JP2021018610A - Information processing device, program, information processing method and learned model - Google Patents
Information processing device, program, information processing method and learned model Download PDFInfo
- Publication number
- JP2021018610A JP2021018610A JP2019133941A JP2019133941A JP2021018610A JP 2021018610 A JP2021018610 A JP 2021018610A JP 2019133941 A JP2019133941 A JP 2019133941A JP 2019133941 A JP2019133941 A JP 2019133941A JP 2021018610 A JP2021018610 A JP 2021018610A
- Authority
- JP
- Japan
- Prior art keywords
- charge
- person
- information
- evaluation
- phase
- 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.)
- Granted
Links
- 230000010365 information processing Effects 0.000 title claims abstract description 53
- 238000003672 processing method Methods 0.000 title claims description 10
- 238000011156 evaluation Methods 0.000 claims abstract description 140
- 238000013210 evaluation model Methods 0.000 claims abstract description 52
- 238000010801 machine learning Methods 0.000 claims abstract description 40
- 230000006870 function Effects 0.000 claims description 11
- 238000012549 training Methods 0.000 claims description 4
- 230000002250 progressing effect Effects 0.000 abstract description 2
- 238000000034 method Methods 0.000 description 13
- 238000012545 processing Methods 0.000 description 9
- 230000008569 process Effects 0.000 description 7
- 230000007704 transition Effects 0.000 description 5
- 238000004880 explosion Methods 0.000 description 4
- 238000013473 artificial intelligence Methods 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 2
- 238000013135 deep learning Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000007774 longterm Effects 0.000 description 2
- 238000007781 pre-processing Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000007717 exclusion Effects 0.000 description 1
- 230000008520 organization Effects 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 230000033772 system development Effects 0.000 description 1
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
Description
本発明は、案件のフォーズに応じた担当者の評価と、その評価に応じた予定案件への担当者の配置に用いられる情報処理装置、情報処理プログラム、情報処理方法及び学習済みモデルに関するものである。 The present invention relates to an information processing device, an information processing program, an information processing method, and a learned model used for evaluating a person in charge according to the force of a project and assigning a person in charge to a planned project according to the evaluation. is there.
企業等の組織において、取り扱う案件の内容に応じて成果を上げられる可能性が高い担当者を適切に配置することは重要な課題であるが、こうした課題に対して、案件(タスク)の属性とこれに適した担当者(リソース)の関係をルール化して、各々の案件(タスク)に適した担当者(リソース)を割り当てるコンピュータシステムに関する発明が開示されている(例えば、特許文献1参照)。 In an organization such as a company, it is an important issue to appropriately assign a person in charge who is likely to produce results according to the content of the matter to be handled, but for these issues, the attributes of the matter (task) and An invention relating to a computer system in which a person (resource) relationship suitable for this is ruled and a person (resource) suitable for each case (task) is assigned is disclosed (see, for example, Patent Document 1).
また、こうした案件の属性に応じた担当者を配置する人員配置において、担当者に対する一般的な評価のみに基づくのではなく、その案件(業務)の内容や求められるパフォーマンスに応じた人員配置を行う発明も開示されている(例えば、特許文献2参照)。 In addition, in the staffing of personnel according to the attributes of such projects, the personnel are allocated according to the content of the project (business) and the required performance, not only based on the general evaluation of the personnel. The invention is also disclosed (see, for example, Patent Document 2).
こうした文献等に開示されている案件と担当者の属性をマッチングさせる技術によって、例えば、顧客にある物件を販売する商談に係る案件に対して、その顧客との良好な関係を築くことを期待できる担当者や、対象となる物件に精通している担当者を、当該案件の担当者に選定することが可能になる。しかしながら、大型物件の販売のように複数回の交渉や長期間にわたる商談が必要な案件においては、初回訪問、2回目以降の訪問、商談のクロージング、契約の締結といった案件のフェーズに応じて、担当者に求められる資質やスキルが異なるため、単に案件と担当者の属性をマッチングさせるだけでは、案件のフェーズに応じた担当者の適性を評価して、適切な担当者を選定することは難しい。 With the technology of matching the attributes of the person in charge with the matter disclosed in such documents, for example, it can be expected to build a good relationship with the customer for the matter related to the business negotiation to sell the property. It is possible to select a person in charge or a person who is familiar with the target property as the person in charge of the project. However, for projects that require multiple negotiations or long-term business negotiations, such as sales of large properties, we are in charge of the first visit, the second and subsequent visits, closing of business negotiations, and the conclusion of contracts. Since the qualities and skills required of a person are different, it is difficult to evaluate the aptitude of a person in charge according to the phase of the case and select an appropriate person in charge simply by matching the attributes of the case and the person in charge.
また、各々の案件のフェーズに応じた担当者を選定することが可能であるとしても、企業等が一定の規模になると、同時に複数の商談等の案件が進行し、それらの案件を複数の担当者が分担して担当することが通常である。そのため、各々の案件のフェーズに応じた担当者を選定するだけでなく、同じ期間に進行している複数の商談等の案件に対して、最適の状態に担当者を配置する仕組みも求められるところである。 In addition, even if it is possible to select a person in charge according to the phase of each project, when a company or the like reaches a certain scale, multiple projects such as business negotiations proceed at the same time, and multiple projects are in charge of those projects. It is normal for the person to share the responsibility. Therefore, it is required not only to select the person in charge according to the phase of each case, but also to assign the person in charge to the optimum state for multiple business negotiations that are in progress during the same period. is there.
本発明は、このような課題に対応してなされたものであり、案件のフェーズに応じた担当者の適性を評価するとともに、同じ期間に進行する複数の案件に対してその評価に応じて最適化された配置案を提示することが可能な、案件のフォーズに応じた担当者の評価と、その評価に応じた予定案件への担当者の配置に用いられる情報処理装置、情報処理プログラム、情報処理方法及び学習済みモデルを提供することを目的とするものである。 The present invention has been made in response to such a problem, evaluates the aptitude of the person in charge according to the phase of the project, and is optimal for a plurality of projects progressing in the same period according to the evaluation. Information processing equipment, information processing programs, and information used to evaluate the person in charge according to the fore of the matter and to assign the person in charge to the planned matter according to the evaluation, which can present the converted layout plan. It is an object of the present invention to provide a processing method and a trained model.
このような課題を解決するために、本発明に係る情報処理装置は、フェーズが特定された過去の案件に関する案件実績情報と、前記過去の案件の前記フェーズを担当した担当者に関する担当者情報、及び前記過去の案件の前記フェーズにおける前記担当者に対する評価に関する評価実績情報を含む学習用データを用いて、所定の評価モデルの機械学習を実行する学習手段と、フェーズが特定された将来の予定案件に関する予定案件情報と、前記予定案件の前記フェーズを担当する担当者に関する担当者情報を含む入力データを前記評価モデルに入力して、前記予定案件の前記フェーズを前記担当者が担当する場合の評価を予測した評価予測情報を出力データとして出力する評価予測情報出力手段と、を備えることを特徴とする。前記学習手段は、一の過去の案件に対して二以上のフェーズにおける前記案件実績情報と、それらに対応する前記担当者情報及び前記評価実績情報を含む学習用データを用いて、機械学習を実行することを特徴としてもよい。 In order to solve such a problem, the information processing apparatus according to the present invention includes information on the actual case of the past case in which the phase is specified and information on the person in charge of the person in charge of the phase of the past case. And a learning means for executing machine learning of a predetermined evaluation model using learning data including evaluation performance information regarding the evaluation of the person in charge in the phase of the past project, and a future planned project in which the phase is specified. Evaluation when the person in charge is in charge of the phase of the planned matter by inputting input data including information on the planned matter and the person in charge of the person in charge of the phase of the planned matter into the evaluation model. It is characterized by including an evaluation prediction information output means for outputting the evaluation prediction information that predicts the above as output data. The learning means executes machine learning for one past project by using the project record information in two or more phases, and the learning data including the person in charge information and the evaluation record information corresponding thereto. It may be characterized by doing.
本発明では、顧客と対象物件等によって特定される商談等の案件単位ではなく、案件のフェーズ単位の案件実績情報と、その案件のフェーズを担当した担当者、その案件のフェーズにおける担当者に対する評価である評価実績情報を含む学習用データを用いて機械学習によって評価モデルを生成し、その評価モデルを用いることによって、予定案件のフェーズ毎に担当者の評価を行える構成としている。こうした構成によって、予定案件のフェーズに応じた担当者の適性を評価することが可能になる。 In the present invention, the case performance information for each phase of the case, not the case unit such as business negotiations specified by the customer and the target property, the person in charge of the phase of the case, and the person in charge in the phase of the case are evaluated. An evaluation model is generated by machine learning using learning data including evaluation performance information, and by using the evaluation model, the person in charge can be evaluated for each phase of the planned project. With such a configuration, it becomes possible to evaluate the aptitude of the person in charge according to the phase of the planned project.
また、本発明に係る情報処理装置は、前記案件実績情報と、前記案件実績情報に対応する前記評価実績情報を関連づけて格納する情報格納手段を備えていて、前記学習手段は、前記情報格納手段から読み出した前記案件実績情報及び前記評価実績情報を含む学習用データを用いて、機械学習を実行することを特徴とする。 Further, the information processing apparatus according to the present invention includes information storage means for storing the case record information and the evaluation result information corresponding to the case record information in association with each other, and the learning means is the information storage means. It is characterized in that machine learning is executed using the learning data including the project record information and the evaluation record information read from.
本発明を効果的に実施するためには、学習手段によって機械学習を実行する前処理として、上記のように、案件のフェーズ単位の案件実績情報と、その案件のフェーズを担当した担当者に対する評価に関する情報を関連づけて格納しておく構成とすることが好ましい。 In order to effectively implement the present invention, as a preprocessing for executing machine learning by learning means, as described above, the case performance information for each phase of the case and the evaluation of the person in charge of the phase of the case are evaluated. It is preferable to have a configuration in which information about the above is associated and stored.
また、本発明に係る情報処理装置は、前記学習手段は、前記過去の案件の相手方である顧客に関する顧客情報を含む学習用データを用いて機械学習を実行し、前記評価予測情報出力手段は、前記予定案件の相手方である顧客に関する顧客情報を含む入力データを前記評価モデルに入力して、前記評価予測情報を出力データとして出力することを特徴とすることもできる。 Further, in the information processing apparatus according to the present invention, the learning means executes machine learning using learning data including customer information about a customer who is a partner of the past case, and the evaluation prediction information output means It is also possible to input input data including customer information about a customer who is the other party of the scheduled project into the evaluation model and output the evaluation prediction information as output data.
