JP6294180B2 - Improvement effect evaluation support apparatus and method - Google Patents

Improvement effect evaluation support apparatus and method Download PDF

Info

Publication number
JP6294180B2
JP6294180B2 JP2014153432A JP2014153432A JP6294180B2 JP 6294180 B2 JP6294180 B2 JP 6294180B2 JP 2014153432 A JP2014153432 A JP 2014153432A JP 2014153432 A JP2014153432 A JP 2014153432A JP 6294180 B2 JP6294180 B2 JP 6294180B2
Authority
JP
Japan
Prior art keywords
business
extracted
improvement effect
evaluation
effect evaluation
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
Application number
JP2014153432A
Other languages
Japanese (ja)
Other versions
JP2016031624A (en
Inventor
ひろみ 鵜飼
ひろみ 鵜飼
雄一郎 中川
雄一郎 中川
三部　良太
良太 三部
難波　康晴
康晴 難波
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Hitachi Ltd
Original Assignee
Hitachi Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Hitachi Ltd filed Critical Hitachi Ltd
Priority to JP2014153432A priority Critical patent/JP6294180B2/en
Publication of JP2016031624A publication Critical patent/JP2016031624A/en
Application granted granted Critical
Publication of JP6294180B2 publication Critical patent/JP6294180B2/en
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Landscapes

  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Description

本発明は、顧客が抱える業務課題を解決するのに適した製品およびソリューションを提供することを支援するための技術に関し、特に、既に製品やソリューションを導入している顧客に現れた効果に基づいて評価する技術に関する。   The present invention relates to a technology for supporting the provision of products and solutions suitable for solving business problems faced by customers, and in particular, based on the effects appearing to customers who have already introduced products and solutions. It relates to the technology to be evaluated.

顧客の現行業務の課題を把握して業務を改善するために、業務アプリケーションのログからユーザ毎の処理時間などの特徴量を算出して、業務を分析することが行われている。業務を阻害する要因や有益な要因を示す特徴を、さまざまなデータから見つけだすことが業務分析のポイントであり、分析担当者の経験とスキルに頼る部分が大きい。経験豊富な分析者であっても、分析にはある程度の工数が必要となる。   In order to grasp the problem of the current business of the customer and improve the business, the business is analyzed by calculating the feature amount such as the processing time for each user from the log of the business application. The key to business analysis is to find out the characteristics that indicate factors that hinder business and useful factors from various data, and it depends heavily on the experience and skills of the analyst. Even an experienced analyst requires a certain amount of man-hours for analysis.

これを解決する技術として、特許文献１では、ワークフロー管理システムにおいて、業務特徴の異なる複数の業務サンプルについて、その業務特徴の分析結果に関する情報と、業務特徴を分析するために定義された複数の特徴ベクトル成分それぞれに関する値を登録した業務パターンデータベースを用意しておき、この業務パターンデータベースから複数の特徴ベクトル成分値のパターンが類似する業務サンプルを検索することにより、分析対象業務に関する業務特徴を取得する技術を提供している。これにより、分析の経験が未熟な分析者であっても、類似する業務サンプルを参考にして分析することができるようになる。   As a technique for solving this, in Patent Document 1, in a workflow management system, information on the analysis result of business features and a plurality of features defined for analyzing the business features of a plurality of business samples having different business features. Prepare a business pattern database in which values related to each vector component are registered, and retrieve business features related to the business to be analyzed by searching business samples with similar patterns of multiple feature vector component values from this business pattern database Provide technology. As a result, even an analyst with inexperienced analysis can analyze with reference to similar business samples.

特開２００２−２７９１１９号公報JP 2002-279119 A

顧客の現行業務を把握して、業務を阻害する要因や有益な要因をみつけ、業務を改善することが業務分析の目的である。業務を阻害する要因や有益な要因は複数あり、どの阻害要因を課題として解決すべきなのか、どの有益な要因を伸ばすべきなのかは、顧客の目指すビジネス領域や、課題解決の優先順位、改善にかけられるコストなど、顧客の事情によって変化する。コストをかけずに効果の高い改善施策を打てることが、顧客側、解決策を提示する側の双方にとって、望ましい。   The purpose of the business analysis is to grasp the current business of the customer, find out the factors that hinder or benefit the business, and improve the business. There are multiple factors that hinder operations and beneficial factors. Which barriers should be resolved as issues and which beneficial factors should be developed are determined by the customer's business domain, priority of problem resolution, and improvement. It depends on the customer's circumstances, such as the cost of spending. It is desirable for both the customer side and the solution presentation side to be able to take effective improvement measures without incurring costs.

特許文献１に記載の技術では、業務パターンが類似しているとしても、特徴ベクトルが示す複数の要因に対して、業務サンプルの改善施策がどのように影響するのかは不明であり、参考とした業務サンプルの改善施策が分析対象業務の課題を解決するとは限らなかった。   In the technology described in Patent Document 1, it is unclear how business sample improvement measures affect multiple factors indicated by feature vectors even if the business patterns are similar. The improvement measures of the business sample did not always solve the problem of the business to be analyzed.

また、解決策を提示する側にとっては、製品やソリューションの営業活動を行う場合に、どの顧客に対して営業活動すべきかの情報は有益であるが、顧客業務と製品やソリューションとの適合性を判断するための定量評価は行われてこなかった。あるいは、定量評価が行われていたとしてもオーダーメイドに分析・評価を行うものであって、別の顧客に同じように適用できるものではなかった。   In addition, for the person who presents the solution, information on which customers should be engaged in sales activities of products and solutions is useful, but the compatibility of customer operations with the products and solutions can be improved. No quantitative evaluation has been done to make a judgment. Alternatively, even if quantitative evaluation is performed, it is a custom-made analysis / evaluation and cannot be applied to other customers in the same way.

本発明は、上記の問題点を解決するためになされたものであって、顧客が抱える業務課題に対して、提供できる解決施策を導入した場合の適合性を、評価者が半自動的に分析・評価することを支援するための技術を提供することを目的とする。   The present invention has been made to solve the above-mentioned problems, and the evaluator semi-automatically analyzes the suitability when introducing a solution measure that can be provided for a business problem held by a customer. The purpose is to provide technology to support the evaluation.

