JP2008071240A - 行動効率化支援装置および方法 - Google Patents

Abstract

【課題】活動ログを用いて対人的な行動の効果を最適化させる。
【解決手段】活動履歴収集ユニット１０は、人位置情報、メール、ファイルアクセス等の活動ログを収集し、活動履歴保持ユニット１１に保持する。活動傾向抽出ユニット１２は、集団の活動履歴の時間的変化を確率変動パターンとして抽出する。施策効果予測ユニット１３は、確立変動パターンに基づいて、対象となる集団に対する施策による効果予測を行う。出力ユニット１４は、施策予測を行った結果を、表示やメールなどで通知し、あるいは記録する。現在値算出ユニット１７は、予測値との比較のため、在席者数や在席者率などの現在値を算出するものであり、現在値がピークの予測値より大きい場合等に、行動を促すようにできる。
【選択図】図１

Description

この発明は、人の活動のログを用いて対人行動の効果を最適化する技術に関し、とくに、活動パターンの周期性を利用しようとするものである。

メールサーバー、ファイルサーバー、Ｗｅｂサーバー等のアクセスログを用いることにより、人の活動の記録が容易に取得できるようになった。また、近年では、ＧＰＳ、ＰＨＳ、携帯電話等のサービスや、赤外線やＲＦＩＤを利用した位置検出システム等により、電子的なシステムを利用した活動だけではなく、行動そのもののログも記録できるようになった。ログからは活動や行動のパターンを抽出することが可能であり、組織全体のログを利用することで、組織の活動や行動のパターンも抽出可能である。

特許文献１では、個人の活動のパターンを消費カロリーで換算する方法を開示している。しかし、時間に関するパターンの指標化がなされていない上、組織の活動パターンに対応していない。

特許文献２では、ネットワークの混雑状況により送信レートを制御する通信手段を開示している。しかし、ネットワークに特化した上、逐次的な制御のみで蓄積されたログを活用するものではない。

特許文献３では、組織活動のログの集計において、集計時間間隔を期待度数によって変更する集計方法を開示している。しかし、統計的な分布への適合度の検定を目的としており、行動パターンとしての集計を行わない。

なお、上述の従来技術やその問題点は、この発明の背景の一部を説明するためにのみ説明している。この発明は上述の従来技術や問題点に限定されるものではない点を注記しておく。
特開２００４−９４５９３号公報 特開２００４−１９３９９１号公報 特開２００５−１８９９８１号公報

人の対人的な行動、例えば、メッセージの通知等は、相手の活動パターンを反映させて行うことにより、その効果を最適化することができる。この発明は、相手の活動ログを用いて対人的な行動の効果を最適化させる技術を提供することを目的としている。

組織活動全体の時間的な変動が測定可能になってきている。組織活動の変動パターンを知っていれば、この時間帯にメールを出しても、ほとんど見る人がいないから別のタイミングで出そうとか、外出から帰ってくる前にＷｅｂページを更新しておきたいというように、これから実施しようとする組織活動の効果やスピードを向上することができる。この発明では、このような知見の下に、人位置検出ログやＩＴツールのログ等から、組織全体の時間的な行動の変動パターンを抽出し、ログの種類や時間的変動パターンに応じた対人行動を実行制御することにより、行動の効果や効率を向上させる。

さらにこの発明を説明する。

すなわち、この発明の一側面によれば、上述の目的を達成するために、行動効率化支援装置に：活動を検出して活動情報を取得する検出手段と；上記活動情報を記憶する記憶手段と；上記活動情報に基づいて活動の有無または頻度の所定周期における確率パターンを算出する算出手段と；上記算出された確率パターンに基づいて対人的な行動の効果を判定する判定手段とを設けている。

この構成においては、活動の有無または頻度の周期性に着目して最も好ましいタイミングの行動プランまたは施策、具体的には、行動の始期や行動が予定する納期や会合の開始時刻を決定できる。