予定案件のフェーズに応じた担当者の適性、特に各々の顧客との相性も反映された適切な評価を行うためには、上記のように構成して、対象となる案件のフェーズを担当した担当者に関する情報だけでなく、案件の相手方である顧客に関する情報も反映された評価モデルで担当者の評価を行うことが好ましい。 In order to perform an appropriate evaluation that reflects the aptitude of the person in charge according to the phase of the planned project, especially the compatibility with each customer, the person in charge of the phase of the target project is configured as described above. It is preferable to evaluate the person in charge using an evaluation model that reflects not only the information about the person but also the information about the customer who is the other party of the project.
また、本発明に係る情報処理装置は、前記評価予測情報出力手段は、一の予定案件情報に対して、二以上の異なる担当者に関する担当者情報と組み合わせた二以上の入力データを前記評価モデルに入力して、前記二以上の異なる担当者の各々に対応する評価予測情報を出力し、前記二以上の異なる担当者の各々に対応する評価予測情報から、前記一の予定案件情報に対応する予定案件を担当する担当者の候補者リストを生成する候補者リスト生成手段を備えることを特徴とすることもできる。 Further, in the information processing apparatus according to the present invention, the evaluation prediction information output means uses the evaluation model by combining two or more input data in combination with the person in charge information regarding two or more different persons in charge for one scheduled matter information. Is input to to output the evaluation prediction information corresponding to each of the two or more different persons in charge, and the evaluation prediction information corresponding to each of the two or more different persons in charge corresponds to the one scheduled matter information. It is also possible to provide a candidate list generation means for generating a candidate list of the person in charge of the scheduled matter.
企業等で同時に複数の案件が進行している場合には、同じ担当者が配置されないように調整が必要になるが、このように構成すると、一件の案件に対して一名の担当者ではなく、二以上の担当者がその案件を担当する候補者として提示されるので、同じ期間内に進行する複数の案件に対して最適化された担当者の配置を選定することが必要な場合に、特に好適となる。 When multiple projects are in progress at the same time in a company etc., it is necessary to make adjustments so that the same person in charge is not assigned, but with this configuration, one person in charge for one case If it is necessary to select an optimized assignment of personnel for multiple projects that proceed within the same period, because two or more personnel will be presented as candidates in charge of the project. , Especially suitable.
また、本発明に係る情報処理装置は、前記候補者リスト生成手段は、所定の期間に予定されている予定案件に関する二以上の予定案件情報に対応する二以上の候補者リストを生成し、前記二以上の予定案件情報に対応する各々の予定案件について、対応する候補者リストから選定した担当者を組み合わせた担当者配置案の実行可能性をシミュレーションして、実行可能と判断された担当者配置案について、各々の予定案件について候補者リストから選定された担当者の評価予測情報を用いて、前記担当者配置案に対する評価を実行する担当者配置案評価手段を備えることを特徴とすることもできる。前記担当者配置案評価手段は、同一の期間に予定されている予定案件に関する二以上の予定案件情報に対して、実行可能と判断された二以上の担当者配置案の各々に対する評価を実行し、前記二以上の担当者配置案から、各々の担当者配置案に対する評価に基づき一又は二以上の担当者配置案を選定する担当者配置案選定手段を備えることを特徴としてもよい。 Further, in the information processing apparatus according to the present invention, the candidate list generation means generates a list of two or more candidates corresponding to information on two or more scheduled projects related to the scheduled projects scheduled for a predetermined period. For each scheduled project corresponding to two or more scheduled project information, the feasibility of the person in charge allocation plan that combines the persons in charge selected from the corresponding candidate list is simulated, and the person in charge is determined to be feasible. The proposal is also characterized in that it is provided with a person in charge allocation plan evaluation means for executing an evaluation on the person in charge allocation plan by using the evaluation prediction information of the person in charge selected from the candidate list for each planned project. it can. The person-in-charge allocation plan evaluation means evaluates each of the two or more person-in-charge assignment proposals judged to be feasible for two or more scheduled matter information related to the scheduled matter scheduled in the same period. It may be characterized by providing a person in charge allocation plan selection means for selecting one or more person in charge allocation plans based on the evaluation of each person in charge allocation plan from the two or more person in charge allocation plans.
このように構成すると、将来の同じ期間に進行する複数の予定案件に対して、実行可能な担当者配置案を生成してその評価を行うとともに、その中から最適となる担当者配置案を選定することが可能になる。 With this configuration, for multiple scheduled projects that will proceed in the same period in the future, a feasible person in charge allocation plan is generated and evaluated, and the optimum person in charge allocation plan is selected from among them. It becomes possible to do.
また、本発明に係る情報処理装置は、前記担当者配置案評価手段は、前記候補者リストに含まれる担当者から所定の条件に基づき絞り込んだ担当者を組み合せた担当者配置案のみを対象に実行可能性をシミュレーションすることを特徴とすることもできる。 Further, in the information processing apparatus according to the present invention, the person-in-charge allocation plan evaluation means targets only the person-in-charge allocation plan in which the persons in charge narrowed down based on predetermined conditions from the persons in the candidate list are combined. It can also be characterized by simulating feasibility.
このように構成すると、候補者リストに含まれる担当者の組合せの数が膨大となり、いわゆる「組合せ爆発」が起こることを防ぎたい場合に、その組合せの数を抑制してシステム処理にかかる負荷を低減することが可能になる。 With this configuration, the number of combinations of persons in charge included in the candidate list becomes enormous, and when it is desired to prevent a so-called "combinatorial explosion" from occurring, the number of combinations can be suppressed to reduce the load on system processing. It becomes possible to reduce.
また、本発明は、本発明に係る情報処理装置に対応するコンピュータにおいて動作する、情報処理プログラムとして特定することもできる。 The present invention can also be specified as an information processing program that operates in a computer corresponding to the information processing device according to the present invention.
本発明に係る情報処理プログラムは、コンピュータを、フェーズが特定された過去の案件に関する案件実績情報と、前記過去の案件の前記フェーズを担当した担当者に関する担当者情報、及び前記過去の案件の前記フェーズにおける前記担当者に対する評価に関する評価実績情報を含む学習用データを用いて、所定の評価モデルの機械学習を実行する学習手段、フェーズが特定された将来の予定案件に関する予定案件情報と、前記予定案件の前記フェーズを担当する担当者に関する担当者情報を含む入力データを前記評価モデルに入力して、前記予定案件の前記フェーズを前記担当者が担当する場合の評価を予測した評価予測情報を出力データとして出力する評価予測情報出力手段、として機能させるためのプログラムである。 The information processing program according to the present invention uses a computer to provide case record information regarding a past case in which a phase is specified, information on a person in charge of the person in charge of the phase of the past case, and said in the past case. A learning means for executing machine learning of a predetermined evaluation model using learning data including evaluation performance information regarding the evaluation of the person in charge in the phase, scheduled project information regarding a future planned project in which the phase is specified, and the schedule. Input data including the person in charge information about the person in charge of the phase of the matter is input to the evaluation model, and the evaluation prediction information predicting the evaluation when the person in charge is in charge of the phase of the planned matter is output. It is a program to function as an evaluation prediction information output means to be output as data.
また、本発明に係る情報処理プログラムは、先に説明した情報処理装置の各々の構成において動作する、情報処理プログラムとして特定することもできる。 Further, the information processing program according to the present invention can also be specified as an information processing program that operates in each configuration of the information processing apparatus described above.
また、本発明は、本発明に係る情報処理装置に対応するコンピュータよって実行される、情報処理方法として特定することもできる。 The present invention can also be specified as an information processing method executed by a computer corresponding to the information processing device according to the present invention.
本発明に係る情報処理方法は、コンピュータが、フェーズが特定された過去の案件に関する案件実績情報と、前記過去の案件の前記フェーズを担当した担当者に関する担当者情報、及び前記過去の案件の前記フェーズにおける前記担当者に対する評価に関する評価実績情報を含む学習用データを用いて、所定の評価モデルの機械学習を実行する学習ステップと、前記コンピュータが、フェーズが特定された将来の予定案件に関する予定案件情報と、前記予定案件の前記フェーズを担当する担当者に関する担当者情報を含む入力データを前記評価モデルに入力して、前記予定案件の前記フェーズを前記担当者が担当する場合の評価を予測した評価予測情報を出力データとして出力する評価予測情報出力ステップと、を有することを特徴とする情報処理方法である。 In the information processing method according to the present invention, the computer uses the case record information regarding the past case for which the phase is specified, the person in charge information regarding the person in charge of the phase of the past case, and the said in the past case. A learning step that executes machine learning of a predetermined evaluation model using learning data including evaluation performance information regarding the evaluation of the person in charge in the phase, and a planned matter related to a future planned matter in which the phase is specified by the computer. The information and the input data including the person in charge information about the person in charge of the phase of the planned matter are input to the evaluation model, and the evaluation when the person in charge is in charge of the phase of the planned matter is predicted. It is an information processing method characterized by having an evaluation prediction information output step for outputting evaluation prediction information as output data.
また、本発明に係る情報処理方法は、先に説明した情報処理装置の各々の構成によって実行される、情報処理方法として特定することもできる。 Further, the information processing method according to the present invention can also be specified as an information processing method executed by each configuration of the information processing apparatus described above.
また、本発明は、本発明に係る情報処理装置において生成され、データの入出力が行われる学習済みモデルとして特定することもできる。 Further, the present invention can also be specified as a trained model generated in the information processing apparatus according to the present invention and in which data is input / output.
本発明に係る学習済みモデルは、フェーズが特定された過去の案件に関する案件実績情報と、前記過去の案件の前記フェーズを担当した担当者に関する担当者情報、及び前記過去の案件の前記フェーズにおける前記担当者に対する評価に関する評価実績情報を含む学習用データを用いて、機械学習を実行することによって生成され、フェーズが特定された将来の予定案件に関する予定案件情報と、前記予定案件の前記フェーズを担当する担当者に関する担当者情報を含む入力データを入力すると、前記予定案件の前記フェーズを前記担当者が担当する場合の評価を予測した評価予測情報を出力データとして出力するよう、コンピュータを機能させるための学習済みモデルである。 In the learned model according to the present invention, the case record information regarding the past case for which the phase is specified, the person in charge information regarding the person in charge of the phase of the past case, and the said in the phase of the past case. Responsible for the planned matter information related to the future planned matter that is generated by executing machine learning and the phase is specified using the learning data including the evaluation performance information related to the evaluation of the person in charge, and the phase of the scheduled matter. When input data including the person in charge information about the person in charge is input, the computer functions to output the evaluation prediction information that predicts the evaluation when the person in charge is in charge of the phase of the planned matter as output data. Is a trained model of.
また、本発明に係る情報処理方法は、先に説明した情報処理装置の各々の構成に対応する学習済みモデルとして特定することもできる。 Further, the information processing method according to the present invention can also be specified as a trained model corresponding to each configuration of the information processing apparatus described above.
