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
本発明は、情報処理装置及びプログラムに関する。
従来、会社組織等の団体に所属する人員に関し、氏名、役職、人事考課、人材特性、各種スキルの習熟度といった複数の項目を含む人事情報を情報処理装置の記憶部に記憶させて管理する技術がある（例えば、特許文献１参照）。
しかしながら、上記特許文献１に記載されているように、変更不能もしくは変更度合いが小さい人事情報を情報処理装置の記憶部に記憶させて管理するだけでは、例えば、休職や退職する確率が高い人員を予測することは難しい。
本発明は、このような問題に鑑みてなされたものであり、休職又は退職する確率が高い人員を予測できるようにすることを目的とする。
上記課題を解決するため、本発明に係る情報処理装置は、
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。
また、本発明に係る他の情報処理装置は、
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。
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。
本発明によれば、休職又は退職する確率が高い人員を予測することができる。
以下に、本発明について、図面を用いて具体的な態様を説明する。ただし、発明の範囲は、図示例に限定されない。
＜業務支援システム１の構成＞
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。
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。
本実施形態の業務支援システム１は、会社組織等の団体に所属する人員の健康の維持・増進と当該団体の業務効率の向上を図る健康経営を支援するシステムである。以下では、業務支援システム１による健康経営の支援の対象として、複数の社員で構成される会社を例に挙げて説明するが、これに限定する趣旨ではなく、業務支援システム１は、複数の人員で構成される団体を健康経営の支援の対象とすることができる。
図１に示すように、業務支援システム１は、サーバ（情報処理装置）２と、複数の端末装置３とを備えている。サーバ２と端末装置３とは通信ネットワークＮを介して情報通信可能に接続される。
サーバ２は、例えば、クラウド上のサーバであり、上述の健康経営を支援するための健康経営ソリューションを提供する。
端末装置３は、例えば、業務支援システム１を導入した会社の社員が使用する端末装置である。この端末装置３としては、例えば、ノートＰＣ（Personal Computer）、デスクトップＰＣ等が挙げられる。なお、これに限定されず、スマートフォン、タブレットＰＣ、携帯電話機、ＰＤＡ（Personal Digital Assistant）であってもよい。
通信ネットワークＮは、例えば、インターネットであるものとするが、ＬＡＮ（Local Area Network）等、他のネットワークとしてもよい。
＜サーバ２の構成＞
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。
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。
図２に示すように、サーバ２は、ＣＰＵ（Central Processing Unit）２１と、ＲＡＭ（Random Access Memory）２２と、記憶部２３と、操作部２４と、表示部２５と、通信部２６とを備えている。また、サーバ２の各部は、バス２７を介して接続されている。
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）２１は、記憶部２３に記憶されているシステムプログラムやアプリケーションプログラムといった各種のプログラムを読み出してＲＡＭ２２のワークエリアに展開し、当該プログラムに従ってサーバ２の各部の動作を制御する。例えば、ＣＰＵ２１は、アプリケーションプログラムの実行結果に応じて、端末装置３の表示部３５に当該実行結果に係る表示を行わせるための制御信号を生成し、通信部２６を介して端末装置３に送信する。
ＲＡＭ２２は、例えば、揮発性のメモリであり、ＣＰＵ２１により読み出された各種のプログラムやデータを一時的に格納するワークエリアを有する。
記憶部２３は、例えば、ＨＤＤ（Hard Disk Drive）、ＳＳＤ（Solid State Drive）、ＥＥＰＲＯＭ（Electrically Erasable Programmable Read Only Memory）などにより構成される。
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。
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。
また、記憶部２３には、人事データベース、勤怠データベース、健康診断データベース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。
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。
操作部２４は、例えば、キーボード等のキー入力部と、マウス等のポインティングデバイスとを有している。また、操作部２４は、キー入力及び位置入力を受け付け、その操作情報をＣＰＵ２１に出力する。
表示部２５は、例えば、ＬＣＤ（Liquid Crystal Display）や有機ＥＬ（Electro Luminescence）ディスプレイ等から構成されている。また、表示部２５には、ＣＰＵ２１から出力されて入力される表示信号の指示に従って、各種画面を表示する。
通信部２６は、例えば、ネットワークカード等により構成されている。また、通信部２６は、通信ネットワークＮに通信接続されて、通信ネットワークＮ上の機器（例えば、端末装置３等）との通信を行う。
＜端末装置３の構成＞
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。
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３に示すように、端末装置３は、ＣＰＵ３１と、ＲＡＭ３２と、記憶部３３と、操作部３４と、表示部３５と、無線通信部３６とを備えている。また、端末装置３の各部は、バス３７を介して接続されている。