上記目的を達成するために、本発明では、業務パターンや特徴ベクトルをあらかじめ用意しなくとも、日々のビジネスの変化に適応した事例の蓄積と、業務課題の分析、ソリューションの提示を行うものである。このために、ソリューションを導入した顧客業務について、そのソリューションが解決した顧客の業務課題と、適用効果を測定するメトリクスを策定する。メトリクスを使用して、導入後の変化を（定期的に）測定し、事例として記録する。そして、分析対象の顧客業務についてメトリクスを使用して測定し、事例の適用後の測定値と比較して、差分や比率が大きな事例を抽出する。その事例に発生していた課題と同様の課題が分析対象の業務にも発生していると仮定し、課題を解決するソリューションを提示する。また、あるソリューションの分析メトリクスで複数の業務システムを分析し、導入効果が高い測定値を示した業務システムを抽出する。抽出された業務システムを利用している顧客を、そのソリューションの見込み客とする
また、本発明には、以下の態様も含まれる。次のような顧客の課題解決施策の適合性評価作業を支援するものである。事例が解決した業務課題と解決策、および、解決施策の導入効果を測定するために抽出すべき項目と、抽出すべき項目を使用して試算される評価式から構成される基本の業務課題分析メトリクステーブルを用意しておく。この基本の業務課題分析メトリクステーブルを業務課題毎に複数パターン用意しておく。例えば、効率向上という業務課題であれば、時間短縮や手戻りの数を減らすことなどが考えられるが、それらは、その業務の所要時間や手戻り数を測定することで改善効果を数値化することが可能である。ここで、業務分析および評価を実施する人を分析者と呼ぶこととする。分析者は、基本の業務課題分析メトリクステーブルを元にして、その事例の業務課題分析メトリクステーブルを作成する。また、事例が解決した業務課題に合う業務課題分析メトリクステーブルがない場合には、事例の業務課題に近い基本の業務課題分析メトリクステーブルをカスタマイズして、新しいパターンの業務課題分析メトリクステーブルを作成できるようにする。 In order to achieve the above object, the present invention accumulates cases adapted to daily business changes, analyzes business problems, and presents solutions without preparing business patterns and feature vectors in advance. . For this purpose, we will formulate metrics that measure the customer's business issues and application effects that the solution has solved for the customer's business that introduced the solution. Use metrics to measure (periodically) post-implementation changes and record cases. Then, the customer business to be analyzed is measured using metrics, and a case having a large difference or ratio is extracted by comparison with the measured value after the case is applied. Assuming that problems similar to the problems that occurred in the case are also occurring in the business to be analyzed, a solution that solves the problems is presented. In addition, we analyze multiple business systems using analysis metrics of a solution, and extract business systems that showed highly effective measurement values. A customer who uses the extracted business system is a prospective customer of the solution. The present invention also includes the following aspects. This is to support the conformity assessment work of the customer's problem solving measures as follows. Basic business problem analysis that consists of business problems and solutions solved by cases, items to be extracted in order to measure the effects of introducing the solutions, and evaluation formulas calculated using the items to be extracted Prepare a metrics table. A plurality of basic business task analysis metrics tables are prepared for each business task. For example, if it is a task to improve efficiency, it may be possible to shorten the time or reduce the number of rework, but these measures quantify the improvement effect by measuring the time required for the work and the number of rework. It is possible. Here, a person who performs business analysis and evaluation is called an analyst. The analyst creates a business task analysis metrics table for the case based on the basic business task analysis metrics table. In addition, if there is no business problem analysis metrics table that matches the business problem solved by the case, you can create a new pattern of business problem analysis metrics table by customizing the basic business problem analysis metric table that is close to the case business problem. Like that.

ログ情報は業務固有の情報のため、分析者はログ情報と抽出すべき項目の紐付けを行う。別の企業の業務ログであっても、同じ業務システムを利用しているなどの理由によりログが同じ形式の場合には、紐付け作業は一度実施すればよい。
任意の業務課題分析メトリクスについて、業務ログから抽出すべき項目に相当する測定データを抽出して、評価式に従って効果を試算する。業務ログは、アプリケーションシステムが出力するログだけでなく、調査者がストップウォッチで計測したデータや、アンケートの回答データでもよい。 Since log information is business-specific information, the analyst associates log information with items to be extracted. Even if a business log of another company is used, if the log is in the same format due to the use of the same business system, the linking operation may be performed once.
For any business task analysis metric, measurement data corresponding to items to be extracted from the business log is extracted, and the effect is estimated according to the evaluation formula. The business log is not limited to the log output by the application system, but may be data measured by the investigator using a stopwatch or questionnaire response data.

このように、基本の業務課題分析メトリクステーブルを用意しておくことにより、ある顧客の課題が解決したときに、分析者はその課題またはその課題に近い基本の業務課題分析メトリクステーブルを元にして業務課題分析メトリクステーブルを作成し、抽出すべき項目と業務ログ情報とを紐付ける作業を行うことで、まだ課題が解決していない顧客に対する解決策の導入効果を評価するための業務課題分析メトリクステーブルを作成し、解決策の導入効果を評価することができるようになる。   In this way, by preparing a basic business problem analysis metric table, when a customer's problem is solved, the analyst can use the basic business problem analysis metric table based on the problem or the basic business problem analysis metric table. Business problem analysis metrics for evaluating the effectiveness of introducing solutions to customers who have not yet solved the problem by creating a business problem analysis metric table and linking the items to be extracted with the work log information A table can be created to evaluate the effectiveness of the solution.

こうして効果試算した値を、解決施策との適合性を評価する情報として活用する。例えば、複数の業務課題分析メトリクスのうち、同じ業務課題分析メトリクスを用いて算出した効果試算値と顧客識別情報と合わせて記憶する手段を設け、解決施策を入力として、その解決施策を適用した業務課題分析メトリクスで測定した効果試算値と顧客識別情報を上位の値からのランキングで出力することにより、解決施策を適用したときに効果が出そうな企業のランキングを作成することが可能となる。
また、ある企業が導入する機能を絞り込みたいときに、機能別に業務分析メトリクスを作成しておき、顧客識別情報を入力として、その顧客識別情報と合わせて記憶されている効果試算値を出力し、出力された効果試算値を参考にして、効果試算値の高い機能の優先度を高くするという利用も考えられる。 The value calculated in this way is used as information for evaluating the compatibility with the solution measure. For example, out of a plurality of business task analysis metrics, there is a means to store the estimated effect value calculated using the same business task analysis metric and the customer identification information. It is possible to create a ranking of companies that are likely to be effective when applying a solution measure by outputting the estimated effect value measured by the problem analysis metrics and the customer identification information in the ranking from the higher value.
In addition, when you want to narrow down the functions that a company introduces, create business analysis metrics for each function, input customer identification information, output the estimated effect value that is stored together with the customer identification information, The use of increasing the priority of a function having a high estimated effect value with reference to the calculated estimated effect value is also conceivable.

本発明によれば、改善施策を行った場合の適合性評価を従来に比較してより容易に行うことが可能になる。   According to the present invention, it is possible to more easily perform suitability evaluation when an improvement measure is taken compared to the conventional case.

本発明の一実施形態のシステム構成図である。It is a system configuration figure of one embodiment of the present invention. 業務課題分析メトリクステーブルの基本構成の一例を示す図である。It is a figure which shows an example of the basic composition of a business task analysis metrics table. 図２に示した業務課題分析メトリクスの別のパターンのテーブルを示す図である。It is a figure which shows the table of another pattern of the business task analysis metric shown in FIG. 業務分析メトリクステーブルを定義する画面の一例である。It is an example of the screen which defines a business analysis metric table. 図２の業務課題分析メトリクステーブルをもとに作成した業務課題分析メトリクステーブルの一例である。It is an example of the business task analysis metrics table created based on the business task analysis metrics table of FIG. システム別の、抽出項目とログデータとの対応付けを示す図である。It is a figure which shows matching with the extraction item and log data according to a system. 図５と別の業務課題分析メトリクステーブルの一例である。It is an example of the business task analysis metrics table different from FIG. 測定データ抽出部で抽出した測定データの一例を示す図である。It is a figure which shows an example of the measurement data extracted by the measurement data extraction part. 本発明を適用して得られる効果試算スコア表の一例を示す図である。It is a figure which shows an example of the effect trial calculation score table obtained by applying this invention. 本発明の一実施例の顧客の課題解決施策の適合性評価作業を支援する処理の流れの一例を示す図である。It is a figure which shows an example of the flow of a process which supports the fitness evaluation work of the customer's problem-solving measure of one Example of this invention.

以下、本発明の一実施形態を、図面を用いて説明する。
図１は、本実施形態に係る顧客の課題解決施策の適合性評価作業支援システムの構成を示した図である。分析データ１００は、顧客の業務システムのログを収集したものであり、業務アプリケーションが生成するログデータ、エージェントプログラム等により取得されたログデータ、現場観察で調査者が計測したデータなどである。業務日誌から取得される文字情報や、作業者の動きを計測するセンサログデータを含んでも構わない。業務課題分析メトリクス登録機能２００は、製品やソリューションを既に導入した顧客の事例を元に業務課題メトリクスを作成して、業務課題分析メトリクス格納部４００に業務課題分析メトリクスを登録する機能である。業務課題の適合性検索機能３００は、分析担当者から入力された検索依頼に対応して結果を回答する機能である。まず、測定データ抽出部３１０において、分析データ１００からデータを読み込み、業務課題分析メトリクス格納部４００に定義されているメトリクスに基づいて測定データを抽出する。 Hereinafter, an embodiment of the present invention will be described with reference to the drawings.
FIG. 1 is a diagram showing a configuration of a conformity evaluation work support system for a customer problem solving measure according to the present embodiment. The analysis data 100 is a collection of customer business system logs, such as log data generated by a business application, log data obtained by an agent program, data measured by an investigator through on-site observation, and the like. It may include character information acquired from the business diary and sensor log data for measuring the movement of the worker. The business problem analysis metrics registration function 200 is a function that creates business problem metrics based on the case of a customer who has already introduced a product or solution, and registers the business problem analysis metrics in the business problem analysis metrics storage unit 400. The business task suitability search function 300 is a function for answering a result in response to a search request input from a person in charge of analysis. First, the measurement data extraction unit 310 reads data from the analysis data 100 and extracts measurement data based on the metrics defined in the business task analysis metrics storage unit 400.

次に、効果試算部３２０にてして効果試算値を算出して効果試算情報格納部５００に記録し、課題適合順位作成部３３０にて効果試算値の順位を作成して回答する。業務課題分析メトリクス格納部４００は、既に製品やソリューションを導入した顧客の事例を元にして、導入効果を計測するメトリクス定義を格納している。効果試算情報格納部５００は、試算した効果試算値を格納している。本実施例では、測定データや測定データの集計値等を記録するデータベースは構成に入れていないが、これらを備えた構成にすることも可能である。   Next, the effect trial calculation unit 320 calculates the effect trial calculation value and records it in the effect trial calculation information storage unit 500, and the task suitability ranking creation unit 330 creates and answers the effect trial calculation value rank. The business problem analysis metrics storage unit 400 stores a metric definition for measuring the effect of introduction based on the case of a customer who has already introduced a product or solution. The estimated effect calculation information storage unit 500 stores the estimated effect calculation value. In the present embodiment, a database for recording measurement data, measurement data total values, and the like is not included in the configuration, but a configuration including these may be used.

図２および図３は、業務課題分析メトリクステーブルの基本構成例を示す図である。業務分析メトリクスは、既に製品やソリューションを導入し、効果が現れている顧客の事例を元にして、導入効果を計測するメトリクスを定義したものである。分析者は業務課題分析メトリクス登録機能２００において、このテーブル構成４１０、４２０を編集して図５に示す業務課題分析メトリクス４４０、４４１を定義する。あるいは、４１０、４３０を編集して図７に示す業務課題分析メトリクス４５０、４５１を定義する。業務課題分析メトリクステーブルは、基本データ項目４１０とメトリクスパターンから構成される。基本データ項目は、ある施策を導入した場合の事例を特定するデータであり、課題解決ID、製品名、顧客名、解決施策、提案内容、ベースラインで構成される。ある製品を導入して複数の課題を解決できた場合には、分析者は解決できた課題ごとに業務課題分析メトリクステーブルを作成する。このテーブルが作成されると、システムによって業務課題分析メトリクステーブルに課題解決IDが割り振られる、または、分析者が識別できる唯一の名称を入力する。製品名は独立した製品でなく、解決施策を実現した装置やソリューション名、ソリューション・メニュー、機能、オプション等のように、切り出して提供することができるものであればよい。ベースラインは、導入後の事例に対して定義したメトリクスを適用して測定された測定値であり、効果試算の基準になる値である。測定値の時系列変化が必要な場合には、ベースラインも時系列情報を有する。   2 and 3 are diagrams showing a basic configuration example of the business task analysis metrics table. The business analysis metrics define metrics that measure the effectiveness of introduction based on the case of customers who have already introduced products and solutions and are showing results. In the business task analysis metrics registration function 200, the analyst edits the table configurations 410 and 420 to define business task analysis metrics 440 and 441 shown in FIG. Alternatively, 410 and 430 are edited to define business task analysis metrics 450 and 451 shown in FIG. The business task analysis metrics table includes basic data items 410 and metrics patterns. The basic data item is data for identifying a case when a certain measure is introduced, and includes a problem solution ID, a product name, a customer name, a solution measure, a proposal content, and a baseline. When a product is introduced and multiple problems can be solved, the analyst creates a business problem analysis metrics table for each problem that can be solved. When this table is created, the system assigns a task resolution ID to the business task analysis metrics table or enters a unique name that the analyst can identify. The product name is not an independent product, but may be anything that can be cut out and provided, such as the name of the device or solution that realized the solution, the solution menu, functions, and options. The baseline is a measured value that is measured by applying the metrics defined for the case after introduction, and is a value that serves as a basis for trial calculation. If time series changes in measured values are required, the baseline also has time series information.

メトリクスパターン部は、メトリクスパターン＿効率化４２０、メトリクスパターン＿厳格化４３０のように、業務課題の種類に応じていくつかのパターンを用意しておく。メトリクスパターンは、業務課題、サブ業務課題、メトリクス、抽出項目、必要な業務情報、測定値の算出式、効果試算式から構成される。例えば、業務課題「効率化」は、時間短縮、ミス減少などいくつかのサブ業務課題に分類される。「時間短縮」を測るメトリクスとしては、分析対象業務の作業所要時間を計測するのが妥当であるため、メトリクスは「所要時間」である。どのメトリクスにおいても、抽出される基本的なデータ項目を抽出項目「作業種別」「作業者ID」「案件ID」「作業量」「作業グループ」「開始日時」「終了日時」として定めている。これらは、いつ「開始日時」と「終了日時」、ある作業「作業種別」を誰「作業者ID」がどの案件「案件ID」に対してどのくらい「作業量」行ったのか、また、その作業をグループ「作業グループ」で行ったのかを抽出するものである。   The metric pattern part prepares several patterns according to the type of business task, such as metric pattern_efficiency 420 and metric pattern_strict 430. The metric pattern is composed of a business task, a sub business task, metrics, an extraction item, necessary business information, a measurement value calculation formula, and an effect trial calculation formula. For example, the business task “efficiency” is classified into several sub business tasks such as time reduction and error reduction. As a metric for measuring “time reduction”, it is appropriate to measure the time required for the work of the analysis target, so the metric is “time required”. In any metric, basic data items to be extracted are defined as extraction items “work type”, “worker ID”, “matter ID”, “work amount”, “work group”, “start date / time”, and “end date / time”. These are the "start date" and "end date", who "work type" for a certain work "work type", how much "work amount" did what "work ID", and what work Is performed in the group “work group”.

Webシステムのログであれば、「作業量」は画面へのアクセス回数をカウントする、というように、その業務に応じて「作業量」として何を数えるのか等の分析者による紐付け作業が必要となる。測定値はメトリクスを具体的に表現したものであり、メトリクス「所要時間」の場合は
（終了日時−開始日時）の総和／作業量の総和
を作業単位にかかった時間として算出する。事例において測定した値をベースラインとし、評価試算式は
（測定値−ベースライン）×（作業量の総和の想定値）
とする。作業量の総和の想定値は、施策を導入した場合の作業量を導入前の業務を参考にして想定するものであり、業務の手数が変わらないのであれば、導入前の作業量の総和を使用するが、業務の手数が半分になる場合には、導入前の作業量の総和の1/2を使用する。 If it is a log of the Web system, the "work amount" counts the number of times the screen is accessed, and it is necessary for the analyst to associate what is counted as the "work amount" according to the work. It becomes. The measurement value is a specific representation of the metric. In the case of the metric “required time”, the sum of (end date / time−start date / time) / sum of work amount is calculated as the time taken for the work unit. The value measured in the case is taken as the baseline, and the trial calculation formula is (measured value-baseline) x (assumed total work amount)
And The estimated value of the total amount of work is based on the amount of work when the measure is introduced, referring to the work before introduction.If the number of work does not change, the total amount of work before introduction is calculated. Use it, but if the number of tasks is halved, use 1/2 of the total amount of work before installation.

同様にして、業務課題がミス縮小の場合は手戻りの発生率を、リスク機会の縮小の場合はリスクの原因となる機会の数を、コンプライアンス強化の場合は正規の手順で行われなかった案件の発生率を、抽出項目を使用して計測する。   Similarly, if the business problem is a reduction in mistakes, the reoccurrence rate of rebirth, if the risk opportunity is reduced, the number of opportunities that cause the risk, and if the compliance is strengthened, the case that was not carried out in a regular procedure The rate of occurrence is measured using extracted items.

図４は、分析者はテーブル構成４１０、４２０を編集して図５に示す業務課題分析メトリクス４４０、４４１を定義するときの画面例である。画面６００においてテーブル構成４１０から４４０を、画面６１０においてテーブル構成４２０から４４１を定義している。画面６００では事例の基本情報を用意された項目に入力する。作成ボタンを押下すると画面６１０に遷移し、業務課題とサブ業務課題を選択すると、対応する基本の業務分析メトリクスのパターンが表示される。ここで測定値算出式や効果算出値などを必要に応じて編集し、分析対象とするシステムを登録する。   FIG. 4 is an example of a screen when the analyst edits the table structures 410 and 420 to define the business task analysis metrics 440 and 441 shown in FIG. Table configurations 410 to 440 are defined on the screen 600, and table configurations 420 to 441 are defined on the screen 610. On the screen 600, basic information of the case is input into the prepared items. When the creation button is pressed, the screen transitions to a screen 610, and when a business task and a sub business task are selected, a corresponding basic business analysis metric pattern is displayed. Here, the measurement value calculation formula, the effect calculation value, and the like are edited as necessary, and the system to be analyzed is registered.

図５は、企業Vが「窓口現金処理機＋データ一括管理機能 ACT_Hx10」を導入したときの事例を用いて、メトリクスパターン＿効率化４２０をひな形として作成した日次精査業務の効率化のメトリクス４４１である。業務として、現金精査業務を対象とするため、システムのログから現金精査業務の作業種別を特定するための情報、業務の単位となる一定期間、現金精査業務の作業量を特定するための情報、現金精査業務の作業グループの単位が分析に必要な情報となるため、これを追加している。   Figure 5 shows the efficiency of daily scrutiny work created by using the example of the case where company V introduces “cash cash machine + data batch management function ACT_Hx10” as a model of metric pattern_efficiency 420. 441. As the work is targeted for cash scrutiny work, information for identifying the work type of cash scrutiny work from the system log, information for identifying the work amount of cash scrutiny work for a certain period as a unit of work, This is added because the unit of the cash scrutiny work group is necessary for analysis.

ここで、メトリクスを定義する場合の考え方について説明する。製品やソリューションには多くの形態があるため、計測する項目は業務によって異なるが、業務課題とメトリクスの基本的な関係、例えば、所要時間やミスの回数を計測する、という考え方は同じである。   Here, the way of thinking when defining metrics will be described. Since there are many forms of products and solutions, the items to be measured differ depending on the business, but the basic idea is to measure the basic relationship between business issues and metrics, for example, the required time and the number of mistakes.

図５で事例としている日次精査業務は銀行営業店の窓口業務の一つである。銀行窓口では多くの種別の業務が行われており、業務システムが業務を支援している。通常、業務システムは多くの機能を提供しているが、金融機関によって重視する機能が異なっているため、業務システムに組み込まれている機能と組み込まれていない機能がある。例えば、締上げ業務は、伝票と営業店内の現金を集計して一致していることを確認する業務である。現金機は現金を識別する機能を備えているが、閉店後に現金機から現金を抜き取り、抜き取った現金を手作業で精査する業務を毎日実施している（日次精査業務）。この日次精査業務を簡素化する機能として、オーバーナイト機能がある。現金機内の現金を抜き取らずに翌日も継続して業務が実施できる機能であり、この機能を活用すると、手作業により精査する業務を何日分かまとめて実施可能となる。こうした機能を導入しなくても業務は遂行できるため、導入すべきかどうかの判断が難しい。そこで、既に導入している営業店の導入効果を測定し、実測地を元にまだ導入していない営業店に導入した場合に、どれくらいの効果がでそうなのかを試算するメトリクスを定義する。   The daily scrutiny that is shown as an example in FIG. 5 is one of the counters of the bank office. Many types of business are carried out at bank counters, and business systems support the business. Usually, a business system provides many functions, but since functions to be emphasized differ depending on financial institutions, there are functions that are incorporated in business systems and functions that are not. For example, the tightening operation is an operation for confirming that the slip and the cash in the sales office are totaled and matched. The cash machine has a function to identify cash, but after the store is closed, the cash is extracted from the cash machine, and the work of examining the extracted cash manually is carried out every day (daily review work). There is an overnight function as a function that simplifies the daily scrutiny. This is a function that allows you to continue working the next day without taking out the cash in the cash machine. By using this function, you can carry out several days of work that will be reviewed manually. Even if these functions are not introduced, business can be carried out, so it is difficult to determine whether to introduce them. Therefore, the effect of introducing the sales offices that have already been introduced is measured, and metrics are calculated to estimate how much the effect will be when introduced to sales offices that have not yet been introduced based on the actual measurement location.

オーバーナイト機能の導入により、手作業で実施していた日次精査業務を簡素化できるが、これを時間短縮による効率化の観点から見るのか、現金を扱う機会をへらすことによる業務厳格化の観点から見るのかにより、効果の算出方法が変わる。オーバーナイト機能による日次精査業務の簡素化を、時間短縮による業務効率化の観点で考えると、現物の量や作業を実施する行員の人数によって、現金の精査業務にかかる時間は異なるため、硬貨も紙幣も一枚あたりの精査にかかる時間は同じであると仮定して、一枚あたりの現金精査にかかる時間をメトリクスとする。これを測定するために、一定期間内おける現物の量と作業所要時間を計測して一枚あたりの現金精査にかかる時間を算出することとする。日次精査作業を、オーバーナイト機能のみで実施する場合と、手作業でも実施する場合では効果試算値が異なるため、この実施サイクルを考慮して一定期間を設定する。測定するデータ項目は、業務の開始時刻、終業時刻、作業者ID、現金の種別毎の現金の計測枚数である。これを現金機ごとに、自動機能による精査と手作業による精査について、測定する。この測定項目について測定したデータを用いて、測定値を算出する。一枚あたりの現金精査にかかる時間は、
一定期間内における（現金精査にかかった延べ時間）／（現金の枚数の総和）
によって算出できる。ここで、現金精査にかかった延べ時間は、各現金機の手作業による現金精査と現金機の自動機能による精査の総和である。手作業による現金精査の延べ時間は、作業所要時間（終了時刻−開始時刻）×（従事者数）の現金機分の総和であり、自動機能による精査延べ時間は（終了時刻−開始時刻）の現金機分の総和である。従事者数は、作業時間帯における作業者IDの人数を、IDを重複してカウントすればよい。測定項目や測定値の考え方については、導入前と導入後で異なる場合があるが、オーバーナイト機能を利用する場合は手作業の回数が減るだけのため、導入前と導入後の測定項目や測定値の算出方法は同じである。こうして算出した導入後の測定値をベースラインとして設定する。一枚あたりの現金精査にかかる時間の短縮効果は、（分析対象システムの導入前の測定値−ベースラインの測定値）で試算できる。実際には、現金の量とオーバーナイト機能の利用回数によって効果の現れかたが異なるため、（一枚あたりの現金精査にかかる時間の短縮効果）×（一定期間内に扱う現金の枚数）を効果試算式とする。ここで、「現金の枚数」を「作業量」と考えると、効果算出式は
一定期間内における（（終了日時−開始日時）の総和）／（作業量の総和）
と表現することができる。 The introduction of the overnight function can simplify the daily scrutiny that was performed manually, but from the perspective of efficiency by shortening the time, or from the perspective of stricter operations by reducing the opportunity to handle cash The calculation method of the effect changes depending on whether you want to see it. Considering the simplification of daily scrutiny by the overnight function from the viewpoint of improving work efficiency by shortening the time, the time required for cash scrutiny depends on the amount of cash and the number of employees performing the work. Assuming that the time taken for the scrutiny per banknote is the same, the time taken for the scrutiny per sheet is taken as a metric. In order to measure this, the amount of actual goods and the time required for work within a certain period are measured to calculate the time required for cash examination per piece. The estimated value of the effect differs when the daily scrutiny work is performed only with the overnight function and when it is performed manually, so a certain period is set in consideration of this execution cycle. The data items to be measured are the start time, the end time, the worker ID, and the measured number of cash for each type of cash. This is measured for each cash machine for automatic and manual inspections. Using the data measured for this measurement item, a measurement value is calculated. The amount of time it takes to examine the cash per sheet
Within a certain period of time (total time required for cash scrutiny) / (total number of cash)
Can be calculated. Here, the total time required for the cash scrutiny is the sum of the cash scrutiny by manual operation of each cash machine and the scrutiny by the automatic function of the cash machine. The total amount of time for manual cash scrutiny is the sum of the required time (end time-start time) x (number of workers) for cash machines, and the total scrutiny time by automatic function is (end time-start time) This is the sum of cash machines. The number of workers may be counted by duplicating the number of worker IDs in the work time zone. Although the concept of measurement items and measurement values may differ before and after installation, using the overnight function only reduces the number of manual operations, so measurement items and measurements before and after introduction The method for calculating the value is the same. The measured value after introduction calculated in this way is set as a baseline. The effect of shortening the time required for examining each cash can be calculated by (measured value before introduction of analysis target system-measured value of baseline). Actually, the effect appears differently depending on the amount of cash and the number of use of the overnight function, so (the effect of shortening the time required for cash per examination) × (the number of cash handled within a certain period) Use the trial calculation formula. Here, when “the number of cash” is considered as “the amount of work”, the effect calculation formula is (total of ((end date) −start date)) / (total amount of work) within a certain period of time.
It can be expressed as

図６は、システム別データ抽出定義テーブル４４２を示した図であり、課題解決IDに対応する、メトリクスの抽出項目とログを紐付けした情報をシステム毎に定義している。例えば、SystemA Ver.2.0 というシステムの課題解決ID：ACT_Hx10_n100は現金精査業務を対象としており、この業務ではシステム作業と手作業が混在しているため、端末ログと現場調査データを使用する。端末ログAct00x_count.csvはログデータの一つであり、抽出項目に紐づけられたデータが格納されている。データ抽出プログラムextraction_systemA は、メトリクスの抽出項目とログを紐付けした情報を用いて、この端末ログAct00x_count.csvから抽出項目に対応するデータを抽出するプログラムである。ここでは、紐付け情報はcsvファイルのカラム番号を示しているのみであるが、特定の文字列と文字列との間にあるデータを抽出することや、抽出する桁数などのルールがあり、データ抽出プログラムはそのルールにしたがってデータを抽出する。   FIG. 6 is a diagram showing a system-specific data extraction definition table 442, in which information associated with a metric extraction item and a log corresponding to a problem solving ID is defined for each system. For example, SystemA Ver.2.0 system problem resolution ID: ACT_Hx10_n100 is intended for cash scrutiny, and system work and manual work are mixed in this work, so terminal logs and field survey data are used. The terminal log Act00x_count.csv is one of the log data and stores data associated with the extracted item. The data extraction program extraction_systemA is a program for extracting data corresponding to the extracted item from the terminal log Act00x_count.csv using information obtained by associating the extracted item of the metric with the log. Here, the association information only indicates the column number of the csv file, but there are rules such as extracting data between a specific character string and the character string, the number of digits to be extracted, etc. The data extraction program extracts data according to the rules.

ACT_n100.xlsはストップウォッチなどの手作業で計測して作成したデータであり、端末ログと同様に、データ抽出プログラムextraction_fieldData でACT_n100.xlsからデータを抽出する。端末ログが入手できない場合や、抽出ルールが不明な場合も、現場調査で調査者が計測したデータを使用する。また、分析対象がシステム作業のみで、その作業が記録されている場合は、現場調査データは必要ない。抽出項目に対応するログが複数に分かれている場合は、対応する複数のログを使用する。このように、システム別にデータ抽出のルールを定めることにより、分析者は、一度データ抽出ルールを定義しておくことで、同じシステムを利用している別の企業のシステムについて、新たな定義を行うことなく分析できるようになる。   ACT_n100.xls is data created by manual measurement such as a stopwatch, and data is extracted from ACT_n100.xls with the data extraction program extraction_fieldData, as with the terminal log. Even if the terminal log is not available or the extraction rule is unknown, use the data measured by the investigator in the field survey. Moreover, when the analysis object is only system work and the work is recorded, the field survey data is not necessary. If the log corresponding to the extracted item is divided into a plurality of logs, the corresponding log is used. In this way, by defining the data extraction rules for each system, the analyst defines the data extraction rules once, thereby making a new definition for another company's system that uses the same system. It will be possible to analyze without.

図７は、企業Vが「窓口現金処理機＋データ一括管理機能 ACT_Hx10」を導入したときの事例を用いて、メトリクスパターン＿厳格化４３０をひな形として作成した日次精査業務の厳格化のメトリクス４５１である。図５と同様に、オーバーナイト機能による日次精査業務の簡素化について、現金を扱う機会を減らすことによる業務厳格化という業務課題の観点で評価する。この観点でメトリクスを定義する場合は、現金を扱う行員数が少ないほうが、現金に触れる機会を減らすことになるが、抑止力の面からは複数人で扱う方がリスクを減らせるという考えもあるため、ここでは行員の数は考慮せずに、現金に触れる機会の回数のみを測定することとする(もちろん、他のデータを測定したり、行員の数を考慮してもよい)。測定するデータ項目は、現金機毎の手作業での現金精査の実施日時と作業者IDである。現金に触れる機会の回数を測定するのに作業者IDは必ずしも必要ではないが、いつも同じ人が作業しているのか、あるいは、作業者のペアの組み方が固定していないか、等をメトリクスに取り入れてもよいため、作業者IDも測定項目にしている。この測定項目について測定したデータを用いて、測定値を算出する。現金機一台あたりの手作業による現金精査の回数は、
一定期間内における（手作業の述べ回数）／（現金機の台数）
で算出できる。ここで、「リスクが発生する作業種別」を「現金チェック作業」とすると、「手作業の述べ回数」は「リスクが発生する作業種別の出現回数の総和」として表現することができる。また、「作業グループ」を「現金機ID」とすると、「現金機の台数」は「作業グループ数（重複なしでカウント）」と表現することができる。 Figure 7 shows the strict metrics for daily scrutiny, created by using the metric pattern_strictening 430 as a model, using the case where company V introduced “cash cash processor + data batch management function ACT_Hx10”. 451. As in FIG. 5, the simplification of the daily scrutiny by the overnight function is evaluated from the viewpoint of the business problem of stricter business by reducing the opportunity to handle cash. When defining metrics from this point of view, having fewer cash handling staff will reduce the chances of touching cash, but there is also the idea that handling by more than one person can reduce risk in terms of deterrence. Therefore, here, only the number of opportunities to touch cash is measured without considering the number of employees (of course, other data may be measured or the number of employees may be considered). The data items to be measured are the date and time of manual cash inspection for each cash machine and the worker ID. The worker ID is not always necessary to measure the number of times to touch the cash, but the metrics are whether the same person is always working or whether the worker pairing method is fixed. Since it may be incorporated, the worker ID is also a measurement item. Using the data measured for this measurement item, a measurement value is calculated. The number of manual cash reviews per cash machine is:
(Number of manual operations) / (Number of cash machines) within a certain period
It can be calculated by Here, when “the work type in which the risk occurs” is “cash check work”, the “number of manual work statements” can be expressed as “the total number of appearances of the work type in which the risk occurs”. If the “work group” is “cash machine ID”, the “number of cash machines” can be expressed as “number of work groups (counting without duplication)”.

図８は業務分析メトリクステーブル４０１の測定データ項目にしたがって、測定データ抽出部３１０にて抽出した測定データの一例である。業務分析メトリクステーブル４４１と４５１の測定データ項目を共通化して管理し、顧客業務を識別する情報とその測定データを格納する機能を設け、既に測定データが抽出されている場合には、測定データ抽出３１０の処理を省くようにすることも可能である。また、時系列変化情報を測定する必要がある場合や、決まった期間のログを利用して分析を行う場合には、測定データを定期的に取得・抽出しておく機能を設けておくことで、業務課題の適合性検索機能３００の応答時間を短縮することができる。   FIG. 8 is an example of measurement data extracted by the measurement data extraction unit 310 in accordance with the measurement data items of the business analysis metrics table 401. The measurement data items of the business analysis metrics tables 441 and 451 are managed in common, and information for identifying customer business and a function for storing the measurement data are provided. When measurement data has already been extracted, measurement data extraction is performed. It is also possible to omit the process 310. In addition, when it is necessary to measure time-series change information or when analysis is performed using a log of a fixed period, a function to periodically acquire and extract measurement data should be provided. The response time of the business task suitability search function 300 can be shortened.

図９は効果試算情報テーブルの構成の一例を示したもので、本実施形態を適用して得られる効果試算値のスコア表である。課題解決ＩＤ=ACT_Hx10_n100 は業務分析メトリクステーブル４４１の課題解決ＩＤである。スコア表５０１は、業務分析メトリクステーブル４４１の測定データと効果試算式にしたがって算出した効果試算値である。例えば、一定期間を１週間とした場合の企業Zの測定値が６８であり、4550枚を処理している場合、ベースラインの測定値が２７であるから、効果試算値は
(６８−２７)×４５５０＝１８６５５０ 秒（一定期間：１週間）
となる。この効果試算値が、企業Zに対する課題解決ＩＤ=ACT_Hx10_n100の適合性を評価する値である。スコア表５０１においては、企業Ｙの効果試算値が一番大きいため、試算した顧客のなかでは企業Ｙへの課題解決ＩＤ=ACT_Hx10_n100の施策が適合していると評価することができる。 FIG. 9 shows an example of the configuration of the effect trial calculation information table, which is a score table of the effect trial calculation values obtained by applying this embodiment. Problem solution ID = ACT_Hx10_n100 is the problem solution ID of the task analysis metrics table 441. The score table 501 is an estimated effect value calculated according to the measurement data of the business analysis metrics table 441 and the estimated effect equation. For example, when the fixed period is 1 week, the measured value of company Z is 68, and when processing 4550 sheets, the measured value of baseline is 27.
(68-27) × 4550 = 186550 seconds (fixed period: 1 week)
It becomes. This estimated effect value is a value for evaluating the suitability of the problem solution ID = ACT_Hx10_n100 for the company Z. In the score table 501, since the trial calculation value of the company Y is the largest, it can be evaluated that the measure of the problem solution ID = ACT_Hx10_n100 for the company Y is suitable among the calculated customers.

また、導入後の測定値であるベースラインと比較して、効果が見込めそうかどうかだけを評価できればよい場合は、スコア表５０２に示すように、測定値とベースラインとの差分情報を活用して、差分情報がプラスであれば効果が見込めると評価するようにしてもよい。   In addition, if it is only necessary to evaluate whether or not the effect can be expected compared with the baseline that is the measurement value after introduction, as shown in the score table 502, the difference information between the measurement value and the baseline is used. If the difference information is positive, it may be evaluated that the effect can be expected.

図１０は、ある製品が解決した業務課題事例を分析者が入力すると、複数の企業のログデータから、業務課題事例と同様の製品を導入した場合の効果試算値の大きい順に企業のランキングを作成して出力するプログラムの処理の流れを示した図である。図１０に示したプログラムは、分析者が入力した課題解決ＩＤを検索キーワードとして読み込んで処理を開始する。Ｓ１０００にて課題解決ＩＤの業務分析メトリクステーブルにアクセスして測定データ項目を参照し、分析対象とする企業の業務の測定データを抽出する。次のステップＳ１０１０において、測定値の算出式に測定データを入れて、分析対象とする企業の測定値を算出する。次のステップ１０２０では、業務分析メトリクステーブルのベースラインの測定値を参照し、算出した測定値とベースラインの測定値を使用して効果試算を算出し、課題解決ＩＤと分析対象の企業と効果試算値を関連付けて記憶する。分析対象の企業の業務についてＳ１０００〜Ｓ１０２０の処理を行うとＳ１０３０進み、分析対象の企業の効果試算値の大きい順にランキングを作成して出力し、処理を終了する。   Fig. 10 shows that when an analyst inputs a business problem case solved by a certain product, a company ranking is created in descending order of the estimated effect when a product similar to the business problem case is introduced from log data of multiple companies. It is the figure which showed the flow of the process of the program output in this way. The program shown in FIG. 10 reads the problem solving ID input by the analyst as a search keyword and starts processing. In S1000, the business analysis metrics table of the problem solving ID is accessed, the measurement data items are referenced, and the business measurement data of the company to be analyzed is extracted. In the next step S1010, measurement data is put into a measurement value calculation formula to calculate a measurement value of a company to be analyzed. In the next step 1020, the baseline measurement value in the business analysis metric table is referred to, the trial calculation of the effect is calculated using the calculated measurement value and the baseline measurement value, the problem solution ID, the analysis target company and the effect are calculated. The estimated value is associated and stored. When the processes of S1000 to S1020 are performed for the business of the analysis target company, the process proceeds to S1030, rankings are created and output in descending order of the estimated trial value of the analysis target company, and the process ends.

例えば、ある製品を担当している営業が分析者の場合、自分が担当している製品の課題解決ＩＤを入力すると、課題解決ＩＤと同じ課題解決施策を導入すると効果がでると試算される企業の順番が出力されるため、この出力結果を参考にして製品を紹介するという利用が考えられる。   For example, if the salesperson in charge of a product is an analyst, enter the problem resolution ID of the product you are in charge of, and if the same problem solving measures as the problem resolution ID are introduced, it is estimated that it will be effective Since the output order is output, the use of introducing the product with reference to the output result can be considered.

また、業務分析メトリクステーブル４４１、４５１の製品名は、ソリューションのメニューや、製品の機能単位に構成しても構わない。例えば、 企業の業務改善を検討する場合に、企業が導入を検討している複数の機能に対して、機能毎に効果試算値を算出し、どの機能を優先的に導入するかを評価する目的で効果試算値を使用することも考えられる。   Further, the product names of the business analysis metrics tables 441 and 451 may be configured in a solution menu or a function unit of the product. For example, when considering business improvement of a company, the purpose is to calculate the estimated effect value for each function for multiple functions that the company is considering introducing, and to evaluate which function is preferentially introduced. It is also possible to use the estimated effect value.

更に、クラウド環境において、ログの取得と分析を定期的に自動で実施することも考えられる。例えば、新機能をリリースした場合に、その機能を導入した場合の効果を試算してレポート形式で顧客に報告し、機能導入の検討材料として利用することも考えられる。   Furthermore, it is conceivable that log acquisition and analysis are automatically performed periodically in a cloud environment. For example, when a new function is released, it may be possible to estimate the effect of introducing the function and report it to the customer in a report format and use it as a material for studying the function introduction.

以上、本実施形態によれば、分析者は、あらかじめ用意された抽出すべき項目に対する業務ログ情報の紐付け作業を行うことで、顧客が抱える業務課題に対して、提供可能な改善施策を導入した場合の適合性を評価する定量情報を得ることができるようになる。この評価情報を使用すると、分析者自身が効果を試算するスキルを持っていない場合であっても、製品やソリューションを顧客業務に導入した場合の改善効果を試算できるようになる。また、ソリューションとして複数の機能を提供している場合には、限られた予算の中で、どの機能を導入すべきかの判断をするための情報とすることができる。更に、営業活動においては、ある製品やソリューションについて、複数の顧客業務の中から、改善効果の高い顧客業務をみつけることが可能となる。   As described above, according to the present embodiment, the analyst introduces improvement measures that can be provided to the business problem that the customer has by performing the work of associating the work log information with the items to be extracted prepared in advance. It is possible to obtain quantitative information for evaluating the suitability in the case of the above. By using this evaluation information, even if the analyst himself does not have the skill to calculate the effect, the improvement effect when the product or solution is introduced into the customer business can be calculated. In addition, when a plurality of functions are provided as a solution, the information can be used to determine which function should be introduced within a limited budget. Furthermore, in sales activities, it is possible to find a customer operation with a high improvement effect from a plurality of customer operations for a certain product or solution.

１００ 分析データ
２００ 業務課題分析メトリクス登録機能
３００ 業務課題の適合性検索機能
４００ 業務課題分析メトリクス格納部
５００ 効果試算情報格納部 100 analysis data 200 business task analysis metrics registration function 300 business task suitability search function 400 business task analysis metrics storage unit 500 effect trial calculation information storage unit

Claims (10)

業務システムの業務ログデータを使用して行う業務の改善効果評価を支援する改善効果評価支援装置であって、
業務課題の解決策を特定する課題解決識別子と、改善効果の評価に使用する抽出すべき項目と、前記抽出すべき項目を使用して試算される評価式と、の対応付けを示す業務分析メトリクステーブルを複数記憶する格納部と、
前記抽出すべき項目に対して、ログデータとの対応付けを分析者から受付け、当該受け付けられた対応づけに従って前記ログデータを定義する手段と、
前記分析者から入力される課題解決識別子に基づき、複数の前記業務分析メトリクステーブルから当該課題解決識別子と対応する第１の業務分析メトリクステーブルを特定し、当該第１の業務分析メトリクステーブルに示される第１の抽出すべき項目および第１の評価式を参照し、前記第１の抽出すべき項目に応じて前記ログデータから抽出されたデータと前記第１の評価式を使用して効果試算値を算出する手段と、
前記効果試算値を評価情報として決定する手段とを有することを特徴とする改善効果評価支援装置。 An improvement effect evaluation support device for supporting an improvement effect evaluation of work performed using work log data of a work system ,
Business analysis metrics indicating the correspondence between a problem solution identifier that identifies a solution to a business problem, an item to be extracted that is used for evaluation of improvement effects, and an evaluation formula that is estimated using the item to be extracted A storage unit for storing a plurality of tables;
Means for accepting correspondence with log data for the item to be extracted from an analyst, and defining the log data according to the accepted correspondence;
Based on the problem resolution identifier input from the analyst, a first business analysis metric table corresponding to the problem resolution identifier is identified from the plurality of business analysis metric tables, and is indicated in the first business analysis metric table. the first reference to the items to be and the first evaluation expression extraction, the effect estimated value using the first evaluation expression and the extracted data from the log data in response to the first item to be extracted for Means for calculating
An improvement effect evaluation support apparatus comprising: means for determining the estimated effect value as evaluation information. 請求項１に記載の改善効果評価支援装置において、
前記業務システム毎に、前記分析者が定義した抽出すべき項目とログデータとの対応付けを記憶する手段と、
前記業務システムのうち、同じ業務システムに対しては、前述の定義を使用する手段とをさらに有し、抽出すべき項目とログデータとの対応付けを省略することを可能とする改善効果評価支援装置。 In the improvement effect evaluation support apparatus according to claim 1,
Means for storing a correspondence between items to be extracted and log data defined by the analyst for each business system;
Among the business systems, for the same business system, there is further provided means for using the above-mentioned definition, and the improvement effect evaluation support that makes it possible to omit the correspondence between items to be extracted and log data apparatus. 請求項１に記載の改善効果評価支援装置において、
任意の業務分析メトリクスに対して、導入前の顧客の業務ログから抽出したデータと評価式を使用して算出した値と、既に解決策を導入した顧客の業務ログから抽出したデータと評価式を使用して算出した値との差分を効果試算値として算出する手段をさらに有することを特徴とする改善効果評価支援装置。 In the improvement effect evaluation support apparatus according to claim 1,
For any business analysis metric, the value calculated using the data and evaluation formula extracted from the customer's business log before introduction, and the data and evaluation formula extracted from the business log of the customer who has already implemented the solution. An improvement effect evaluation support apparatus, further comprising means for calculating a difference from a value calculated by use as an estimated effect value. 請求項１に記載の改善効果評価支援装置において、
前記分析者から業務分析メトリクスの指定を受け付ける手段と、
指定を受け付けた前記業務分析メトリクスに対する、複数の顧客の評価情報を出力する手段とをさらに有することを特徴とする改善効果評価支援装置。 In the improvement effect evaluation support apparatus according to claim 1,
Means for accepting designation of business analysis metrics from the analyst;
An improvement effect evaluation support apparatus further comprising means for outputting evaluation information of a plurality of customers for the business analysis metrics that have received the designation. 請求項１に記載の改善効果評価支援装置において、
前記分析者から前記業務システムの指定を受け付ける手段と、
前記業務システムと同じ顧客の業務システムに対する複数の業務分析メトリクスを適用した評価情報を出力する手段とをさらに有することを特徴とする改善効果評価支援装置。 In the improvement effect evaluation support apparatus according to claim 1,
Means for accepting designation of the business system from the analyst ;
The improvement effect evaluation support apparatus further comprising means for outputting evaluation information obtained by applying a plurality of business analysis metrics to a business system of the same customer as the business system. 業務システムの業務ログデータを使用して行う業務の改善効果評価を支援する改善効果評価支援方法であって、
業務課題の解決策を特定する課題解決識別子と、改善効果の評価に使用する抽出すべき項目と、前記抽出すべき項目を使用して試算される評価式と、の対応付けを示す業務分析メトリクステーブルを複数記憶し、
前記抽出すべき項目に対して、ログデータとの対応付けを分析者から受付け、当該受け付けられた対応づけに従って前記ログデータを定義し、
前記分析者から入力される課題解決識別子に基づき、複数の前記業務分析メトリクステーブルから当該課題解決識別子と対応する第１の業務分析メトリクステーブルを特定し、当該第１の業務分析メトリクステーブルに示される第１の抽出すべき項目および第１の評価式を参照し、前記第１の抽出すべき項目に応じて前記ログデータから抽出されたデータと評価式を使用して効果試算値を算出し、
前記効果試算値を評価情報として決定することを特徴とする改善効果評価支援方法。 An improvement effect evaluation support method for supporting an improvement effect evaluation of operations performed using operation log data of an operation system ,
Business analysis metrics indicating the correspondence between a problem solution identifier that identifies a solution to a business problem, an item to be extracted that is used for evaluation of improvement effects, and an evaluation formula that is estimated using the item to be extracted Store multiple tables,
For the item to be extracted, accept an association with log data from an analyst, define the log data according to the accepted association,
Based on the problem resolution identifier input from the analyst, a first business analysis metric table corresponding to the problem resolution identifier is identified from the plurality of business analysis metric tables, and is indicated in the first business analysis metric table. Referring to the first item and the first evaluation expression to be extracted, by using the evaluation formula and the extracted data from the log data to calculate the effect estimated value according to the first item to be extracted, the
An improvement effect evaluation support method, wherein the estimated effect value is determined as evaluation information. 請求項６に記載の改善効果評価支援方法において、
さらに、
前記業務システム毎に、前記分析者が定義した抽出すべき項目とログデータとの対応付けを記憶し、
前記業務システムのうち、同じ業務システムに対しては、前述の定義を使用することで、
抽出すべき項目とログデータとの対応付けを省略することを可能とする改善効果評価支援方法。 The improvement effect evaluation support method according to claim 6,
further,
For each business system, store the correspondence between items to be extracted and log data defined by the analyst,
For the same business system among the business systems, by using the above definition,
An improvement effect evaluation support method that makes it possible to omit the association between an item to be extracted and log data. 請求項６に記載の改善効果評価支援方法において、
さらに、
任意の業務分析メトリクスに対して、導入前の顧客の業務ログから抽出したデータと評価式を使用して算出した値と、既に解決策を導入した顧客の業務ログから抽出したデータと評価式を使用して算出した値との差分を効果試算値として算出することを特徴とする改善効果評価支援方法。 The improvement effect evaluation support method according to claim 6,
further,
For any business analysis metric, the value calculated using the data and evaluation formula extracted from the customer's business log before introduction, and the data and evaluation formula extracted from the business log of the customer who has already implemented the solution. The improvement effect evaluation support method characterized by calculating the difference with the value calculated using it as an effect trial calculation value. 請求項６に記載の改善効果評価支援方法において、
さらに、
前記分析者から業務分析メトリクスの指定を受け付け、
指定を受け付けた前記業務分析メトリクスに対する、複数の顧客の評価情報を出力することを特徴とする改善効果評価支援方法。 The improvement effect evaluation support method according to claim 6,
further,
Accepting business analysis metrics from the analyst,
An improvement effect evaluation support method, comprising: outputting evaluation information of a plurality of customers for the business analysis metrics for which designation has been received. 請求項６に記載の改善効果評価支援方法において、
さらに、
前記分析者から前記業務システムの指定を受け付け、
前記業務システムと同じ顧客の業務システムに対する複数の業務分析メトリクスを適用した評価情報を出力することを特徴とする改善効果評価支援方法。 The improvement effect evaluation support method according to claim 6,
further,
Accepting designation of the business system from the analyst ,
An improvement effect evaluation support method comprising: outputting evaluation information obtained by applying a plurality of business analysis metrics to a business system of the same customer as the business system.
JP2014153432A 2014-07-29 2014-07-29 Improvement effect evaluation support apparatus and method Active JP6294180B2 (en)

Priority Applications (1)

Application Number Priority Date Filing Date Title
JP2014153432A JP6294180B2 (en) 2014-07-29 2014-07-29 Improvement effect evaluation support apparatus and method

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
JP2014153432A JP6294180B2 (en) 2014-07-29 2014-07-29 Improvement effect evaluation support apparatus and method

Publications (2)

Publication Number Publication Date
JP2016031624A JP2016031624A (en) 2016-03-07
JP6294180B2 true JP6294180B2 (en) 2018-03-14

Family

ID=55441969

Family Applications (1)

Application Number Title Priority Date Filing Date
JP2014153432A Active JP6294180B2 (en) 2014-07-29 2014-07-29 Improvement effect evaluation support apparatus and method

Country Status (1)

Country Link
JP (1) JP6294180B2 (en)

Families Citing this family (10)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP6871759B2 (en) * 2017-02-28 2021-05-12 株式会社日立製作所 Judgment support system and judgment support method
JP7039393B2 (en) * 2018-06-06 2022-03-22 株式会社日立製作所 Digital solution proposal support device and digital solution proposal support method
CN109658071B (en) * 2018-12-27 2020-11-24 四川西南交大铁路发展股份有限公司 Automatic evaluation management method for railway settlement
JP7245707B2 (en) * 2019-04-05 2023-03-24 株式会社日立製作所 SOLUTION PROPOSAL SUPPORT SYSTEM AND SOLUTION PROPOSAL SUPPORT METHOD
JP7215318B2 (en) * 2019-05-14 2023-01-31 富士通株式会社 Information processing program, information processing method, and information processing apparatus
US20220318699A1 (en) * 2019-06-18 2022-10-06 Nippon Telegraph And Telephone Corporation Evaluation apparatus, evaluation method and program
JP6761996B1 (en) * 2020-01-10 2020-09-30 株式会社日本Ａｉコンサルティング Evaluation support system, evaluation support method and evaluation support program
JP6888863B1 (en) * 2020-01-10 2021-06-16 株式会社日本Ａｉコンサルティング Evaluation support system, evaluation support method and evaluation support program
JP7453107B2 (en) 2020-09-16 2024-03-19 株式会社日立製作所 Investigation support system and investigation support method
JPWO2023021683A1 (en) * 2021-08-20 2023-02-23

Family Cites Families (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2002140498A (en) * 2000-11-01 2002-05-17 Electric Power Dev Co Ltd Job supporting device, job supporting method and recording medium having job supporting program recorded thereon
JP2002269329A (en) * 2001-01-05 2002-09-20 Yasufumi Uchiumi System and method of supporting improvement of business
JP2005148856A (en) * 2003-11-11 2005-06-09 Hitachi Ltd Method, program, and system for measuring it system investment effect

Also Published As

Publication number Publication date
JP2016031624A (en) 2016-03-07

Similar Documents

Publication Publication Date Title
JP6294180B2 (en) Improvement effect evaluation support apparatus and method
US20130121580A1 (en) Analysis of service delivery processes based on interrogation of work assisted devices
JP4717945B2 (en) Business analysis program and business analysis device
Pika et al. An extensible framework for analysing resource behaviour using event logs
WO2019071906A1 (en) Financial product recommendation device and method, and computer-readable storage medium
Baker et al. Vendor‐supplied usage data for electronic resources: a survey of academic libraries
Checkoway et al. Lung cancer and occupational exposures other than cotton dust and endotoxin among women textile workers in Shanghai, China
CN108268624A (en) User data method for visualizing and system
CN116050761A (en) Work collaborative management method and system
Nugroho et al. Empirical analysis of the relation between level of detail in UML models and defect density
Jethani Software metrics for effective project management
KR20140085866A (en) Method and appartus for process mining capable of analyzing various performance metrics
JP2021140396A (en) Inference basis analyzer and inference basis analysis method
Marin-Diaz et al. The effects of training on the competitive economic advantage of companies in Spain
KR101536536B1 (en) Method for evaluating technology by adjusted reproduction cost approaching
JP2017188004A (en) Computing for analyzing time series variation of submission of specific theme in social media in tracing manner
CN115525575A (en) Data automation testing method and system based on Dataworks platform
Gosain et al. Assessment of quality of data warehouse multidimensional model
Valença et al. Construction of a software measurement tool using systematic literature review
KR101291438B1 (en) System and method for analyzing customer satisfaction of smartphone
CN115544127A (en) Code amount processing method and system, electronic device and readable storage medium
Lübke et al. A template for categorizing business processes in empirical research
Tian et al. Test workload measurement and reliability analysis for large commercial software systems
KR20120101226A (en) System and method for analyzing online game loyalty of user
JPWO2019030884A1 (en) Reviewer management system and method

Legal Events

Date Code Title Description
A621 Written request for application examination

Free format text: JAPANESE INTERMEDIATE CODE: A621

Effective date: 20161220

RD04 Notification of resignation of power of attorney

Free format text: JAPANESE INTERMEDIATE CODE: A7424

Effective date: 20170110

RD04 Notification of resignation of power of attorney

Free format text: JAPANESE INTERMEDIATE CODE: A7424

Effective date: 20170112

A131 Notification of reasons for refusal

Free format text: JAPANESE INTERMEDIATE CODE: A131

Effective date: 20171121

A521 Request for written amendment filed

Free format text: JAPANESE INTERMEDIATE CODE: A523

Effective date: 20171213

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: 20180116

A61 First payment of annual fees (during grant procedure)

Free format text: JAPANESE INTERMEDIATE CODE: A61

Effective date: 20180215

R150 Certificate of patent or registration of utility model

Ref document number: 6294180

Country of ref document: JP

Free format text: JAPANESE INTERMEDIATE CODE: R150