Comments
Description
Transcript
541KB - Teradata
チャネル最適化のための分析 販売及びサービスチャネルの可視化と プロセスの理解 山本 泰史 テラデータ事業本部 営業推進統括部 マーケティング部 スペシャリスト チャネル最適化のための分析 目 次 概要 ………………………………2 概要 想定される経営改善課題 ………3 販売及びサービスチャネルは、お客様とのコンタクトポイントで 想定されるデータ ………………3 あり、顧客サービスレベルを直接的に左右する企業プロセスであ ると同時に、チャネルのキャパシティとリソースに伴う費用と、 1. コールセンターデータの分析 ……4 販売効果及びサービスデリバリーレベルの間にバランスが求めら 2. SFAデータの分析……………9 れる企業プロセスです。 3. 保守サービスデータの分析 …14 このホワイトペーパーでは、コールセンター、法人営業としての 必要な分析環境の条件 ………18 SFA（Sales Force Automation）、そしてオンコールの保守サー 必要なデータ基盤の条件 ……19 ビスチャネルを取りあげ、販売及びサービスチャネルの最適化に 関連する経営改善課題と、課題改善のための分析シナリオ、そし まとめ-チャネル最適化の枠組み……20 て分析を行っていくにあたり必要となるデータの種類及び分析環 境について考察していきます。 2 チャネル最適化のための分析 想定される経営改善課題 販売及びサービスチャネルを最適化す 図1. 想定される経営改善課題 る、つまりチャネルにおける効果を最 コールセンター 大化しつつ、不要なリソースの投入を >エージェント配置の最適化 >営業担当者配置の最適化 >エージェントトレーニング >営業担当者トレーニング ます。図1は、チャネル毎にこれらの >施設キャパシティの最適化 >販売プロセス上のボトルネック発見 >コールルーティングの最適化 図の縦の並びは各チャネルを表しま >顧客サービスレベルの維持/向上 >キャンペーンの評価と改善 >サービス担当者トレーニング >部品故障率の理解 >部品在庫準備ボリュームの最適化 (シート数、回線数) 課題を整理したものです。 す。これに対して、共通する特性に基 >サービス担当者配置の最適化 （テリトリー配置の最適化） 避けてコストを低減していくために は、幾つかの考慮するべき課題があり 保守サービス SFA(法人営業) >顧客サービスレベルの維持/向上 >成功事例の発見と共有 >クロスセル機会の発見 づいて横の並びで整理しています。1 行目は、人的資源であるエージェント、 性を向上させるというテーマです。 り、サービスチャネルであるコールセ 営業担当者、サービス担当者の配置に そして人的資源同様、チャネルが保持 ンターと保守サービスでは顧客サービ 関して触れていますが、これを多すぎ している施設資産とプロセスを需要に スレベルを向上させることが可能とな ず少なすぎず、最適なレベルに維持す 対して多すぎず少なすぎず、最適なレ ります。 ることにより、無用なコストを低減し ベルで維持するということが必要とな そして、販売チャネルとして考えた場 つつ、顧客サービスレベルを改善する ります。これは、コールセンターであ 合、コールセンターにおけるアウトバ 機会を得ることになります。 れば回線数やシート数、コールルー ウンドコールの評価と改善、SFAにお 次の行は、個人としてパフォーマンス ティングの最適化ということになりま ける販売プロセスの分析から発見され の悪いエージェント、営業担当者、 す。同様にSFAであれば販売プロセス た成功事例の共有、クロスセル機会の サービス担当者を理解し、必要なト のボトルネック改善、保守サービスで 発見といった課題に対応させることが レーニングの機会を提供していくこと あれば部品在庫の最適化ということに 可能となります。 により、確保している人的資源の生産 なります。これらを改善することによ 想定されるデータ これらの課題に対して、データを分析 図2. 想定されるデータ していくことによって改善するべきポ チャネル >コールセンター >SFA(法人営業) >保守サービス イントを発見することは、必要な行動、 ヒューマンリソース >エージェントデータ >営業担当者データ >サービス担当者データ もしくはプロセスの改善を促し、最終 的に課題に挙げたポイントの改善へと 連繋していきます。そして、分析を 設備、施設 >コールセンター施設データ チャネルアクティビティ >エージェント配置データ >営業活動データ >修理訪問データ 顧客レスポンス >コールログデータ >契約データ >修理コールデータ 共通 - 実績データ >キャンペーンデータ 行っていくためには、適切なデータを 選定し、収集することが必要となりま >売上データ 共通 - マスタデータ >商品マスタデータ す。図2は必要となるデータを表したも >顧客マスタデータ のです。当然ながら各企業によっては >組織マスタデータ 少しずつ異なることが想定されますが、 ここでは標準的に図に示したような データを想定します。 まずチャネル毎に、ヒューマンリソース >修理部品データ >地域/ロケーションマスタデータ >カレンダマスタデータ （人的資源）のデータが存在します。 これはコールセンターであればエー ジェント、またはオペレータと呼ばれ る電話をとって応対をする方々のデー 3 チャネル最適化のための分析 タです。同様にSFAであれば営業担当 データとして想定されます。コールセ データはチャネルに依存したデータで 者、保守サービスであればサービス担 ンターであればエージェントの配置 すが、これ以外に、チャネルとは独立 当者データが存在します。 データ、SFAであれば営業活動のデー したキャンペーン、売上等の実績デー 同様にリソースという観点では、施設 タ、保守サービスであれば修理訪問活 タが適時必要となります。そして同様 や設備のデータが存在します。コール 動のデータとなります。次に想定され に商品、顧客、組織、地域やロケー センターであればコールセンターの施 るのが、チャネルアクティビティに前 ション、カレンダー等の各種マスタ 設、つまりシート数や回線数などの 後して発生するお客様のレスポンス データも必要となるでしょう。 データが挙げられます。そして保守 データです。コールセンターの場合、 以降、コールセンター、SFA、そして サービスであればパーツのデータが考 これはコールログになります。同様に 保守サービスの各チャネルにおいて、 えられるでしょう。 SFAであれば契約データ、保守サービ これらのデータを分析し、行動やプロ 次に、これらの資源を用いて実施され スであれば修理を要請するコールデー セスの改善に活用するための代表的な るデータがチャネルアクティビティの タということになります。これらの シナリオ例をご紹介していきます。 1. コールセンターデータの分析 最初にご紹介するのはコールセンターデータに関連する分析シナリオです。商品やサービス、そして苦情や 質問などに関する問い合わせのセンターを想定した分析です。 分析例 1-1. 回線キャパシティトレンドの分析 分析内容 コールセンター施設の稼動状況を分析し、必要な施設規模に関する理解を得ます。 1-2. 放棄呼発生度合いの分析 1-3. 自動音声応答装置の誘導分析 コールナビゲーション毎のトラフィックを理解することにより、最適なナビゲーションパス をデザインします。 4 1-4. エージェント配置分析 エージェントの配置とそれに伴う生産性の状況を理解し、最適なエージェント配置に役立てます。 1-5. コール対応状況分析（全体） お客様からのコールがどのようなビジネス結果をもたらしたかを理解し、商品/サービスやマーケ 1-6. コール対応状況分析（個人別） ティングメッセージの改善、そしてエージェントトレーニング計画のベースとして活用します。 1-7. アウトバウンドレスポンスの分析 アウトバウンドのマーケティングキャンペーンの実施状況を把握し、効果を測定します。 チャネル最適化のための分析 1-1. 回線キャパシティトレンドの分析 1つ目の分析として回線のキャパシティ トレンドを見ていきます。2004年、特 1-1. 回線キャパシティトレンドの分析 定コールセンターにおける月毎の回線 月=2004年 利用状況を見ていきます。 ［通話時間］ ロケーション=南平台センター は、当該月における通話時間の合計を 月 指標値 通話時間 回線空き時間 通話可能時間 稼働率 2004年1月 35,603 12,397 48,000 74.17% 2004年2月 32,456 13,144 45,600 71.18% 2004年3月 39,400 8,600 48,000 82.08% 2004年4月 45,330 5,070 50,400 89.94% となります。そして［通話時間］/［通 2004年5月 44,564 3,436 48,000 92.84% 話可能時間］を計算して導き出したの 2004年6月 43,323 4,677 48,000 90.26% が［稼働率］です。この値が100%に近 2004年7月 45,666 2,334 48,000 95.14% いということは、回線がパンク寸前と 2004年8月 56,754 23,246 80,000 70.94% 2004年9月 54,523 21,477 76,000 71.74% 2004年10月 56,766 23,234 80,000 70.96% 意味します。また［回線空き時間］は 回線のアイドルタイムを意味します。 この2つの値の合計が［通話可能時間］ いうことになります。当然ながら月、 週、日、時間帯によっては100%にへば 2004年11月 61,234 22,766 84,000 72.90% りついている、つまりお客様から見る 2004年12月 54,679 21,321 76,000 71.95% と話中でつながらない状態があること 平均 47,525 13,475 61,000 77.91% も考えられます。これを改善するため には、回線数を増やすなどの対応が必 ルまで下げて対応していることが分か でどのような稼働率となっているかを 要です。この例では8月から回線数を増 ります。ここでは70%近辺で落ち着い 更に確認する必要が有るかもしれませ やすこによって、稼働率を適正なレベ ていまが、月、週、日、時間帯レベル ん。 1-2. 放棄呼発生度合いの分析 2つ目の分析は放棄呼発生度合いの分析 1-2. 放棄呼発生度合いの分析 です。ある特定週のデータを時間帯毎 週=2004年12月第2週 にスライスし、 ［通話呼数］と［放棄呼 ロケーション=南平台センター 数］ 、そしてこの2つを足しこんだ［総 時間 指標値 呼数］を表示し、さらに［放棄呼発生 9時 3,876 1,466 5,342 27.44% 10時 2,432 144 2,576 5.59% 11時 2,112 113 2,225 5.08% 率］を［放棄呼数］/［総呼数］から計 算して表示しています。当然ながらタ 通話呼数 放棄呼数 総呼数 放棄呼発生率 12時 3,956 2,931 6,887 42.56% イミングによってはエージェントが全 13時 3,879 1,557 5,436 28.64% てふさがってしまうこともあるため、 14時 2,143 69 2,212 3.12% 放棄呼発生率を0%にすることは難しい 15時 2,133 12 2,145 0.56% かもしれませんが、多く発生している 16時 2,912 322 3,234 9.96% 平均 2,930 827 3,757 22.00% タイミングを理解し、必要なボリュー ムのエージェントを配置することに ることが可能となります。同様に曜日 や配員ボリュームに対するさらなる理 よって、放棄呼を低減し、顧客サービ 別、更に細かい時間別で把握すること 解を得ることが可能となります。 スレベルやリード生成機会を向上させ により、シフトチェンジのタイミング 5 チャネル最適化のための分析 1-3. 自動音声応答装置の誘導分析 1-3. 自動音声応答装置の誘導分析 月=2004年12月 ロケーション=南平台センター 呼=通話呼 指標値:呼数 ルート階層 第1階層 通話呼 1#:暗証番号変更 2#:商品サービス 3#:口座内容 4#:その他 週 第2階層 12月第1週 12月第2週 12月第3週 12月第4週 12月第5週 合計 123 99 43 56 35 356 2#1#:商品サービスAのご案内 345 564 2,676 3,461 3,324 10,370 2#2#:商品サービスBのご案内 324 343 434 443 332 1,876 2#3#:商品サービスCのご案内 454 512 434 465 452 2,317 3#1#:住所移転 123 211 212 321 221 1,088 3#2#:カード紛失のお問い合わせ 1,234 1,432 1,332 1,267 1,384 6,649 3#3#:お客様情報の変更 3,543 4,534 4,187 3,954 3,775 19,993 (4#:その他、オペレータへ転送) 6,765 6,943 6,754 6,644 6,922 34,028 （1#:暗証番号変更） 幾つかのセンターでは、自動音声応 ナビゲーションは下の階層に持って ら、別なコミュニケーションチャネ 答 装 置 （ IVR: Interactive Voice いくことも考えられます。例えばこ ル、例えば郵送等の方法でお客様に Response）を利用しているケースも こでは週毎のトレンドで見ています 対して案内することも必要かもしれ あることと思います。ここでは、そ が、商品サービスAの問合せが多く ません。この例では、カード紛失の のルーティングナビゲーション毎の なっていることが分かります。おそ お問合せが多いことが見てとれます ［呼数］を把握することによって、お らくTVCM等の別チャネルにおける が、紛失時のインストラクションを 客様にとって快適なナビゲーション マーケティング結果がここに現れて 毎月の請求書もしくは明細送付書に を実現するための知識を得ることが きているのかもしれません。 同封するなどして、お客様に安心を 可能となります。これにより、問合 また、商品やサービスの信頼性にか もたらすような情報を提供すること せの多いナビゲーションは階層の上 かわる問合せに関しては、お客様に も想定できるでしょう。 にもっていく、逆に問合せの少ない 対する安心感を与えるという観点か 1-4. エージェント配置分析 4つ目の分析はエージェント配置の分析 です。特定週、特定シフトにおけるスキ ルセット毎の指標値を見ていきます。ス 1-4. エージェント配置分析 週=2004年12月第2週 シフト=A ロケーション=南平台センター キルセットは、エージェントが対応でき スキルセット る内容を示しています。例えば［商品 指標値 配置時間 通話時間 通話呼数 平均通話（分） 延べ配置人数 商品サービスA 500 サービスA］は、この商品サービスのご 商品サービスB 200 紹介や、問い合わせ対応ができるスキル 商品サービスC 200 セットを持つエージェントの集合を意味 口座情報変更対応 400 します。［配置時間］はこのスキルセッ クレーム受付 160 156 184 934 2,930 トにアサインされた配置時間の集合を意 味し、［通話時間］は、配置に対して実 6 合計/平均 1,460 423 1,231 58 245 32 249 265 1,021 際に通話された時間を意味します。この 通話時間/人 通話呼数/人 20.6 125 3.4 9.8 14.2 50 1.2 4.9 7.7 50 0.6 5.0 15.6 100 2.7 10.2 50.9 40 3.9 4.6 19.1 365 2.6 8.0 2つの値が近ければ、基本的にはアサイ チャネル最適化のための分析 ンが成功していることになります。通話 同じになり、エージェントをどれだけ配 これにより、スキルセット毎にエージェ 呼数は、スキルセット毎のコール数を指 置したかを意味します。［通話時間/人］ ントを適切に配置することが可能になる します。そして［通話時間］/［通話呼 は［通話時間］/［延べ配置人数］にて と共に必要であれば特定のスキルセット 数］/60で、［平均通話（分）］を算出し 導き出され、エージェント1人あたりの を持つエージェントを育成する際の目安 ています。ここからスキルセット毎、通 負荷状況を理解することが可能です。 を理解することが可能となります。また 話あたりの負荷の度合いを推し量ること ［通話呼数/人］も同様に［通話呼数］/ 必要に応じて各エージェントレベルにド が可能となります。 ［延べ配置人数］は、 ［延べ配置人数］で導き出しており、 リルダウンすることにより、負荷の状況 ここでは1シフトが4時間制と想定してい コール数ベースで見たエージェントあた をエージェントレベルで把握することも るため、［配置時間］/4の値と基本的に りの負荷を示しています。 可能となります。 1-5. コール対応状況分析（全体） 5つ目の分析は、コールに対してどの 1-5. コール対応状況分析(全体) ような結果がもたらされたかを理解 月=2004年12月 するための分析です。特定の月にお ロケーション=南平台センター 呼=通話呼 けるコールを商品サービスの問合せ 毎にリストして分析を実施していま 商品サービス 指標値 通話呼数 通話1：説明 通話2：資料請求 通話3：契約 リード生成率 契約率 商品サービスA 8,235 5,332 2,124 779 25.8％ 9.5％ す。［通話呼数］は実際のコール数を 商品サービスB 2,132 1,533 412 187 19.3％ 8.8％ 意味します。そして［通話1:説明］、 商品サービスC 2,142 1,234 613 295 28.6％ 13.8％ 12,509 8,099 3,149 1,261 25.2％ 10.1％ ［通話2:資料請求］、［通話3:契約］は 合計/平均 通話がどのような結果をもたらした かを表しています。ここではそれぞ センターへのコールのうち、どの程度 対応しなければなりません。 れ説明に終わった、資料請求を依頼 が見込み客もしくは顧客獲得に結びつ また転換率が悪い商品サービスに関 された、契約に至ったという形で いたかを示す到達率、または転換率を しては、そもそもの商品に関する問 エージェントの登録データをもとに 意味する指標です。 題もあるかもしれませんし、案内や 分解しています。当然ながらこの分 ここからまず、そもそもの問合せが少 説明スクリプトに問題があるかもし 解はそれぞれの企業の商品やサービ ない商品に関しては他のチャネルから れません。前者に関してはエージェ スの内容に基づいて異なることと思 のマーケティング喚起が弱い場合が有 ントが問合せからキャプチャしたメ います。ここでは［通話呼数］に対 ります。当然ながら新たに投入された モ情報やアンケート情報を参考に商 する［通話2:資料請求］の割合、そし 商品やサービスの方が問合せの多い場 品サービスを改善する必要が有りま て［通話3:契約］の割合を算出し、そ 合も有りますので、この場合は問合せ すし、後者に関してはエージェント れぞれ［リード生成率］、［契約率］ に対応できるスキルセットをもった の意見等を参考にスクリプトを改善 を導き出しています。これはコール エージェントを増減させることにより する必要が有ります。 6つ目の分析は、個人別のコール対応状 トしています。そして横軸には実際の らに、 ［時給］*［配置時間］にて、 ［支 況分析です。ここではエージェントそ 労働時間を示す［配置時間］ 、通話状態 払い給与］を表示させています（実際 れぞれに対応状況を見ていきます。縦 になっていた時間を示す［通話時間］、 には経費実績からのデータを表示させ 1-6. コール対応状況分析（個人別） 軸にはエージェントのスキルレベルを ［通話時間］/［配置時間］にて導き出 ます）。［通話呼数］は当該エージェン ベースにしたランク、時給単価をリス された［稼働率］を示しています。さ トが対応したコール数を指し示し、 ［支 7 チャネル最適化のための分析 払い給与］/［通話呼数］にて［コスト 1-6. コール対応状況分析(個人別) /呼］を算出しています。これにより、 月=2004年12月 エージェント毎のコール対応コストの ロケーション=南平台センター シフト=A 違いを把握することが可能となります。 ここでは、時間単価よりも稼動率の向 上がコストパーコールを押し下げ、生 産性を高めていることが伺えます。そ エージェント スキルレベル 時給 指標値 配置時間 エージェントA A ¥1,200 エージェントB B ¥1,000 エージェントC C ¥800 通話時間 稼働率 支払い給与 通話呼数 コスト/呼 160 124 77.5％ 128 85 66.4％ ￥192,000 497 ￥386.3 ￥128,000 323 ￥396.3 88 43 48.9％ ￥70,400 138 ￥510.1 して、そのためにはエージェントのス キルレンジを広げ、複数のコールに対 きます。そのため、更にエージェント スキルレンジを検討することも必要と 応できるエージェントを育成すること のプロファイルを照会し、現在のスキ なるでしょう。 が生産性向上の鍵となることも想定で ルレンジを把握した上で、広げるべき 1-7. アウトバウンドレスポンスの分析 1-7. アウトバウンドレスポンスの分析 キャンペーン=新商品案内キャンペーン ロケーション 日 付 曜日 指標値 コール数 不通呼数 通話呼数 通話1:説明 通話2:資料請求 通話3:契約 リード生成率 契約率 南平台センター 2004.1.21 水曜日 1,000 21 979 623 298 58 30.4％ 5.9％ 2004.1.22 木曜日 1,000 31 969 612 289 68 29.8％ 7.0％ 2004.1.23 金曜日 1,000 23 977 662 290 25 29.7％ 2.6％ 2004.1.24 土曜日 1,000 43 957 613 277 67 28.9％ 7.0％ 2004.1.25 日曜日 1,000 55 945 601 301 43 31.9％ 4.6％ 宮益坂センター 2004.1.21 水曜日 1,000 51 949 598 301 50 31.7％ 5.3％ 2004.1.22 木曜日 1,000 23 977 576 312 89 31.9％ 9.1％ 2004.1.23 金曜日 1,000 45 955 586 309 60 32.4％ 6.3％ 2004.1.24 土曜日 1,000 32 968 577 314 77 32.4％ 8.0％ 2004.1.25 日曜日 1,000 32 968 533 328 107 33.9％ 11.1％ 10,000 356 9,644 5,981 3,019 644 31.3％ 6.7％ 合計/平均 最後にご紹介するのは、アウトバウン 施した日付、曜日をリストしています。 この分析レポートから、キャンペーン ドで実施したマーケティングキャン 横軸には［コール数］が示され、通話 のアウトバウンドコールに対しての評 ペーンに対してのレスポンスキャプ 中や留守電、利用されていない番号等 価を行うことが可能となります。また、 チャです。前提として、マーケターが の［不通呼数］と通話が実現した［通 コールするロケーションや日付毎に対 セグメンテーションにより導き出した1 話呼数］に分解されます。さらに［通 象となる顧客セグメントや、それに合 万名の顧客をそれぞれのコールセン 話呼数］は、通話結果を示す［通話1: わせてスクリプトを変更し、レスポン ターのチャネルリミテーションである 説明］、 ［通話2:資料請求］、 ［通話3:契約］ スの高いキャンペーンへ向けて修正を 1,000名/日に配分し、5日間に分けて に分解されます。ここから、 ［通話呼数］ 加えていくことが可能となります。 コールしたと仮定します。縦軸にはア に対する［通話2:資料請求］及び［通 ウトバウンドコールに利用したコール 話3:契約］の割合として［リード生成 以上がコールセンターデータにおける センターのロケーション、コールを実 率］、［契約率］が算出されています。 分析シナリオとなります。 8 チャネル最適化のための分析 2. SFAデータの分析 続いてご紹介するのはSFA（法人営業）データに関連する分析シナリオです。主に法人向け営業を想定した営業活 動と、その際にSFA :Sales Force Automationに蓄積されるデータを利用した分析となります。 分析例 2-1. 販売状況の分析（計画 vs. 実績） 分析内容 部署毎の販売達成状況を確認し、テリトリー配分/トレーニング/販売プラン再検討等に活用 します。 2-2. プロダクトライン別販売状況の分析 商品別の成長性、収益性、販売サイクルを理解し、ポートフォリオ管理を行います。 2-3. 営業生産性の分析 営業担当者毎の生産性を理解し、必要なテリトリー配分のベースとして活用します。 2-4. 販売プロセス分析 販売プロセス毎、そして販売プロセス全体の顧客/案件管理状況、経過日数を理解し、必要な 2-5. スループット分析 営業施策やトレーニング等の検討に役立てます。 2-6. ボトルネック分析 2-7. クロスセル分析 既存顧客の併買状況を理解することにより、追加販売オポチュニティの存在する顧客層を発 見します。 2-1. 販売状況の分析（計画 vs. 実績） 最初の分析は、販売状況を計画対実績 で比較する分析です。特定月における 2-1. 販売状況の分析(計画vs.実績) 部署毎の売上実績を把握しています。 月=2004年10月 ［計画売上金額］はこの月の目標値、 ［売上金額］はこれに対する実績値です。 地域=関東地域 部署 指標値 計画売上金額 売上金額 月度達成率 年度達成率 粗利金額 粗利率 第1営業部 ¥523,000 ¥342,000 65.4% 105.2% ¥123,000 36.0% 第2営業部 ¥342,000 ¥453,000 132.5% 85.4% ¥113,000 24.9% 第3営業部 ¥635,000 ¥657,000 103.5% 85.6% ¥198,000 30.1% います。また年度計画に対する達成度 第4営業部 ¥545,000 ¥502,000 92.1% 56.7% ¥164,000 32.7% を同様に［年度達成率］にて表してい 第5営業部 ¥654,000 ¥543,000 83.0% 76.5% ¥167,000 30.8% ます。更にそれぞれの部署毎の［粗利 第6営業部 ¥458,000 ¥459,000 100.2% 67.9% ¥178,000 38.8% 金額］と［粗額］と［粗利率］を表示 第7営業部 ¥597,000 ¥586,000 98.2% 103.5% ¥172,000 29.4% 第8営業部 ¥534,000 ¥409,000 76.6% 89.8% ¥156,000 38.1% 第9営業部 ¥617,000 ¥322,000 52.2% 45.6% ¥102,000 31.7% ¥4,905,000 ¥4,273,000 87.1% 88.2% ¥1,373,000 32.1% この対比、つまり［売上金額］/［計画 売上金額］を［月度達成率］で表して し、部署毎の収益性も合わせて把握で きるようにしています。 合計/平均 当然ながら売上が思わしくない部署に 対してはプッシュが必要ですが、合わ 一方で全ての営業部が目標を達成でき り得ます。ここでは既に年度達成率が せて追加のテリトリー配分、必要なト るとは限らず、パレート最適の理論で 100%以上、つまり年度目標を達成して レーニング、販売プランや戦略の見直 よく言われるように特定の営業部が売 いる営業部も有りますが、この部署が しなども検討する必要があるでしょう。 上の大部分を構成するということも有 クールダウンをしないように、新たに 9 チャネル最適化のための分析 結果を上積みできるようなインセン しょう。このレポートは部署毎に見て ティブを提供することも必要となるで いますが、同様のことは営業部内の営 業担当者個人にも当てはまります。 2-2. プロダクトライン別販売状況の分析 2-2. プロダクトライン別販売状況の分析 月=2004年10月 地域=関東地域 商品ライン 指標値 計画売上金額 商品ラインA ¥2,590,000 ¥1,974,000 ¥501,000 25.4% 89.5% 126.3 商品ラインB ¥1,235,000 ¥1,394,000 ¥450,000 32.3% 167.3% 86.3 21 ¥66,381 商品ラインC ¥1,080,000 ¥422,000 46.6% 113.5% 92.3 11 ¥82,273 合計/平均 ¥4,905,000 ¥4,273,000 ¥1,373,000 32.1% 102.3% 104.3 44 ¥97,114 売上金額 粗利金額 ¥905,000 粗利率 前年成長率 平均販売日数 売上数量 12 平均販売価格 ¥164,500 2つ目の分析では、商品ライン毎の分 可能となります。また、［平均販売日 の商品理解や意思決定に長い期間を 析をしていきます。縦軸には商品ラ 数］、 ［売上数量］、そして［売上金額］ 要し、結果的に販売プロセスが長く インをリストし、［計画売上金額］、 /［売上数量］で導き出した［平均販 なる可能性も有ります。一方で販売 ［売上金額］、［粗利金額］を表示して 売価格］を算出しています。この3つ 数量が多く、販売日数もかからない います。また、収益性と成長性を表 の指標は販売プロセスや売上目標を 代わりに、販売価格が大きくない場 す指標として［粗利率］と［前年成 達成する上で検討しなければならな 合もありえるでしょう。毎月の売上 長率］を置いています。この2つの指 い指標です。例えば、 ［平均販売価格］ を形作るという観点からは、このバ 標から、各商品ラインの力の入れ具 が高い商品は、一見すると販売効率 ランスも重要なコントロールの指標 合やバランスを理解していくことが は良いかもしれませんが、お客様側 となることでしょう。 2-3. 営業生産性の分析 3つ目の分析では、営業生産性に関す 2-3. 営業生産性の分析 る分析です。縦軸に営業担当者をリス 月=2004年10月 トし、横軸には［担当顧客数］ 、 ［売上 部署=第5営業部 金額］、顧客あたりの単価である［売 上金額/顧客］、［訪問回数］、［売上金 額/訪問］ 、 ［訪問数/顧客］を置いてい ます。 ［売上金額/顧客］は［売上金額］ 営業担当者 階級 営業担当者A A 指標値 15 ¥123,000 ¥8,200 90 ¥1,367 6.0 営業担当者B B 21 ¥110,000 ¥5,238 89 ¥1,236 4.2 営業担当者C B 8 ¥109,000 ¥13,625 67 ¥1,627 8.4 246 ¥1,390 5.6 合計/平均 担当顧客数 売上金額 売上金額/顧客 44 ¥342,000 ¥7,773 訪問回数 売上金額/訪問 訪問数/顧客 /［担当顧客数］にて、［売上金額/訪 問］は［売上金額］/［訪問回数］に たりの売上金額の規模を大きくするこ リトリー配置の増減を行うことによっ て、［訪問数/顧客数］は［訪問回数］ とが求められる姿になります。一方で て営業担当者のワークロードを平準化 /［担当顧客数］にてそれぞれ算出し 顧客との関係をきちんと維持するため することが必要です。当然ながら販売 ています。 には最低限の訪問も必要であるため、 プロセス下にある商談でテリトリー変 今日の販売活動では一般的に如何にき 顧客あたりの訪問回数も重要な指標の 更をすることは無用なプロセスの妨げ ちんとしたプロセスを踏み、目的を 1つとなることでしょう。 になるため、これらが実施されるべき 持った訪問活動を行い、販売に結びつ これらの分析を進めていく中で、標準 タイミングや顧客毎の状況は考慮され けるかが重要になるため、訪問回数あ 的に必要となる訪問数等を理解し、テ るべきです。また合わせて生産性の低 10 チャネル最適化のための分析 い営業担当者に対するコーチングやサ ポートも必要となることでしょう。 2-4. 販売プロセス分析 4つ目の分析では、販売プロセスに関 2-4. 販売プロセス分析 する分析を行います。ここでは縦軸 月=2004年1月 - 2004年10月 に営業部をリストして、それぞれの 地域=関東地域 商品ライン=A 部署毎の販売プロセスの進行状況を 理解することが可能となります。［顧 部署 指標値 顧客数 営業担当者数 稼動顧客数 /営業担当 全顧客数 製品紹介 製品デモ 役員面談 見積提示 契約済み 客数］の下にある［全顧客数］はそ 第1営業部 324 れぞれの部署が担当している顧客総 第2営業部 263 89 数となります。そして［製品紹介］、 第3営業部 338 212 ［製品デモ］、 ［役員面接］、 ［見積提示］、 第4営業部 385 167 65 32 29 ［契約済み］はそれぞれシーケンシャ 合計/平均 1,310 589 143 90 71 121 53 契約転換率 21 24 105 3 32.7 32.4% 5 26 12 131 5 8.6 49.8% 20 11 6 89 5 7.4 26.3% 92 4 31.5 23.9% 417 17 17.9 31.8% ルな販売プロセスを意味し、［全顧客 数］はこのうちのどれかに分類され ［稼動顧客数/営業担当］という指標 が契約まで完了したのかを示す指標 ます。当然ながらこのようなプロセ 値を利用して、リード生成の状態を として［契約転換率］を示していま スは扱う商品やサービスによって異 把握することが可能となっています。 す。言い換えればこれは的中率やク なるため、企業毎に定義される必要 ［稼動顧客数/営業担当］は（［製品デ が有り、このプロセス完了毎にSFA モ］+［役員面談］+［見積提示］）/ に営業担当者が入力する必要が有り ［営業担当者数］にて算出され、商談 ここから、営業サポート人員の配置 ます。この分析の場合は、ここから が進んでいる、つまり稼動状態にあ を稼動顧客数の状況に合わせて最適 契約間近の顧客数がどの程度あるか、 る顧客数が、営業担当者あたりどの 化する、経過的にプロセスを把握す リード生成が不十分な営業部はどこ 程度存在しているかを把握すること ることにより、止まりがちなプロセ かを理解することが可能となります。 が可能な指標値です。また担当して スを理解し、必要な施策を実施する さらにここでは、 ［営業担当者数］と、 いる全顧客数にたいして、どの程度 ということが必要となります。 ローズレシオと言われるものと同義 です。 2-5. スループット分析 続いての分析は、個人別の販売プロセス分 2-5. スループット分析 析です。2-4の販売プロセス分析ではプロ 月=2004年10月 セス毎の顧客数を理解しましたが、ここで 部署=第6営業部 商品ライン=A はプロセス毎にそれぞれの営業担当者が利 用している時間を把握します。縦軸に営業 担当者とそれぞれの階級を示し、プロセス 営業担当者 営業担当者A 階級 指標値 平均経過日数 合 計 製品紹介 製品デモ 役員面談 見積提示 A 79 23 12 32 12 130 36 18 53 23 毎、そして合計の［平均経過日数］を表示 営業担当者B B させています。絞込み条件として同じ商品 営業担当者C B ラインを販売しているため、このプロセス 平均 99 34 21 34 10 102.7 31.0 17.0 39.7 15.0 にかかる日数が営業担当者毎に違う場合、 そのプロセスをうまくこなせる営業担当者 と、逆に時間がかかってしまう営業担当者 がいることが理解できます。当然ながら営 11 チャネル最適化のための分析 業担当者の資質によって得意なプロセスと を共有することによって、スタンダートレ セスを上司や周りが理解し、トレーニング 不得意なプロセスがありますが、そのプロ ベルを上げることが可能となりますし、そ 機会の提供等の必要なサポートを行うこと セスをうまくこなす営業担当者の成功事例 れぞれの営業担当者にとっての苦手なプロ も必要となります。 2-6. ボトルネック分析 6つ目の分析はボトルネックの分析です。 2-6. ボトルネック分析 2-4及び2-5と酷似したレポートフォーマッ 月=2004年10月 トを利用しますが、販売プロセスの指標 部署=第6営業部 商品ライン=A 値として利用されているのは、［減耗率］ という指標値です。これは前のプロセス 営業担当者 階級 指標値 減耗率 全顧客数 契約顧客数 契約転換率 製品紹介 製品デモ 役員面談 営業担当者A A 20.4％ 48.8％ 7.7％ 8.3％ 543 123 22.7％ かった顧客が、前のプロセスの顧客に対 営業担当者B B 3.5％ 23.3％ 27.2％ 34.1％ 343 120 35.0％ してどの程度存在していたのかを算出し 営業担当者C B 63.3％ 27.0％ 12.4％ 17.9％ 332 56 16.9％ 合計/平均 27.3％ 36.3％ 17.2％ 20.1％ 1,218 299 24.5％ から次のプロセスに移すことができな ています。例えば製品デモ後の減耗率が 見積提示 高い営業担当者は、顧客に対して製品の デモンストレーション時に製品価値のア 回訪問からの関係を築くことができな 善のための施策を行うことが必要となり、 ピールがきちんとできず、結果的に次の かった可能性が考えられます。またそも この分析はそれらのベースとなる指標値 プロセスへ顧客を持っていくことができ そもの全顧客数としてターゲティングし を理解することを可能としています。 ないケースが多かったことが想定できま た顧客リストが、適切なターゲットで また、減耗率だけでは実際の契約ボ す。また、最初の製品紹介の部分は、全 あったのかも検討しなければなりません。 リュームを理解することは難しいため、 顧客数からの減耗率を表しています。こ このように減耗率が高いプロセスを理解 合わせて［契約顧客数］及び［契約転換 の場合、製品紹介に問題があったか、初 し、営業担当者-プロセスの組合せ毎に改 率］を表示しています。 最後の分析はクロスセリングの分析 が併買商品を購入しているかを割合 の併買を実施したのには何かしらの です。ここでは、関連性の高い商品 で表しています。50%以上の併買率 理由があるはずです。この理由を理 ラインの組合せを理解し、この組合 を示している場合は、網かけで色分 解し、残りの7%の顧客に対して販売 せで商品ラインを購入していない顧 けしています。これはそのまま関連 活動をすることは合理的な販売活動 客を見つけ出し、販売活動のターゲ 性が高いことを意味しますが、一方 と言えるでしょう。ここでは7%に該 ティングに活かす事が目的となりま で100%でないということは、残りの 当する顧客をリストアップし、合わ す。絞込条件として商品ラインAを 顧客はこの商品の組合せを購入して せて営業担当者と営業担当者の電話 購入した顧客だけを対象として、そ いないため、販売機会が存在するこ 番号を表示しています。ここにリス れぞれ共通の属性を持つ顧客毎にセ とを示しています。例えば、顧客セ トされた営業担当者はこの販売機会 グメントとしてグルーピングしてい グメントE、商品ラインBのグリッド を知るべきでしょうし、表示されて ます。そして横軸には併買の商品ラ は93%と表示されていますが、残り いるように、特定の営業担当者が何 インを表示し、指標値としては、［併 7%は商品Bを購入していません。も らかの理由で（販売スキルがない等） 買率］を表示させています。これは ちろん個別の顧客によっては必要な アプローチをしていないのがその7% 当該セグメントで商品ラインAを購 いために購入しない可能性もあるか の理由かもしれません。いずれにし 入した顧客のうち、どの程度の顧客 もしれませんが、93%もの顧客がこ ても、共通の属性を持つ顧客が同一 2-7. クロスセル分析 12 チャネル最適化のための分析 の活動をするであろうという前提に 2-7. クロスセル分析 立ち、クロスセリングの機会を発見 年=2004年 するための基礎情報として役立てる キー商品ライン=商品ラインA ことが可能となります。 以上がSFAデータの分析シナリオと 指標値:併買率（=他の商品ライン購入顧客数/商品ラインA購入顧客数） 顧客セグメント 関連商品 商品ラインB 商品ラインC 商品ラインD 商品ラインE 顧客セグメントA 62% 57% 56% 61% 顧客セグメントB 51% 23% 0% 82% お客様を担当するのが1人の営業担当 顧客セグメントC 75% 0% 6% 0% 者、そしてお客様あたりの販売機会 顧客セグメントD 82% 0% 67% 12% 案件が1つであるという前提でご紹介 顧客セグメントE 93% 0% 0% 0% なります。ここでは標準的な、1人の しましたが、場合によっては、複数 の営業担当者で1つのお客様を担当す る、1つのお客様において複数の販売 機会案件が存在する場合も想定され 2-7. クロスセル対象顧客リスト 年=2004年 顧客セグメント=顧客セグメントE 顧客=（ 商品ラインAの売上数量<>0 商品ラインBの売上数量=0 ） ます。この場合にも、チームレベル、 案件レベルで同様の分析を実施する 顧客番号 顧客 担当者 電話番号 ことが必要となるでしょう。 81432 顧客81432 営業担当者F 03-xxxx-xxxx 34243 顧客34243 営業担当者F 03-xxxx-xxxx 43565 顧客43565 営業担当者F 03-xxxx-xxxx 13 チャネル最適化のための分析 3. 保守サービスデータの分析 最後にご紹介する分析シナリオは保守サービスデータに関連する分析シナリオです。ここではお客様のオフィス や工場施設に機器等を納品し、そこにお伺いして保守サービスを行っているビジネスケースを想定しています。 分析例 分析内容 3-1. インシデント種別コール頻度分析 製品毎の障害発生頻度を理解し、製品開発や品質改善、サービス対応に役立てます。 3-2. 保守サービス状況分析 障害発生の頻発するケースのみに絞り込み、対応履歴を把握します。 3-3. サービス生産性分析 保守サービスの訪問活動における生産性を理解し、必要なサービス担当者配置に役立てます。 3-4. サービス担当者生産性分析 3-5. 製品別故障傾向分析 製品及び部品の故障傾向をトレンドと頻度から理解することにより、顧客環境に設置している 3-6. 部品別故障頻度分析 製品をライフサイクルの観点からサポートします。 3-7. 部品在庫状況分析 交換部品需要と準備在庫のバランスを理解することによって、部品在庫を適正化します。 3-1. インシデント種別コール頻度分析 最初の分析は、お客様からの障害受付内 容に関して、その種類別の頻度を把握す 3-1. インシデント種別コール頻度分析 るための分析です。特定期間、特定地域 月＝2004年10月 - 2004年12月 における機種、障害種別毎の発生頻度を 地域＝関東地域 分析しています。縦軸には、障害種別を リストし、横軸には種別毎の［コール受 付数］ 、 ［設置機器数］ 、そして［コール 機種 機種Ａ コールセンター 障害種別 指標値 >エージ コール受付数 障害A 機種B 設置機器数 3 100 発生率 コール受付数 設置機器数 発生率 3.0% 2 200 1.0% 障害B 2 100 2.0% 38 200 19.0% 受付数］/［設置機器数］からそれぞれ 障害C 15 100 15.0% 1 200 0.5% の機種-障害種別毎の障害［発生率］を 障害D 0 100 0.0% 2 200 1.0% 算出しています。また、機種AとBでそ 合計 20 100 20.0% 43 200 21.5% の傾向の違いを比較しています。頻度が 高いということはすなわちその障害種が 応するための部品やマニュアルなどを準 品質管理、予防改善等のアクションも必 機種の品質上の課題であるということが 備し、障害発生時に迅速に対応すること 要になります。 想定されます。従って、当座としては対 が必要となりますし、平行して製品開発、 14 チャネル最適化のための分析 3-2. 保守サービス状況分析 2つ目の分析では、顧客毎の保守サービ 3-2. 保守サービス状況分析 ス履歴を把握しています。ここでは、 月=2004年12月 特定機器の特定月におけるコールが一 顧客=（コール件数>3） 機種=機種B 定数以上発生している、おそらくお客 顧客 日付 障害種別 顧客A 2004.12.1 障害B 0.50 0.50 1.00 設定変更 ピックアップしています。ここから別 2004.12.5 障害B 0.50 0.50 1.00 設定変更 途特別な対応を実施する必要があるか 2004.12.12 障害B 0.50 0.50 1.00 設定変更 もしれませんし、これまでの作業内容 2004.12.19 障害B 1.00 0.50 1.50 設定変更 において適切な対応がなされていたか 2004.12.23 障害B 0.50 0.75 1.25 部品交換 様にとっては品質に対する不信感や迷 指標値 経過時間 作業内容 コール−到着 惑を与えていると想定されるケースを を確認し、適切な対応がされていな 顧客B かった場合には改善（担当者を変更す る、プロセスを見直す等）を実施する 作業時間 合計 2004.12.3 障害B 0.75 0.50 1.25 設定変更 2004.12.8 障害B 0.75 0.50 1.25 設定変更 2004.12.18 障害B 0.75 0.50 1.25 設定変更 2004.12.20 障害B 0.75 1.00 1.75 部品交換 必要があります。また同様のケースが 発生していないかを確認し、重要な傾 コールがあった日付、障害の種をリス 向としてサービス担当者間で共有する トしています。また指標値としては、 ［作業内容］を合わせて表示し、どのよ ことも必要となるでしょう。 このレポートでは縦軸に顧客名称、 ［経過時間］として、 ［コール-到着］ま での時間と［作業時間］、そしてその ［合計時間］を把握しています。また うな作業がなされていたのかを把握し ています。 3-3. サービス生産性分析 3つ目の分析として、サービス担当者 3-3. サービス生産性分析 の生産性分析を行います。この分析で 月=2004年1月 - 6月 は全体的な生産性を理解し、サービス 地域=関東地域 担当者の配置を最適化させることが目 地区 的となります。縦軸には各地区をリス トしています。そして指標値としては、 指標値 担当者数 顧客数 設置機器数 コール受付数 顧客数/担当者 コール受付数/担当者 コール受付数/顧客 地区A 3 92 182 453 30.7 151.0 4.9 地区B 4 129 143 494 32.3 123.5 3.8 地区C 5 162 201 540 32.4 108.0 3.3 それぞれの地区の［担当者数］ 、 ［顧客 地区D 3 88 123 201 29.3 67.0 2.3 数］、［設置機器数］、［コール受付数］ 合計/平均 15 471 649 1,688 31.4 112.5 3.6 を把握しています。また生産性に関す る指標値として、担当者1人あたりの りますが、一方でサービス担当者に過 てサポート拠点を統合する/増やす等 顧客数を示す［顧客数/担当者］ 、担当 度の負荷がかかり、顧客サービスレベ の配置施策が必要になる場合も考えら 者1人あたりのコール受付数を示す ルが落ちることも避けなければなりま れますし、配置実施後にも同様のレ ［コール受付数/担当者］ 、1顧客あたり せん。このような分析レポートを用い ポートで改善効果を把握することが可 の平均的なコール数を示す［コール数 ることによって、適切な生産性のレベ 能です。そして特に生産性が高い地区 /顧客］を把握しています。1人のサー ルを理解したうえで、人材配置を行う に関しては特別な方策を講じているの ビス担当者がより多くの顧客、設置機 ことが可能となります。また、顧客数 かもしれませんので直接問い合わせる 器、そしてコール受付と作業をこなす だけでなく地理的な（時間的な）カバ などして確認し、成功事例として共有 ことが生産性を高めるための要因とな レージ範囲を考慮に入れ、必要に応じ することも必要となるでしょう。 15 チャネル最適化のための分析 3-4. サービス担当者生産性分析 4つ目の分析は、サービス担当者毎の 3-4. サービス担当者生産性分析 生産性を把握するための分析です。縦 月=2004年12月 軸には特定部門内の各サービス担当者 部署=第1サービス部 をリストアップしています。そして横 サービス担当者 指標値 顧客数 コール受付数 コール-到着 作業時間 サービス担当者A 32 167 79.0 82.5 161.5 1.0 軸にはそれぞれが担当している［顧客 数］、それぞれの顧客からの一定期間 経過時間 平均経過時間/コール 合計 サービス担当者B 28 90 62.5 67.0 129.5 1.4 における［コール受付数］、そして、 サービス担当者C 17 54 45.0 52.5 97.5 1.8 コールを受け付けてからお客様の事務 合計/平均 77 311 186.5 202 388.5 1.2 所までの到着時間と、到着してからの 作業時間、そしてこの2つの合計時間 況を図ることが可能となります。顧客 時間）等も考慮に入れてアサインをし を［経過時間］の［コール-到着］、 数を均等にサービス担当者に配分した なければなりません。これらのデータ としてもお客様毎のコール受付数、そ を把握することによって、最適な配置 います。また、 ［合計］の［経過時間］ してお客様の事務所に到着するまでの の為の知識を得ることが可能となりま を［コール受付数］で割って、［平均 距離は異なります。従って、どの程度 すし、顧客数や顧客毎のコールの変化 経過時間/コール］を算出しています。 の時間をそれぞれが費やしているか、 を鑑みた形で継続的に配置の見直しを ここから、サービス担当者毎の負荷状 また作業成熟レベルや作業負荷（作業 行うことが可能となっていきます。 ［作業時間］、［合計］として把握して 3-5. 製品別故障傾向分析 5つ目の分析は、製品毎に障害傾向の 3-5. 製品別故障傾向分析 トレンドを把握していくことによっ 月=2003年、2004年 て、製品そもそもの時間の変化に伴う 品質の変化や利用状況によって変化す る障害の経過を理解するための分析で 部署=東北地域 指標値=コール受付数 機種 機種A す。縦軸には、機種毎の障害種別をリ ストして、横軸には経過月数を置き、 トレンドで［コール受付数］を把握し ています。これにより、機種別に見た 機種B ときに、いつ、どのような障害が発生 する傾向にあるかを理解することが可 1-6ヶ月 7-12ヶ月 障害A 0 0 3 12 15 障害B 0 0 2 10 12 障害C 1 2 1 6 10 障害D 0 1 3 15 19 障害A 18 2 2 5 27 障害B 7 1 2 4 14 障害C 10 0 1 3 14 2 0 3 2 7 38 6 17 57 118 障害種別 経過月数 障害D 能となります。例えば、初期障害が発 合計 13-18ヶ月 19-24ヶ月 合 計 生する傾向の高い機種もあれば、特定 部品のライフサイクルが一定期間経過 れません。 す。そして当然予防改善ができれば顧 後に終了し、それが障害を引き起こす これらの傾向に基づき、傾向をマニュ 客サービスの観点からも望ましいのは 傾向が高い場合もあるでしょう。また、 アルに追加することにより対応策を準 言うまでもありません。 そもそもの品質が悪く、一定の割合で 備しておく、必要な部品ボリュームを 障害が発生している機種もあるかもし 理解するといったことが可能となりま 16 チャネル最適化のための分析 3-6. 部品別故障頻度分析 こちらの分析では、部品毎に障害の 3-6. 部品別故障頻度分析 発生頻度を把握しています。縦軸に 年=2004年 特定機種を構成する部品をリストし、 地域=関東地域 機種=機種D 当該部品が含まれている［機種数］ と機種が導入されている［顧客数］、 部品 指標値 顧客数 機種数 交換発生数 交換発生数/月 交換発生数/月/顧客 部品A 234 322 2,643 220.3 0.9 部品B 234 322 1,343 111.9 0.5 ます。また月あたりの頻度と顧客1ヶ 部品C 234 322 465 38.8 0.2 月あたりの頻度ということで、［故障 部品D 234 322 165 13.8 0.1 発生数/月］、［故障発生数/月/顧客］ 合計/平均 234 322 4,616 384.7 1.6 そして［交換発生数］を表示してい を合わせて表示し、頻度傾向が部品 交換の観点と、お客様の視点から見 要を理解して、在庫準備に役立てる な場合もあります。この分析ではこ たときにどの程度発生しているかを ことが可能となります。またあまり れらのアクションに必要な知識を理 理解することが可能となります。こ にも頻度が高い部品に関しては、開 解することが可能となります。 れによって、部品交換頻度を理解し、 発や生産部門がライフタイムの長い 対応作業に役立てると共に、部品需 部品へと変更するなどの対応が必要 3-7. 部品在庫状況分析 7つ目の分析は、部品毎の在庫状況を把 握するための分析です。縦軸には部品 を保管している事業所をリストし、特 定機種、特定部品における現在在庫数 3-7. 部品在庫状況分析 年=2004年 地域=関東地域 機種=機種D 部品=部品A 量を分析します。 ［交換発生数/月］は、 3-6の分析においても紹介した、部品が 月毎に交換される頻度を示した指標で、 事業所 指標値 交換発生数/月 在庫数量 在庫月数 現在在庫数量 発注済在庫数量 合計 事業所A 220 687 0 687 3.12 ここでは部品に対する需要データとし 事業所B 232 123 300 423 1.82 て利用しています。これに対して［在 事業所C 241 258 0 258 1.07 庫数量］として、［現在在庫数量］と 合計/平均 693 1,068 300 1,368 1.97 ［発注済在庫数量］ 、その［合計］を表 示しています。さらに、現在在庫と発 必要な在庫数量に関しての理解を得る 産部門がこの情報を把握することによ 注済在庫で、向こう何ヶ月で在庫切れ ことが可能となります。ここから在庫 り、必要な生産と供給を実現すること になるかを示す指標として、 ［在庫月数］ が過少であれば追加補充をしなければ が可能となります。 を表示しています。これは、 ［在庫数量］ なりませんし、緊急であれば在庫が豊 の［合計］/［交換発生数/月］で算出 富にある他事業所と融通しあうことも 以上が保守サービスデータにおける分 したものです。これによって将来的に 容易になるでしょう。そして部品の生 析シナリオとなります。 17 チャネル最適化のための分析 必要な分析環境の条件 さて、ご紹介してきたような分析を実 図3. 個人向けレポートの例 現するためには、どのような分析環境 ユーザー:xxxx xxxxさん(コールセンターマネージャ - 南平台センター) が必要となるでしょうか。実際にシス テムとして実装する際には、データを 分析する主体である、ユーザーの利用 形態を想定する必要があるでしょう。 ■生産性の指標 ■ベンチマーキング 指標値 実績 前月比 宮益坂センター 神宮前センター 稼働率 79.8% 10.2% 69.8% 78.2% 放棄呼発生率 11.3% -2.5% 10.5% 10.2% 3.65 -0.3% 3.22 3.89 8.2 -0.1% 6.5 10.2 ¥432.5 0.1% ¥385.3 ¥401.2 通話時間/人 最初に、全社的に共有していくような 通話呼数/人 分析レポートは定型レポートとして提 コスト/呼 供していくことによって、同じ視点で 把握し、かつ簡単に情報にアクセスで きるようにしなければなりません。但 し、ユーザーによって絞込みの条件が 異なる場合も想定されます。例えば3- ■販売パフォーマンス 商品 指標値 契約率 契約件数 契約高 商品サービスA 12.2% 132 ¥1,395,650 商品サービスB 16.2% 62 ¥625,840 商品サービスC 14.5% 25 ¥518,420 7の分析例であれば、あるユーザーは 特定の数ヶ月間を把握したいと思い、 別なユーザーは異なる部品の状況を把 をセルフサービス型で提供すること 問に対する更なる回答を得ることが 握したいと考えるでしょう。これらに が可能となります。この非定型レ 可能になると共に、ユーザーの分析 対応するためには、ユーザーが自由に ポートのもう1つのメリットは、ユー スキルやデータに対する見方を育て、 条件を指定できなければなりません。 ザーが緊急で今までに無い条件に分 問題に対しての改善能力を高めるこ 次にチームや個人用の分析レポートも 析をしなければならない場合にも利 とにつながります。 必要になるでしょう。これは全社で共 用できるということです。例えば 逆に、非定型レポートで発見された 有している定型レポートと少しだけ体 サービス開発やビジネス企画を担当 知識や、その知識の発見を容易にす 裁の異なる分析や、全社的なニーズは しているユーザーの方であれば、突 る分析レポート形式は、チームもし 無くともそのチームや個人が分析を実 発的で多面的なデータ分析のニーズ くは全社的に共有することによって 施していく上では必要になるような があることが想定され、このような 組織全体のボトムアップにつなげる 分析です（図3参照）。 ケースで非定型レポートは大きな威 ことが可能となります。そのために そして、前述のチームや個人用の分 力を発揮します。 は非定型分析の結果を保存、再利用 析レポートをセルフサービス型で作 そして最後に、この定型レポート環 できる環境が必要となります。 成していくための環境が非定型レ 境と非定型レポート環境の関係が考 つまり、定型レポートと非定型レ ポートの環境です。これは、ユー 慮されなければなりません。定型レ ポートの環境は相互補完、そして相 ザーがご自身で絞込条件やレポート ポートは、ユーザーが分析をするた 互作用をもたらす関係にあることを の縦軸、横軸に表示させるデータを めの最初の入り口ということができ 意味しています。従って、この2つの 選択し、まるで一からレポートを作 るでしょう。しかしながらそこから 分析をスムーズに連携させるために るような感覚で分析をしていく手法 原因を探り、違う視点で検証してい は、2つの環境を共存させることが望 です。この非定型レポートの結果を くためには、別な条件で分析をして ましい姿となります。そしてそのた 保存/再利用することにより、チーム いくことが必要になります。定型レ めには、データソースが一緒で、一 や個人用の分析レポートを充実させ、 ポートによって発見された疑問が非 元的なデータベース環境を基盤にす 各個人のニーズに合わせた分析環境 定型レポートによる分析を促し、疑 ることが必要となります。 18 チャネル最適化のための分析 必要なデータ基盤の条件 データソースが一緒で、一元的な 図4. 多様な視点への対応 データベース環境を説明するため に、1つの例をご紹介します。図4 月=2005年5月 をご覧頂くと、同じ［コール受付 週 数］という指標値を分析する際に も、ユーザーによっては見たいと 思う切り口は異なることが分かり 月=2005年5月 コール受付数 障害種別 月=2005年5月 コール受付数 事業所 月=2005年5月 コール受付数 顧客 コール受付数 第1週 50 障害A 35 事業所A 20 顧客A 40 第2週 30 障害B 35 事業所B 10 顧客B 40 第3週 20 障害C 30 事業所C 70 顧客C 20 合計 100 合計 100 合計 100 合計 100 ます。ここでは週別、障害種別、 事業所、顧客といった視点の違い について触れていますが、日別で 見たい方もいらっしゃれば、もっ 図5. 一元的なデータベース構造 と長い期間で把握したい方もい らっしゃるはずです。これはユー [顧客]テーブル ザー毎に、またはユーザーでもそ 顧客ID 顧客名称 [事業所]テーブル のときの分析ニーズによって異な 事業所ID り、そのパターンは膨大となるこ 事業所名称 [障害種別]テーブル とを意味しています。公約数的な ニーズに対しては定型的なレポー [コール受付]テーブル トで対応することも必要になりま コール受付ID 日付 顧客ID 事業所ID 日付 週ID … 週ID 週名称 障害種別ID 障害種別名称 障害種別ID … すが、それ以外のニーズに対して は、非定型レポートという形で ユーザーが自由にデータの範囲や 集約のレベルを設定できるように [日]テーブル [週]テーブル するべきでしょう。 そのためには、データをそれぞれ のレポートフォーマットに近い形 元的な形でデータを保持すること トを作成することによって、前述 で保持するのでは無く、データと が 必 要 に な り ま す （ 図 5 参 照 ）。 そ した相互補完/相互作用が実現しや して独立させ、同時に必要なリ してこのデータ基盤上で、非定型 すくなります。 レーションを設定した、つまり一 レポートだけでなく、定型レポー 19 チャネル最適化のための分析 まとめ-チャネル最適化の枠組み 最後に、まとめとして販売及びサー やコストを低減しつつ、プロセスを 良い部分、悪い部分の両方から学ぶ ビスチャネルを改善していくにあ 通る顧客や従業員のパフォーマンス ということです。良い部分に関して たっての枠組みについて触れていき を最大化することが可能となります。 はなぜその素晴らしい結果をもたら ます。 2点目はリソースの最適化です。これ すことが出来たのかを突きとめ、そ 販売及びサービスチャネルの改善を は基本的に需要にあわせることが必 れを成功事例として共有化すること 行うためには、3つの点を考慮する必 要となります。需要にあわせること によって、特定の個人や組織だけで 要があります。1つ目はプロセス指向 が出来なかった場合にはプロセス上 なく全社的にボトムアップを図るこ のアプローチです。プロセスとは、 でのボトルネックやスループットの とが必要となります。同様に、悪い 一つ一つの作業や機能の順番を示し 問題を発生させることになります。 部分に関してもなぜ悪いのかを突き たものです。A、B、Cという作業が 固定的なリソース、例えばコールセ 止めることによって、改善策を講ず A > B > Cの順番で行われる場合、 ンターの回線数に関しては需要の ることが必要となります。 ひとつにはAからBに、そしてBから ピークに合わせることが必要になり 保持しているチャネルに対して、こ Cに顧客を引き渡していく際に、なる ます。そして可変的なリソース、同 れらの観点から分析を実施し、分析 べく減耗させることなく引き渡すこ 様にコールセンターであればエー から導かれた知識や意思決定をベー とが必要となります。この減耗が大 ジェントの配置などはタイミング毎 スにチャネルの最適化に取り組むこ きい場合はボトルネックが発生して の需要を理解することによって、そ とによって、継続的に顧客サービス おり、何らかの改善が必要です。も れにあわせてリソースを増減させる レベルや販売機会の向上を実現しつ う1つはスループットという考え方で ことが必要となります。 つ、チャネル運営のコストを低減さ す。AからBにたどり着くための時間 3点目はチャネル最適化に関わらず、 せることが可能となります。 を短縮することによって作業の時間 データ分析する上で重要になる点で、 本資料および本資料に含まれている情報は、日本NCR株式会社の占有資産です。以下の条件で、本資料の閲覧、複写、印刷および配布を許可します：本資料は、商用目的以外の情報取得目的 に限り使用することができ、 “現状のまま”提供します。本資料または本資料の一部を複写した場合、本資料に記載してある著作権表示および他のすべての制約条件を含めなければなりません。 注：本資料で解説した製品、プロセスまたはテクノロジーは日本NCRが留保している他の知的資産権の対象となる場合があり、本資料によりそのライセンスを許諾するものではありません。如何なる ライセンス権も許諾することを意味するものではありません。 TeradataとNCRは NCR Corporationの登録商標です。日本NCRは常に新しい技術やコンポーネントが利用可能になると製品を改良します。したがって、日本NCRは予告なし で仕様の変更を行う権利を有します。本書で記述した全ての機能、実行内容が、全世界で販売されているとは限りません。許可なしに、本書の一部、あるいは全てを再版、 複製することは禁じられています。 c 2005 日本NCR株式会社 All Rights Reserved. TDMK-5007（0505）