、所属、年齢、性別、雇用区分、役職、資格、等級、職種、休職濃厚フラグ、退職濃厚フラグなど)が蓄積されているデータ群である。
勤怠データベースは、各社員の勤務状況に関する各種情報(例えば、出勤日数、残業時間、休出回数、遅刻回数、早退回数、有休日数、欠勤日数、休職日数、休職日、退職日など)が蓄積されているデータ群である。
健康診断データベースは、各社員が受診した健康診断の結果に関する各種情報が蓄積されているデータ群である。
なお、人事データベース、勤怠データベース及び健康診断データベースは、通信部26を介して通信可能に接続された他のファイルサーバ等に記憶されていても良い。
次に、図3を参照して、端末装置3の機能構成について説明する。図3は、端末装置3の機能構成を示すブロック図である。
図4は、サーバ2へのログインを行うためのログイン画面41を示す図である。
ログイン画面41は、端末装置3においてブラウザのプログラムが実行され、サーバ2へのログインを行うための所定のウェブサイトにアクセスした場合に表示部35に表示される画面である。ログイン画面41では、ログインに使用するアカウントのユーザー名を入力するテキストボックスA1と、パスワードを入力するテキストボックスA2と、ログインボタンB1とが表示される。
このトップ画面42では、「お知らせ」、「働き方」及び「当月度状況」の各項目に関する情報が表示される。
サーバ2にログインした社員は、これらのボタンB2~B4のうちいずれかのボタンを選択する入力操作を行うことで、「就業時間グラフ/働き方スコアグラフ」、「就業時間」、「残業時間」、「有休・半休時間」、「不就労時間」、「連続7日間出勤回数」及び「休日出勤回数」の各項目に表示される情報を直近30日間のデータと、直近90日間のデータと、直近12ヶ月間のデータとに切り替えることができる。
サーバ2にログインした社員は、サーバ2へのログイン時に出勤時の気分を、例えば、laugh、smile、soso、cryのうちから選択する入力操作を行うことで、選択された気分に対応するアイコンを気分データ表の該当する出勤日の出勤時の表示領域に反映させることができる。また同様に、サーバ2にログインした社員は、サーバ2からのログオフ時に退勤時の気分を選択する入力操作を行うことで、選択された気分に対応するアイコンを気分データ表の該当する出勤日の退勤時の表示領域に反映させることができる。
働き方スコア=勤怠スコア×0.3+気分スコア×0.4+休職確率スコア×0.3
勤怠スコア=1-(過去30日間(勤怠スコアの導出日を含まない)の残業合計時間/100(残業時間の想定最大値))※残業時間の想定最大値は適宜設定変更可能
また、気分スコアは、上述の「気分データ」の項目において、例えば、laughが選択された場合を3点、smileが選択された場合を2点、sosoが選択された場合を1点、cryが選択された場合を0点として、過去30日間(気分スコアの導出日を含まない)の点数を合算したものである。なお、気分スコアの上限値は100点とする。
また、休職確率スコアは、次式に基づき導出される。
休職確率スコア=100-(休職確率(後述)×100)
図5の画面表示例では、直近12か月間ボタンB4を選択する入力操作がなされているため、「就業時間グラフ/働き方スコアグラフ」の項目には、直近12か月間(例えば、2017年7月~2018年6月)の勤務時間と働き方スコアが表示されている。
図5の画面表示例では、直近12か月間ボタンB4を選択する入力操作がなされているため、「就業時間」の項目には、直近12か月間の就業時間の合計(例えば、1756h)が表示されている。
図5の画面表示例では、直近12か月間ボタンB4を選択する入力操作がなされているため、「残業時間」の項目には、直近12か月間の残業時間の合計(例えば、54h)が表示されている。
図5の画面表示例では、直近12か月間ボタンB4を選択する入力操作がなされているため、「有休・半休時間」の項目には、直近12か月間の有休・半休時間の合計(例えば、100h)が表示されている。
図5の画面表示例では、直近12か月間ボタンB4を選択する入力操作がなされているため、「不就労時間」の項目には、直近12か月間の不就労時間の合計(例えば、0h)が表示されている。
図5の画面表示例では、直近12か月間ボタンB4を選択する入力操作がなされているため、「連続7日間出勤回数」の項目には、直近12か月間の連続7日間出勤回数の合計(例えば、0回)が表示されている。
図5の画面表示例では、直近12か月間ボタンB4を選択する入力操作がなされているため、「休日出勤回数」の項目には、直近12か月間の休日出勤回数の合計(例えば、0回)が表示されている。
サーバ2にログインした社員は、従業員情報確認ボタンB5を選択する入力操作を行うことで、当該社員の従業員情報を表示する従業員情報画面に遷移させることができる。
サイドバーメニューM1には、従業員タブT1のほかに、上述の特別アカウントが発行された人事部に所属する社員がサーバ2にログインした場合にのみ表示される人事タブT2及びシステム設定タブT3が配設されている。
このトップ画面43では、人事部に所属する社員がサーバ2にログインしたときと同様に、「お知らせ」、「働き方」及び「当月度状況」の各項目に関する情報が表示される。また、トップ画面43では、左側に縦長のサイドバーメニューM2が表示される。サイドバーメニューM2には、人事部に所属する社員がサーバ2にログインしたときとは異なり、従業員タブT1のみが配設されている。
人事ダッシュボード画面44は、サイドバーメニューM1から人事タブT2が選択され、このときに表示されるプルダウンメニュー(図示省略)から人事ダッシュボードの表示機能に関する項目が選択された場合に表示される画面である。