本発明によると、業務内容等の案件の属性だけでなく、案件のフェーズに応じた担当者の適性を評価して、各々のフェーズに適した担当者を選定することが可能になる。また、同じ期間に進行する複数の予定案件に対して、案件のフェーズに応じた適性を評価された担当者を最適の状態に配置した配置案を提示することも可能になり、企業等における案件毎の担当者の配置業務が高度化かつ効率化される。 According to the present invention, it is possible to evaluate not only the attributes of a project such as business content but also the suitability of a person in charge according to the phase of the project, and select a person in charge suitable for each phase. In addition, for multiple scheduled projects that proceed in the same period, it is possible to present an allocation plan in which the person in charge who has been evaluated for suitability according to the phase of the project is assigned in the optimum state, and the project in a company or the like. The work of assigning personnel to each person will be sophisticated and efficient.
本発明は、不動産等の大型物件の販売や賃貸、大規模なシステム開発の受託、M&Aの仲介等のように、複数回の交渉や長期間にわたる商談が必要であり、担当者の商談スキル、顧客との相性、商談フェーズとの相性等がその進捗に大きく影響しやすい案件を担当する営業部門の担当者等の配置に特に好適であり、こうした大型案件の成約推進による経済活動の活性化を期待することもできる。 The present invention requires multiple negotiations and long-term business negotiations, such as sales and leasing of large-scale properties such as real estate, contracts for large-scale system development, and mediation of M & A. It is particularly suitable for allocating personnel in the sales department who are in charge of projects whose progress is likely to be greatly affected by compatibility with customers, compatibility with the negotiation phase, etc., and revitalize economic activities by promoting the conclusion of such large-scale projects. You can also expect it.
本発明を実施するための形態について、図面を用いて以下に詳細に説明する。尚、以下においては、本発明を不動産販売等の案件に係る商談を担当する営業部店等の担当者の管理に適用する例について説明するが、本発明の実施形態の一例を示すものであって、本発明は以下の実施形態に限定されるものではない。 The embodiment for carrying out the present invention will be described in detail below with reference to the drawings. In the following, an example in which the present invention is applied to the management of a person in charge of a sales department or the like in charge of business negotiations relating to a project such as real estate sales will be described, but an example of an embodiment of the present invention is shown. Therefore, the present invention is not limited to the following embodiments.
図1は、本発明を不動産販売等の案件に係る商談を担当する営業部店等の担当者の管理に適用するケースにおける、実施形態の概要を示したものである。図1において、業務管理サーバ10が本発明に係る情報処理装置に対応する。 FIG. 1 shows an outline of an embodiment in a case where the present invention is applied to the management of a person in charge of a sales department or the like who is in charge of business negotiations related to a case such as real estate sales. In FIG. 1, the business management server 10 corresponds to the information processing device according to the present invention.
不動産販売等に係る複数の案件を抱えている事業者は、それらの案件に係る商談を営業部店等の複数の担当者に割り当てて担当させている。各々の案件に係る商談をどの担当者に担当させるかについては、案件の性質等と担当者のスキル等を考慮して決定されるが、ここでは各々の案件と担当者のマッチングに、本発明に係る情報処理装置に対応する機能を備えた業務管理サーバ10が用いられる。 A business operator that has a plurality of projects related to real estate sales, etc. assigns business negotiations related to those projects to a plurality of persons in charge such as sales department stores. Which person in charge is in charge of business negotiations related to each case is determined in consideration of the nature of the case and the skill of the person in charge. Here, the present invention is used to match each case with the person in charge. A business management server 10 having a function corresponding to the information processing apparatus according to the above is used.
業務管理サーバ10には、不動産販売等の案件の内容や商談の進捗状況等に関する案件情報(案件情報には過去の案件の実績に関する案件実績情報と、将来の予定案件に関する予定案件情報が含まれる)、各々の案件の相手方である顧客の属性や特徴等に関する顧客情報、各々の案件に係る商談を担当する担当者の属性やスキル等に関する担当者情報が、データベースに格納されている。 The business management server 10 includes project information related to the content of projects such as real estate sales and the progress of business negotiations (project information includes project record information related to past project results and planned project information related to future planned projects. ), Customer information on the attributes and characteristics of the customer who is the other party of each case, and person in charge information on the attributes and skills of the person in charge of business negotiations related to each case are stored in the database.
データベースに格納されるこれらの情報のうち、案件情報と顧客情報は、各々の案件や顧客を担当する担当者が自らの所持するスマートフォン等の担当者端末30から、あるいは、担当者の上司等の管理者が各営業所に設置されたPC等の営業所端末40や本部等に設置された管理者端末50から入力し、担当者情報は、各々の担当者の上司等の管理者が営業所端末40や管理者端末50から入力して、インターネット等のネットワーク経由で業務管理サーバ10に送信される。 Of these information stored in the database, the case information and the customer information can be obtained from the person in charge terminal 30 such as a smartphone owned by the person in charge of each case or customer, or by the person in charge's boss or the like. The administrator inputs from the sales office terminal 40 such as a PC installed in each sales office or the administrator terminal 50 installed in the headquarters, etc., and the person in charge information is input by the manager such as the boss of each person in charge at the sales office. It is input from the terminal 40 or the administrator terminal 50 and transmitted to the business management server 10 via a network such as the Internet.
このようにしてデータベースに案件情報、顧客情報及び担当者情報が蓄積されると、過去の案件に関する案件情報(案件実績情報)及び顧客情報と、各々の案件を担当した担当者情報の関係性をその評価を含めて解析することで、将来予定されている予定案件についても、その解析結果を用いて予定案件に関する案件情報(予定案件情報)や顧客情報を候補となる担当者の担当者情報とマッチングさせれば、各々の案件に対する担当者の適性を評価し、成果を期待できる可能性が高い担当者を割り当てることが可能になると考えられる。 When the case information, customer information, and person in charge information are accumulated in the database in this way, the relationship between the case information (case record information) and customer information related to the past case and the person in charge information in charge of each case can be obtained. By analyzing including the evaluation, even for the planned projects in the future, the project information (scheduled project information) and customer information related to the planned project can be used as the person in charge information of the candidate person in charge. By matching, it will be possible to evaluate the suitability of the person in charge for each case and assign the person in charge who is likely to expect results.
その際に、本発明では、各々の案件における成果に基づく案件を担当した担当者の評価を、案件単位ではなく案件のフェーズ単位で管理するとともに、担当者の評価には機械学習による学習済みの評価モデルを活用し、さらに、個々の予定案件に対する担当者の評価だけでなく、所定の期間に予定されている複数の予定案件に対してその評価を用いて最適化された担当者の配置を提示することを特徴としている。 At that time, in the present invention, the evaluation of the person in charge of the case based on the result of each case is managed not in the case unit but in the phase unit of the case, and the evaluation of the person in charge has already been learned by machine learning. Utilizing the evaluation model, not only the evaluation of the person in charge for each scheduled project, but also the allocation of the person in charge optimized by using the evaluation for multiple scheduled projects in a predetermined period. It is characterized by presenting.
具体的には、案件のフェーズ毎に管理される案件実績情報には、各々のフェーズを担当した担当者の評価が記録されていて、こうした評価に関する評価実績情報と関連付けられた案件実績情報と案件の相手方である顧客の顧客情報、その案件のフェーズを担当した担当者の担当者情報を機械学習によって評価モデルに学習させる。このようにして生成された学習済みの評価モデルに、各々のフェーズが特定された予定案件に関する予定案件情報とその予定案件の相手方である顧客の顧客情報、その予定案件のフェーズを担当する候補となる担当者の担当者情報を入力すると、各々の担当者がその予定案件のフェーズ担当する場合に期待できる成果を予測した評価予測情報が出力される。 Specifically, the case record information managed for each phase of the case records the evaluation of the person in charge of each phase, and the case result information and the case associated with the evaluation result information related to such evaluation. The evaluation model is made to learn the customer information of the customer who is the other party and the person in charge information of the person in charge of the phase of the case by machine learning. In the trained evaluation model generated in this way, the planned matter information related to the scheduled matter for which each phase is specified, the customer information of the customer who is the other party of the scheduled matter, and the candidate in charge of the phase of the planned matter When the person in charge information of the person in charge is input, the evaluation prediction information that predicts the expected result when each person in charge is in charge of the phase of the planned matter is output.
このようにしてフェーズが特定された各々の予定案件について、各々の予定案件を担当する候補となる担当者の評価予測情報が出力されると、その中から所定の基準を満たす担当者が各々の予定案件を担当する候補者に選定される。所定の期間に予定されている複数の予定案件について、各々の予定案件を担当する候補者が選定されると、同じ時間帯に予定されている複数の予定案件を同じ担当者が担当することはできないこと、及び既存予定や移動時間等を考慮して、想定される候補者の組合せの実行可能性をシミュレーションして、実行可能と判断された担当者配置案が、担当者の配置の決定等を担当する本部等の管理者が操作するPC等の管理者端末20に出力される。 When the evaluation prediction information of the person in charge who is a candidate in charge of each planned project is output for each scheduled project whose phase is specified in this way, the person in charge who meets the predetermined criteria is each output. Selected as a candidate in charge of the planned project. When a candidate in charge of each scheduled project is selected for multiple scheduled projects scheduled in a predetermined period, the same person may be in charge of multiple scheduled projects scheduled in the same time zone. Considering what cannot be done, existing schedules, travel time, etc., the feasibility of the expected combination of candidates is simulated, and the person in charge allocation plan judged to be feasible is the determination of the person in charge, etc. It is output to the administrator terminal 20 such as a PC operated by the administrator of the headquarters or the like in charge of.
尚、図1には、本発明に係る情報処理装置をインターネットに接続された業務管理サーバ10として構成する実施形態の例を示しているが、クローズドなネットワークに接続されたネットワーク端末から業務管理サーバ10が案件情報等を受信する構成としてもよいし、スタンドアローンで用いられるコンピュータを本発明に係る情報処理装置として、案件情報等をネットワーク経由ではなくキーボード等の入力装置から本発明に係る情報処理装置に直接入力する構成として、本発明を実施することとしてもよい。 Although FIG. 1 shows an example of an embodiment in which the information processing device according to the present invention is configured as a business management server 10 connected to the Internet, a business management server is connected to a network terminal connected to a closed network. 10 may be configured to receive the matter information or the like, or the computer used in the stand-alone may be used as the information processing device according to the present invention, and the matter information or the like may be processed by the input device such as a keyboard instead of via the network. The present invention may be implemented as a configuration for directly inputting to the device.