ＣＰＵ３１は、記憶部３３に記憶されているシステムプログラムやアプリケーションプログラムといった各種プログラムを読み出してＲＡＭ３２のワークエリアに展開し、当該プログラムに従って端末装置３の各部の動作を制御する。例えば、ＣＰＵ３１は、ブラウザなどの情報表示入力プログラムを実行して、操作部３４に対するユーザーの入力操作の内容に基づく情報を無線通信部３６によりサーバ２に送信させたり、サーバ２から受信した情報を表示部３５に表示させたりする。
ＲＡＭ３２は、例えば、揮発性のメモリであり、ＣＰＵ３１により読み出された各種のプログラムやデータを一時的に格納するワークエリアを有する。
記憶部３３は、例えば、ＨＤＤ、ＳＳＤ、ＥＥＰＲＯＭ、フラッシュメモリなどにより構成される。記憶部３３には、ＣＰＵ３１で実行されるシステムプログラムやブラウザ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。
操作部３４は、例えば、キーボード等のキー入力部と、マウス等のポインティングデバイスとを有している。また、操作部３４は、キー入力及び位置入力を受け付け、その操作情報をＣＰＵ３１に出力する。
表示部（表示手段）３５は、例えば、ＬＣＤや有機ＥＬディスプレイ等から構成されている。また、表示部３５には、ＣＰＵ３１から出力されて入力される表示信号の指示に従って、各種画面を表示する。
無線通信部３６は、例えば、アンテナ、変復調回路、信号処理回路等により構成されている。また、無線通信部３６は、通信ネットワークＮに接続されている基地局やアクセスポイント等と無線電波により情報の送受信を行い、通信ネットワークＮ上の機器（例えば、サーバ２等）との通信を行う。
《業務支援システム１の動作》
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。
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。
端末装置３の操作部３４に対する入力操作により、テキストボックスＡ１にユーザー名が入力され、テキストボックスＡ２にパスワードが入力され、この状態でログインボタンＢ１を選択する入力操作が行われると、入力された認証情報がサーバ２に送信されて、サーバ２に登録されている認証情報と照合される。入力された認証情報が、登録されているいずれかのアカウントの認証情報と一致した場合には、サーバ２のＣＰＵ２１により、当該アカウントでのサーバ２へのログイン処理が行われてログインセッションが開始される。ここで、本実施形態の業務支援システム１では、通常のアカウントとは別に、特定の社員（例えば、人事部に所属する社員）に対して発行される特別アカウントが設けられている。
図５は、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（例えば、人事次郎氏）がサーバ２にログインした場合のトップ画面（従業員ダッシュボード画面）４２を示す図である。
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。
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。
トップ画面４２の「お知らせ」の項目には、人事部や健康保険組合からの告知（例えば、「健康診断を受信してください」や「2018/04/01 健康診断の受診予定開始」など）が表示される。
また、トップ画面４２の「働き方」の項目には、「気分データ」、「働き方スコア」、「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」の各項目に関する情報が表示される。さらに、「働き方スコア」の項目の直上には、直近３０日間ボタンＢ２、直近９０日間ボタンＢ３、直近１２ヶ月間ボタンＢ４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、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。
以下、「気分データ」、「働き方スコア」、「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」の各項目の表示内容について詳述する。
「気分データ」の項目には、各出勤日の出勤時と退勤時のそれぞれの気分をアイコン（例えば、顔の表情を示すアイコン）により表した気分データ表が週間形式で表示される。
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。
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」の項目には、社員の働き方を点数化した働き方スコアがメーター表示されるとともに、この働き方スコアのランク（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、働き方スコアは、時間外勤務による負荷を点数化した勤怠スコア、上述の気分データを点数化した気分スコア、及び、休職する可能性を示す休職確率を点数化した休職確率スコアを総合的に評価したスコアであり、次式に基づき導出される。なお、勤怠スコア、気分スコア、休職確率スコアのそれぞれに乗ずる係数は適宜設定変更可能である。
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
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
なお、勤怠スコアは、次式に基づき導出される。
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）
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）
「就業時間グラフ／働き方スコアグラフ」の項目には、複合グラフによって勤務時間と働き方スコアが表示される。この複合グラフは、勤務時間を棒グラフで表示するとともに、働き方スコアを折れ線グラフで表示するグラフとなっている。
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。
「就業時間」の項目には、所定の期間における就業時間の合計時間が表示される。
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、「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。
「残業時間」の項目には、所定の期間における残業時間の合計時間が表示される。
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、「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。
「有休・半休時間」の項目には、所定の期間における有休・半休時間の合計時間が表示される。
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、「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。
「不就労時間」の項目には、所定の期間における不就労時間（例えば、欠勤や遅刻の時間）の合計時間が表示される。
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、「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。
「連続７日間出勤回数」の項目には、所定の期間における連続７日間出勤回数の合計回数が表示される。
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、「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。
「休日出勤回数」の項目には、所定の期間における休日出勤回数の合計回数が表示される。
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。
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。
また、トップ画面４２の「当月度状況」の項目には、「当月度就業時間」、「当月度普通残業時間」、「当月度深夜残業時間」及び「当月度休日出勤回数」の各項目に関する情報が表示される。具体的には、「当月度就業時間」の項目には、当月度の就業時間の合計時間が表示される。また、「当月度普通残業時間」の項目には、当月度の普通残業時間の合計時間が表示される。また、「当月度深夜残業時間」の項目には、当月度の深夜残業時間の合計時間が表示される。また、「当月度休日出勤回数」の項目には、当月度の休日出勤回数の合計回数が表示される。
また、トップ画面４２の「お知らせ」の項目の直上には、従業員情報確認ボタンＢ５が表示される。
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。
また、トップ画面４２では、左側に縦長のサイドバーメニューＭ１が表示されている。
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。
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。
サーバ２にログインした社員（人事部に所属する社員）は、従業員タブＴ１を選択する入力操作を行うことで、自己の就業状況の表示機能に関する項目や、自己の就業管理機能に関する項目、自己の目標管理機能に関する項目などで構成されたプルダウンメニュー（図示省略）を表示させることができる。また、サーバ２にログインした社員（人事部に所属する社員）は、人事タブＴ２を選択する入力操作を行うことで、後述する人事ダッシュボードの表示機能に関する項目や、各社員のパフォーマンスに関する分析結果の表示機能に関する項目、従業員検索機能に関する項目などで構成されたプルダウンメニュー（図示省略）を表示させることができる。また、サーバ２にログインした社員（人事部に所属する社員）は、システム設定タブＴ３を選択する入力操作を行うことで、各種データのアップロード機能に関する項目などで構成されたプルダウンメニュー（図示省略）を表示させることができる。
図６は、通常のアカウントが発行された一般の社員（例えば、鈴木太郎氏）がサーバ２にログインした場合のトップ画面（従業員ダッシュボード画面）４３を示す図である。
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。
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。
図６の画面表示例では、「働き方」の項目のうち「働き方スコア」及び「不就労時間」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とともに、不就労時間が当該不就労時間に係る閾値を超え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、及び、不就労時間が多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」や「不就労時間」の項目のほか、「就業時間」、「残業時間」、「連続７日間出勤回数」、「休日出勤回数」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超えた場合、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（図５に示すトップ画面４２も同様）。
図７は、人事ダッシュボード画面４４を示す図である。
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。
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。
人事ダッシュボード画面４４には、社員の休職状況が表示される。
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。
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。
また、人事ダッシュボード画面４４に表示されるグラフの左方には、現在の休職濃厚者の合計人数（例えば、２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休職濃厚者の人数（例えば、１人）が表示されるとともに、このグラフの右方には、現在休職中である社員の合計人数（例えば、３人）と、現在休職中である社員のうちメンタルを理由に休職している社員の合計人数（例えば、２人）が表示される。さらに、上述の未対応の休職濃厚者の人数、現在休職中である社員の合計人数、及び、現在休職中である社員のうちメンタルを理由に休職している社員の合計人数のそれぞれの表示の下方には、これらの表示に対応する虫眼鏡ボタンＢ６がそれぞれ表示される。
サーバ２にログインした社員（人事部に所属する社員）は、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。
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。
また、人事ダッシュボード画面４４には、社員の退職状況が表示される。
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。
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。
また、人事ダッシュボード画面４４には、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が表示されるとともに、この表示に対応する虫眼鏡ボタンＢ６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、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。
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は、一覧画面４５を示す図である。
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。
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。
図９及び図１０は、従業員情報画面４６を示す図である。具体的には、図９は、従業員情報画面４６のうちの上段部分を示す図であり、図１０は、従業員情報画面４６のうちの下段部分を示す図である。
従業員情報画面４６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、蔵樹薫氏についての検索がなされた際に表示される画面である。なお、この従業員情報画面４６は、人事ダッシュボード画面４４（図７参照）において、現在休職中である社員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が行われた場合に表示される当該社員に関する一覧画面（図示省略）から蔵樹薫氏を選択する入力操作が行われることによっても表示されるようになっている。
図９に示すように、従業員情報画面４６には、サマリタブＴ４、基本情報タブＴ５、評価歴タブＴ６、所属歴タブＴ７、家族情報タブＴ８、給与情報タブＴ９、前職・休職歴タブＴ１０がそれぞれ配設されている。なお、サマリタブＴ４は、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にログインした際に表示される従業員情報画面でのみ出現するタブとなっている。
サーバ２にログインした社員（人事部に所属する社員）は、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。
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。
図９及び図１０に示すように、従業員情報画面４６には、サマリタブＴ４に対応する情報として、「アラート状況」、「休職・退職濃厚者該当状況」、「スコア」、「働き方」、「当月度状況」、「コミュニケーション分析」及び「フォロー履歴」の各項目に関する情報が表示される。
従業員情報画面４６の「アラート状況」の項目には、総合スコア、働き方スコア、働き方、要通院のそれぞれに関するアラート状況が表示される。
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、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。
また、従業員情報画面４６の「休職・退職濃厚者該当状況」の項目には、休職濃厚者及び退職濃厚者の該当状況が表示される。
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、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。
また、従業員情報画面４６の「スコア」の項目には、「総合スコア」、「能力発揮スコア」及び「働き方スコア」の各項目に関する情報が表示される。
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。
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、「能力発揮スコア」の項目には、能力発揮スコアの半期ごとの推移（直近２年間の推移）を示すグラフが表示される。また、このグラフの左方には、現在の能力発揮スコアとランクが表示される。また、このグラフの右方には、直近の実績ハイパフォーマーランクと予想ハイパフォーマーランクが表示される。
ここで、能力発揮スコアとは、パフォーマンスの発揮度合いを示すスコアである。
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。
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。
また、能力発揮スコアは、次式に基づき導出される。
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。
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。
また、「働き方スコア」の項目には、働き方スコア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、現在の働き方スコアとランクが表示される。また、このグラフの右方には、今日の出勤時及び退勤時の気分が表示される。
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。
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。
また、従業員情報画面４６の「働き方」の項目には、図１０に示すように、「気分データ」、「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」の各項目に関する情報が表示される。なお、上記各項目は、上述のトップ画面４２（図５参照）の「働き方」の項目に表示されるものと同じであるため、当該各項目についての説明は省略する。
また、従業員情報画面４６の「当月度状況」の項目には、「当月度就業時間」、「当月度普通残業時間」、「当月度深夜残業時間」及び「当月度休日出勤回数」の各項目に関する情報が表示される。なお、上記各項目は、上述のトップ画面４２（図５参照）の「当月度状況」の項目に表示されるものと同じであるため、当該各項目についての説明は省略する。
また、従業員情報画面４６の「コミュニケーション分析」の項目には、直属上司との相性レベルが表示される。以下、相性レベルの判定手順について説明する。
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。
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。
また、従業員情報画面４６の「フォロー履歴」の項目には、休職・退職濃厚者に対するフォローのコメントが表示される。
［休職濃厚者予測処理］
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。
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。
休職濃厚者予測処理が開始されると、ＣＰＵ２１は、全社員のうちから一の社員を予測対象者として選択する（ステップＳ１）。そして、ＣＰＵ２１は、予測対象者として選択された社員の実測値又は実績値を休職確率予測式の説明変数に代入し目的変数（休職確率）を導出する（ステップＳ２）。
ここで、休職確率予測式（休職確率予測モデル）の作成手順について説明する。
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。
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。
次いで、ＣＰＵ２１は、ステップＳ２で導出された目的変数（休職確率）の値が所定の閾値よりも大きいか否かを判定する（ステップＳ３）。
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いと判定された場合（ステップＳ３；ＹＥＳ）、ＣＰＵ２１は、ステップＳ１で選択された社員の人事情報に休職濃厚フラグを設定し（ステップＳ４）、ステップＳ５の処理へ移行する。
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。
次いで、ＣＰＵ２１は、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か否かを判定する（ステップＳ５）。
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ていないと判定された場合（ステップＳ５；ＮＯ）、ＣＰＵ２１は、処理をステップＳ１へ戻し、それ以降の処理を繰り返し行う。
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。
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。
［退職濃厚者予測処理］
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。
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。
退職濃厚者予測処理が開始されると、ＣＰＵ２１は、全社員のうちから一の社員を予測対象者として選択する（ステップＳ１１）。そして、ＣＰＵ２１は、予測対象者として選択された社員の実測値又は実績値を退職確率予測式の説明変数に代入し目的変数（退職確率）を導出する（ステップＳ１２）。
ここで、退職確率予測式（退職確率予測モデル）の作成手順について説明する。
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。
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。
次いで、ＣＰＵ２１は、ステップＳ１２で導出された目的変数（退職確率）の値が所定の閾値よりも大きいか否かを判定する（ステップＳ１３）。
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いと判定された場合（ステップＳ１３；ＹＥＳ）、ＣＰＵ２１は、ステップＳ１１で選択された社員の人事情報に退職濃厚フラグを設定し（ステップＳ１４）、ステップＳ１５の処理へ移行する。
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。
次いで、ＣＰＵ２１は、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か否かを判定する（ステップＳ１５）。
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ていないと判定された場合（ステップＳ１５；ＮＯ）、ＣＰＵ２１は、処理をステップＳ１１へ戻し、それ以降の処理を繰り返し行う。
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。
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。
以上、本実施の形態によれば、業務支援システム１におけるサーバ２は、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し、導出された確率が所定の閾値を超えた場合、上記予測対象者を休職濃厚者と判定し、休職濃厚者と判定された予測対象者を識別可能に端末装置３の表示部３５に表示させる。これにより、休職濃厚者を予測し認識することができるので、会社として休職濃厚者に対して早めに改善策をとることができる。したがって、休職濃厚者のモチベーションを高めることができるようになるので、結果として会社の利益につなげることができる。
また、サーバ２は、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（未対応の合計人数）を端末装置３の表示部３５に表示させるので、改善策をとらないまま休職濃厚者が放置されてしまうことを防止することができる。
また、サーバ２は、休職確率を月末ごと（定期的）に導出し、当該休職確率の導出周期ごとに、休職濃厚者と判定された予測対象者の人数（休職濃厚者の合計人数）を端末装置３の表示部３５に表示させるので、休職濃厚者の合計人数の変遷を確認することができる。
また、サーバ２は、休職確率の導出周期ごとに、実際の休職者数を端末装置３の表示部３５に表示させるので、例えば、当該実際の休職者数を休職濃厚者に対する改善策の有効性の判断材料とすることができる。
