AIシステムチーム改善取り組み
| 読み込み中… |
個人セッション進捗（メンバー／オブザーバー）
名前または回をクリックするとポップアップで詳細・メモが表示されます。メンバーの追加は管理メニューから。
AI活用チームプロジェクト
| 読み込み中… |
伸びしろ部門課題
| カテゴリ | 項目 | 内容・課題感 | ヒアリング結果 | 状態 | 優先度 | 操作 |
|---|---|---|---|---|---|---|
| 読み込み中… | ||||||
個人タスク—
分析メニュー
データ分析にもとづく改善提案（2024年〜）
🔁 出戻り（元気でんき調整不足）
分析結果
- 月平均が 2024年 約46件 → 2025年 約66件 → 2026年上期 約70件 と年々増加（約2年で1.5倍）。
- 累計 約1,760件（2024-01〜2026-06）。1件ごとに再訪・再手配の工数とコストが発生。
- 季節性が明確：7月（月平均80）・9月（74）・4月（69）に集中（夏の冷房需要期＋春の異動期）。閑散は10〜11月（約48）。
- 最多は 2025年7月の97件。繁忙期ほど段取り不足が顕在化。
改善案
- 受注時の事前調整チェックリスト（機種・搬入経路・電源容量・立会/鍵・現地写真）を必須化し「出直し」を削減。
- 繁忙期（4月・7〜9月）は前月に予兆アラートを出し、事前確認と要員配置を先行手配。
- 出戻り理由を細分類で記録（不在／鍵／機種違い／容量不足／難工事 等）→ 上位要因へ集中対策。
- 発注者別・パートナー別の出戻り率を可視化し、情報連携の弱点を特定。
- 月次KPI（件数・出戻り率）目標を設定し、本ダッシュボードで継続追跡。
📊 販売・買取
分析結果
- 販売は新品・中古の二本柱で、拠点（関東／東海／関西）別に工事台数が分散。繁忙期は出戻りと同様に夏場へ集中。
- 中古は「商品のみ」と「工事あり」で採算が異なり、kW別の1台平均単価にばらつき。
- 買取（買取王）は査定シミュレータ経由と受電経由で件数の入口が分かれる。
改善案
- 気温×販売の相関を活かし、需要予測にもとづく在庫・要員の先行手配（繁忙期の機会損失を低減）。
- kW別単価の低い区分を特定し、価格・提案の見直しで1台あたり粗利を改善。
- 買取はシミュレータ→架電の転換率を計測し、離脱ポイントを改善（フォロー自動化）。
🤖 AI活用の観点（横断）
分析結果
- 出戻り・販売・買取ともに繁忙期集中の共通パターン。ピーク時の人的段取り負荷が品質・採算に直結。
- データはkintone各アプリに蓄積済みだが、要因分析・予測は手作業に依存。
改善案
- 受注情報から出戻りリスクをAIスコアリングし、高リスク案件を事前フラグ。
- 問合せ一次対応・査定フォロー・議事録要約など定型業務のAI自動化で繁忙期の工数を捻出。
- 本一覧の各プロジェクトに「現在の工数／改善見込み工数」を必ず記録し、削減効果の大きい順に着手。
※ 出戻りの数値は工事完了日ベース（kintone app655・SEKOUNAIYOU_GAIYOUに「元気でんき調整不足」を含む案件）。集計期間 2024-01〜2026-06 時点。