図2のブロック図は、本発明に係る情報処理装置に対応する業務管理サーバ10の、図1に示した実施形態における構成の一例を、機能ブロックで示したものである。業務管理サーバ10は、インターネットに接続されてデータの送受信が可能なサーバコンピュータであり、CPU、メインメモリ、HDD等の補助記憶装置が備えられている。業務管理サーバ10では、補助記憶装置に格納されたプログラムがメインメモリに読み出され、CPUで演算処理を実行することによって所定の機能が実現される。 The block diagram of FIG. 2 shows an example of the configuration of the business management server 10 corresponding to the information processing apparatus according to the present invention in the embodiment shown in FIG. 1 in functional blocks. The business management server 10 is a server computer that is connected to the Internet and capable of transmitting and receiving data, and is provided with auxiliary storage devices such as a CPU, main memory, and HDD. In the business management server 10, a program stored in the auxiliary storage device is read into the main memory, and a predetermined function is realized by executing arithmetic processing on the CPU.
業務管理サーバ10を構成するコンピュータの物理的な構成は特に限定されるものではなく、本発明における案件を担当する担当者の評価や配置を行う機能以外の機能が、同一のコンピュータに備えられるものであってもよい。また、本発明に必要な各々の機能は、物理的に一台のコンピュータによって実現されるものであってもよいし、複数のコンピュータが連携して実現されるものであってもよい。 The physical configuration of the computer constituting the business management server 10 is not particularly limited, and the same computer is provided with functions other than the function of evaluating and allocating the person in charge of the case in the present invention. It may be. In addition, each function required for the present invention may be physically realized by one computer, or may be realized by a plurality of computers in cooperation with each other.
業務管理サーバ10の機械学習実行部14、評価予測情報出力部16、候補者リスト生成部17、担当者配置案評価部18、担当者配置案選定・出力部19は、いずれも機能的に特定されるものであって、HDD等の補助記憶装置に格納された各部の機能に対応するプログラムがメインメモリに読み出され、CPUで演算処理を実行することによって、各部に対応する機能が実現される。 The machine learning execution unit 14, the evaluation prediction information output unit 16, the candidate list generation unit 17, the person in charge allocation plan evaluation unit 18, and the person in charge allocation plan selection / output unit 19 of the business management server 10 are all functionally specified. The program corresponding to the function of each part stored in the auxiliary storage device such as HDD is read into the main memory, and the function corresponding to each part is realized by executing the arithmetic processing in the CPU. To.
業務管理サーバ10の案件情報格納部11、顧客情報格納部12、担当者情報格納部13、評価モデル記憶部15には、HDD等の補助記憶装置の所定の記憶領域が割り当てられる。これらの記憶領域は物理的に一台のコンピュータに設けられることを必須の要件とするものではなく、データベースサーバを構成するコンピュータ等の複数のコンピュータに設けられるものであってもよい。 A predetermined storage area of an auxiliary storage device such as an HDD is allocated to the case information storage unit 11, the customer information storage unit 12, the person in charge information storage unit 13, and the evaluation model storage unit 15 of the business management server 10. These storage areas do not have to be physically provided in one computer, but may be provided in a plurality of computers such as computers constituting the database server.
管理者端末20、担当者端末30、営業所端末40、管理者端末50は、業務管理サーバ10とのデータの送受信が可能なネットワーク端末であれば、その構成は特に限定されるものではなく、PCやタブレット型コンピュータ、スマートフォン等を用いることができる。 The configuration of the administrator terminal 20, the person in charge terminal 30, the sales office terminal 40, and the administrator terminal 50 is not particularly limited as long as they are network terminals capable of transmitting and receiving data to and from the business management server 10. A PC, a tablet computer, a smartphone, or the like can be used.
尚、先に説明した、本発明をスタンドアローンのコンピュータに適用する実施形態においては、業務管理サーバ10に案件情報等を入力する担当者端末30、営業所端末40、管理者端末50や、業務管理サーバ10から担当者配置案が出力される管理者端末20には、業務管理サーバ10に対応するコンピュータに直接接続されたキーボードやモニター等の入出力装置が該当することになる。 In the embodiment in which the present invention is applied to a stand-alone computer described above, the person in charge terminal 30, the sales office terminal 40, the administrator terminal 50, and the business that input the matter information and the like to the business management server 10 are used. An input / output device such as a keyboard or a monitor directly connected to a computer corresponding to the business management server 10 corresponds to the administrator terminal 20 to which the person in charge allocation plan is output from the management server 10.
以上の構成を前提にして、図3−10を用いて、本発明に係る情報処理装置に対応する業務管理サーバ10において、機械学習により評価モデルが生成され、その評価モデルを用いて将来予定されている案件(予定案件)を各々の担当者が担当する場合の評価を実行するとともに、各々の予定案件を担当する候補となる担当者の候補者リストを生成し、所定の期間における複数の予定案件に対して候補者リストから選定された担当者を実行可能な状態で配置した担当者配置案を選定する流れについて、以下に具体的に説明する。 Based on the above configuration, an evaluation model is generated by machine learning on the business management server 10 corresponding to the information processing device according to the present invention using FIG. 3-10, and is planned in the future using the evaluation model. In addition to executing the evaluation when each person in charge is in charge of the matter (planned matter), a candidate list of the person in charge who is in charge of each planned matter is generated, and multiple schedules in a predetermined period The flow of selecting a person in charge assignment plan in which the person in charge selected from the candidate list is assigned in a feasible state for a project will be specifically described below.
はじめに、業務管理サーバ10において、機械学習によって担当者を評価する評価モデルを生成する方法いついて説明する。業務管理サーバ10では機械学習実行部14が所定のタイミングで起動されて、案件情報格納部11、顧客情報格納部12、担当者情報格納部13から読み出した情報を用いた機械学習によって、案件毎に商談を担当する担当者を評価するための評価モデルを生成して、評価モデル記憶部15に記憶させる。 First, a method of generating an evaluation model for evaluating a person in charge by machine learning in the business management server 10 will be described. In the business management server 10, the machine learning execution unit 14 is started at a predetermined timing, and machine learning using the information read from the matter information storage unit 11, the customer information storage unit 12, and the person in charge information storage unit 13 is performed for each case. An evaluation model for evaluating the person in charge of business negotiations is generated and stored in the evaluation model storage unit 15.
図3は、本発明で機械学習によって生成される評価モデルの学習及び利用方法を示しているが、評価モデル記憶部15に記憶される学習済みの評価モデルは、案件のフェーズ単位で管理されているフェーズが特定された過去の案件に関する案件実績情報、その案件の相手方である顧客の顧客情報、その案件のフェーズを担当した担当者の担当者情報と、その案件のフェーズにおける担当者の成果を評価した評価実績情報を学習用データ(教師データ)としてニューラルネットワークなどを用いた推薦アルゴリズムに読み込ませて、機械学習を実行することによって生成される。 FIG. 3 shows a method of learning and using the evaluation model generated by machine learning in the present invention, but the learned evaluation model stored in the evaluation model storage unit 15 is managed in each phase of the matter. The case performance information about the past case for which the phase is specified, the customer information of the customer who is the other party of the case, the person in charge information of the person in charge of the phase of the case, and the result of the person in charge in the phase of the case. It is generated by loading the evaluated evaluation performance information as learning data (teacher data) into a recommendation algorithm using a neural network or the like and executing machine learning.
機械学習が実行された学習済みの評価モデルに対して、案件のフェーズ単位で管理されているフェーズが特定された将来予定されている案件に関する予定案件情報、その予定案件の相手方である顧客の顧客情報、その予定案件のフェーズを担当する候補となる担当者の担当者情報を入力すると、その担当者がその予定案件のフェーズを担当する場合に期待できる成果を予測した評価予測情報が出力される。ここでその予定案件のフェーズを担当する候補となる複数の担当者の担当者情報をそれぞれ入力すれば、ある予定案件のフェーズを担当する候補となる担当者の評価予測情報(図3の例では評価を「10」「9」等のスコアで示している)が付された候補者リストを出力することができる。 For the trained evaluation model in which machine learning is executed, the planned matter information about the future planned matter in which the phase managed in each phase of the matter is specified, and the customer of the customer who is the partner of the planned matter When you enter the information and the person in charge information of the person in charge of the candidate who is in charge of the phase of the planned matter, the evaluation prediction information that predicts the expected result when the person in charge is in charge of the phase of the planned matter is output. .. Here, if the person in charge information of a plurality of persons in charge of the candidate in charge of the phase of the planned item is input, the evaluation prediction information of the person in charge of the candidate in charge of the phase of the planned item (in the example of FIG. 3). It is possible to output a candidate list with a rating (indicated by a score such as "10" or "9").
以上に説明したように、本発明では、案件を担当した担当者に対する評価を案件単位で管理するのではなく、案件のフェーズ単位で管理される案件実績情報と関連付けて、各々のフェーズにおける担当者に対する評価を評価実績情報として管理し、それらの情報を学習用データ(教師データ)に用いて評価モデルに学習させることによって、フェーズが特定された将来の案件に関する予定案件情報を評価モデルに入力すれば、過去の実績に基づく各々の担当者の案件のフェーズ毎の適性が反映された評価予測情報を出力することが可能となっている。 As described above, in the present invention, the evaluation of the person in charge of the case is not managed for each case, but is associated with the case performance information managed for each phase of the case, and the person in charge in each phase. By managing the evaluation of the product as evaluation performance information and using that information as training data (teacher data) to train the evaluation model, input the planned project information related to future projects for which the phase is specified into the evaluation model. For example, it is possible to output evaluation prediction information that reflects the suitability of each person in charge for each phase based on past results.
ここでニューラルネットワーク等に読み込ませる案件実績情報、顧客情報、担当者情報は、それぞれ案件情報格納部11、顧客情報格納部12、担当者情報格納部13に格納され、各々の案件のフェーズにおける担当者の評価実績情報は、それぞれ対応する案件のフェーズの案件実績情報と関連付けて案件情報格納部11に格納されているが、案件実績情報及び評価実績情報、顧客情報、担当者情報の一例を示したのが、それぞれ図4、図5、図6である。 Here, the case record information, customer information, and person in charge information to be read into the neural network or the like are stored in the case information storage unit 11, the customer information storage unit 12, and the person in charge information storage unit 13, respectively, and are in charge of each case phase. The evaluation performance information of the person is stored in the case information storage unit 11 in association with the case result information of the corresponding case phase, and an example of the case result information, the evaluation result information, the customer information, and the person in charge information is shown. These are FIGS. 4, 5, and 6, respectively.