具体的には、社員の休職状況として、休職する確率が高い社員(以下、休職濃厚者という)の人数、実際に休職している社員の人数(但し、産休を含まない)、及び、実際に休職している社員のうちメンタルを理由に休職している社員の人数の月別推移(直近6ケ月間の月別推移)を示すグラフが表示される。このグラフの横軸に表示されている各月を示す文字にはリンクが貼られており、当該各文字を選択する入力操作が行われると該当する月に休職濃厚者であると予測された社員の情報を確認可能な一覧画面(後述)に遷移できるようになっている。
サーバ2にログインした社員(人事部に所属する社員)は、例えば、上記グラフの横軸の6月の文字を選択する入力操作を行うことで、6月に休職濃厚者であると予測された社員の情報を確認可能な一覧画面45(図8参照)を表示させることができる。
サーバ2にログインした社員(人事部に所属する社員)は、虫眼鏡ボタンB6を選択する入力操作を行うことで、選択された虫眼鏡ボタンB6に対応する表示の人数に該当する社員の情報を確認可能な一覧画面(図示省略)を表示させることができる。
具体的には、社員の退職状況として、退職する確率が高い社員(以下、退職濃厚者という)の人数、実際に退職した社員の人数(但し、定年退職を含まない)、及び、実際に退職した社員のうち自己都合により退職した社員の人数の月別推移(直近6ケ月間の月別推移)を示すグラフが表示される。また、このグラフの左方には、現在の退職濃厚者の合計人数(例えば、1人)のうち未だ対応処置(フォロー)がなされていない未対応の退職濃厚者の人数(例えば、0人)が表示されるとともに、このグラフの右方には、直近6ケ月間に退職した社員の合計人数(例えば、6人)と、直近6ケ月間に退職した社員のうち自己都合により退職した社員の合計人数(例えば、2人)が表示される。さらに、上述の未対応の退職濃厚者の人数の表示の下方には、この表示に対応する虫眼鏡ボタンB6が表示される。ただし、図7に示すように、未対応の退職濃厚者の人数が0人の場合、この表示に対応する虫眼鏡ボタンB6は、選択不可能な態様(図中では破線)で表示される(他の虫眼鏡ボタンB6も同様)。
サーバ2にログインした社員(人事部に所属する社員)は、未対応の退職濃厚者の人数の表示に対応する虫眼鏡ボタンB6を選択する入力操作を行うことで、未対応の退職濃厚者の情報を確認可能な一覧画面(図示省略)を表示させることができる。
サーバ2にログインした社員(人事部に所属する社員)は、現在対応中である休職濃厚者及び/又は退職濃厚者の合計人数の表示に対応する虫眼鏡ボタンB6を選択する入力操作を行うことで、現在対応中である休職濃厚者及び/又は退職濃厚者の情報を確認可能な一覧画面(図示省略)を表示させることができる。
図8に示すように、一覧画面45では、6月に休職濃厚者であると予測された社員である香川一美氏と木口二朗氏の情報(例えば、所属、年齢、性別、雇用区分、出向中フラグ、役職、資格、等級、職種など)が表示される。
なお、一覧画面45は、サイドバーメニューM1から人事タブT2が選択され、このときに表示されるプルダウンメニュー(図示省略)から従業員検索機能に関する項目が選択された場合に表示される従業員検索画面(図示省略)において、休職濃厚フラグが立っている社員についての検索がなされた際の検索結果画面に相当する画面である。
サーバ2にログインした社員(人事部に所属する社員)は、所望のタブT4~T10を選択する入力操作を行うことで、所望のタブT4~T10に対応する情報を従業員情報画面46に表示させることができる。
図9及び図10の画面表示例では、サマリタブT4を選択する入力操作が行われ、サマリタブT4に対応する情報が従業員情報画面46に表示されている。以下、サマリタブT4に対応する情報について詳述する。
具体的には、総合スコア(後述)及び働き方スコアに関しては、例えば、スコアが35点以上の場合、当該スコアのマークが灰色(図中では白色の背景)で表示される一方で、スコアが35点未満の場合、当該スコアのマークが赤色(図中ではハッチング)で表示され注意喚起がなされるようになっている。また、働き方に関しては、例えば、直近12ヶ月の残業時間が所定時間以下の場合、働き方のマークが灰色(図中では白色の背景)で表示される一方で、直近12ヶ月の残業時間が所定時間を超えている場合、働き方のマークが赤色(図中ではハッチング)で表示され注意喚起がなされるようになっている。また、要通院に関しては、例えば、健康診断において異常が無かった場合、要通院のマークが灰色(図中では白色の背景)で表示される一方で、健康診断において再検査の判定がなされた場合、要通院のマークが赤色(図中ではハッチング)で表示され注意喚起がなされるようになっている。さらに、要通院のマークが赤色で表示された際に当該マークの下方には、通知ボタンB7が表示される。
サーバ2にログインした社員(人事部に所属する社員)は、通知ボタンB7を選択する入力操作を行うことで、通院を促すメッセージを蔵樹薫氏に対して送信することができる。
具体的には、例えば、後述する休職濃厚者予測処理(図11参照)によって蔵樹薫氏が休職濃厚者ではないと判定された場合、休職濃厚者のマークが灰色(図中では白色の背景)で表示される一方で、休職濃厚者であると判定された場合、休職濃厚者のマークが赤色(図中ではハッチング)で表示され注意喚起がなされるようになっている。また、後述する退職濃厚者予測処理(図12参照)によって蔵樹薫氏が退職濃厚者ではないと判定された場合、退職濃厚者のマークが灰色(図中では白色の背景)で表示される一方で、退職濃厚者であると判定された場合、退職濃厚者のマークが赤色(図中ではハッチング)で表示され注意喚起がなされるようになっている。また、フォロー不要のマークに関しては、蔵樹薫氏が休職濃厚者及び/又は退職濃厚者であると判定された後、蔵樹薫氏に対するフォローがなされた場合、フォロー不要のマークが赤色で表示されるようになっている。さらに、フォロー不要のマークが赤色で表示された際に当該マークの下方には、開始ボタンB8が表示される。
サーバ2にログインした社員(人事部に所属する社員)は、開始ボタンB8を選択する入力操作を行うことで、休職・退職濃厚者に対するフォローのコメントを入力するための入力フォーム(図示省略)を表示することができる。サーバ2にログインした社員(人事部に所属する社員)は、表示された上記入力フォームにコメントを入力して登録することによって、後述する「フォロー履歴」の項目(図10参照)に当該コメントを反映させることができる。
具体的には、「総合スコア」の項目には、総合スコアがメーター表示されるとともに、この総合スコアのランク(例えば、80点以上の場合はAランク、60点以上80点未満の場合はBランク、40点以上60点未満の場合はCランク、20点以上40点未満の場合はDランク、0点以上20点未満の場合はEランク)が表示される。ここで、総合スコアは、後述する能力発揮スコア及び働き方スコアを所定の導出式に代入することによって導出されるスコアである。
また、実績ハイパフォーマーランクとは、社員の能力を例えば5ランク(A~Eランク)で表すものである。ランクの判定基準は、例えば、各社員の人事考課を点数(100点満点の点数)に換算して、上位5%に入る社員をAランク、上位5~20%に入る社員をBランク、下位5%に入る社員をEランク、下位5~20%に入る社員をDランク、上位20%に入らず、且つ、下位20%にも入らない社員をCランクとしている。
また、予想ハイパフォーマーランクとは、今後予想される社員の能力を例えば5ランク(A~Eランク)で表すものである。この予想は、回帰分析により行われ、社員の実測値又は実績値を所定の予測式の説明変数に代入しパフォーマンス値(目的変数)を導出し、導出されたパフォーマンス値に応じて予想ハイパフォーマーランクを判定している。
能力発揮スコア=(実績パフォーマンススコア/予想パフォーマンススコア)×重み係数
ここで、実績パフォーマンススコアとは、上述の実績ハイパフォーマーランクを数値化したものであり、Aランクを5、Bランクを4、Cランクを3、Dランクを2、Eランクを1としたものである。また、予想パフォーマンススコアとは、上述の予想ハイパフォーマーランクを数値化したものであり、Aランクを5、Bランクを4、Cランクを3、Dランクを2、Eランクを1としたものである。また、重み係数は、実績パフォーマンススコアと予想パフォーマンススコアと対応付けられて予め設定された係数である。
図9の画面表示例では、「働き方スコア」の項目の背景が赤色(図中では網掛)で表示されている。これは働き方スコアが当該スコアに係る閾値を下回ったことを示すものであり、これにより働き方スコアが低いことに関してサーバ2にログインした社員に対して注意喚起を行うことができるようになっている。なお、「働き方スコア」の項目のほか、「総合スコア」及び「能力発揮スコア」の各項目についても当該各項目に係る閾値がそれぞれ設定されており、各項目のデータが当該各項目に係る閾値を下回った場合、該当する項目の背景が赤色で表示されるようになっている。
まず、所定の調査(例えば、モチベーション調査など)により各社員の性格を数値化する。次いで、各社員を上司側と部下側とに分けた状態で数値化された各社員の性格に関する数値を用いてクラスタ分析を行い、例えば、上司側と部下側とでそれぞれ5つのグループに分け、5×5のマトリクス表を作成する。次いで、上記マトリクス表の各マス内において、実績ハイパフォーマーランクがAランク又はBランクの社員の占める割合を導出する。次いで、導出された上記社員の占める割合に応じて、◎、○、△、×などのスコアを付け、「コミュニケーション分析」の項目に直属上司との相性レベルとして表示する。
次に、サーバ2における休職濃厚者予測処理の制御手順について説明する。
図11は、休職濃厚者予測処理の制御手順を示すフローチャートである。
この休職濃厚者予測処理は、例えば、月末など定期的に実行される。
先ず、サーバ2のCPU21は、目的変数を休職と在職との2値(例えば、休職を1、在職を0)とするとともに、説明変数として、例えば、勤怠情報に含まれる出勤日数、残業時間、休出回数、遅刻回数、早退回数、有休日数、及び、欠勤日数、並びに、健康診断情報に含まれる血圧、肝機能に関する情報、脂質に関する情報、腎機能に関する情報、及び、糖代謝に関する情報を選定し、回帰式を作成する。そして、CPU21は、この回帰式の目的変数と説明変数に過去の実測値又は実績値(例えば、全社員を対象とした過去数年分の実測値又は実績値)を入れて、当該回帰式の偏回帰係数を求め、休職確率予測式を作成する。
なお、回帰分析は、公知の分析用ソフトウェアによって行うことができるので、詳しい説明は省略する。
一方、ステップS3において、目的変数の値が所定の閾値よりも大きくないと判定された場合(ステップS3;NO)、CPU21は、ステップS4の処理をスキップしてステップS5の処理へ移行する。
一方、ステップS5において、全社員について休職濃厚であるか否かの予測が完了したと判定された場合(ステップS5;YES)、CPU21は、予測結果を記憶部23に保存し(ステップS6)、休職濃厚者予測処理を終了する。
これにより、例えば、休職濃厚者予測処理の終了後、図7に示す人事ダッシュボード画面44が端末装置3の表示部35に表示された場合、記憶部23に保存された予測結果が休職状況の項目に反映されることとなる。また、例えば、図9に示す従業員情報画面46が端末装置3の表示部35に表示された場合、記憶部23に保存された予測結果に基づき、表示対象の社員(例えば、蔵樹薫氏)が休職濃厚者に該当するときは、「休職・退職濃厚者該当状況」の項目の休職濃厚者のマークが赤色で表示されることとなる。
次に、サーバ2における退職濃厚者予測処理の制御手順について説明する。
図12は、退職濃厚者予測処理の制御手順を示すフローチャートである。
この退職濃厚者予測処理は、休職濃厚者予測処理と同様に、例えば、月末など定期的に実行される。
先ず、サーバ2のCPU21は、目的変数を退職と在職との2値(例えば、退職を1、在職を0)とするとともに、説明変数として、例えば、勤怠情報に含まれる出勤日数、残業時間、休出回数、遅刻回数、早退回数、有休日数、及び、欠勤日数、並びに、健康診断情報に含まれる血圧、肝機能に関する情報、脂質に関する情報、腎機能に関する情報、及び、糖代謝に関する情報を選定し、回帰式を作成する。そして、CPU21は、この回帰式の目的変数と説明変数に過去の実測値又は実績値(例えば、全社員を対象とした過去数年分の実測値又は実績値)を入れて、当該回帰式の偏回帰係数を求め、退職確率予測式を作成する。
一方、ステップS13において、目的変数の値が所定の閾値よりも大きくないと判定された場合(ステップS13;NO)、CPU21は、ステップS14の処理をスキップしてステップS15の処理へ移行する。
一方、ステップS15において、全社員について退職濃厚であるか否かの予測が完了したと判定された場合(ステップS15;YES)、CPU21は、予測結果を記憶部23に保存し(ステップS16)、退職濃厚者予測処理を終了する。
これにより、例えば、退職濃厚者予測処理の終了後、図7に示す人事ダッシュボード画面44が端末装置3の表示部35に表示された場合、記憶部23に保存された予測結果が退職状況の項目に反映されることとなる。また、例えば、図9に示す従業員情報画面46が端末装置3の表示部35に表示された場合、記憶部23に保存された予測結果に基づき、表示対象の社員(例えば、蔵樹薫氏)が退職濃厚者に該当するときは、「休職・退職濃厚者該当状況」の項目の退職濃厚者のマークが赤色で表示されることとなる。
例えば、上記実施形態では、休職濃厚者と退職濃厚者のそれぞれについて予測を行ったが、これに限定する趣旨ではなく、休職濃厚者と退職濃厚者のうちいずれか一方を予測しても良い。
以下に、この出願の願書に最初に添付した特許請求の範囲に記載した発明を付記する。付記に記載した請求項の項番は、この出願の願書に最初に添付した特許請求の範囲の通りである。
〔付記〕
<請求項1>
予め求めておいた予測モデルに予測対象者の当該予測モデルの説明変数の項目に関する実測値又は実績値を入力して当該予測対象者が将来的に休職する確率を導出する第1導出手段と、
前記第1導出手段によって導出された前記確率が所定の閾値を超えた場合、前記予測対象者を休職濃厚者と判定する第1判定手段と、
前記第1判定手段によって休職濃厚者と判定された予測対象者を識別可能に表示手段に表示させる表示制御手段と、
を備えることを特徴とする情報処理装置。
<請求項2>
前記表示制御手段は、前記第1判定手段によって休職濃厚者と判定された予測対象者のうち、未だ対応処置がなされていない予測対象者の人数を前記表示手段に表示させることを特徴とする請求項1に記載の情報処理装置。
<請求項3>
前記第1導出手段は、前記確率を定期的に導出し、
前記表示制御手段は、前記確率の導出周期ごとに、前記第1判定手段によって休職濃厚者と判定された予測対象者の人数を前記表示手段に表示させる請求項1又は2に記載の情報処理装置。
<請求項4>
前記表示制御手段は、前記確率の導出周期ごとに、実際の休職者数を前記表示手段に表示させることを特徴とする請求項3に記載の情報処理装置。
<請求項5>
目的変数を休職と在職との2値とするとともに、説明変数として、少なくとも、勤怠情報と健康診断情報とを使用し、機械学習により前記予測モデルを作成する第1モデル作成手段を備えることを特徴とする請求項1~4の何れか一項に記載の情報処理装置。
<請求項6>
目的変数を休職と在職との2値とするとともに、説明変数として、少なくとも、勤怠情報と健康診断情報とを使用し、回帰式を作成するとともに、前記回帰式の前記目的変数と前記説明変数に過去の実測値又は実績値を入れて、当該回帰式の偏回帰係数を求め、前記予測モデルを作成する第1モデル作成手段を備えることを特徴とする請求項1~4の何れか一項に記載の情報処理装置。
<請求項7>
予め求めておいた予測モデルに予測対象者の当該予測モデルの説明変数の項目に関する実測値又は実績値を入力して当該予測対象者が将来的に退職する確率を導出する第2導出手段と、
前記第2導出手段によって導出された前記確率が所定の閾値を超えた場合、前記予測対象者を退職濃厚者と判定する第2判定手段と、
前記第2判定手段によって退職濃厚者と判定された予測対象者を識別可能に表示手段に表示させる表示制御手段と、
を備えることを特徴とする情報処理装置。
<請求項8>
前記表示制御手段は、前記第2判定手段によって退職濃厚者と判定された予測対象者のうち、未だ対応処置がなされていない予測対象者の人数を前記表示手段に表示させることを特徴とする請求項7に記載の情報処理装置。
<請求項9>
前記第2導出手段は、前記確率を定期的に導出し、
前記表示制御手段は、前記確率の導出周期ごとに、前記第2判定手段によって退職濃厚者と判定された予測対象者の人数を前記表示手段に表示させる請求項7又は8に記載の情報処理装置。
<請求項10>
前記表示制御手段は、前記確率の導出周期ごとに、実際の退職者数を前記表示手段に表示させることを特徴とする請求項9に記載の情報処理装置。
<請求項11>
目的変数を退職と在職との2値とするとともに、説明変数として、少なくとも、勤怠情報と健康診断情報とを使用し、機械学習により前記予測モデルを作成する第2モデル作成手段を備えることを特徴とする請求項7~10の何れか一項に記載の情報処理装置。
<請求項12>
目的変数を退職と在職との2値とするとともに、説明変数として、少なくとも、勤怠情報と健康診断情報とを使用し、回帰式を作成するとともに、前記回帰式の前記目的変数と前記説明変数に過去の実測値又は実績値を入れて、当該回帰式の偏回帰係数を求め、前記予測モデルを作成する第2モデル作成手段を備えることを特徴とする請求項7~10の何れか一項に記載の情報処理装置。
<請求項13>
コンピュータを、
予め求めておいた予測モデルに予測対象者の当該予測モデルの説明変数の項目に関する実測値又は実績値を入力して当該予測対象者が将来的に休職する確率を導出する第1導出手段、
前記第1導出手段によって導出された前記確率が所定の閾値を超えた場合、前記予測対象者を休職濃厚者と判定する第1判定手段、
前記第1判定手段によって休職濃厚者と判定された予測対象者を識別可能に表示手段に表示させる表示制御手段、
として機能させることを特徴とするプログラム。
<請求項14>
コンピュータを、
予め求めておいた予測モデルに予測対象者の当該予測モデルの説明変数の項目に関する実測値又は実績値を入力して当該予測対象者が将来的に退職する確率を導出する第2導出手段、
前記第2導出手段によって導出された前記確率が所定の閾値を超えた場合、前記予測対象者を退職濃厚者と判定する第2判定手段、
前記第2判定手段によって退職濃厚者と判定された予測対象者を識別可能に表示手段に表示させる表示制御手段、
として機能させることを特徴とするプログラム。
2 サーバ
21 CPU(第1導出手段、第1判定手段、表示制御手段、第1モデル作成手段、第2導出手段、第2判定手段、第2モデル作成手段)
3 端末装置
35 表示部(表示手段)
Claims (11)
- 目的変数を休職と在職との2値とするとともに、説明変数として、予測対象者の勤怠情報に係る第1項目及び前記予測対象者の健康診断情報に係る第2項目の双方の実測値又は実績値を使用し、予測モデルを作成する第1モデル作成手段と、
前記第1モデル作成手段により作成された予測モデルに前記予測対象者の前記第1項目及び前記第2項目に関する実測値又は実績値を入力して当該予測対象者が将来的に休職する確率を導出する第1導出手段と、
前記第1導出手段によって導出された前記確率が所定の閾値を超えた場合、前記予測対象者を休職濃厚者と判定する第1判定手段と、
前記第1判定手段によって休職濃厚者と判定された予測対象者を識別可能に表示手段に表示させる表示制御手段と、
前記第1導出手段により導出された確率と、前記予測対象者による自己申告として受け付けた当該予測対象者の気分を示す気分データと、に基づいて、当該予測対象者の働き方に係るスコアを導出するスコア導出手段と、
を備え、
前記表示制御手段は、前記予測対象者の情報を表示させる際に、当該予測対象者が前記第1判定手段により休職の濃厚者と判定されたか否かを識別する識別子と、当該予測対象者に係る前記第1項目の情報と、前記スコア導出手段により導出されたスコアと、をともに表示させる、
ことを特徴とする情報処理装置。 - 前記第1導出手段は、前記確率を定期的に導出し、
前記表示制御手段は、前記確率の導出周期ごとに、前記第1判定手段によって休職濃厚者と判定された予測対象者の人数を前記表示手段に表示させ、前記確率の導出周期ごとに、実際の休職者数を前記表示手段に表示させることを特徴とする請求項1に記載の情報処理装置。 - 前記第1モデル作成手段は、機械学習により前記予測モデルを作成することを特徴とする請求項1または2に記載の情報処理装置。
- 前記第1モデル作成手段は、回帰式の前記目的変数と前記説明変数に過去の実測値又は実績値を入れて、当該回帰式の偏回帰係数を求め、前記予測モデルを作成することを特徴とする請求項1または2に記載の情報処理装置。
- 目的変数を退職と在職との2値とするとともに、説明変数として、予測対象者の勤怠情報に係る第1項目及び前記予測対象者の健康診断情報に係る第2項目の双方の実測値又は実績値を使用し、予測モデルを作成する第2モデル作成手段と、
前記第2モデル作成手段により作成された予測モデルに前記予測対象者の前記第1項目及び前記第2項目に関する実測値又は実績値を入力して当該予測対象者が将来的に退職する確率を導出する第2導出手段と、
前記第2導出手段によって導出された前記確率が所定の閾値を超えた場合、前記予測対象者を退職濃厚者と判定する第2判定手段と、
前記第2判定手段によって退職濃厚者と判定された予測対象者を識別可能に表示手段に表示させる表示制御手段と、
を備え、
前記表示制御手段は、前記予測対象者の情報を表示させる際に、当該予測対象者が前記第2判定手段により退職の濃厚者と判定されたか否かを識別する識別子と、当該予測対象者に係る前記第1項目の情報と、をともに表示させる、
ことを特徴とする情報処理装置。 - 前記第2導出手段は、前記確率を定期的に導出し、
前記表示制御手段は、前記確率の導出周期ごとに、前記第2判定手段によって退職濃厚者と判定された予測対象者の人数を前記表示手段に表示させる請求項5に記載の情報処理装置。 - 前記表示制御手段は、前記確率の導出周期ごとに、実際の退職者数を前記表示手段に表示させることを特徴とする請求項6に記載の情報処理装置。
- 前記第2モデル作成手段は、機械学習により前記予測モデルを作成することを特徴とする請求項5~7の何れか一項に記載の情報処理装置。
- 前記第2モデル作成手段は、回帰式の前記目的変数と前記説明変数に過去の実測値又は実績値を入れて、当該回帰式の偏回帰係数を求め、前記予測モデルを作成することを特徴とする請求項5~7の何れか一項に記載の情報処理装置。
- コンピュータを、
目的変数を休職と在職との2値とするとともに、説明変数として、予測対象者の勤怠情報に係る第1項目及び前記予測対象者の健康診断情報に係る第2項目の双方の実測値又は実績値を使用し、予測モデルを作成する第1モデル作成手段、
前記第1モデル作成手段により作成された予測モデルに前記予測対象者の前記第1項目及び前記第2項目に関する実測値又は実績値を入力して当該予測対象者が将来的に休職する確率を導出する第1導出手段、
前記第1導出手段によって導出された前記確率が所定の閾値を超えた場合、前記予測対象者を休職濃厚者と判定する第1判定手段、
前記第1判定手段によって休職濃厚者と判定された予測対象者を識別可能に表示手段に表示させる表示制御手段、
前記第1導出手段により導出された確率と、前記予測対象者による自己申告として受け付けた当該予測対象者の気分を示す気分データと、に基づいて、当該予測対象者の働き方に係るスコアを導出するスコア導出手段、
として機能させ、
前記表示制御手段は、前記予測対象者の情報を表示させる際に、当該予測対象者が前記第1判定手段により休職の濃厚者と判定されたか否かを識別する識別子と、当該予測対象者に係る前記第1項目の情報と、前記スコア導出手段により導出されたスコアと、をともに表示させる、
ことを特徴とするプログラム。 - コンピュータを、
目的変数を退職と在職との2値とするとともに、説明変数として、予測対象者の勤怠情報に係る第1項目及び前記予測対象者の健康診断情報に係る第2項目の双方の実測値又は実績値を使用し、予測モデルを作成する第2モデル作成手段、
前記第2モデル作成手段により作成された予測モデルに前記予測対象者の前記第1項目及び前記第2項目に関する実測値又は実績値を入力して当該予測対象者が将来的に退職する確率を導出する第2導出手段、
前記第2導出手段によって導出された前記確率が所定の閾値を超えた場合、前記予測対象者を退職濃厚者と判定する第2判定手段、
前記第2判定手段によって退職濃厚者と判定された予測対象者を識別可能に表示手段に表示させる表示制御手段、
として機能させ、
前記表示制御手段は、前記予測対象者の情報を表示させる際に、当該予測対象者が前記第2判定手段により退職の濃厚者と判定されたか否かを識別する識別子と、当該予測対象者に係る前記第1項目の情報と、をともに表示させる、
ことを特徴とするプログラム。
Priority Applications (2)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2018162931A JP7366526B2 (ja) | 2018-08-31 | 2018-08-31 | 情報処理装置及びプログラム |
JP2022153170A JP7347616B2 (ja) | 2018-08-31 | 2022-09-27 | 情報処理装置及びプログラム |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2018162931A JP7366526B2 (ja) | 2018-08-31 | 2018-08-31 | 情報処理装置及びプログラム |
Related Child Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2022153170A Division JP7347616B2 (ja) | 2018-08-31 | 2022-09-27 | 情報処理装置及びプログラム |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2020035309A JP2020035309A (ja) | 2020-03-05 |
JP7366526B2 true JP7366526B2 (ja) | 2023-10-23 |
Family
ID=69668281
Family Applications (2)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2018162931A Active JP7366526B2 (ja) | 2018-08-31 | 2018-08-31 | 情報処理装置及びプログラム |
JP2022153170A Active JP7347616B2 (ja) | 2018-08-31 | 2022-09-27 | 情報処理装置及びプログラム |
Family Applications After (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2022153170A Active JP7347616B2 (ja) | 2018-08-31 | 2022-09-27 | 情報処理装置及びプログラム |
Country Status (1)
Country | Link |
---|---|
JP (2) | JP7366526B2 (ja) |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2020154473A (ja) * | 2019-03-18 | 2020-09-24 | ヤフー株式会社 | 推定装置、推定方法および推定プログラム |
JP7388250B2 (ja) | 2020-03-06 | 2023-11-29 | 富士通株式会社 | 出力プログラム,情報処理装置及び出力方法 |
JP7405436B2 (ja) | 2021-03-30 | 2023-12-26 | Necフィールディング株式会社 | 健康管理装置、健康管理方法及びプログラム |
JP7079882B1 (ja) | 2021-08-12 | 2022-06-02 | 株式会社エクサウィザーズ | 情報処理方法、コンピュータプログラム及び情報処理装置 |
WO2024013819A1 (ja) * | 2022-07-11 | 2024-01-18 | 日本電信電話株式会社 | 学習装置、推定装置、学習方法、推定方法、学習プログラムおよび推定プログラム |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2016136380A (ja) | 2014-12-22 | 2016-07-28 | ワークデイ,インコーポレーテッド | 離職リスク判定器 |
JP2016151979A (ja) | 2015-02-19 | 2016-08-22 | Necソリューションイノベータ株式会社 | メンタルヘルスケア支援システム、装置、方法およびプログラム |
JP2017204214A (ja) | 2016-05-13 | 2017-11-16 | 株式会社リコー | 情報処理装置及びプログラム |
Family Cites Families (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2008129805A (ja) | 2006-11-20 | 2008-06-05 | Ricoh Co Ltd | メンタルヘルス支援装置及びメンタルヘルス支援システム |
WO2016035336A1 (ja) * | 2014-09-03 | 2016-03-10 | 日本電気株式会社 | 休職予測システム、予測ルール学習装置、予測装置、休職予測方法及びコンピュータ読み取り可能記録媒体 |
JP6553935B2 (ja) * | 2015-04-28 | 2019-07-31 | 株式会社ラフール | 人材リスク管理システム |
JP6418671B1 (ja) * | 2018-06-26 | 2018-11-07 | 志村 哲祥 | 人事管理支援システム |
-
2018
- 2018-08-31 JP JP2018162931A patent/JP7366526B2/ja active Active
-
2022
- 2022-09-27 JP JP2022153170A patent/JP7347616B2/ja active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2016136380A (ja) | 2014-12-22 | 2016-07-28 | ワークデイ,インコーポレーテッド | 離職リスク判定器 |
JP2016151979A (ja) | 2015-02-19 | 2016-08-22 | Necソリューションイノベータ株式会社 | メンタルヘルスケア支援システム、装置、方法およびプログラム |
JP2017204214A (ja) | 2016-05-13 | 2017-11-16 | 株式会社リコー | 情報処理装置及びプログラム |
Also Published As
Publication number | Publication date |
---|---|
JP7347616B2 (ja) | 2023-09-20 |
JP2020035309A (ja) | 2020-03-05 |
JP2022172006A (ja) | 2022-11-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
JP7347616B2 (ja) | 情報処理装置及びプログラム | |
US11501862B2 (en) | Systems and methods for healthcare provider dashboards | |
JP6553935B2 (ja) | 人材リスク管理システム | |
Kossman et al. | Nurses' perceptions of the impact of electronic health records on work and patient outcomes | |
CA3002754A1 (en) | Systems and methods for evaluating and selecting a healthcare professional using a healthcare operating system | |
Gupta et al. | Predictors of health care system and physician distrust in hospitalized cardiac patients | |
JP7338740B2 (ja) | 情報処理装置、人事情報管理支援方法及びプログラム | |
Kirkley et al. | Nurses and clinical technology: sources of resistance and strategies for acceptance | |
US8682688B1 (en) | Systems, methods, and software for supporting consumer healthcare decisions | |
US20150370981A1 (en) | System and method for providing recommendations of relevant opportunities to health plan customers | |
Yemiscigil et al. | The effects of retirement on sense of purpose in life: Crisis or opportunity? | |
JP7404623B2 (ja) | 情報処理装置及びプログラム | |
Li et al. | Linking objective and subjective job demands and resources in the JD-R model: A multilevel design | |
Clemens et al. | Implications of schedule irregularity as a minimum wage response margin | |
Karkhanis et al. | Improving the effectiveness of root cause analysis in hospitals | |
Orton | Transforming chaplaincy: The emergence of a healthcare pastoral care for a post-modern world | |
