見出し画像

会議情報を機械学習して、HRTechしてみた

TL; DR

社内に眠るダークデータ、会議関連のデータを活用することで、有識者検索エンジンを作ります。

画像1

これで、社内の有識者やその有識者へのコンタクトパスを探せるようにします。

1. 背景
1.1 働き方改革とはなんぞ

働き方改革あるあるとして、ジタハラがよく言われますね。

ジタハラ:
残業時間削減のための具体策がないまま、社員に「残業をするな」「定時に帰れ」などと退社を強要すること

とあります。真面目な皆さんは、言われたとおりに帰ります 持ち帰ってサービス残業することになります。んなアホな!!!

1.2 会議・・・減らしてみる?

朝日新聞によると、

大企業でのムダな会議の損失 年間67万時間と15億円

だそうですよ。単刀直入に聞きます。

あなた、会議減らせます?
15億円削減できたら、ゴーン氏くらい報奨があってもいいんじゃない?

世の中には、こんなにたくさんのノウハウにあふれていますしね!!!

画像2

なのに、なぜ何年たっても変わらないのでしょうね。。。。。
個人的には結局のところ、本気で会議回数や時間を減らそうと思っていないんだと思います。要するに、ググって出てくるようなノウハウって、結局のところそれだけでは無策に等しいんでしょうね。

1.3 会議・・・データを活用しちゃう?

ベンチャーならまだしも、300人※を超えるような規模になってくれば、従業員一人の力でできることも限られてきます。
※中小企業の定義によれば、業種によって異なれど少なくとも300人を超えれば大企業ということらしい

といって、何もしないでいる訳にはいきません。
あなたや僕の会社で実施されているように(暴言)、何も考えずに会議を減らすのではなく、少しでも活用してみようではありませんか。

2. 課題と解決方針
2.1 大企業でありそうな課題

グループ含めた従業員数が、一定数を超えた組織でありがちな課題として、

〇〇について知りたいんだけど、誰に聞いていいかわからない
聞く人はわかったけど、面識がないからいきなり話しかけづらい

なんてことはありませんか?ありますよね?
ということで、これを解決すべき課題と設定することにします。

2.2 解決方針

無駄に蓄積されていて、ダークデータの筆頭なのではないか?と思われる、会議データを活用してみることにします。

ダークデータ
「企業内で価値を生む可能性があるのに活用できていないデータ」を指す

蓄積するだけして活用されていない。ググっても、活用事例なんて出てこなかった。なんて、もったいない。
※もし普通に出てくるようなら、僕のググりスキルがとても残念だなって。。。。

2.3 会議データの特徴

ここで、会議データの特徴ついて考えてみることにします。

メリット
・(一般的に)社内ではオープンデータ
・全社員を網羅(経営層はもしかしたら非公開かもしれないけど)
・リアルタイム
デメリット
・個人情報かもしれない
・もしそうなら、取扱方針とかを考えて多く必要があるかもしれない(面倒)

デメリットもあるけど、、、、、まずはやってみるか!

3. データ収集と前処理

詳しくはこちらを参照してください

4. 機械学習

長くなったので、ここは別記事にします。

5. ネットワーク分析

長くなったので、ここも別記事にします。

6. 可視化

Vue + Vuex + Vuetifyを使って開発しました。

6.1 まずはHome画面!

ホーム画面がダサいと、それだけで帰ってしまう人がいるかもしれません。
ので、自分基準でカッコイイ感じに頑張りました(配分間違い

画像3

6.2 有識者を検索

左側のペインメニューからKeyword Searchを選択して、単語による人の検索を行います。

画像5

をを! 機械学習という単語で検索すると、ちゃんと文部科学大臣が入っていますね。ちなみに、AIだとこんな感じ。

画像5

なお、色はある程度発言が似た人同士をクラスタリングして、クラスタ別の色となっています。
ここでは政党別とかにすればよかったかもしれないけど、もうめんどくさいのでそのままとします。

6.3 コネを検索

次はコネ検索です。
Member's Searchから、安倍首相のコネ(ここでは似たような発言の人)を検索します。

画像6

ほほう。。。。(国会議事録データでこれを見ても、なんの感想も出てこなかったwww)
きっと、自社で実際の会議データを食わせたら、少しは面白い、はず。。。。

6.4 人脈を検索

いよいよ、人脈検索です(一番やりたかったこと)。
それでは、安倍首相とその懐刀?の麻生太郎財務大臣とのつながりを調べてみます。

画像7

国会での発言の内容をもとにすると、途中で今別府敏雄氏をはさむんですね。この辺は、学習させたモデルによるので、とりあえずはいいことにします。

次に、安倍首相と山本太郎議員とのつながりを調べてみます。(なんとなく思いついた国会議員だったので)

画像8

途中で、3人もはさむんですね。そうですかそうですか。

6.5 検索対象語の候補提示

検索できる単語が多いし、対象の人も多いので、検索クエリを投げる前にvalidationを実施しています。といっても、どんな言葉ならOKなのか知るのは難しいので、単語を入力し始めると、検索語の候補を表示させる機能を実装しています。

画像9

これで、どんな言葉なら検索できるが分かって安心!

7. 開発所感

ここまで作っておいて思ったことは、UXデザインとかUI設計というのは大事だなって。。。。

学習データの準備もクレンジングも形態素解析も機械学習もAPI開発も、どれもそんな大変じゃなかった。それなりにゴールが明確だったからかな、と思っています。

でも、フロントエンドははっきりとイメージを持たずに作り始めたこともあり、あーでもないこーでもないを繰り返しました。おかげでsource codeもちょっとイケていない感じなってしまい辛い。。。。

今のこの画面も、自分ではいまいちと思うものの、どうしたらいいのかさっぱりピーマンです。

8. 最後に、働き方改革にむけて

ここでは国会議事録データをもとにした画面をお見せしましたが、学習データを自社の会議データを対象とし、自社内で(勝手に)運用してみることにしました。そのうち、いろいろなご意見をいただけると思うので、どれもポジティブに捉えて、

あれ?これって誰が詳しんだっけ?
あ、これで検索すればコネも分かってラッキーだYO!

ってみんなが思ってくれたり、

この人はこんな仕事してるのか。
なら、今度、ちょっと相談させてもらって企画のアイデアのブレストしてみるか!

とか思ってくれたら嬉しいなって思います。

この記事が気に入ったらサポートをしてみませんか?