図4は、案件情報格納部11に格納される案件実績情報及び評価実績情報の一例を示したものであるが、ここでは案件(不動産販売であれば特定の物件に関する特定の顧客との商談等)を識別する一の案件コードに対して、初訪、再訪等のフェーズが特定された複数のレコードが設けられ、各々のレコードには、商談の難度や規模等の案件の属性(これらは同一の案件であればフェーズが異なっても同じ情報となる)、そのフェーズを担当した担当者を識別する社員コード、訪問日、再訪設定日等の案件実績情報と、そのフェーズにおける担当者の成果を評価した評価実績情報が記録されている。 FIG. 4 shows an example of the case record information and the evaluation result information stored in the case information storage unit 11, but here, a case (in the case of real estate sales, a business negotiation with a specific customer regarding a specific property, etc.) is shown. ) Is provided for a plurality of records in which the phases such as first visit and revisit are specified for one matter code, and each record has the attributes of the matter such as the difficulty and scale of the negotiation (these are the same). If it is a case of, the same information will be used even if the phase is different), the case record information such as the employee code that identifies the person in charge of that phase, the visit date, the revisit setting date, etc., and the results of the person in charge in that phase The evaluation performance information evaluated is recorded.
図4の例であれば、「再訪設定ポイント」「移行ポイント」「売上貢献ポイント」と、それらを総合した評価である「評価ポイント」が評価実績情報に該当する。「再訪設定ポイント」には、例えば、訪問日と再訪設定日の間隔を演算して、再訪を設定できたタイミングが早いほど高いポイントを付与することとすればよい。「移行ポイント」には、例えば、移行したフェーズに応じて、一般に難しいとされるフェーズへの移行や停滞していた状態からの次のフェーズへの移行に対して、相対的に高いポイントを付与することとすればよい。「売上貢献ポイント」には、例えば、契約フェーズが完了した段階で、同じ案件の他のフェーズを担当した担当者にも、所定の配分比率に応じてポイントを付与することとすればよい。これらのポイントをフェーズ毎に合計した各々の担当者に付与される総合ポイントが、「評価ポイント」となる。 In the example of FIG. 4, "revisit setting points", "transition points", "sales contribution points", and "evaluation points", which are evaluations that integrate them, correspond to the evaluation performance information. For the "revisit setting point", for example, the interval between the visit date and the revisit setting date may be calculated, and the higher the timing at which the revisit can be set, the higher the point may be given. For "transition points", for example, relatively high points are given to the transition to the phase that is generally considered difficult or the transition from the stagnant state to the next phase according to the transition phase. You can do it. As the "sales contribution points", for example, when the contract phase is completed, points may be given to the person in charge of another phase of the same project according to a predetermined allocation ratio. The total points given to each person in charge, which is the sum of these points for each phase, is the "evaluation points".
尚、こうした評価実績情報は、図4の例のように各々の項目毎にスコア化して評価するのがシステム処理の効率上は好適であるが、各々の項目毎の評価を自然文で記載しておいて、これを人工知能等で解析して総合評価をスコア化する構成としてもよい。 It is preferable for the efficiency of system processing to evaluate such evaluation performance information by scoring each item as shown in the example of FIG. 4, but the evaluation for each item is described in natural text. Then, this may be analyzed by artificial intelligence or the like to score the overall evaluation.
ある案件を担当した担当者の成果は、一般に案件単位で評価されることが多いと考えられるが、本発明では案件のフェーズ毎に担当者の評価が行われて、案件情報格納部11には案件のフェーズ毎の評価が格納される。こうした担当者の評価には、上述の「再訪設定ポイント」等のように、案件実績情報等からシステム処理によって自動的に算出されるポイント等を採用することとすればよいが、その他に、担当者の上司等の管理者が評価を行い、その情報を営業所端末40や管理者端末50に入力して業務管理サーバ10に送信し、業務管理サーバ10で受信した情報を案件情報格納部11に格納して案件のフェーズ毎に管理することとしてもよい。こうした案件実績情報及び評価実績情報を案件のフェーズ毎に管理するための前処理を実施し、これを学習用データ(教師データ)として評価モデルの機械学習に用いることによって、案件の性質のみでなく、フェーズ毎の担当者の適性やスキルが反映された担当者の評価が可能となっている。 It is generally considered that the results of the person in charge of a certain case are evaluated on a case-by-case basis, but in the present invention, the person in charge is evaluated for each phase of the case, and the case information storage unit 11 is in charge of the evaluation. The evaluation for each phase of the matter is stored. For the evaluation of such a person in charge, points, etc. that are automatically calculated by system processing from the project record information, etc., such as the above-mentioned "revisit setting points", may be adopted. The manager such as the boss of the person evaluates the information, inputs the information into the sales office terminal 40 or the administrator terminal 50, sends the information to the business management server 10, and sends the information received by the business management server 10 to the matter information storage unit 11. It may be stored in and managed for each phase of the matter. By carrying out preprocessing to manage such project performance information and evaluation performance information for each phase of the project and using this as learning data (teacher data) for machine learning of the evaluation model, not only the nature of the project but also the nature of the project , It is possible to evaluate the person in charge that reflects the aptitude and skill of the person in charge for each phase.
図4には、案件情報格納部11に格納される案件実績情報及び評価実績情報の一例を示したが、案件情報格納部11には過去の案件に関する案件実績情報等のみでなく、将来予定されている予定案件のフェーズ毎に管理される予定案件情報も格納される。未だ終了していない予定案件情報には、評価実績情報に対応する情報は当然に関連付けられてはおらず、予定案件のフェーズ毎に設定される予定案件情報を記録するレコードには、案件コード、顧客コード、フェーズ、予定されている訪問日時等の情報が含まれることになる。 FIG. 4 shows an example of the case record information and the evaluation result information stored in the case information storage unit 11, but the case information storage unit 11 shows not only the case record information related to the past case but also the future schedule. Scheduled matter information managed for each phase of the scheduled matter is also stored. Naturally, the information corresponding to the evaluation performance information is not associated with the scheduled matter information that has not been completed yet, and the record that records the scheduled matter information set for each phase of the scheduled matter includes the matter code and the customer. Information such as code, phase, scheduled visit date and time will be included.
図5は、顧客情報格納部12に格納される顧客情報の一例を示したものであるが、案件の相手先である顧客を識別する顧客コード毎に設けられたレコードには、顧客の企業名や業種、規模等の基本情報の他に、顧客側の担当者の氏名とその担当者の性質(例えば「柔軟性」「気質」「意思決定力」等)が記録されている。案件情報格納部11に格納される案件実績情報等と顧客情報格納部12に格納される顧客情報は、各々の案件の相手先である顧客の顧客コードをキーに関連づけられている。 FIG. 5 shows an example of customer information stored in the customer information storage unit 12, and the record provided for each customer code that identifies the customer who is the other party of the matter includes the customer's company name. In addition to basic information such as, industry, and scale, the name of the person in charge on the customer side and the nature of the person in charge (for example, "flexibility", "disposition", "decision-making ability", etc.) are recorded. The case record information and the like stored in the case information storage unit 11 and the customer information stored in the customer information storage unit 12 are associated with the customer code of the customer who is the other party of each case as a key.
尚、顧客情報格納部12に格納される顧客情報は、顧客となる企業毎に管理することとすればよいが、同一の企業内に異なる案件を担当する複数の部署が存在するような場合には、一の企業に対して複数の顧客情報を設定できることとしてもよい(図5の例では、そうしたケースを想定して顧客コードを枝番形式としている)。顧客情報格納部12に格納される顧客情報は、顧客を担当する担当者が担当者端末30に、あるいは担当者の上司等の管理者が営業所端末40や管理者端末50に入力して、業務管理サーバ10に送信することとすればよい。 The customer information stored in the customer information storage unit 12 may be managed for each customer company, but when there are a plurality of departments in charge of different projects within the same company. May be able to set a plurality of customer information for one company (in the example of FIG. 5, the customer code is in the branch number format assuming such a case). The customer information stored in the customer information storage unit 12 is input to the person in charge terminal 30 by the person in charge of the customer, or to the sales office terminal 40 or the administrator terminal 50 by the manager such as the person in charge's boss. It may be transmitted to the business management server 10.
図6は、担当者情報格納部13に格納される担当者情報の一例を示したものであるが、案件の商談を担当する営業部店等の社員を識別する社員コード毎に設けられたレコードには、社員の氏名や年齢、性別、勤続年数等の基本情報の他に、その社員の性質(例えば「柔軟性」「気質」「思考」等)が記録されている。案件情報格納部11に格納される案件実績情報等と担当者情報格納部13に格納される担当者情報は、各々の案件を担当する社員の社員コードをキーに関連付けられている。 FIG. 6 shows an example of the person in charge information stored in the person in charge information storage unit 13, and is a record provided for each employee code that identifies an employee such as a sales department store in charge of negotiation of a matter. In addition to basic information such as the employee's name, age, gender, and years of service, the nature of the employee (for example, "flexibility", "temperament", "thinking", etc.) is recorded in the record. The case record information and the like stored in the case information storage unit 11 and the person in charge information stored in the person in charge information storage unit 13 are associated with the employee code of the employee in charge of each case as a key.
担当者情報格納部12に格納される担当者情報は、顧客を担当する担当者の上司等の管理者が営業所端末40や管理者端末50に入力して、業務管理サーバ10に送信することとすればよい。 The person in charge information stored in the person in charge information storage unit 12 is input to the sales office terminal 40 or the administrator terminal 50 by the manager such as the boss of the person in charge of the customer and transmitted to the business management server 10. And it is sufficient.
以上のようにして、案件情報格納部11に格納されている案件実績情報及び評価実績情報、顧客情報格納部12に格納されている顧客情報、担当者情報格納部13に格納されている担当者情報は、営業日毎の定時等の所定のタイミングで起動される機械学習実行部14に読み出されて、これらの情報を学習用データ(教師データ)として、評価モデル記憶部15に記憶される評価モデルの機械学習が実行される。 As described above, the case record information and the evaluation record information stored in the case information storage unit 11, the customer information stored in the customer information storage unit 12, and the person in charge stored in the person in charge information storage unit 13. The information is read out by the machine learning execution unit 14 that is started at a predetermined timing such as a fixed time for each business day, and the evaluation is stored in the evaluation model storage unit 15 as learning data (teacher data). Machine learning of the model is performed.
尚、評価モデル記憶部15に記憶される評価モデルの機械学習には、案件情報格納部11に格納されている案件実績情報及び評価実績情報と、担当者情報格納部13に格納されている担当者情報を学習用データ(教師データ)として用いることが必要である。顧客情報格納部12に格納されている顧客情報についても、担当者と顧客との相性や、案件のフェーズに応じた顧客の意思決定等における傾向等を反映するために用いることが好ましいが、これを省略して機械学習を実行することも可能である。 In the machine learning of the evaluation model stored in the evaluation model storage unit 15, the case record information and the evaluation result information stored in the case information storage unit 11 and the person in charge stored in the person in charge information storage unit 13 are in charge. It is necessary to use the person information as learning data (teacher data). It is preferable that the customer information stored in the customer information storage unit 12 is also used to reflect the compatibility between the person in charge and the customer, the tendency in the customer's decision making according to the phase of the matter, and the like. It is also possible to omit and execute machine learning.
