特許 6959386 人材分析システム、方法、およびプログラム

(19)【発行国】日本国特許庁(JP)

(12)【公報種別】特許公報(B2)

(11)【特許番号】6959386

(24)【登録日】2021年10月11日

(45)【発行日】2021年11月2日

(54)【発明の名称】人材分析システム、方法、およびプログラム

(51)【国際特許分類】

   G06Q 10/06 20120101AFI20211021BHJP

【ＦＩ】

   G06Q10/06

【請求項の数】12

【全頁数】18

(21)【出願番号】特願2020-61824(P2020-61824)

(22)【出願日】2020年3月31日

(65)【公開番号】特開2021-162975(P2021-162975A)

(43)【公開日】2021年10月11日

【審査請求日】2020年8月19日

(73)【特許権者】

【識別番号】000005108

【氏名又は名称】株式会社日立製作所

(74)【代理人】

【識別番号】110000279

【氏名又は名称】特許業務法人ウィルフォート国際特許事務所

(72)【発明者】

【氏名】瀬良 篤

(72)【発明者】

【氏名】宮脇 隆司

【審査官】 岡北 有平

(56)【参考文献】

【文献】 特開２００７−３０４７５８（ＪＰ，Ａ）

【文献】 特開２０１４−１７８９０７（ＪＰ，Ａ）

【文献】 特開２０１３−００３７９４（ＪＰ，Ａ）

【文献】 特開２０１０−１２８９１６（ＪＰ，Ａ）

(58)【調査した分野】（Int.Cl.，ＤＢ名）

Ｇ０６Ｑ １０／００ − ９９／００

(57)【特許請求の範囲】

【請求項1】

業務実施者が業務で利用する端末装置におけるアプリケーションに対する操作の履歴である業務履歴情報として、前記アプリケーションについて、使用された時間に関する使用時間情報と、アクティブウィンドウのウィンドウタイトルとを取得するデータ取得部と、
前記業務履歴情報における前記使用時間情報と前記ウィンドウタイトルとを分析し、前記業務実施者が過去に関与した業務あるいは現在関与している業務に関する情報である関与業務情報を生成する業務傾向分析部と、
を有し、
前記業務傾向分析部は、前記ウィンドウタイトルから単語を抽出し、該単語の出現回数を集計する、
人材分析システム。

【請求項2】

業務実施者が業務で利用する端末装置におけるアプリケーションに対する操作の履歴である業務履歴情報として、前記アプリケーションについて、使用された時間に関する使用時間情報と、アクティブウィンドウのウィンドウタイトルとを取得するデータ取得部と、
前記業務履歴情報における前記使用時間情報と前記ウィンドウタイトルとを分析し、前記業務実施者が過去に関与した業務あるいは現在関与している業務に関する情報である関与業務情報を生成する業務傾向分析部と、
業務に関連する教育講座を受講した受講者の業務履歴情報に基づいて前記受講者の関与業務情報を抽出し、前記受講者の関与業務情報に基づいて、前記教育講座を推奨する対象者を条件づける関与業務情報である推奨関与業務情報を生成する推奨条件分析部と、
前記業務実施者の関与業務情報と前記推奨関与業務情報とに基づいて、前記業務実施者に前記教育講座を推奨するか否か判定する推奨講座推定部と、を有する、
人材分析システム。

【請求項3】

前記データ取得部は、複数のアプリケーションについて使用された時間に関する使用時間情報を取得し、
前記業務傾向分析部は、前記業務実施者の使用時間情報を分析することにより前記業務実施者の関与業務情報を生成し、前記受講者の使用時間情報を分析することにより前記推奨関与業務情報を生成し、
前記推奨講座推定部は、前記業務実施者の関与業務情報と前記推奨関与業務情報とについて、複数のアプリケーションのそれぞれの使用時間の割合を要素とする配列をそれぞれ生成し、前記業務実施者の関与業務情報の配列と前記推奨関与業務情報の配列との距離に基づいて、前記業務実施者に前記教育講座を推奨するか否か判定する、
請求項２に記載の人材分析システム。

【請求項4】

前記データ取得部は、複数のアプリケーションについてアクティブウィンドウのウィンドウタイトルを取得し、
前記業務傾向分析部は、前記業務実施者のウィンドウタイトルに含まれる単語に基づいて前記業務実施者の関与業務情報を生成し、前記受講者のウィンドウタイトルに含まれる単語に基づいて前記推奨関与業務情報を生成し、
前記推奨講座推定部は、前記業務実施者の関与業務情報の単語と前記推奨関与業務情報の単語との一致の度合いに基づいて、前記業務実施者に前記教育講座を推奨するか否か判定する、
請求項２に記載の人材分析システム。

【請求項5】

業務実施者が業務で利用する端末装置におけるアプリケーションに対する操作の履歴である業務履歴情報として、前記アプリケーションについて、使用された時間に関する使用時間情報と、アクティブウィンドウのウィンドウタイトルとを取得するデータ取得部と、
前記業務履歴情報における前記使用時間情報と前記ウィンドウタイトルとを分析し、前記業務実施者が過去に関与した業務あるいは現在関与している業務に関する情報である関与業務情報を生成する業務傾向分析部と、
指定された業務実施者である指定業務実施者の関与業務情報と、前記指定業務実施者と異なる業務実施者の関与業務情報とに基づいて、前記指定業務実施者と関与業務が類似する業務実施者を抽出する人材検索部と、を有する、
人材分析システム。

【請求項6】

前記人材検索部は、前記指定業務実施者と現在または過去の関与業務が類似する業務実施者、および該業務実施者が該業務に関与してた時期を抽出する、
請求項５に記載の人材分析システム。

【請求項7】

業務実施者が業務で利用する端末装置におけるアプリケーションに対する操作の履歴である業務履歴情報として、前記アプリケーションについて、使用された時間に関する使用時間情報と、アクティブウィンドウのウィンドウタイトルとを取得し、
前記業務履歴情報における前記使用時間情報と前記ウィンドウタイトルとを分析し、前記業務実施者が過去に関与した業務あるいは現在関与している業務に関する情報である関与業務情報を生成する、
ことをコンピュータが実行する人材分析方法であって、
前記コンピュータが、前記ウィンドウタイトルから単語を抽出し、該単語の出現回数を集計する、
人材分析方法。

【請求項8】

業務実施者が業務で利用する端末装置におけるアプリケーションに対する操作の履歴である業務履歴情報として、前記アプリケーションについて、使用された時間に関する使用時間情報と、アクティブウィンドウのウィンドウタイトルとを取得し、
前記業務履歴情報における前記使用時間情報と前記ウィンドウタイトルとを分析し、前記業務実施者が過去に関与した業務あるいは現在関与している業務に関する情報である関与業務情報を生成し、
業務に関連する教育講座を受講した受講者の業務履歴情報に基づいて前記受講者の関与業務情報を抽出し、前記受講者の関与業務情報に基づいて、前記教育講座を推奨する対象者を条件づける関与業務情報である推奨関与業務情報を生成し、
前記業務実施者の関与業務情報と前記推奨関与業務情報とに基づいて、前記業務実施者に前記教育講座を推奨するか否か判定する、
ことをコンピュータが実行する人材分析方法。

【請求項9】

業務実施者が業務で利用する端末装置におけるアプリケーションに対する操作の履歴である業務履歴情報として、前記アプリケーションについて、使用された時間に関する使用時間情報と、アクティブウィンドウのウィンドウタイトルとを取得し、
前記業務履歴情報における前記使用時間情報と前記ウィンドウタイトルとを分析し、前記業務実施者が過去に関与した業務あるいは現在関与している業務に関する情報である関与業務情報を生成し、
指定された業務実施者である指定業務実施者の関与業務情報と、前記指定業務実施者と異なる業務実施者の関与業務情報とに基づいて、前記指定業務実施者と関与業務が類似する業務実施者を抽出する、
ことをコンピュータが実行する人材分析方法。

【請求項10】

業務実施者が業務で利用する端末装置におけるアプリケーションに対する操作の履歴である業務履歴情報として、前記アプリケーションについて、使用された時間に関する使用時間情報と、アクティブウィンドウのウィンドウタイトルとを取得し、
前記業務履歴情報における前記使用時間情報と前記ウィンドウタイトルとを分析し、前記業務実施者が過去に関与した業務あるいは現在関与している業務に関する情報である関与業務情報を生成する、
ことをコンピュータに実行させるための人材分析プログラムであって、
前記コンピュータに、前記ウィンドウタイトルから単語を抽出し、該単語の出現回数を集計する、ことを実行させる、
人材分析プログラム。

【請求項11】

業務実施者が業務で利用する端末装置におけるアプリケーションに対する操作の履歴である業務履歴情報として、前記アプリケーションについて、使用された時間に関する使用時間情報と、アクティブウィンドウのウィンドウタイトルとを取得し、
前記業務履歴情報における前記使用時間情報と前記ウィンドウタイトルとを分析し、前記業務実施者が過去に関与した業務あるいは現在関与している業務に関する情報である関与業務情報を生成し、
業務に関連する教育講座を受講した受講者の業務履歴情報に基づいて前記受講者の関与業務情報を抽出し、前記受講者の関与業務情報に基づいて、前記教育講座を推奨する対象者を条件づける関与業務情報である推奨関与業務情報を生成し、
前記業務実施者の関与業務情報と前記推奨関与業務情報とに基づいて、前記業務実施者に前記教育講座を推奨するか否か判定する、
ことをコンピュータに実行させるための人材分析プログラム。

【請求項12】

業務実施者が業務で利用する端末装置におけるアプリケーションに対する操作の履歴である業務履歴情報として、前記アプリケーションについて、使用された時間に関する使用時間情報と、アクティブウィンドウのウィンドウタイトルとを取得し、
前記業務履歴情報における前記使用時間情報と前記ウィンドウタイトルとを分析し、前記業務実施者が過去に関与した業務あるいは現在関与している業務に関する情報である関与業務情報を生成し、
指定された業務実施者である指定業務実施者の関与業務情報と、前記指定業務実施者と異なる業務実施者の関与業務情報とに基づいて、前記指定業務実施者と関与業務が類似する業務実施者を抽出する、
ことをコンピュータに実行させるための人材分析プログラム。

【発明の詳細な説明】

【技術分野】

【0001】

本発明は人材を分析する技術に関する。

【背景技術】

【0002】

近年、働き方改革を背景に、企業には従業員の労働時間に対する成果である労働生産性（単に「生産性」ともいう）を向上することが求められている。生産性向上のために、従業員が業務を円滑に遂行できるスキルを身に着けるための適切な教育計画、様々な業務に適切に従業員を配置する人員配置が望まれる。教育計画については、従業員１人１人の現在または将来の業務内容に合わせた教育計画を立案し、実行することが望ましい。人員配置については、従業員１人１人の業務適性、つまりその従業員がどの業務でどれだけの成果を上げることが推定されるか、を考慮して、業務に対する従業員の配置を決めることが望ましい。

【0003】

特許文献１には社員の特性を分析する技術が開示されている。特許文献１には、社員の人材情報およびオフィスログ情報を分析し、行動特性を出力する人材情報分析システムが開示されている。人材情報には、社員の生年月日、年齢、性別、家族情報、勤続年数、勤務地、職種情報、経歴、役職、人事評価情報、資格情報、スキル情報、勤務形態、残業時間、有給休暇等が含まれる。オフィスログ情報は、メール対応、資料作成、顧客訪問、管理業務、打ち合わせ、情報収集、休憩などの各項目の行動に費やした時間の情報である。

【先行技術文献】

【特許文献】

【0004】

【特許文献1】特開２０１９−９５８２０号公報

【発明の概要】

【発明が解決しようとする課題】

【0005】

上述したように、特許文献１の人材情報分析システムの分析対象は人材情報とオフィスログ情報である。人材情報は、各従業員がどのような業務の経験があり、現在どのような業務を行っているかといった具体的な業務に関する情報を含み得る。しかし、この人材情報は、従業員本人あるいはその管理者が入力した情報であり、客観性に欠ける可能性がある。一方、オフィスログ情報は、従業員が各行動項目に費やした時間の情報であり、具体的な業務に関する情報が含まれない。そのため、特許文献１のシステムは、各従業員が現在行っている具体的な業務、あるいは各従業員が過去に行った経験のある具体的な業務を考慮した人材管理には不向きである。

【0006】

本開示のひとつの目的は、業務を実施する人員の現在あるいは過去の業務を具体的かつ客観的に分析する技術を提供することである。

【課題を解決するための手段】

【0007】

本開示のひとつの態様による人材分析システムは、業務実施者が業務で利用する端末装置におけるアプリケーションに対する操作の履歴である業務履歴情報を取得するデータ取得部と、前記業務履歴情報を分析し、前記業務実施者が過去に関与した業務あるいは現在関与している業務に関する情報である関与業務情報を生成する業務傾向分析部と、を有する。

【発明の効果】

【0008】

本開示のひとつの態様によれば、業務実施者の過去または現在の業務を具体的かつ客観的に分析することができる。

【図面の簡単な説明】

【0009】

【図1】人材分析システムのブロック図である。

【図2】データ処理装置のブロック図である。

【図3】データ処理装置のハードウェア構成を示すブロック図である。

【図4】業務傾向分析処理のフローチャートである。

【図5】従業員情報の一例を示すテーブルである。

【図6】業務履歴情報の一例を示すテーブルである。

【図7】業務傾向情報の一例を示すテーブルである。

【図8】推奨条件分析処理のフローチャートである。

【図9】講座情報の一例を示すテーブルである。

【図10】アンケートの一例を示す図である。

【図11】教育講座と受講者との関連度を示す関連度情報の一例を示すテーブルである。

【図12】推奨条件情報の一例を示すテーブルである。

【図13】推奨講座推定処理のフローチャートである。

【図14】アプリ傾向一致度の算出方法について説明するための図である。

【図15】講座推奨度情報の一例を示すテーブルである。

【図16】類似業務履歴抽出処理のフローチャートである。

【図17】業務傾向類似度情報の一例を示すテーブルである。

【発明を実施するための形態】

【0010】

本発明の実施形態について図面を参照して説明する。

【0011】

図１は、本実施形態による人材分析システムのブロック図である。人材分析システム１０は、従業員利用端末１１とデータ処理装置１２とを有している。従業員利用端末１１とデータ処理装置１２は通信ネットワーク１９を介して相互に通信可能に接続する。従業員利用端末１１は、企業等の組織において業務を実施する従業者（業務実施者）が業務で利用するパーソナルコンピュータ等の端末装置である。データ処理装置１２は、組織における従業員のデータを収集し、蓄積し、分析し、利用するサーバ等の情報処理装置である。

【0012】

図２は、本実施形態によるデータ処理装置のブロック図である。データ処理装置１２は、データ取得部２１、処理部２２、および記憶部２３を有している。処理部２２は、業務傾向分析部２２１、推奨条件分析部２２２、推奨講座推定部２２３、および人材検索部２２４を有している。記憶部２３は、従業員情報２３１、業務履歴情報２３２、業務傾向情報２３３、講座情報２３４、アンケート結果情報２３５、推奨条件情報２３６、および推奨講座情報２３７を有している。

【0013】

データ取得部２１は、従業員情報２３１に登録されている従業員の従業員利用端末１１と連携し、従業員利用端末１１におけるアプリケーションに対する操作の履歴である業務履歴情報２３２を取得する。従業員情報２３１は、人材分析システム１０による管理対象の従業員のそれぞれに関する情報である。業務履歴情報２３２は、従業員利用端末１１の操作履歴から取得された業務の履歴が反映された情報である。処理部２２は、業務履歴情報２３２を利用して各種処理を行う。記憶部２３は、処理部２２が処理に利用する各種情報、および処理部２２による処理結果の各種情報を蓄積する。

【0014】

業務傾向分析部２２１は、データ取得部２１により収集された従業員の業務履歴情報２３２を分析し、従業員が過去に関与した業務あるいは現在関与している業務に関する情報である業務傾向情報（関与業務情報）２３３を生成する。業務傾向情報２３３は、従業員の業務履歴情報２３２から生成されるその従業員が関与した業務あるいは関与している業務に関する情報である。この業務傾向情報２３３は、組織における人材活用や人材育成に広く活用可能な情報である。

【0015】

推奨条件分析部２２２は、講座情報２３４に登録されている教育講座を受講した各従業員（受講者）から得られたアンケート結果情報２３５に基づき、その教育講座が業務に有益であった従業員を抽出し、抽出された従業員の業務履歴情報２３２に基づいて従業員の業務傾向情報２３３を抽出し、受講者の業務傾向情報２３３に基づいて、教育講座を推奨する対象となる従業員（対象者あるいは対象従業員）を条件づけるための関与業務情報である推奨条件情報（推奨関与業務情報）２３６を生成する。講座情報２３４は、従業員に適宜受講させる各種教育講座に関する情報である。アンケート結果情報２３５は、教育講座を受講した従業員から得られたアンケートの回答の情報である。推奨条件情報２３６は、各教育講座について、その教育講座をどの従業員に受講を推奨するかを条件づけるための情報である。

【0016】

推奨講座推定部２２３は、ある従業員の業務傾向情報２３３と、ある教育講座の推奨条件情報２３６とに基づいて、その従業員にその教育講座を推奨するか否か判定し、従業員に対して受講を推奨する教育講座の情報である推奨講座情報２３７を生成する。推奨講座情報２３７は、どの従業員にどの教育講座の受講を推奨するかを記録した情報である。

【0017】

人材検索部２２４は、指定された従業員の業務傾向情報２３３と、その従業員以外の従業員の業務傾向情報２３３とに基づいて、その指定された従業員と関与した業務が類似する従業員を抽出する。

【0018】

図３は、本実施形態によるデータ処理装置のハードウェア構成を示すブロック図である。データ処理装置１２は、ハードウェアとして、プロセッサ３１、メインメモリ３２、記憶装置３３、通信装置３４、入力装置３５、および表示装置３６を有し、それらがバス３７に接続されたコンピュータである。

【0019】

記憶装置３３は、書込みおよび読み出しが可能にデータを記憶するものであって、この記憶装置３３によって、図２に示した記憶部２３が実現される。プロセッサ３１は、記憶装置３３に記憶されたデータをメインメモリ３２に読み出し、メインメモリ３２を利用してソフトウェアプログラムの処理を実行する。プロセッサ３１がソフトウェアプログラムを実行することにより、図２に示したデータ取得部２１、業務傾向分析部２２１、推奨条件分析部２２２、推奨講座推定部２２３、および人材検索部２２４が実現される。通信装置３４は、プロセッサ３１にて処理された情報を有線または無線あるいはそれら両方を含む通信ネットワーク１９を介して送信し、また通信ネットワーク１９を介して受信した情報をプロセッサ３１に伝達する。受信した情報はプロセッサ３１にてソフトウェアの処理に利用される。入力装置３５は、キーボードやマウスなど操作者による操作入力による情報を受け付ける装置であり、入力された情報はプロセッサ３１にてソフトウェア処理に利用される。例えば、従業員情報２３１は通信装置３４や入力装置３５を介して記憶装置３３に入力される。表示装置３６は、プロセッサ３１によるソフトウェア処理に伴って画像やテキストの情報をディスプレイ画面に表示する装置である。

【0020】

なお、ここでは、データ処理装置１２がひとつのコンピュータにより実現される例を示したが、実施形態がこれに限定されることはない。他の例としてデータ処理装置１２が複数のコンピュータで実現されてもよい。例えば、図２に示した、業務傾向分析部２２１および人材検索部２２４と、推奨条件分析部２２２および推奨講座推定部２２３と、をそれぞれ別個のサーバ装置にて実現してもよい。

【0021】

以下、各部のより具体的な処理について説明する。

【0022】

図４は、業務傾向分析処理のフローチャートである。業務傾向分析処理は、業務履歴情報２３２を取得して業務傾向情報２３３を生成する処理である。

【0023】

ステップＳ１０１にて、データ取得部２１は、従業員情報２３１に登録されている各従業員の各月の業務履歴情報２３２を取得する。

【0024】

図５は、従業員情報の一例を示すテーブルである。従業員情報２３１には、各従業員の従業員識別情報（ＩＤ）と氏名とが対応づけて記録されている。例えば、従業員ＩＤが「１０００」の従業員の氏名が「ユーザＡ」であることが記録されている。

【0025】

図６は、業務履歴情報の一例を示すテーブルである。業務履歴情報２３２には、どの従業員がいつどのアプリケーションを使用しており、そのアプリケーションのウィインドウタイトルが何かという情報が記録される。従業員利用端末１１にてアクティブウィインドウのアプリケーションが、使用されているアプリケーションとされる。そのアクティブウィンドウのアプリケーションとウィンドウタイトルが業務履歴情報２３２に記録すればよい。例えば、従業員ＩＤが「１０００」の従業員が、「２０１９／１０／１ １０：００」の時刻に、「メールソフト」のアプリケーションを使用しており、そのメールソフトのウィンドウタイトルが「働き方分析ＰＪについて」であったことが記録されている。

【0026】

図４に戻り、ステップＳ１０２にて、業務傾向分析部２２１は、業務履歴情報２３２に基づき、従業員毎に各月の各アプリケーションの使用時間の割合を算出し、アプリ傾向情報として業務傾向情報２３３に記録する。ここで、あるアプリケーションの使用時間の割合は、全てのアプリケーションの使用時間の合計値に対する、そのアプリケーションの使用時間の割合である。さらに、ステップＳ１０３にて、業務傾向分析部２２１は、業務履歴情報２３２に基づき、従業員毎に各月のウィンドウタイトルの履歴における出現回数が上位の所定個の単語を抽出し、ワード傾向情報として、業務傾向情報２３３に記録する。例えば、ウィンドウタイトルの履歴から登場回数の多い順に所定番目までの単語を抽出すればよい。

【0027】

図７は、業務傾向情報の一例を示すテーブルである。業務傾向情報２３３には、ある従業員のある期間における各アプリケーションの使用時間の割合で示されたアプリ傾向情報と、ウィンドウタイトルにおける出現回数が上位の所定個の単語で示されたワード傾向情報とが記録されている。例えば、従業員ＩＤが「１０００」の従業員について、集計開始日「２０１９／８／１」から集計終了日「２０１９／８／３１」までの期間において、アプリ１の使用時間の割合が「２０％」であり、アプリ２の使用時間の割合が「３５％」であり、ウィンドウタイトルから抽出された、出現回数が最も多い単語が「働き方」であり、２番目の単語が「分析」であり、３番目の単語が「特許」であることが記録されている。

【0028】

図８は、推奨条件分析処理のフローチャートである。推奨条件分析処理は、教育講座を受講した従業員の業務傾向情報２３３に基づいて推奨条件情報２３６を生成するための処理である。

【0029】

ステップＳ２０１にて、推奨条件分析部２２２は、講座情報２３４に登録されている教育講座毎に、当該教育講座を受講した後に受講者から取得したアンケート結果情報２３５から、当該教育講座に職種として関連度の高い受講者を抽出する。ここでは、職種としての関連度を職種関連度といい、職種関連度の高い受講者を職種関連受講者ということにする。

【0030】

図９は、講座情報の一例を示すテーブルである。講座情報２３４には、各講座の講座識別情報（ＩＤ）と講座名とが対応づけて記録されてる。例えば、講座ＩＤが「ＡＡＡ」の教育講座の講座名が「講座１」であるということが記録されている。

【0031】

また、アンケートで受講者に問う内容は、受講者が当該教育講座に職種関連度が高いかどうかを判断することが可能となるような内容となっている。

【0032】

図１０は、アンケートの一例を示す図である。アンケート４１には受講者に問う質問の内容とその質問に他する回答の５つの選択肢とが記載されている。質問Ｑ１の質問の内容は、「本研修はあなたの直近の業務に関連する内容でしたか？」というものである。この質問は、当該教育講座の職種関連度を判断するための質問である。その質問に対する回答の選択肢として、「５．直接関連する」、「４．間接的に関連する」、「３、どちらとも言えない」、「２、あまり関連しない」、「１、全く関連しない」がある。選択肢の番号が職種関連度であり、選択肢の番号が高いほど職種関連度が高い。例えば、職種関連度が所定の閾値（例えば「４」）以上の受講者を職種関連受講者とすることにする。

【0033】

図１１は、教育講座と受講者との関連度を示す関連度情報の一例を示すテーブルである。関連度情報４２には、教育講座を識別する講座識別情報（ＩＤ）と、当該教育講座を受講した受講日と、当該教育講座を当該受講日に受講した従業員を識別する従業員ＩＤと、受講時における当該教育講座と当該従業員との職種関連度および後述する分野関連度とが対応付けて記録される。

【0034】

図８に戻り、ステップＳ２０２にて、推奨条件分析部２２２は、教育講座の職種関連受講者の受講日付近のアプリ傾向情報を抽出する。受講日付近とは、受講日の付近における受講時の受講者の業務が反映されたアプリ傾向が得られる程度の受講日の付近における期間であればよく、例えば、受講日の直前の３カ月としてもよい。

【0035】

更に、ステップＳ２０３にて、推奨条件分析部２２２は、職種関連受講者の受講日付近の業務履歴情報２３２あるいは業務傾向情報２３３から、各アプリケーションの利用時間の割合の平均値を算出し、当該教育講座のアプリ傾向情報として、推奨条件情報２３６に登録する。

【0036】

図１２は、推奨条件情報の一例を示すテーブルである。推奨条件情報２３６には、教育講座を識別する講座ＩＤに対応付けて、当該教育講座のアプリ傾向情報と、後述するワード傾向情報とが記録される。例えば、講座ＩＤが「ＡＡＡ」である教育講座の職種関連受講者の操作履歴から得られたアプリ傾向情報として、アプリ１の利用時間の割合が「２０％」であり、アプリ２の利用時間の割合が「３５％」であるということが記録されている。

【0037】

図８に戻り、ステップＳ２０４にて、推奨条件分析部２２２は、講座情報２３４に登録されている教育講座毎に、当該教育講座を受講した後に受講者から取得したアンケート結果情報２３５から、当該教育講座に業務の分野として関連度の高い受講者を抽出する。ここでは、業務の分野としての関連度を分野関連度といい、分野関連度の高い受講者を分野関連受講者ということにする。

【0038】

図１０を参照すると、質問Ｑ２の質問の内容は、「本研修はあなたが実際に担当する業務に役立つ内容でしたか？」というものである。この質問は、当該教育講座の分野関連度を判断するための質問である。その質問に対する回答の選択肢として、「５．すぐに役立つ」、「４．将来役立つ」、「３、どちらとも言えない」、「２、あまり役に立たない」、「１、全く役に立たない」がある。選択肢の番号が分野関連度であり、選択肢の番号が高いほど分野関連度が高い。例えば、分野関連度が所定の閾値（例えば「４」）以上の受講者を分野関連受講者とすることにする。

【0039】

図８に戻り、ステップＳ２０５にて、推奨条件分析部２２２は、分野関連受講者の受講日付近の業務履歴情報２３２あるいは業務傾向情報２３３から、ウィンドウタイトルにおける出現回数の多い上位所定個の単語を抽出する。更に、ステップＳ２０６にて、推奨条件分析部２２２は、分野関連受講者のそれぞれについて抽出された単語群を参照し、多くの分野関連受講者に共通する上位所定個の単語を抽出し、当該教育講座のワード傾向情報として、推奨条件情報２３６に登録する。例えば、ウィインドウタイトルにおける出現回数が多い単語として業務傾向情報２３３に登録されている分野関連受講者の人数が多い単語を抽出してもよい。図１２の推奨条件情報２３６には、講座ＩＤが「ＡＡＡ」である教育講座の分野関連受講者の操作履歴から得られたワード傾向情報として、出現回数が最も多い単語が「働き方」であり、２番目の単語が「分析」であるということが記録されている。

【0040】

図１３は、推奨講座推定処理のフローチャートである。推奨講座推定処理は、従業員に受講を推奨する教育講座を判断する処理である。

【0041】

ステップＳ３０１にて、推奨講座推定部２２３は、教育講座を推奨する対象となる従業員（対象従業員）の最新の業務傾向情報２３３を抽出する。図７に示したように業務傾向情報２３３にはアプリ傾向情報とワード傾向情報とが含まれている。

【0042】

続いて、ステップＳ３０２にて、推奨講座推定部２２３は、対象従業員のアプリ傾向情報と、当該対象従業員が未受講の各教育講座のアプリ傾向情報との一致度（アプリ傾向一致度）を算出し、講座推奨度情報（後述）に格納する。アプリ傾向一致度は、複数のアプリケーションのそれぞれの使用時間の割合を要素とする配列間の距離が近いほど大きな値を示す指標である。

【0043】

図１４は、アプリ傾向一致度の算出方法について説明するための図である。

【0044】

図１４には、対象従業員のアプリ傾向情報を表すレーダーチャート５１と、教育講座「講座１」のアプリ傾向情報を表すレーダーチャート５２とが示されている。図１４の例では、アプリ１〜アプリ８という８個のアプリケーションがあり、各アプリケーションの使用時間の割合がレーダーチャート５１、５２の各軸に割り当てられている。

【0045】

レーダーチャートを見ると、対象従業員は、アプリケーション「アプリ１」の使用時間の割合が「Ａ１」であり、アプリケーション「アプリ２」の使用時間の割合が「Ａ２」であり、アプリケーション「アプリ３」の使用時間の割合が「Ａ３」であり、アプリケーション「アプリ４」の使用時間の割合が「Ａ４」であり、アプリケーション「アプリ５」の使用時間の割合が「Ａ５」であり、アプリケーション「アプリ６」の使用時間の割合が「Ａ６」であり、アプリケーション「アプリ７」の使用時間の割合が「Ａ７」であり、アプリケーション「アプリ８」の使用時間の割合が「Ａ８」である。

【0046】

一方、レーダーチャート５２を見ると、講座１は、アプリケーション「アプリ１」の使用時間の割合が「Ｂ１」であり、アプリケーション「アプリ２」の使用時間の割合が「Ｂ２」であり、アプリケーション「アプリ３」の使用時間の割合が「Ｂ３」であり、アプリケーション「アプリ４」の使用時間の割合が「Ｂ４」であり、アプリケーション「アプリ５」の使用時間の割合が「Ｂ５」であり、アプリケーション「アプリ６」の使用時間の割合が「Ｂ６」であり、アプリケーション「アプリ７」の使用時間の割合が「Ｂ７」であり、アプリケーション「アプリ８」の使用時間の割合が「Ｂ８」である。

【0047】

式（１）は、対象従業員と講座１とのアプリ傾向一致度の計算式である。

【0048】

【数1】

【0049】

対象従業員のアプリ傾向情報の配列と講座１のアプリ傾向情報の配列との距離が近ければ、レーダーチャート５１とレーダーチャート５２の形状が近くなり、またアプリ傾向一致度は高くなる。

【0050】

アプリ傾向情報は、各アプリケーションの使用時間の割合を要素とする配列として表現できる。

【0051】

図１５は、講座推奨度情報の一例を示すテーブルである。講座推奨度情報４３には、ある従業員（例えば、対象従業員）について、各教育講座の講座名に対応付けてアプリ傾向一致度と、後述する頻出ワード一致数とが記録されている。例えば、対象従業員に対する「講座１」の講座推奨度情報４３として、アプリ傾向一致度が「５０％」であり、頻出ワード一致度が「２」であることが記載されている。

【0052】

図１３に戻り、ステップＳ３０３にて、推奨講座推定部２２３は、対象従業員のワード傾向情報と、当該対象従業員が未受講の各教育講座のワード傾向情報との一致度を算出し、講座推奨度情報（後述）に格納する。ここでは一例として、ワード傾向の一致度は、ここでは一例として、頻出ワード一致数である。頻出ワード一致数は、対象従業員のワード傾向情報と、教育講座のワード傾向情報に共通する単語の個数である。上述のように、図１５の例では、対象従業員に対する「講座１」の講座推奨度情報４３として頻出ワード一致数が「２」であることが記載されている。

【0053】

続いて、ステップＳ３０４にて、推奨講座推定部２２３は、アプリ傾向一致度および頻出ワード一致数がいずれも所定の閾値以上の教育講座を対象従業員に対する受講推奨講座として抽出し、推奨講座情報２３７に登録する。図１５において、例えば、アプリ傾向一致度に対する閾値が７０％であり、頻出ワード一致数に対する閾値が１であったとすると、アプリ傾向一致度が「８５％」であり、頻出ワード一致数が「２」である「講座２」が受講推奨講座となる。

【0054】

図１６は、類似業務履歴抽出処理のフローチャートである。類似業務履歴抽出処理は、指定された従業員（指定従業員）と関与した業務が類似する他の従業員を抽出する処理である。

【0055】

ステップＳ４０１にて、人材検索部２２４は、データ処理装置１２の操作者が指定した従業員（指定従業員）についての現在（例えば直近の過去１カ月）の業務傾向情報２３３を抽出する。次に、ステップＳ４０２にて、人材検索部２２４は、指定従業員以外の従業員（他従業員）について、現在および過去における指定従業員とのアプリ傾向一致度および頻出ワード一致数を算出し、業務傾向類似度情報として記録する。

【0056】

図１７は、業務傾向類似度情報の一例を示すテーブルである。業務傾向類似度情報４４には、指定従業員に対する他従業員の従業員ＩＤと、集計開示日と、集計終了日と、アプリ傾向一致度と、頻出ワード一致数とが記録されている。例えば、従業員ＩＤが「１００１」である従業員は、集計開始日「２０１９／８／１」から集計終了日「２０１９／８／３１」までの指定従業員とのアプリ傾向一致度が「２０％」であり、頻出ワード一致数が「０」であることが記録されている。

【0057】

ステップＳ４０３にて、人材検索部２２４は、アプリ傾向一致度と頻出ワード一致数が所定の条件を満たす他従業員およびその期間を抽出する。例えば、アプリ傾向一致度と頻出ワード一致数のいずれか一方または両方が所定の閾値以上である他従業員およびその期間を抽出することにしてもよい。図１７の例において、アプリ傾向一致度に対する閾値が７０％であり、頻出ワード一致数に対する閾値が１であるとすると、従業員ＩＤが「１００２」の従業員の集計開始日「２０１９／９／１」から集計終了日「２０１９／９／３０」までの期間と、同じく従業員ＩＤが「１００２」の従業員の集計開始日「２０１９／１０／１」から集計終了日「２０１９／１０／３０」までの期間と、が抽出される。抽出された期間において、抽出された他従業員は、指定従業員が現在関与している業務に類似する業務に関与していたと推定される。

【0058】

以上説明したように本実施形態は以下のように整理することができる。ただし、本実施形態が以下に示すものに限定されるものではない。

【0059】

人材分析システムは、データ処理装置にて、業務実施者が業務で利用する端末装置におけるアプリケーションに対する操作の履歴である業務履歴情報を取得するデータ取得部と、業務履歴情報を分析し、業務実施者が過去に関与した業務あるいは現在関与している業務に関する情報である関与業務情報を生成する業務傾向分析部と、を有している。これにより、業務実施者がアプリケーションを使用して行った端末装置への操作の履歴を分析するので、業務実施者の過去または現在の業務を具体的かつ客観的に分析することができる。

【0060】

また、データ取得部は、アプリケーションについて、使用された時間に関する使用時間情報と、アクティブウィンドウのウィンドウタイトルとを取得し、業務傾向分析部は、使用時間情報とウィンドウタイトルとを分析し、関与業務情報を生成する。このように、アプリケーションの使用時間とウィンドウタイトルを取得し、分析するので、業務実施者がどのような作業をどれだけの時間行ったか、またどのような内容の業務に関与したかあるいは関与しているかを反映した情報を取得し、分析することができる。

【0061】

また、業務傾向分析部は、使用時間情報に基づき、端末装置で使用された各アプリケーションの使用時間の割合を算出する。各アプリケーションの使用時間の割合が算出されるので、業務実施者がどのような作業をどのような割合で行ったかを知得し、人材の業務に関する分析に利用することができる。

【0062】

また、業務傾向分析部は、ウィンドウタイトルから単語を抽出し、その単語の出現回数を集計する。このように、アプリケーションのウィンドウタイトルから抽出された単語から、どのような業務に関与していたあるいはしているかを詳細に知得し、人材の業務に関する分析に利用することができる。

【0063】

また、データ処理装置は、業務に関連する教育講座を受講した受講者の業務履歴情報に基づいて受講者の関与業務情報を抽出し、受講者の関与業務情報に基づいて、教育講座を推奨する対象者を条件づける関与業務情報である推奨関与業務情報を生成する推奨条件分析部と、業務実施者の関与業務情報と推奨関与業務情報とに基づいて、業務実施者に教育講座を推奨するか否か判定する推奨講座推定部と、を更に有している。これにより、アプリケーションにて行った操作の履歴に基づいて客観的に業務実施者に好適な教育講座を推奨することが可能となる。

【0064】

また、データ取得部は、複数のアプリケーションについて使用された時間に関する使用時間情報を取得し、業務傾向分析部は、業務実施者の使用時間情報を分析することにより業務実施者の関与業務情報を生成し、受講者の使用時間情報を分析することにより記推奨関与業務情報を生成し、推奨講座推定部は、業務実施者の関与業務情報と推奨関与業務情報とについて、複数のアプリケーションのそれぞれの使用時間の割合を要素とする配列をそれぞれ生成し、業務実施者の関与業務情報の配列と推奨関与業務情報の配列との距離に基づいて、業務実施者に教育講座を推奨するか否か判定する。アプリケーションの使用時間の割合を要素とする配列の配列間距離に基づいて、教育講座を業務実施者に推奨するか否か判定するので、業務実施者に推奨する教育講座を定量的に決定できる。

【0065】

また、データ取得部は、複数のアプリケーションについてアクティブウィンドウのウィンドウタイトルを取得し、業務傾向分析部は、業務実施者のウィンドウタイトルに含まれる単語に基づいて業務実施者の関与業務情報を生成し、受講者のウィンドウタイトルに含まれる単語に基づいて推奨関与業務情報を生成し、推奨講座推定部は、業務実施者の関与業務情報の単語と推奨関与業務情報の単語との一致の度合いに基づいて、業務実施者に教育講座を推奨するか否か判定する。ウィンドウタイトルに含まれる単語の一致の度合いに基づいて、教育講座を業務実施者に推奨するか否か判定するので、業務実施者に推奨する教育講座を定量的に決定できる。

【0066】

また、データ処理装置は、指定された業務実施者である指定業務実施者の関与業務情報と、前記指定業務実施者と異なる業務実施者の関与業務情報とに基づいて、前記指定業務実施者と関与業務が類似する業務実施者を抽出する人材検索部を更に有する。これにより、ある業務実施者と類似する業務に関与した業務実施者を容易に抽出することができる。

【0067】

また、人材検索部は、指定業務実施者と現在または過去の関与業務が類似する業務実施者、およびその業務実施者がその業務に関与してた時期を抽出する。これにより、ある業務実施者と類似する業務に関与した経験のある業務実施者とその業務に関与した期間とを容易に抽出することができる。

【0068】

以上、本発明の実施形態について述べてきたが、本発明は、これらの実施形態だけに限定されるものではなく、本発明の技術思想の範囲内において、これらの実施形態を組み合わせて使用したり、一部の構成を変更したりしてもよい。

【符号の説明】

【0069】

１０…人材分析システム、１１…従業員利用端末、１２…データ処理装置、１９…通信ネットワーク、２１…データ取得部、２２…処理部、２３…記憶部、３１…プロセッサ、３２…メインメモリ、３３…記憶装置、３４…通信装置、３５…入力装置、３６…表示装置、３７…バス、４１…アンケート、４２…関連度情報、４３…講座推奨度情報、４４…業務傾向類似度情報、５１…レーダーチャート、５２…レーダーチャート、２２１…業務傾向分析部、２２２…推奨条件分析部、２２３…推奨講座推定部、２２４…人材検索部、２３１…従業員情報、２３２…業務履歴情報、２３３…業務傾向情報、２３４…講座情報、２３５…アンケート結果情報、２３６…推奨条件情報、２３７…推奨講座情報

【図1】

【図2】

【図3】

【図4】

【図5】

【図6】

【図7】

【図8】

【図9】

【図10】

【図11】

【図12】

【図13】

【図14】

【図15】

【図16】

【図17】