多拠点の人材グループに、常に最新の営業・財務ビューを
成約、コミッション、財務の数字が3か所に分かれ、拠点の比較には手作業での集計が必要でした。まず指標を合意し、そのうえでAzureのパイプライン、統制されたモデル、Power BIのダッシュボードを構築しました。
- サービス
- AI業務アプリケーション
- 業界
- プロフェッショナルサービス・人材
- 地域
- 米国
- 契約形態
- ラボ型ODC(専属チーム)
成果
- 3つのデータ源を一つの統制されたモデルに
- コミッションを成約データと連動
- 必要なときにすぐ拠点比較
スタック
Python · Flask · Azure · SQL · Power BI
執筆Oriental Nipponチーム
米国の人材紹介・派遣グループには複数の拠点があり、それぞれに成約、売上、利益、営業チームがあります。実績データは人材管理システムに、コミッションは別の場所に、財務の結果はさらに別の経路で届いていました。
二つの拠点を比べるには3つのデータ源を手作業でつなぎ合わせる必要があり、「拠点の収益性」が何を意味するのかも誰も合意していませんでした。
課題
- 3つのデータ源を手作業で集計。 どの比較も、その都度の再構成だった。
- 切り離されたコミッション。 コミッションの計算が、その元になる成約データと別になっていた。
- 遅い意思決定。 目標設定や人員配分が、手作業の集計を待っていた。
- 共通の定義がない。 拠点の収益性が、人によって違う意味を持っていた。
| 導入前 | 導入後 | |
|---|---|---|
| データ源 | 3つ、手作業で結合 | 一つのスケジュール実行パイプライン |
| 指標の定義 | あいまい | 合意・文書化した約12の指標 |
| コミッションの確認 | 別のスプレッドシート | ドリルスルー付きのダッシュボード |
| 鮮度 | 誰かが集計したとき | 常に最新 |
構築したもの
取り込みパイプライン
PythonとFlaskで人材管理システムのAPIから業務データをスケジュールでAzureへ取り込み、監視と失敗時のアラートを備えます。
モデル化したレポート層
成約、売上、利益、収益性の文書化された定義を、テスト付きで。
意思決定のためのダッシュボード
Power BIで、マネージャー向けのコミッションビューと経営層向けの拠点財務ビューを、元の記録へのドリルスルー付きで提供します。
ガバナンス
指標ごとの責任者と変更手続き。
技術と、このプロジェクトでの役割
| 技術 | このプロジェクトでの役割 |
|---|---|
| PythonとFlask | 人材管理システムとのAPI連携 |
| Azure | クラウドのデータストアとスケジュール実行 |
| SQL | DWH層とテスト済みのビジネスロジック |
| Power BI | コミッションと拠点財務のダッシュボード |
進め方
パイプラインを書く前に、経営層と膝を突き合わせ、実際に意思決定に使う十数個の数字を合意しました。
- 指標を合意する。 定義、責任者、ドリルスルーの要件。
- 取り込み。 業務システムから、スケジュール実行と監視付きで。
- モデリング。 テストと文書化を伴うビジネスロジックを持つDWH層。
- 意思決定のためのダッシュボード。 マネージャーにはコミッション、経営層には財務のビュー。
- 統制する。 定義がずれないよう、指標ごとの責任者と変更手続きを決めました。
01指標の定義
2週
合意した定義、責任者、ドリルスルーの要件
02取り込み
3〜4週
クラウドストレージへのAPIパイプライン、スケジュール、アラート
03モデリング
3〜4週
DWH層、ビジネスロジック、テスト
04ダッシュボード
3〜4週
コミッションと拠点財務のビュー
05ガバナンスと引き継ぎ
2週
指標辞書、変更手続き、ドキュメント
リスクと対応
| リスク | 対応 |
|---|---|
| 異論のある数字の上にダッシュボードを作る | パイプラインの前に、主要な十数指標を経営層と合意した |
| 気づかれないパイプラインの失敗 | すべてのスケジュール取り込みに監視と失敗時のアラート |
| 時間とともにずれていく定義 | 指標ごとの責任者と変更手続き |
成果
経営層は、拠点をまたいで常に最新の一つのビューを持てるようになりました。比較分析、目標設定、コミッションの判断は、3通りの再構成ではなく同じ数字に基づいています。
このビューが1年後も信頼できるかどうかを決めるのは、文書化された指標です。
お客様に残るもの
- パイプラインのコード(お客様のリポジトリ内)
- DWHのスキーマとモデル
- 指標辞書
- 編集可能なダッシュボード
- データ品質のテストスイート
参考資料
- What is Power BI?(Microsoft Learn)
- Conformed dimensions(Kimball Group)
- Azure Well-Architected Framework(Microsoft Learn)
同じような課題をお持ちですか? これは私たちのAI搭載業務アプリケーションチームが日々手がけている仕事です。お使いのシステムについてご相談ください。