ここに説明する本発明の実施形態では、将来の予定案件を担当する候補となる担当者の評価に、ディープラーニング等により機械学習が行われた学習済みモデル(いわゆる人工知能)を採用することとしているが、ここで用いられる評価モデルは機械学習による学習済みモデルに限定されるものではなく、例えば、案件実績情報や評価実績情報を解析してルール化したルールベースの評価モデルを用いることとしてもよい。しかしながら、案件、顧客、担当者の性質等の相関関係は、各々の相性等の要素もあって極めて複雑であり、ここに案件のフェーズというパラメータが加わるとルール化は一層困難となるため、評価モデルには機械学習が行われた学習済みモデルを採用することが好適である。 In the embodiment of the present invention described here, a learned model (so-called artificial intelligence) in which machine learning is performed by deep learning or the like is adopted for evaluation of a person in charge who is a candidate in charge of a future planned project. However, the evaluation model used here is not limited to the trained model by machine learning. For example, a rule-based evaluation model obtained by analyzing project performance information and evaluation performance information and making rules may be used. Good. However, the correlation between the nature of the matter, the customer, the person in charge, etc. is extremely complicated due to factors such as compatibility with each other, and if the parameter of the phase of the matter is added here, it becomes more difficult to make rules. It is preferable to adopt a trained model in which machine learning has been performed as the model.
続いて、ここまでに説明した学習済みモデルを用いて、各々の担当者が予定案件を担当する場合の評価を行い、各々の予定案件を担当する候補となる担当者の候補者リストを生成する流れについて、図7のフローチャートに沿って説明する。 Next, using the trained model explained so far, evaluation is performed when each person in charge is in charge of the planned matter, and a candidate list of the person in charge who is a candidate in charge of each planned matter is generated. The flow will be described with reference to the flowchart of FIG.
業務管理サーバ10では、所定の期間の予定案件について最適化された担当者の配置案を出力したいタイミングで、評価予測情報出力部16が起動される。具体的には、例えば、営業日毎に営業時間の終了時に近づくと評価予測情報出力部16が自動的に起動され、翌営業日分の担当者配置案が生成されることとしてもよいし、担当者配置案の生成が必要なタイミングで、管理者等の操作によって評価予測情報出力部16が起動されることとしてもよい。 In the business management server 10, the evaluation prediction information output unit 16 is started at the timing when it is desired to output the optimized allocation plan of the person in charge for the scheduled matter in the predetermined period. Specifically, for example, the evaluation prediction information output unit 16 may be automatically activated every business day when the end of business hours is approached, and a person in charge allocation plan for the next business day may be generated. The evaluation prediction information output unit 16 may be activated by an operation of an administrator or the like at a timing when it is necessary to generate a person allocation plan.
図7のフローチャートは、評価予測情報出力部16及び候補者リスト生成部17によって実行される処理フローを示したものであるが、評価予測情報出力部16が起動されると、一の予定案件のフェーズについて、案件情報格納部11にフェーズ単位で格納されている一の予定案件情報と、顧客情報格納部12に格納されている予定案件の相手方である顧客の顧客情報が読み出される(S01)。 The flowchart of FIG. 7 shows the processing flow executed by the evaluation prediction information output unit 16 and the candidate list generation unit 17, but when the evaluation prediction information output unit 16 is started, one scheduled matter Regarding the phase, one scheduled matter information stored in the matter information storage unit 11 for each phase and the customer information of the customer who is the other party of the scheduled matter stored in the customer information storage unit 12 are read out (S01).
続いて、担当者情報格納部13から、当該予定案件のフェーズを担当する候補となる一の担当者の担当者情報を読み出して、S01で読み出した予定案件情報及び顧客情報とあわせて、評価モデル記憶部15に記憶された評価モデルに入力すると(S02)、当該予定案件のフェーズを当該担当者が担当する場合に期待される評価を予測したスコア(評価予測情報)が出力される(S02)。こうしたスコアの出力を、当該予定案件のフェーズを担当する候補となる全ての担当者を対象にして繰り返す(S02−S04)。 Subsequently, the person in charge information of one person in charge who is a candidate in charge of the phase of the planned matter is read from the person in charge information storage unit 13, and the evaluation model is combined with the planned matter information and the customer information read in S01. When input to the evaluation model stored in the storage unit 15 (S02), a score (evaluation prediction information) that predicts the expected evaluation when the person in charge is in charge of the phase of the planned matter is output (S02). .. The output of such a score is repeated for all the persons in charge who are candidates in charge of the phase of the planned project (S02-S04).
当該予定案件のフェーズを担当する候補となる全ての担当者についてのスコア(評価予測情報)が出力されると(S04がNo)、候補者リスト生成部17が起動されて、スコアを降順にソートして、図3の例に示したような、当該予定案件のフェーズを担当する候補者を優先順位に従って並べた候補者リストを生成する(S05)。こうした各々の予定案件のフェーズに関する候補者リストの生成を、所定の期間に予定されている全ての予定案件を対象にした処理が終了するまで(S06がNo)、繰り返し実行する(S01−S06)。 When the scores (evaluation prediction information) for all the candidates who are in charge of the phase of the planned project are output (S04 is No), the candidate list generation unit 17 is activated and the scores are sorted in descending order. Then, as shown in the example of FIG. 3, a candidate list in which the candidates in charge of the phase of the planned project are arranged in order of priority is generated (S05). The generation of the candidate list for each phase of the scheduled matter is repeatedly executed until the processing for all the scheduled matter scheduled in the predetermined period is completed (S06 is No) (S01-S06). ..
以上のようにして、所定の期間に予定されている全ての予定案件に関する各々の予定案件のフェーズを担当する担当者の候補者リストが生成されると、担当者配置案評価部18が起動されて、候補者リストから選定した担当者を組み合わせた各々の担当者配置案についての評価が行われ、担当者配置案選定・出力部19によって、その中から最適と判断される担当者配置案が選定されて、選定された担当者配置案が管理者端末20に出力される。 As described above, when the candidate list of the person in charge of the phase of each scheduled matter related to all the scheduled matters scheduled in the predetermined period is generated, the person in charge assignment proposal evaluation unit 18 is started. Then, each person in charge allocation plan that combines the persons in charge selected from the candidate list is evaluated, and the person in charge allocation plan selection / output unit 19 determines that the person in charge allocation plan is the most suitable. It is selected, and the selected person in charge allocation plan is output to the administrator terminal 20.
つまり、図8の例に示したように、所定の期間に予定されている全ての予定案件に関する各々の予定案件のフェーズを担当する担当者の候補者リストが生成されても、この段階では各々の担当者の他の予定や、一人の担当者について同じ時間帯に予定案件が重複していないか、重複しなくても次に予定されている予定案件の場所への移動が可能かといった実行可能性が考慮されていないため、候補者リストから選定された担当者を組み合わせた担当者配置案を対象に、こうした実行可能性をシミュレーションして、実行可能かつ最適(最大の成果を期待できる)と判断される担当者配置案(例えば、担当者のスコアの合計値が最大となる担当者配置案)を、予定案件への担当者の配置を担当する管理者等に提示する担当者配置案に選定する。 That is, as shown in the example of FIG. 8, even if the candidate list of the person in charge of the phase of each scheduled matter for all the scheduled matters scheduled in the predetermined period is generated, at this stage, each of them is generated. Execution of other appointments of the person in charge, whether the appointments for one person are not duplicated at the same time, and whether it is possible to move to the location of the next appointment even if there is no duplication Since the possibility is not considered, it is feasible and optimal (maximum results can be expected) by simulating such feasibility for the person in charge allocation plan that combines the persons in charge selected from the candidate list. Person in charge allocation plan that is judged to be (for example, person in charge allocation plan that maximizes the total score of the person in charge) is presented to the manager in charge of allocation of the person in charge to the planned project. Select to.
本発明では、先に説明したように、案件のフェーズ毎に管理されている案件実績情報及び評価実績情報を用いて評価モデルの機械学習を実行し、この評価モデルを用いることによって、各々の予定案件の担当に適した担当者を各々のフェーズに応じて選定することができるが、各々の予定案件にそのフェーズに適した担当者を配置するためには、こうした評価モデルの利用による担当者の評価のみでは不十分であり、評価モデルによって選定された担当者を各々の予定案件に実行可能な状態で配置することによって、実効性のある担当者配置案を提示することができるものである。 In the present invention, as described above, machine learning of the evaluation model is executed using the case record information and the evaluation result information managed for each phase of the case, and each schedule is used by using this evaluation model. It is possible to select the person in charge suitable for the case according to each phase, but in order to assign the person in charge suitable for that phase to each planned case, the person in charge by using such an evaluation model Evaluation alone is not enough, and by allocating the persons in charge selected by the evaluation model in a feasible state for each scheduled project, it is possible to present an effective person in charge allocation plan.
図9のフローチャートは、業務管理サーバ10の担当者配置案評価部18及び担当者配置案選定・出力部19によって、所定の期間に予定されている予定案件の担当者配置案を選定する処理フローを示している。 The flowchart of FIG. 9 shows a processing flow for selecting a person in charge allocation plan for a planned project scheduled for a predetermined period by the person in charge allocation plan evaluation unit 18 and the person in charge allocation plan selection / output unit 19 of the business management server 10. Is shown.
担当者配置案評価部18が、候補者リスト生成部17で生成された所定の期間に予定されている予定案件のフェーズを担当する担当者の候補者リストを受け付けると(S11)、いわゆる「組合せ爆発」を防ぐために、後に例示するような候補者リストに掲載された担当者の絞込みを必要に応じて実行して(S12)、候補者リストに掲載されたいずれかの担当者を配置することが可能な全ての組合せを担当者配置案として生成する(S13)。 When the person in charge assignment proposal evaluation unit 18 receives the candidate list of the person in charge of the phase of the planned matter scheduled in the predetermined period generated by the candidate list generation unit 17 (S11), the so-called “combinatorial” In order to prevent "explosion", narrow down the persons listed in the candidate list as illustrated later (S12), and assign one of the persons listed in the candidate list. All possible combinations are generated as a person in charge assignment plan (S13).
続いて、担当者情報格納部13等から各々の担当者のスケジュールを読み出し(S14)、担当者毎の休暇や他に確定している予定等により予定案件への対応が不可能な日時や場所の除外、二以上の予定案件の時間と場所に基づく担当者の移動の可否等から、各々の組合せに基づく担当者の配置の可否をシミュレーションして、各々の担当者配置案の実行可能性を判定する(S15)。 Subsequently, the schedule of each person in charge is read from the person in charge information storage unit 13 or the like (S14), and the date and time and place where it is impossible to respond to the scheduled matter due to the vacation for each person in charge or other fixed schedules. By simulating whether or not the person in charge can be assigned based on each combination based on the exclusion of, the possibility of moving the person in charge based on the time and place of two or more scheduled projects, etc., the feasibility of each person in charge allocation plan can be determined. Judgment (S15).
実行可能と判断された組合せである担当者配置案については、各々の予定案件のフェーズを担当する候補に選定された担当者の、当該予定案件のフェーズに関するスコア(評価予測情報)を集計して、各々の担当者配置案の評価を実行する(S16)。担当者配置案選定・出力部19は、その評価に基づき最適と判断される一の担当者配置案を選定して(S17)、選定された担当者配置案に関する情報を管理者端末20に出力する(S18)。 For the person in charge assignment plan that is a combination judged to be feasible, the scores (evaluation prediction information) related to the phase of the planned matter of the person in charge selected as the candidate in charge of the phase of each planned matter are aggregated. , Evaluate each person in charge allocation plan (S16). The person in charge allocation plan selection / output unit 19 selects one person in charge allocation plan judged to be optimal based on the evaluation (S17), and outputs information on the selected person in charge allocation plan to the administrator terminal 20. (S18).
ここで各々の担当者配置案を評価し、一の担当者配置案を選定する方法は特に限定されるものではないが、例えば、各々の予定案件を担当する候補に選定された担当者の当該予定案件に関するスコアの合計値や平均値が最大となる担当者配置案を選定することとすればよい。また、管理者端末20に出力する担当者配置案には、一件の担当者配置案のみでなく、予定案件への担当者の配置を担当する管理者等が選択できるように、複数の担当者配置案を含めることとしてもよいし、複数の担当者配置案に集計したスコアにより決定される優先順位を付して出力することとしてもよい。 Here, the method of evaluating each person in charge allocation plan and selecting one person in charge allocation plan is not particularly limited, but for example, the person in charge selected as a candidate in charge of each planned project is concerned. It suffices to select the person in charge assignment plan that maximizes the total value and average value of the scores for the planned project. In addition, the person in charge allocation plan to be output to the administrator terminal 20 is not limited to one person in charge allocation plan, but a plurality of persons in charge so that the administrator in charge of the assignment of the person in charge to the planned matter can be selected. The person placement plan may be included, or a plurality of person in charge placement plans may be output with priorities determined by the aggregated scores.
S12で実行する担当者の絞込みの処理は必須の工程ではないが、いわゆる「組合せ爆発」を防止して担当者配置案評価部18によって実行される処理のシステム負荷を抑制するためには、この工程を含めることが好ましい。絞込みの方法は特に限定されるものではないが、例えば、図10の上段に例示したように、各々の予定案件に対応する候補者リストのうち、スコアが一定の順位以下(この例では4位以下)の担当者を、担当者配置案を生成するための組合せから除外することとしてもよいし、順位ではなくスコアが一定の値以下の担当者を順位に関わらず除外することとしてもよい。 The process of narrowing down the persons in charge executed in S12 is not an indispensable process, but in order to prevent the so-called “combinatorial explosion” and suppress the system load of the process executed by the person in charge allocation proposal evaluation unit 18, this process is performed. It is preferable to include the process. The method of narrowing down is not particularly limited, but for example, as illustrated in the upper part of FIG. 10, the score is below a certain rank in the candidate list corresponding to each scheduled project (4th place in this example). The person in charge of (below) may be excluded from the combination for generating the person in charge allocation plan, or the person in charge whose score is below a certain value instead of the ranking may be excluded regardless of the ranking.
また、図9のフローチャートでは、各々の担当者の休暇や他に確定している予定は、実行可能性のシミュレーションの段階で考慮するものとして説明したが、組合せの対象となる担当者を絞り込む前段階で各々の担当者のスケジュールを読み出して、図10の下段に例示したように、他の予定等により当該予定案件を担当することが不可能な担当者を、組合せの対象となる担当者を絞り込む段階で除外することとしてもよい。 Further, in the flowchart of FIG. 9, the vacation of each person in charge and other fixed schedules are explained as being considered at the stage of the simulation of feasibility, but before narrowing down the persons in charge to be combined. The schedule of each person in charge is read out at the stage, and as illustrated in the lower part of FIG. 10, the person in charge who cannot be in charge of the planned matter due to other schedules, etc., and the person in charge to be combined are selected. It may be excluded at the stage of narrowing down.
尚、以上の説明では、候補者リストに掲載された担当者の評価には、ディープラーニング等により機械学習が行われた学習済みモデルを採用することとしているが、先に説明したように学習済みモデルに代えてルールベース等の他の評価モデルを用いることとしてもよく、その場合には、候補者リストに掲載された担当者のスコアがルールベース等の他の評価モデルによって算出されるスコアとなる他は、担当者配置案の評価や選定には、ここまでの説明と同様のプロセスを適用することができる。 In the above explanation, the trained model in which machine learning is performed by deep learning etc. is adopted for the evaluation of the person in charge posted on the candidate list, but as explained above, it has been trained. It is also possible to use another evaluation model such as a rule base instead of the model. In that case, the score of the person in charge listed in the candidate list is the score calculated by another evaluation model such as the rule base. Other than that, the same process as described above can be applied to the evaluation and selection of the person in charge assignment plan.
10 業務管理サーバ
11 案件情報格納部
12 顧客情報格納部
13 担当者情報格納部
14 機械学習実行部
15 評価モデル記憶部
16 評価予測情報出力部
17 候補者リスト生成部
18 担当者配置案評価部
19 担当者配置案選定・出力部
20 管理者端末
30 担当者端末
40 営業所端末
50 管理者端末
10 Business management server 11 Matter information storage unit 12 Customer information storage unit 13 Person in charge information storage unit 14 Machine learning execution unit 15 Evaluation model storage unit 16 Evaluation prediction information output unit 17 Candidate list generation unit 18 Person in charge placement proposal evaluation unit 19 Person in charge allocation plan selection / output unit 20 Administrator terminal 30 Person in charge terminal 40 Sales office terminal 50 Administrator terminal
Claims (11)
フェーズが特定された将来の予定案件に関する予定案件情報と、前記予定案件の前記フェーズを担当する担当者に関する担当者情報を含む入力データを前記評価モデルに入力して、前記予定案件の前記フェーズを前記担当者が担当する場合の評価を予測した評価予測情報を出力データとして出力する評価予測情報出力手段と、
を備えることを特徴とする情報処理装置。 Case record information about the past case for which the phase is specified, person in charge information about the person in charge of the phase of the past case, and evaluation record information about the evaluation of the person in charge in the phase of the past case. A learning means that executes machine learning of a predetermined evaluation model using the included training data,
Input data including the planned matter information about the future planned matter for which the phase is specified and the person in charge information about the person in charge of the phase of the planned matter are input to the evaluation model, and the phase of the planned matter is set. Evaluation prediction information output means that outputs evaluation prediction information that predicts evaluation when the person in charge is in charge as output data, and
An information processing device characterized by being equipped with.
を特徴とする請求項1記載の情報処理装置。 The learning means executes machine learning for one past project by using the project record information in two or more phases, and the learning data including the person in charge information and the evaluation record information corresponding thereto. The information processing apparatus according to claim 1, wherein the information processing apparatus is used.
前記学習手段は、前記情報格納手段から読み出した前記案件実績情報及び前記評価実績情報を含む学習用データを用いて、機械学習を実行すること
を特徴とする請求項1又は2記載の情報処理装置。 It is provided with an information storage means for storing the project record information in association with the evaluation record information corresponding to the project record information.
The information processing apparatus according to claim 1 or 2, wherein the learning means executes machine learning by using the learning data including the project record information and the evaluation record information read from the information storage means. ..
前記評価予測情報出力手段は、前記予定案件の相手方である顧客に関する顧客情報を含む入力データを前記評価モデルに入力して、前記評価予測情報を出力データとして出力すること
を特徴とする請求項1乃至3いずれかに記載の情報処理装置。 The learning means executes machine learning using learning data including customer information about a customer who is the other party of the past case, and executes machine learning.
The evaluation prediction information output means is characterized in that input data including customer information about a customer who is the other party of the planned project is input to the evaluation model and the evaluation prediction information is output as output data. The information processing apparatus according to any one of 3 to 3.
前記二以上の異なる担当者の各々に対応する評価予測情報から、前記一の予定案件情報に対応する予定案件を担当する担当者の候補者リストを生成する候補者リスト生成手段を備えること
を特徴とする請求項1乃至4いずれかに記載の情報処理装置。 The evaluation prediction information output means inputs two or more input data combined with the person in charge information about two or more different persons in charge to the evaluation model for one scheduled matter information, and the two or more different persons in charge. Outputs the evaluation prediction information corresponding to each person,
It is characterized by providing a candidate list generation means for generating a candidate list of the person in charge of the person in charge of the planned matter corresponding to the one scheduled matter information from the evaluation prediction information corresponding to each of the two or more different persons in charge. The information processing apparatus according to any one of claims 1 to 4.
前記二以上の予定案件情報に対応する各々の予定案件について、対応する候補者リストから選定した担当者を組み合わせた担当者配置案の実行可能性をシミュレーションして、実行可能と判断された担当者配置案について、各々の予定案件について候補者リストから選定された担当者の評価予測情報を用いて、前記担当者配置案に対する評価を実行する担当者配置案評価手段を備えること
を特徴とする請求項1乃至5いずれかに記載の情報処理装置。 The candidate list generation means generates a list of two or more candidates corresponding to information on two or more scheduled projects related to scheduled projects scheduled for a predetermined period.
For each scheduled project corresponding to the above two or more scheduled project information, the person in charge who is judged to be feasible by simulating the feasibility of the person in charge allocation plan that combines the persons in charge selected from the corresponding candidate list. A claim characterized by providing a person in charge allocation plan evaluation means for executing an evaluation on the person in charge placement plan using the evaluation prediction information of the person in charge selected from the candidate list for each scheduled matter. Item 4. The information processing apparatus according to any one of Items 1 to 5.
前記二以上の担当者配置案から、各々の担当者配置案に対する評価に基づき一又は二以上の担当者配置案を選定する担当者配置案選定手段を備えること
を特徴とする請求項6記載の情報処理装置。 The person-in-charge allocation plan evaluation means evaluates each of the two or more person-in-charge assignment proposals judged to be feasible for two or more scheduled matter information related to the scheduled matter scheduled in the same period. ,
The sixth aspect of claim 6 is characterized in that the person in charge allocation plan selection means for selecting one or more person in charge allocation plans based on the evaluation of each person in charge allocation plan from the two or more person in charge allocation plans is provided. Information processing device.