Benge et al. | Internet-enabled behaviors in older adults during the pandemic: Patterns of use, psychosocial impacts, and plans for continued utilization | |
Nam et al. | Role changes of hospital social workers in South Korea | |
US8126727B2 (en) | System and method for obtaining, maintaining and maximizing healthcare benefits | |
Vayena et al. | A systemic approach to the oversight of machine learning clinical translation | |
Stock et al. | The effects of capital and human resource investments on hospital performance | |
Whitehall et al. | Psychometric evaluation of the making it clear questionnaire: A resilience measure for older adults | |
Lurås | The association between patient shortage and patient satisfaction with general practitioners | |
US20160357911A1 (en) | Computerized clinical action system and method | |
Manderscheid | The Affordable Care Act: Overview and implications for county and city behavioral health and intellectual/developmental disability programs |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20210720 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20220411 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20220419 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20220617 |
|
A02 | Decision of refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A02 Effective date: 20220628 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20220927 |
|
C60 | Trial request (containing other claim documents, opposition documents) |
Free format text: JAPANESE INTERMEDIATE CODE: C60 Effective date: 20220927 |
|
A911 | Transfer to examiner for re-examination before appeal (zenchi) |
Free format text: JAPANESE INTERMEDIATE CODE: A911 Effective date: 20221004 |
|
C21 | Notice of transfer of a case for reconsideration by examiners before appeal proceedings |
Free format text: JAPANESE INTERMEDIATE CODE: C21 Effective date: 20221012 |
|
A912 | Re-examination (zenchi) completed and case transferred to appeal board |
Free format text: JAPANESE INTERMEDIATE CODE: A912 Effective date: 20221209 |
|
C211 | Notice of termination of reconsideration by examiners before appeal proceedings |
Free format text: JAPANESE INTERMEDIATE CODE: C211 Effective date: 20221213 |
|
C22 | Notice of designation (change) of administrative judge |
Free format text: JAPANESE INTERMEDIATE CODE: C22 Effective date: 20230207 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20230822 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20231011 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7366526 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |