業務分析とデータ活用

要点と定義

パレート図は、要因別の件数を多い順に並べた棒グラフと、件数の累積割合を表す折れ線グラフを組み合わせた図です。累積割合は項目を順に足した値なので、右へ進んでも減少せず、最後に全体の割合に達します。不良要因が傷40件、汚れ25件、寸法違い20件、その他15件なら、傷と汚れまでの累積割合は65％です。影響の大きい要因から優先して調べるのに役立ちます。

親和図法は、集めた事実や意見を意味や関連性に応じてグループ化し、問題点を整理する方法です。例えば、利用者の意見を「操作が分かりにくい」「表示が遅い」などのまとまりに分けると、解決すべき論点を見つけやすくなります。

業務時間を分析するときは、総時間、業務件数、1件当たりの所要時間を区別します。件数に比例する時間は「件数×1件当たり時間」で求め、総時間から差し引くと他の業務に使える時間が分かります。1日の総業務時間を保ったまま件数を増やす計画では、増加後の内訳で計算します。

データ利活用では、データを収集するだけでなく、分析して課題解決や判断につなげます。多種多様で大量の投稿を分析し、商品の改善に使うのはビッグデータ活用の例です。価値はデータ量だけで決まらず、分析結果を何に生かすかが要点です。

蓄積データにパターン認識や機械学習を適用すると、過去の応対履歴などを分析し、問い合わせに合う回答を導く支援に使えます。データに基づく回答候補の提示は、情報を画面に表示するだけの仕組みと異なり、蓄積情報から応対を支援します。

データ活用は、過去・現在の事実確認、状況の解釈、将来の予測、将来の施策への展開という流れで整理できます。例えば、操作履歴の集計は事実確認、誤操作の原因を探ることは解釈、故障率の変化を見積もることは予測、誤操作を減らす画面への改良は施策への展開です。

BI（Business Intelligence）は、業務システムなどに蓄積されたデータを分析し、業績評価や経営戦略の策定などの意思決定に役立てる考え方です。データ分析を判断に結び付ける点が中心です。

分析結果のフィードバックは、誰に返すかと、いつ反映するかを分けて考えます。対象は顧客全体か個々か、タイミングは一定期間ごとか即時か、という二つの軸で整理できます。位置情報と購買履歴に基づいて、その人の端末に近くの推奨商品を表示する例は、個々への即時反映です。

適用条件と例

パレート図を読むときは、棒が件数の多い順か、折れ線が累積割合を示すかを確認します。例えば、件数が40、25、20、15なら、合計100件に対する累積割合は40％、65％、85％、100％です。要因を件数順に並べていない図や、途中で下がる線は、この図の特徴に合いません。

親和図法を使うには、まず意見や事実を集め、その内容や関連性を見てまとめます。似た内容をまとめることで、ばらばらな情報から共通する問題を見つけやすくなります。

時間計算では、例えば訪問1件が1時間、準備が短縮後に1件0.2時間で、6件を訪問するなら、訪問に6×1＝6時間、準備に6×0.2＝1.2時間かかります。総業務時間が8時間なら、その他業務に使えるのは8－6－1.2＝0.8時間です。変更前のその他業務時間が1.5時間なら、必要な削減は1.5－0.8＝0.7時間です。

大量で多様なデータの分析は、商品やサービスの改善などにつなげられます。また、応対履歴から回答を支援するには、履歴と問い合わせ内容との関連が分析できることが前提です。分析結果は自動的に正しいと決め付けず、業務の目的に照らして使います。