行動は、例えばメールやＷｅｂサーバを用いたメッセージの通知である。このメッセージは単なる事実内容の通知の場合もあるし、所定の要求作業の納期や会合の時間の通知を含む場合もある。収集対象の活動情報は、例えば、だれがいつどこにいたかを示す人位置情報、メールの送信、ファイルへのアクセス等、情報処理システムへのアクセスである。

この構成において、上記判定手段により判定された上記対人的な行動の効果のピークを出力する出力手段をさらに設けても良い。

また、上記対人的な行動の効果を上記算出された確率パターンの確率値で表してもよい。例えば、在社確率の確率パターンを用いて行動の効果を表しても良い。この場合、現時点以降に表れるピークの時点で行動の効果が最適化される。

また、上記確率パターンの確率に対応する実測値が、上記確率パターンのピーク値より、所定の値だけ大きい場合に、現時点で上記対人的な行動を行うことが有効であると判別する手段をさらに設けても良い。

また、上記活動は、所定の領域に所在することであり、上記確率パターンは所定周期の各位相において上記所定の領域に所在する確率のパターンであってよい。

また、上記活動は、メール送信であり、上記確率パターンは所定周期の各位相においてメール送信が行われる確率であってよい。またファイルシステムへのアクセスであってもよい。

また、上記活動は複数種類あり、少なくとも２つの種類の活動についてのそれぞれの上記所定周期における確率パターンの間の差分を求め、この差分に基づいて上記対人的な行動の効果を判定してもよい。例えば、上記活動は２種類あり、第１の種類の活動についての上記所定周期における確率パターンと、第２の種類の活動についての上記所定の周期における確率パターンの差分を求め、この差分に基づいて上記対人的な行動の効果を判定するようにしてもよい。２種類の活動の組み合わせは例えば在社率と会議室利用率、あるいは、在社率とＩＴツール利用率である。３種類以上の活動を利用するものとして、例えば会議中でもなく、メール作成中でもなく、在社するというようなパターン求めるために、在社率から会議室利用率およびメール作成率を差し引くようにしても良い。

また、上記周期は、１日、１週間、１月および１年のうちの１つまたは複数であってよい。

また、上記周期は、上記活動の統計量をフーリエ変換して求めてもよい。

なお、この発明は装置またはシステムとして実現できるのみでなく、方法としても実現可能である。また、そのような発明の一部をソフトウェアとして構成することができることはもちろんである。またそのようなソフトウェアをコンピュータに実行させるために用いるソフトウェア製品もこの発明の技術的な範囲に含まれることも当然である。

この発明の上述の側面および他の側面は特許請求の範囲に記載され以下実施例を用いて詳述される。

この発明によれば、活動の有無または頻度の周期性に着目して最も好ましいタイミングの行動プランまたは施策を決定できる。

以下、この発明の実施例について説明する。

この実施例では、例えば、ある集団に対する同報連絡（メーリングリストやＷｅｂページを利用したアンケートの依頼など）を行う際に、過去の行動履歴による在社率もしくはサーバーへのアクセス率の確率変動から、どのタイミングまでに同報もしくは公開すれば効果的かの予測値を出す。タイミングごとに同報の到達率がどのくらいかを予測するようにしてもよい（納期設定のナビゲーション）。Ｗｅｂページの更新のような場合には、アクセスする人が少ない時間の効果が高いと評価してもよい。

ある集団に対する同報連絡などで、現在の在社率などが、予測値あるいは近い将来のピーク予測値よりも高ければ、現在アクションを打つ効果が高いことを通知する。また、予測値よりも低ければ予想通りの効果が得られないことを通知する。

ある集団の行動履歴による在社確率と、会議室の利用比率（もしくは他のＩＴログ）を比較し、差分の大きい時間帯を提示することで、他の業務で多忙な時間帯を避けるようにナビゲーションする。

これらにより、活動を行うタイミングや納期を効果的に設定することができる。また、周期的傾向の異なる複数の集団間で、相手に対するタイミングや納期をお互いに予測することによって、コラボレーションの効率を向上することができる。

以下、実施例を詳細に説明する。

図１は、この発明の実施例の行動効率化支援サーバー１００を、機能ブロックを用いて全体として示しており、この図において、行動効率化支援サーバー１００は、活動履歴収集ユニット１０、活動履歴保持ユニット１１、活動傾向抽出ユニット１２、施策効果予測ユニット１３、出力ユニット１４、予測開始指示ユニット１５、対象集団情報保持ユニット１６、現在値算出ユニット１７を含んで構成されている。各ユニットはサーバーコンピュータのハードウェア資源とソフトウェアとを協働させて構成される。

活動履歴収集ユニット１０は、図２に一例を示す、行動ログ収集サーバー（人位置検出システム）２００による行動の履歴、メールサーバー２０１のメールログ、ファイルサーバー２０２のアクセスログなど、人の活動の結果を時間を含むログとして収集する手段であり、ログを残すシステムであれば様々なものが利用できる。

活動履歴保持ユニット１１は、収集したログを記録する手段で、サーバー１００上のログを記録するハードディスク、その他の記録メディアで実現され、ネットワーク上に複数存在していても構わない。

活動傾向抽出ユニット１２は、集団の活動履歴の時間的変化を確率変動パターンとして抽出するものである。施策効果予測ユニット１３は、確立変動パターンに基づいて、対象となる集団に対する施策（例えば活動の開始タイミング、メッセージに含まれる納期の設定等の活動プラン）による効果予測を行う。

出力ユニット（記録ユニットでもよい）１４は、施策予測を行った結果を、表示やメールなどで通知し、あるいは記録する。

予測開始指示ユニット１５は、オンデマンドで予測開始を要求するための指示手段で、予測開始指示ユニット１５を設けず、一定のタイミングなどで予測値を算出して、現時点以降の効果予測結果を常に出力するように構成しても良い。

対象集団情報保持ユニット１６は、傾向を抽出する対象となる集団の構成員情報などを保持する。

現在値算出ユニット１７は、予測値との比較のため、在席者数や在席者率などの現在値を算出する手段で、比較を必要としなければ、なくても良い。

図２は、ネットワーク３００上で、ＲＦＩＤタグなどを持ったメンバーの行動履歴やメールの送受信履歴などを収集する際の構成例を示す。図２において、行動効率化支援サーバー１００、行動ログ収集サーバー２００、メールサーバー２０１がネットワーク３００に接続されている。ネットワーク３００にはファイルサーバー等のユーザの活動ログを収集する他のシステムを接続しても良い。

行動ログ収集サーバー２００は、各エリアに設置された受信機２００ａと接続されて受信機２００ａから人位置情報を受け取るようになっている。エリアは、受信機２００ａを設置することで、検出対象エリアとして他の場所と区別する。エリアは典型的には居室、会議室、オープンスペースなどである。受信機２００ａは、タグ２００ｂを持ったメンバーの位置を検出し、だれがいつどこにいたかを示す人位置情報を生成する。行動ログ収集サーバー２００はこの人位置情報を行動ログとして扱う。

行動効率化支援サーバー１００は、行動ログ収集サーバー２００、メールサーバー２０１、その他のサーバーから種々のタイプの活動ログを収集して活動の効率化支援を行う。

図３は、この実施例の行動効率化支援サーバー１００の処理を全体として示しており、この図において、まず、活動傾向抽出ユニット１２が、対象集団情報保持ユニット１６を参照して、対象となる集団の履歴を活動履歴保持ユニットから抽出する（Ｓ１０）。次に、抽出した履歴から、周期的な確率変動パターンを算出する（Ｓ１１）。続いて、施策（活動の開始時期や依頼内容等の納期の設定等の活動プラン）に対する効果予測値を算出する処理を行い、結果を出力、または記録する（Ｓ１２）。オプションとして、現時刻の効果が高いこと、すなわち即効性を判別する場合には、ここで、即効性の判別処理を行い、即効性の高い場合、結果を通知する（Ｓ１３）。即効性の判別処理は、施策効果予測ユニット１３が行っても良いし、個別にそのような処理を行うユニットを設けても良い。即効性の判別処理の詳細については後に第２の変更例として説明する。

メールの同報などにおいて、在社率を利用する場合には、在社率が高い時間帯が最も効果的であると判断する。また、メールサーバー２０１のログを利用する場合には、例えばメールの発信確率の高い時間の前一定時間（例３０分、１時間など）は、メール作成時間として、効果が低いと判断する。ファイルサーバーのログを利用する場合には、例えばファイルの格納確率の高い時間の前一定時間（例１時間、２時間など）は、ファイル作成時間として、効果が低いと判断する。また、例えばファイルのアクセス確率の高い時間の後一定時間（例３０分、１時間など）は、ファイルの内容を確認する時間として、効果が低いと判断する。

施策効果予測ユニット１３は、典型的には、このような知識をルールベースとして用いて効果を算出するが、これに限定されない。

図３の周期的確率算出処理Ｓ１１は、典型的には、図４に示すように、人の活動であることを前提として、周期的な変動を求める処理を行う。

図４において、まず、一日単位の件数を集計する（Ｓ２０）。次に、一日単位の件数の平均値と比較し、休日もしくは活動のない日（以下休日）と通常の日を分離する（Ｓ２１、Ｓ２２）。続いて、休日の曜日を推定する（Ｓ２３）。曜日ごとに休日の日数の確率を求め、判別値以上の場合を休日の曜日とする。判別値は、例えば会社での在社率を見る場合、祝日や休日出勤などがあるので、１００％や０％ではなく、例えば在社率３割以下を休日の曜日というようにする。通常の日と休日それぞれにおいて、設定時間単位ごとに集計し平均値を求める（Ｓ２４、Ｓ２５）。

ここでは、通常日と休日という区別で周期性を求めたが、曜日や月の中の日、一年の中の月などでの周期性を求めてもよい。また、フーリエ変換などにより、変化の周波数成分を抽出して、周期を決定しても構わない。

図５は、平日の一日における平均在社率の変動の例を示している。また図６は、一週間の平均在社率の変動の例を示している。

図７の表は、行動ログ（人位置情報）の例を示している。ここでは、受信機２００ａが３台、すなわちエリアが３箇所で、３０秒おきにタグを検出する場合の例を示すが、これに限定されない。また、このようなデータを集約して、各時点の在社人数を集計した例は図８に示すようになる。このようなデータを複数周期にわたり集計して周期的な確率パターン（在社率パターン）を生成する。集計が十分でない場合には、ゆらぎによる誤差が混入するが、その範囲で確率パターンをとればよく、また、極端な場合には、一周期の実測値等を確率パターンの代替物として用いても良い。

メールサーバー２０１のログのように、メールの発信時間のようなイベントが記録されるログの場合には、例えば１５分を単位時間として、１０：００：００〜１０：１５：００の件数、１０：１５：００〜１０：３０：００の件数というように、単位時間幅ごとにイベントの件数を計数することで、同様の統計量が得られる。

図９は施策効果算出ユニット１３の動作例を示しており、この例では、周期的な集団の行動確率の変動に基づいて、施策効果の高いタイミング（活動の開始や納期）の予測を行う。

図９において、まず、施策の効果の高いタイミングとして、当日の現時刻以降でのピークを探し、その時間を求める（Ｓ３０）。続いて、次の効果的タイミングとして、週の現曜日以降でのピークを探し、その時間を求める（Ｓ３１）。結果は画面表示や通知メールなどで出力する、あるいは記録する（Ｓ３２）。

この実施例では、周期は日と週で固定だが、フーリエ変換などで求めた周期がある場合には、その一周期内でのピークを探すようにしてもよい。

行動履歴に基づいた在社率を例にとると、在社率の高い時間帯が効果が高いものとするが、対象とする活動履歴によって効果の判断基準は異なる。なお、Ｗｅｂページの更新など、負荷を押さえたい場合には、アクセスの少ない時間帯の方が効果的であるので、ピークの算出は逆に低い値をとる時間を求めるようにするとよい。また、時間帯ごとの定常的な在社確率をそのまま提示して、時間帯ごとの効果予測としてもよい。

この実施例によれば、施策効果を予測して施策（活動の開始や納期の設定等の活動プラン）を決定することができる。

なお、この発明は特許請求の範囲の記載に基づいて決定されるものであり、実施例の具体的な構成、課題、および効果には限定されない。この発明は上述の実施例に限定されるものではなくその趣旨を逸脱しない範囲で種々変更が可能である。

以下、種々の変更例について説明する。

まず第１の変更例について説明する。

例えば営業職は、昼間は顧客を訪問しているが、開発職は一旦出社すればほとんど外出しないというように、特定の集団ごとに活動パターンが異なることがある。しかし、自分の所属する集団のパターンは分かっても、特にフロアや拠点が異なり、自分が所属したことがない集団の活動パターンは分からないことが多い。そこで、予め設定された集団ごとに集計して活動パターンを求めておく。図１２は営業部のメンバーの活動パターンの例を示し、図１３は開発部のメンバーの活動パターンの例を示す。例えば開発職のメンバーが営業職の複数のメンバーにコンタクトを取りたいというような場合には、宛先情報に応じてそのセクターの活動パターンを用いて施策効果を予測する。これにより、集団間のコミュニケーションを促進するような支援が可能になる。

つぎに第２の変更例について説明する。

この変更例では、定常状態としてのピーク時間の予測値を算出した後、現時点の実際の値と比較する。予測ピーク値よりも現在の値が高ければ、その時点での効果も高いものとして、通知や表示を行う。図１４は、この処理例を示している。図１４において、現時刻以降のピーク値を算出する（Ｓ４０）。次に現曜日以降のピーク値を算出する（Ｓ４１）。この後、現時刻の実測値を算出し（Ｓ４２）、予測値が実測値より小さいかどうか判別し（Ｓ４３）。図１５に示すように実測値がいずれの予測値よりも大きい場合には即効性の通知を行ない、すぐに活動を行うように促し（Ｓ４４）、そうでない場合には、通常通り、いずれかのピーク値の観点から施策を通知する。なお、図１５の予測ピーク値の差分に着目して、この差分が所定値以上の場合に限り、すなわち、実測値が、所定の差分以上、ピーク値より大きい場合に限り、即効性があると判断するようにしてもよい。このようにすれば、実測値のゆらぎを吸収可能となる。

つぎに第２の変更例について説明する。

この変更例では、タイプの異なるログに対して、それぞれ周期的確率算出処理を実施し、その差分に対して、施策効果算出処理を行う。

例えば、在社率と会議室利用率とを併用する場合には、図１６に示すように、在社率から会議室利用率を引くことによって、在社中で会議を行っていない確率の高い時間帯を算出できる。これにより、同報連絡等の活動施策の効果がより確実になる。

また、在社率とＩＴツールログとを併用する場合には、在社率とメールサーバーの発信頻度を一定時間前にずらした頻度との差をとることによって、メール作成時間ではなく在社率の高い時間帯を算出できる。これにより、同報連絡等の活動施策の効果がより確実になる。

ファイルサーバーの格納ログやアクセスログに関しても、同様の操作により同報連絡等の活動施策の効果がより確実になる。

複数のログを組み合わせることにより、さらに効果が確実になる。

この発明の実施例の行動効率化サーバーの構成を全体として示すブロック図である。 上述実施例の行動効率化サーバーが使用される環境を全体として示す図である。 上述実施例の処理を全体として示すフローチャートである。 図３の周期的確率算出処理の例を説明するフローチャートである。 一日を周期とした周期的な確率パターンの例を説明する図である。 一週間を周期とした周期的な確率パターンの例を説明する図である。 実施例で用いる行動ログの例を説明する図である。 図７の行動ログに基づいて生成した在社人数の変動の例を説明する図である。 図３の施策効果算出処理の例を説明するフローチャートである。 図９の施策効果算出処理を説明する図である。 図９の施策効果算出処理を説明する図である。 第１の変形例を説明する図である。 第１の変形例を説明する図である。 第２の変形例を説明するフローチャートである。 第２の変形例を説明する図である。 第３の変形例を説明する図である。

符号の説明

１０ 活動履歴収集ユニット
１１ 活動履歴保持ユニット
１２ 活動傾向抽出ユニット
１３ 施策効果予測ユニット
１４ 出力ユニット
１５ 予測開始指示ユニット
１６ 対象集団情報保持ユニット
１７ 現在値算出ユニット
１００ 行動効率化支援サーバー
２００ 行動ログ収集サーバー
２００ａ 受信機
２００ｂ ＲＦＩＤタグ
２０１ メールサーバー
２０２ ファイルサーバー
３００ ネットワーク

Claims (14)

1. 活動を検出して活動情報を取得する検出手段と、
   上記活動情報を記憶する記憶手段と、
   上記活動情報に基づいて活動の有無または頻度の所定周期における確率パターンを算出する算出手段と、
   上記算出された確率パターンに基づいて対人的な行動の効果を判定する判定手段とを有することを特徴とする行動効率化支援装置。
2. 上記活動は、対象者が対象領域に所在することである請求項１記載の行動効率化支援装置。
3. 上記活動は、情報処理システムへのアクセスである請求項１記載の行動効率化支援装置。
4. 上記情報処理システムは電子メールシステムまたは文書ファイルシステムである請求項３記載の行動効率化支援装置。
5. 上記判定手段により判定された上記対人的な行動の効果のピークを出力する出力手段をさらに有する請求項１〜４のいずれかに記載の行動効率化支援装置。
6. 上記対人的な行動の効果を上記算出された確率パターンの確率値で表す請求項１〜５のいずれかに記載の行動効率化支援装置。
7. 上記確率パターンの確率に対応する実測値が、上記確率パターンのピーク値より、所定の値だけ大きい場合に、現時点で上記対人的な行動を行うことが有効であると判別する手段をさらに有する請求項６記載の行動効率化支援装置。
8. 上記活動は、所定の領域に所在することであり、上記確率パターンは所定周期の各位相において上記所定の領域に所在する確率のパターンである請求項１〜７のいずれかに記載の行動効率支援装置。
9. 上記活動は、メール送信であり、上記確率パターンは所定周期の各位相においてメール送信が行われる確率である請求項１〜７のいずれかに記載の行動効率支援装置。
10. 上記活動は複数種類あり、少なくとも２つの種類の活動についてのそれぞれの上記所定周期における確率パターンの間の所定の態様の差分を求め、この差分に基づいて上記対人的な行動の効果を判定する請求項１〜６のいずれかに記載の行動効率支援装置。
11. 上記周期は、１日、１週間、１月および１年のうちの１つまたは複数である請求項１〜１０記載のいずれかに行動効率支援装置。
12. 上記周期は、上記活動の統計量をフーリエ変換して求められる請求項１〜１０のいずれかに記載の行動効率支援装置。
13. 検出手段が、活動を検出して活動情報を取得するステップと、
    算出手段が、上記活動情報に基づいて活動の有無または頻度の所定周期における確率パターンを算出するステップと、
    判定手段が、上記算出された確率パターンに基づいて対人的な行動の効果を判定するステップとを有することを特徴とする行動効率化支援方法。
14. 検出手段が、活動を検出して活動情報を取得するステップと、
    算出手段が、上記活動情報に基づいて活動の有無または頻度の所定周期における確率パターンを算出するステップと、
    判定手段が、上記算出された確率パターンに基づいて対人的な行動の効果を判定するステップとをコンピュータに実行させるために用いられることを特徴とする行動効率化支援用コンピュータプログラム。