また、サーバ２は、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、回帰式を作成し、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ので、メンタル不調や生活習慣病が原因で休職する確率が高い社員（休職濃厚者）を予測することができる。これにより、会社として休職濃厚者に対して早めにメンタル不調の改善策や生活習慣病の改善策をとることができるので、当該休職濃厚者の健康を増進することができ、当該休職濃厚者による休職を回避することができる。
また、サーバ２は、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し、導出された確率が所定の閾値を超えた場合、予測対象者を退職濃厚者と判定し、退職濃厚者と判定された予測対象者を識別可能に端末装置３の表示部３５に表示させる。これにより、退職濃厚者を予測し認識することができるので、会社として退職濃厚者に対して早めに改善策をとることができる。したがって、退職濃厚者のモチベーションを高めることができるようになるので、結果として会社の利益につなげることができる。
また、サーバ２は、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（未対応の合計人数）を端末装置３の表示部３５に表示させるので、改善策をとらないまま退職濃厚者が放置されてしまうことを防止することができる。
また、サーバ２は、退職確率を月末ごと（定期的）に導出し、当該退職確率の導出周期ごとに、退職濃厚者と判定された予測対象者の人数（退職濃厚者の合計人数）を端末装置３の表示部３５に表示させるので、退職濃厚者の合計人数の変遷を確認することができる。
また、サーバ２は、退職確率の導出周期ごとに、実際の退職者数を端末装置３の表示部３５に表示させるので、例えば、当該実際の退職者数を退職濃厚者に対する改善策の有効性の判断材料とすることができる。
また、サーバ２は、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、回帰式を作成し、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ので、メンタル不調や生活習慣病が原因で退職する確率が高い社員（退職濃厚者）を予測することができる。これにより、会社として退職濃厚者に対して早めにメンタル不調の改善策や生活習慣病の改善策をとることができるので、当該退職濃厚者の健康を増進することができ、当該退職濃厚者による退職を回避することができる。
以上の説明では、本発明に係るプログラムのコンピュータ読み取り可能な媒体として記憶部２３のＨＤＤ、ＳＳＤ、ＥＥＰＲＯＭを使用した例を開示したが、この例に限定されない。その他のコンピュータ読み取り可能な媒体として、フラッシュメモリや、ＣＤ－ＲＯＭ等の可搬型記録媒体を適用することが可能である。また、本発明に係るプログラムのデータを通信回線を介して提供する媒体として、キャリアウエーブ（搬送波）も本発明に適用される。
なお、上記実施の形態における記述は、本発明に係る情報処理装置及びプログラムの一例であり、これに限定されるものではない。
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。
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。
また、上記実施形態では、休職確率予測式の作成にあたって、説明変数として、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、回帰式を作成したが、当該説明変数として選定される項目は適宜変更可能である。また、退職確率予測式の説明変数として選定される項目についても適宜変更可能である。
また、上記実施形態では、休職確率予測式の作成にあたって、回帰式の目的変数と説明変数に代入する過去の実測値又は実績値は、複数の会社の各社員を対象としても良い。また、退職確率予測式を作成する際も同様に、回帰式の目的変数と説明変数に代入する過去の実測値又は実績値は、複数の会社の各社員を対象としても良い。
また、上記実施形態では、休職濃厚者予測処理において、回帰分析により作成された休職確率予測式を用いて休職確率を導出するようにしたが、これに限定されるものではない。例えば、勾配ブースティングやランダムフォレストといった手法を採用し、機械学習により作成された予測モデル（決定木）を用いて休職確率を導出するようにしても良い。ここで、予測モデル（決定木）を作成する際の目的変数は、上記実施形態と同様に、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する。また、退職濃厚者予測処理についても、回帰分析により作成された退職確率予測式を用いて退職確率を導出する場合に限らず、勾配ブースティングやランダムフォレストといった手法を採用し、機械学習により作成された予測モデル（決定木）を用いて退職確率を導出するようにしても良い。
また、上記実施形態では、人事ダッシュボード画面４４の休職状況及び退職状況において、未対応の合計人数をそれぞれ表示するようにしたが、例えば、未対応の合計人数が所定数を超えた場合、例えば、端末装置３のスピーカーからの音声による報知などを行っても良い。
また、上記実施形態では、休職濃厚者予測処理において、休職する確率が高いと判定された社員の人事情報に休職濃厚フラグを設定するようにしたが、例えば、休職濃厚フラグが設定された状態が所定期間続いている休職濃厚者がいる場合、人事部に所属する社員に対して、例えば、電子メールの送信により、当該休職濃厚者に対する対応処置を促す報知を行うようにしても良い。また同様に、退職濃厚フラグが設定された状態が所定期間続いている退職濃厚者がいる場合、人事部に所属する社員に対して、例えば、電子メールの送信により、当該退職濃厚者に対する対応処置を促す報知を行うようにしても良い。
また、上記実施形態における業務支援システム１の各構成要素の細部構成及び細部動作に関しては、本発明の趣旨を逸脱することのない範囲で適宜変更可能であることは勿論である。
本発明の実施の形態を説明したが、本発明の範囲は、上述の実施の形態に限定するものではなく、特許請求の範囲に記載された発明の範囲とその均等の範囲を含む。
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。
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。
１ 業務支援システム
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）
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 |