bodais 自動進化型データ解析
クラウドプラットフォーム

03-5259-9004 受付:平日10:00~18:00 

  • TOP
  • 業種別データ解析ソリューション

データ解析ソリューション

コンタクトセンター

コンタクトセンターイメージ

課題1 VOC(顧客の声)の活用の課題

解決方法

VOCを業務改善に活用するには、“お客様の声”が記録されたテキストデータを収集して、調査・分析する必要があります。データ(お客様の声)は、カスタマーサポートで記録された各種ログや問い合わせメールにはじまり、SNSなどのCGM、アンケートアウトバウンドコール最適化々な手法を用いて収集します。そして、収集されたテキストデータを、テキストマイニングで解析することで、お客様の不満やニーズ、問い合わせ頻度が高い内容を可視化します。

データ解析による効果

膨大なデータの中からお客様の満足感や不満感、疑問点を簡単に見つけて参照できる事で、業務改善や新施策につなげることができます。また、解析用の辞書に言葉を登録する必要なく意味ある言葉を抽出することが可能なので運用が簡単です。


課題2 アウトバウンドコール最適化

解決方法

過去の顧客データと架電した回数、接続時間、通話中のポジティブワードの出現回数、商品お届けの曜日などのデータから、コンタクト確率や成約確率が高いお客様の特徴をデータ解析する事で、新しい顧客のコンタクト確率や成約確率を算出します。

データ解析による効果

すべての架電対象リストに対してコンタクト確率や成約確率を基にした順位付けができ、無駄な架電を大幅に削減できることで業務効率が大幅に向上します。通常、30%前後の効率化が図れます。


課題3 FAQマネジメント

解決方法

既存のFAQコンテンツと対応履歴をテキストマイニングで解析し、問い合わせ頻度などからキーワードを見つける事で、お客様が答えを見つけやすい検索語句を発見します。また、お客様が知りたいことをFAQコンテンツで網羅できているかを評価し、足りない項目があれば、問い合わせのキーワードから作成すべき新規項目がわかります。

データ解析による効果

検索しやすく答えがすぐ見つかるFAQサイトやIVR(音声自動応答)システムを構築でき、お客様のセルフサービスを促進するとともに顧客満足度を向上させます。また、定期的にお客様の問い合わせ内容を解析し、FAQコンテンツを正しくアップデートする事で、常に最適なFAQシステムを維持・運用できます。


課題4 回答自動レコメンド

解決方法

チャットやお問い合わせフォーム、メールの内容を自動解析し、オペレーターに推薦される回答をレコメンドします。また、緊急度の高いキーワードを設定しておくことでエスカレーションの必要がある問い合わせを判別する事ができます。

データ解析による効果

標準的な質問内容に対してレスポンスタイムの向上や回答内容の一貫性が図れる事で、応答時間が短縮され、業務効率化とロイヤリティ向上につながります。また、苦情などのお問い合わせを判別する事で適切なルーティングと素早い対応が可能になり、リスクを削減することができます。


エネルギー

エネルギー

課題1 需要予測(負荷予測)

解決方法

過去のエネルギー使用量(時系列解析)、や気象情報(天気、気温、湿度、風速、日射量など)、地域イベントの開催情報等を利用して、エネルギー需要を予測します。

データ解析による効果

いつ、一定以上のエネルギー量が必要になりそうかを事前に予測することで、電力等の安定した供給のために計画的に準備することが可能になります。
電力自由化(小売全面自由化)に伴い、このソリューションの適用効果は、電力供給側だけではなく、電力需給側においても効果を発揮します。需要予測を基に、適正な仕入れ価格がわかり、最適な供給ルートを確保できます。


課題2 設備保全の効率化

解決方法

機器・設備やシステムのメンテナンス履歴、故障履歴等のデータを用いて、故障の確率を1台ごとに予測します。

データ解析による効果

1台1台の機器・設備やシステムの故障確率がわかるので、故障してしまう前に故障の確率が高いところから優先的に点検を実施することができます。故障の数を削減することで、修繕費や修理中にストップする作業の削減が可能になり、その分のコスト削減、リスク把握につながります。
また、故障の確率を高めている要因が明らかになるので、定期点検項目の最適化ができます。さらに、メンテナンス履歴データと合わせて解析することで、適切な点検頻度を知ることができます。


課題3 自然エネルギー発電量予測

解決方法

過去の気象情報(天気、気温、湿度、風速、日射量など)と、自然エネルギーによる発電量の実績データ等から、発電可能量を予測します。

データ解析による効果

自然エネルギーで発電可能な電力を事前に把握することで、不足が予測される場合には余剰分を前もって蓄積する等の準備ができ、必要とされるエネルギー量を安定的に供給することが可能になります。


通信

通信

課題1 トラフィックの需要予測

解決方法

過去のデータトラフィックや、利用の多かった曜日、時間帯、利用のあった顧客の端末の種類、ウェブ上で開催されるイベントの有無などのデータを利用して、一定以上のトラフィックが必要とされる確率を予測します。

データ解析による効果

いつ、一定以上のトラフィックが必要になりそうかを事前に把握することで、安定した回線の確保と、サーバー強化など事前準備を計画的に行えます。また、需要予測をもとに、最適な価格を導き出すこともでき、供給側だけではなく受給側においても効果を発揮します。


課題2 顧客分析

解決方法

顧客の年齢や性別、職業、月々の利用データ量や、契約開始日や契約継続期間、契約プラン等のデータを解析し、ペルソナ構築に活用します。

データ解析による効果

客観的なデータに基づくペルソナを作成し、ターゲットに対する最適なアクションをとれます。また、自社の強みを発揮しやすいターゲットを明らかにし自社にとってポテンシャルの高いターゲットのボリュームがわかります。


課題3設備保全の効率化

解決方法

機器・設備やシステムのメンテナンスデータや、故障の履歴データを用いて、故障の確率を1台1台予測します。故障する確率の予測だけでなく、故障しやすい症状の予測も可能です。

データ解析による効果

1台1台、機器・設備やシステムの故障確率がわかるので、機器・設備やシステムが故障してしまう前に故障の確率が高いところから優先的に点検を実施することができます。 故障の数を削減することで、修繕費や修理中にストップする作業を削減でき、その分のコスト削減、リスク把握につながります。
また、故障の確率を高めている要因が明らかになるので、定期点検の点検項目を適正化や、故障の確率を低くするような点検頻度の最適化も可能にします。

ヘルスケア

ヘルスケア

課題1 予防診断

解決方法

患者の年齢や家族構成、生活習慣、病歴などのデータを解析し、病気になりやすい人 の特徴を明らかにします。

データ解析による効果

病気になりやすい要因が明らかになることで、健康を保つために患者が気を付けるべ きポイントがわかります。
病気になりやすい要因をもつ患者には、要因をなくすための医師による生活指導や治 療を行うことで、病気の予防が可能になります。


課題2ストレスチェック

解決方法

ストレスが高い人の年齢や家族構成、勤続年数といった属性情報、職務内容、労働時間や有給休暇の利用日数等のデータを解析し、ストレスの高い人の特徴を明らかにします。

データ解析による効果

高いストレスをかかえている確率の高い人を予測することだけでなく、ストレスを高めている要因を把握することで、スタッフの健康を維持し、安定した業務を可能にします。また、過度なストレスが原因の疾患を事前に防ぎ、賠償等のトラブルを防止します。


課題3 病理診断

解決方法

画像や心電図、内視鏡検査等で取得したデータを解析し、該当の患者の方が、り患しやすい病気や、病気になりやすい確率を予測します。

データ解析による効果

病気にかかる確率や、り患しやすい病気を把握でき、病気の予防や初期段階での発見につながります。専門医がいなくても、バイタルデータの解析結果をもとに、遠隔地の簡易診察などにも役立てることができます。


製造

製造

課題1 障害予測

解決方法

製造活動を行っている機器・設備やシステムの製造年月日や稼働頻度、製造製品の品目、メンテナンス履歴や、故障履歴等のデータを用いて、故障する確率を機械ごとに予測します。

データ解析による効果

故障確率や、故障の確率を高めている要因が明らかになるので、定期点検の適正化を図り故障を未然に防ぐことが可能です。
製造にかかわる機器・設備やシステムの故障は、製品や会社のブランド毀損にも発展します。故障を未然に防ぐことで、不良品や異物混入などの防止だけではなく、修理のための製造停止による信用失墜も防止することができます。


課題2 需要予測

解決方法

これまでの業務実績から、製造量が多かった日の曜日や時間帯、天気、気温、製品に関するイベントの有無や広告の出稿量などのデータを利用して、一定以上の量の製造が必要になる確率を予測します。また、過去の製造数を一定のレンジにわけ、その日の必要製造量がどの程度のレンジになるかを予測することも可能です。

データ解析による効果

これまでの業務実績から、製造量が多かった日の曜日や時間帯、天気、気温、製品に関するイベントの有無や広告の出稿量などのデータを利用して、一定以上の量の製造が必要になる確率を予測します。また、過去の製造数を一定のレンジにわけ、その日の必要製造量がどの程度のレンジになるかを予測することも可能です。

ホテル

ホテル

課題1 プライシング

解決方法

客室の稼働率を最大化するためには、需給状況によって割引率を変動させる必要があります。
ホテルの周辺エリアの旅行者数やホテル数などの情報と、自社物件の特徴や場所、アメニティ、予約履歴などの情報をデータ化して解析することで、それぞれの日の最適な割引率を決定することができます。

データ解析による効果

そのホテルにとって、その時期に最適な割引率を提案し、価格のミスマッチによる機会損失を防ぎます。


課題2 イールドマネジメント/レベニューマネジメント

解決方法

ホテルの収益を最大化するには、多少高い料金でも払ってくれるビジネス客を多く取り込みたいところですが、ビジネス客は予約が直前になるケースがほとんどです。 そこで、過去の客室収入・販売できた客室数・稼働率・滞在日数・宿泊人数・予約経路などのデータを基にビジネス客の需要予測を行います。

データ解析による効果

ビジネス客では埋まりそうにない客室数を予測することで、その分を観光客に早期に割引を適用して販売することが可能になります。 適切な数の客室数をビジネス客用に確保し、前日や当日により高い料金で予約されるのを待つことで、客室稼働率と収益を最大化することができます。