を特徴とする請求項6又は7記載の情報処理装置。 The person-in-charge allocation plan evaluation means is characterized in that the feasibility is simulated only for the person-in-charge allocation plan in which the persons in charge included in the candidate list are combined based on a predetermined condition. The information processing apparatus according to claim 6 or 7.
フェーズが特定された過去の案件に関する案件実績情報と、前記過去の案件の前記フェーズを担当した担当者に関する担当者情報、及び前記過去の案件の前記フェーズにおける前記担当者に対する評価に関する評価実績情報を含む学習用データを用いて、所定の評価モデルの機械学習を実行する学習手段、
フェーズが特定された将来の予定案件に関する予定案件情報と、前記予定案件の前記フェーズを担当する担当者に関する担当者情報を含む入力データを前記評価モデルに入力して、前記予定案件の前記フェーズを前記担当者が担当する場合の評価を予測した評価予測情報を出力データとして出力する評価予測情報出力手段、
として機能させるためのプログラム。 Computer,
Case record information about the past case for which the phase is specified, person in charge information about the person in charge of the phase of the past case, and evaluation record information about the evaluation of the person in charge in the phase of the past case. A learning means that performs machine learning of a given evaluation model using the included training data,
Input data including the planned matter information about the future planned matter for which the phase is specified and the person in charge information about the person in charge of the phase of the planned matter are input to the evaluation model, and the phase of the planned matter is set. Evaluation prediction information output means that outputs evaluation prediction information that predicts evaluation when the person in charge is in charge as output data,
A program to function as.
前記コンピュータが、フェーズが特定された将来の予定案件に関する予定案件情報と、前記予定案件の前記フェーズを担当する担当者に関する担当者情報を含む入力データを前記評価モデルに入力して、前記予定案件の前記フェーズを前記担当者が担当する場合の評価を予測した評価予測情報を出力データとして出力する評価予測情報出力ステップと、
を有することを特徴とする情報処理方法。 The computer evaluates the case record information regarding the past case for which the phase is specified, the person in charge information regarding the person in charge of the phase of the past case, and the evaluation of the person in charge in the phase of the past case. A learning step that executes machine learning of a predetermined evaluation model using learning data including performance information,
The computer inputs input data including the scheduled matter information regarding the future scheduled matter for which the phase is specified and the person in charge information regarding the person in charge of the phase of the scheduled matter into the evaluation model, and the scheduled matter The evaluation prediction information output step that outputs the evaluation prediction information that predicts the evaluation when the person in charge is in charge of the phase of the above as output data, and
An information processing method characterized by having.
フェーズが特定された将来の予定案件に関する予定案件情報と、前記予定案件の前記フェーズを担当する担当者に関する担当者情報を含む入力データを入力すると、前記予定案件の前記フェーズを前記担当者が担当する場合の評価を予測した評価予測情報を出力データとして出力するよう、コンピュータを機能させるための学習済みモデル。 Case record information about the past case for which the phase is specified, person in charge information about the person in charge of the phase of the past case, and evaluation record information about the evaluation of the person in charge in the phase of the past case. Generated by performing machine learning with the training data it contains
When input data including the planned matter information regarding the future scheduled matter for which the phase is specified and the person in charge information regarding the person in charge of the phase of the planned matter is input, the person in charge is in charge of the phase of the planned matter. A trained model for making a computer function so that the evaluation prediction information that predicts the evaluation is output as output data.
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2019133941A JP7040788B2 (en) | 2019-07-19 | 2019-07-19 | Information processing equipment, programs, information processing methods and trained models |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
JP2019133941A JP7040788B2 (en) | 2019-07-19 | 2019-07-19 | Information processing equipment, programs, information processing methods and trained models |
Publications (2)
Publication Number | Publication Date |
---|---|
JP2021018610A true JP2021018610A (en) | 2021-02-15 |
JP7040788B2 JP7040788B2 (en) | 2022-03-23 |
Family
ID=74566069
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
JP2019133941A Active JP7040788B2 (en) | 2019-07-19 | 2019-07-19 | Information processing equipment, programs, information processing methods and trained models |
Country Status (1)
Country | Link |
---|---|
JP (1) | JP7040788B2 (en) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115439099A (en) * | 2022-09-21 | 2022-12-06 | 中铁四局集团电气化工程有限公司 | Construction project cooperative supervision system based on BIM model |
JP7279981B1 (en) | 2022-09-12 | 2023-05-23 | 株式会社Terass | PROGRESS MANAGEMENT SYSTEM, PROGRESS MANAGEMENT PROGRAM AND PROGRESS MANAGEMENT METHOD |
JP2023086605A (en) * | 2021-12-10 | 2023-06-22 | デジタルアーツ株式会社 | Information processing apparatus, information processing method, and information processing program |
JP7296684B1 (en) * | 2022-07-26 | 2023-06-23 | 株式会社ゼスト | SCHEDULE ADJUSTMENT SYSTEM, SCHEDULE ADJUSTMENT METHOD AND PROGRAM |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2008077276A (en) * | 2006-09-20 | 2008-04-03 | Toshiba Corp | Intellectual property management system, intellectual property management method and intellectual property management program |
JP2009128918A (en) * | 2007-11-19 | 2009-06-11 | Hitachi Ltd | Maintenance management support system |
JP2010026970A (en) * | 2008-07-24 | 2010-02-04 | Hitachi Ltd | Device and method for management of business negotiation theme |
JP2015125483A (en) * | 2013-12-25 | 2015-07-06 | 株式会社富士通エフサス | Operator selection device, operator selection method, and operator selection program |
JP2016057768A (en) * | 2014-09-08 | 2016-04-21 | 株式会社リコー | Business supporting system, business support management device, business support management program and business support management method |
-
2019
- 2019-07-19 JP JP2019133941A patent/JP7040788B2/en active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2008077276A (en) * | 2006-09-20 | 2008-04-03 | Toshiba Corp | Intellectual property management system, intellectual property management method and intellectual property management program |
JP2009128918A (en) * | 2007-11-19 | 2009-06-11 | Hitachi Ltd | Maintenance management support system |
JP2010026970A (en) * | 2008-07-24 | 2010-02-04 | Hitachi Ltd | Device and method for management of business negotiation theme |
JP2015125483A (en) * | 2013-12-25 | 2015-07-06 | 株式会社富士通エフサス | Operator selection device, operator selection method, and operator selection program |
JP2016057768A (en) * | 2014-09-08 | 2016-04-21 | 株式会社リコー | Business supporting system, business support management device, business support management program and business support management method |
Non-Patent Citations (1)
Title |
---|
西村 崇: "トヨタが挑むHRテック 新人配置、ITでカイゼン", 日経コンピュータ, vol. 第982号, JPN6022001625, 24 January 2019 (2019-01-24), pages 80 - 83, ISSN: 0004686911 * |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2023086605A (en) * | 2021-12-10 | 2023-06-22 | デジタルアーツ株式会社 | Information processing apparatus, information processing method, and information processing program |
JP7334227B2 (en) | 2021-12-10 | 2023-08-28 | デジタルアーツ株式会社 | Information processing device, information processing method, and information processing program |
JP7296684B1 (en) * | 2022-07-26 | 2023-06-23 | 株式会社ゼスト | SCHEDULE ADJUSTMENT SYSTEM, SCHEDULE ADJUSTMENT METHOD AND PROGRAM |
JP7279981B1 (en) | 2022-09-12 | 2023-05-23 | 株式会社Terass | PROGRESS MANAGEMENT SYSTEM, PROGRESS MANAGEMENT PROGRAM AND PROGRESS MANAGEMENT METHOD |
JP2024040066A (en) * | 2022-09-12 | 2024-03-25 | 株式会社Terass | Progress management system, progress management program, and progress management method |
CN115439099A (en) * | 2022-09-21 | 2022-12-06 | 中铁四局集团电气化工程有限公司 | Construction project cooperative supervision system based on BIM model |
Also Published As
Publication number | Publication date |
---|---|
JP7040788B2 (en) | 2022-03-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Wang et al. | A knowledge-guided multi-objective fruit fly optimization algorithm for the multi-skill resource constrained project scheduling problem | |
JP7040788B2 (en) | Information processing equipment, programs, information processing methods and trained models | |
Afshar-Nadjafi | Multi-skilling in scheduling problems: A review on models, methods and applications | |
Kostalova et al. | Proposal of project management methods and tools oriented maturity model | |
Hasegan et al. | Predicting performance–a dynamic capability view | |
Van Peteghem et al. | Influence of learning in resource-constrained project scheduling | |
US20230019856A1 (en) | Artificial intelligence machine learning platform trained to predict dispatch outcome | |
Battesini et al. | Key factors for operational performance in manufacturing systems: Conceptual model, systematic literature review and implications | |
KR20090011146A (en) | System and method for risk management and estimation in information technology project | |
Miller | Quantitative comparison of big data analytics and business intelligence project success factors | |
Stylianou et al. | Human resource allocation and scheduling for software project management | |
Bernard | Foundations of ITIL® 2011 Edition | |
Kandemir et al. | Work process improvement through simulation optimization of task assignment and mental workload | |
Ancveire et al. | Application of Genetic Algorithms for Decision-Making in Project Management: A Literature Review. | |
US20210334729A1 (en) | Human resources performance evaluation using enhanced artificial neuron network and sigmoid logistics | |
Petrovic et al. | Comparison of algorithms for nurse rostering problems | |
Loya et al. | Business intelligence and analytics | |
Hasselbring et al. | Toward Research Software Categories | |
Haan | The integration of Big Data in purchasing, as designed in a new Big Data Purchasing Maturity model | |
Zhanbirov et al. | DIGITALIZATION APPROACH IN EDUCATION BASED ON APPLYING THE NETWORK READINESS INDEX AS THE UNIVERSAL METRIC. | |
Mikhailov | of Thesis: Influence of modern SW products usage on company | |
Pourafshar et al. | An integrated FAHP-SD model to assess and allocate of critical risks for public-private partnership transportation projects | |
ZERAY | OF PROJECT MANAGEMENT POST GRADUATE PROGRAM | |
Singh | Agile project management and testing in distributed development environment | |
Caldeira et al. | ATIMO–A Tool for Alocating Agile Teams |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20210305 |
|
A977 | Report on retrieval |
Free format text: JAPANESE INTERMEDIATE CODE: A971007 Effective date: 20220114 |
|
A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20220120 |
|
A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20220131 |
|
TRDD | Decision of grant or rejection written | ||
A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20220215 |
|
A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20220303 |
|
R150 | Certificate of patent or registration of utility model |
Ref document number: 7040788 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |