JP6498625B2 - 意思決定支援システム及び方法 - Google Patents

Description

テロ等の社会的脅威が企業へ与える影響度合いを分析し、その影響の度合いを減らすための対策案を立案して対策の意思決定を支援する技術に関する。

特許文献１では、非常時に、企業の業務実態に即した事業継続プランの原案を提示する。業界知識を有しないユーザであっても、対象企業の業務名を選択するだけで、業務の組み合わせに応じて業種内カテゴリを特定し、当該企業の存続に不可欠な業務を特定し、当該企業の存続に不可欠な業務の組み合わせにより事業継続プランの雛形を抽出する。

また、特許文献２では、エキスパートシステムを用いて、トラブルの内容をｉｆ−ｔｈｅｎルールで判定し、トラブルに対応する対策データを抽出して実行し、トラブルを解決する。

特開２００４−２８８１０９号公報 特開２００３−１５７１８３号公報

ところで、テロ等の社会的脅威が生じると、企業活動は直接または間接に様々な影響を受ける。これは、自然災害によるリスクと同様に、企業にとっては避けることができないリスクである。従って、企業は社会的脅威の影響を把握し、それを軽減するための対策を適切に実施することが重要である。

そこで、本発明の目的は、企業が社会的脅威への対策を決定するための情報を提供することである。

本発明の別の目的は、社会的脅威の発生確率を予測することである。

本発明のさらに別の目的は、社会的脅威が企業へ与える影響を定量的に分析することである。

本発明の一つの実施態様に係る意思決定支援システムは、社会的脅威の発生確率に基づいて、前記社会的脅威により社会または経済が受ける影響に関する指標である第１の指標の変化を算出する手段と、前記社会的脅威の発生確率と企業のプロファイルとに基づいて、前記企業が前記社会的脅威により直接的に受ける影響に関する指標である第２の指標の変化を算出する手段と、前記第１の指標の変化または前記第２の指標の変化が、前記企業の管理指標に与える影響の因果関係を定義した定義情報に基づいて、前記第１の指標の変化及び前記第２の指標の変化から前記企業の管理指標の変化を予測する手段と、複数の対策候補と、各対策候補を実施したときの、前記第１または前記第２の指標の変化の抑制度合いを示す効果と、を対応付けた対策リストを参照して、前記管理指標の変化が所定の範囲内になるような対策案を立案する手段と、前記対策案を出力する手段と、を備える。

好適な実施態様では、経済成長率、人口増加率及び過去の紛争の状況の一つ以上を用いて、前記社会的脅威の発生確率を予測する手段をさらに備えてもよい。

好適な実施態様では、前記対策案により期待される効果と実績とを対比した評価結果に基づき、前記対策リストを更新する手段をさらに備えてもよい。

好適な実施態様では、前記管理指標の変化の予測結果と実績とを対比した評価結果に基づき、前記定義情報を更新する手段をさらに備えてもよい。

本発明の別の一つの実施態様に係る意思決定支援システムは、第１の企業のための第１のプライベートシステムと、第２の企業のための第２のプライベートシステムと、パブリックシステムとを備える。前記パブリックシステムは、経済成長率、人口増加率及び過去の紛争の状況の一つ以上を用いて、社会的脅威の発生確率を予測する手段と、前記予測された社会的脅威の発生確率を前記第１及び第２のプライベートシステムへ送信する手段と、を備える。前記第１のプライベートシステムは、前記社会的脅威の発生確率と前記第１の企業のプロファイルとに基づいて、前記第１の企業が前記社会的脅威により受ける影響に関する指標である第１の指標の変化を算出する手段と、前記第１の指標の変化が、前記第１の企業の管理指標に与える影響の因果関係を定義した第１の定義情報に基づいて、前記第１の指標の変化から前記第１の企業の管理指標の変化を予測する手段と、複数の対策候補と、各対策候補を実施したときの、前記第１の指標の変化の抑制度合いを示す効果と、を対応付けた第１の対策リストを参照して、前記第１の企業の管理指標の変化が所定の範囲内になるような第１の企業向けの対策案を立案する手段と、を備える。前記第２のプライベートシステムは、前記社会的脅威の発生確率と前記第２の企業のプロファイルとに基づいて、前記第２の企業が前記社会的脅威により受ける影響に関する指標である第２の指標の変化を算出する手段と、前記第２の指標の変化が、前記第２の企業の管理指標に与える影響の因果関係を定義した第２の定義情報に基づいて、前記第２の指標の変化から前記第２の企業の管理指標の変化を予測する手段と、複数の対策候補と、各対策候補を実施したときの、前記第２の指標の変化の抑制度合いを示す効果と、を対応付けた第２の対策リストを参照して、前記第２の企業の管理指標の変化が所定の範囲内になるような第２の企業向けの対策案を立案する手段と、を備える。

好適な実施態様では、前記第１のプライベートシステムは、前記第１の対策リストを前記第２のプライベートシステムへ送信する手段をさらに備えてもよい。前記第２のプライベートシステムは、前記第１のプライベートシステムから送信された第１の対策リストを参照して、前記第２の企業向けの対策案を立案してもよい。

好適な実施態様では、前記第１のプライベートシステムは、前記第１の定義情報を前記第２のプライベートシステムへ送信する手段をさらに備えてもよい。前記第２のプライベートシステムは、前記第１のプライベートシステムから送信された第１の定義情報を用いて、前記第２の企業の管理指標の変化を予測してもよい。

予測、影響分析、対策推奨の全体像を示す概念図。 社会的脅威の予測、影響分析、意思決定支援システムのシステム構成図。 国名-都市名マスタデータベース、企業プロファイルデータベースの具体例を示す構成図。 企業プロファイルデータベースの具体例を示す構成図。 社会情勢データベースの具体例を示す構成図。 社会情勢データベースの具体例を示す構成図（図５の続き）。 予測、影響分析、対策推奨の結果データベースの具体例を示す構成図。 社会的脅威予測アルゴリズムが格納されたファイルの具体例を示す構成図。 社会的脅威影響分析アルゴリズムが格納されたファイルの具体例を示す構成図。 社会的脅威対策推奨アルゴリズムが格納されたファイルの具体例を示す構成図。 社会的脅威の予測、影響分析、対策推奨の処理全体を示す処理フロー図 予測のためのデータ収集の処理の詳細を示す処理フロー図。 予測の処理の詳細を示す処理フロー図。 影響分析の処理の詳細を示す処理フロー図。 対策案推奨の処理の詳細を示す処理フロー図。 各アルゴリズムの精度を改善する学習の処理の詳細を示す処理フロー図。 各アルゴリズムの精度を改善する学習の処理の詳細を示す処理フロー図。 予測結果を表示する画面 影響分析結果を表示する画面 対策案のリストを表示する画面 パブリッククラウドシステムとオンプレミスシステムでデータ連携するためのシステム構成図。 パブリッククラウドシステムでの、予測のためのデータ収集の処理の詳細を示す処理フロー図。 パブリッククラウドシステムで予測した結果をオンプレミスシステムに取り込む処理の詳細を示す処理フロー図。 オンプレミスシステムが保持する影響分析アルゴリズムを、他のオンプレミスシステムと共有する処理の詳細を示す処理フロー図。 オンプレミスシステムが保持する対策推奨アルゴリズムを、他のオンプレミスシステムと共有する処理の詳細を示す処理フロー図。 対策案とＫＰＩの間を埋める因果関係モデルを示す画面

以下、本発明を実施するための形態を、図面を用いて説明する。

本発明の第１の実施形態について図１〜図２０を用いて説明する。本実施形態に係る意思決定支援システムは、テロ等の社会的脅威に対して、その発生を予測し、発生した場合の企業への影響度合いを分析し、企業の経営層が影響の度合いを減らすための対策の意思決定を支援する。ただし、これにより本発明が限定されるものではなく、社会的脅威を予測し、その影響度合いを推定し、影響への対策を立案する何れの状況においても、本発明は適用可能である。

図１は、第１の実施形態に係る意思決定支援システム２００の全体像を示した概念図である。本システム２００は、ニュースや政府機関の公開情報を用いて社会的脅威を予測し、企業のプロファイルデータを用いて企業への影響を分析し、推奨される企業での対策案を出力するようにしてもよい。

意思決定支援システム２００は、例えば、世界各国の新聞社、テレビ局を初めとしたニュースサイト１３０で報道されるテロ事件１５１及び国際紛争１５２のニュースなどを通信回線１８０を介して、Ｗｅｂクローリング技術（社会情勢データ収集部２１２）で収集してもよい。意思決定支援システム２００は、同様に、政府機関１４０で公表される経済指標１５３や人口統計１５４などを通信回線１８０を介して収集し、収集したデータをテキストマイニング技術（テキストマイニング部２１３）で分析して整形してもよい。意思決定支援システム２００は、上記の収集したデータ及び整形したデータを社会的脅威の予測部２１４に取り込む。社会的脅威の予測部２１４は、取り込んだデータを基に、ロジスティック回帰分析を行い、都市毎のテロ発生確率１５５を算出する。通信回線１８０としては、ＬＡＮ(Ｌｏｃａｌ Ａｒｅａ Ｎｅｔｗｏｒｋ)の他、専用回線、ＷＡＮ(Ｗｉｄｅ Ａｒｅａ Ｎｅｔｗｏｒｋ)、電灯線ネットワーク、無線ネットワーク、公衆回線網、携帯電話網、衛星通信回線など、様々なネットワークを採用することができる。

社会的脅威の予測部２１４は、経済成長率、人口増加率及び過去の紛争の状況の一つ以上を用いて、社会的脅威の発生確率を予測する。

社会的脅威の影響分析部２１５は、社会的脅威の発生確率に基づいて、社会的脅威は、により社会または経済が受ける影響に関するＫＰＩ（例えば、ＧＤＰ成長率など：第１の指標）の変化を算出する。社会的脅威の影響分析部２１５は、社会的脅威の発生確率と企業のプロファイルとに基づいて、企業が社会的脅威により直接的に受ける影響に関するＫＰＩ（例えば、拠点襲撃確率など：第２の指標）の変化を算出する。第１の指標の変化または第２の指標の変化がＫＧＩ（企業の管理指標）に与える影響の因果関係を定義した定義情報に基づいて、社会的脅威の影響分析部２１５が第１の指標の変化及び第２の指標の変化から企業の管理指標の変化を予測する。

社会的脅威の影響分析部２１５は、ユーザが設定した企業プロファイルデータ１６０を基に、当該企業が進出している都市のテロ発生確率１５５の当該企業への影響の度合いを、ＫＧＩ（Ｋｅｙ Ｇｏａｌ Ｉｎｄｉｃａｔｏｒ）として算出する。算出の際は、テロ発生確率１５５や企業プロファイルデータ１６０が入力となり、上記ＫＧＩが出力となる因果関係モデルを利用する。

社会的脅威の対策推奨部２１６は、複数の対策候補と、各対策候補を実施したときのＫＰＩ（第１または第２の指標）の変化の抑制度合いを示す効果とを対応付けた社会的脅威対策推奨アルゴリズム２２７（対策リスト）を参照して、ＫＧＩ（管理指標）の変化が所定の範囲内になるような対策案を立案する。

社会的脅威の対策推奨部２１６は、ユーザからにより設定された許容範囲の限界であるＫＧＩ（限界ＫＧＩ１７０）を基に、テロ発生確率によって悪化したＫＧＩを、限界ＫＧＩまで改善させる対策案を探索する。例えば、社会的脅威の対策推奨部２１６は、探索方法は、限界ＫＧＩ１７０を社会的脅威の影響分析部２１５の因果関係モデルに基づいて、限界ＫＧＩ１７０を達成するためには、対策案が関係するＫＰＩ（Ｋｅｙ Ｐｅｒｆｏｒｍａｎｃｅ Ｉｎｄｉｃａｔｏｒ）ノードがどれほど改善される必要があるのかを、限界ＫＧＩ１７０から逆算する。そうして得られたＫＰＩの改善値（ＫＰＩ改善値１７２）を基に、対策案の数値１７３（監視カメラの設置台数など）を対策雛形（社会的脅威対策推奨アルゴリズム）に基づいて算出し、推奨される対策案を定める。この対策案は、例えば、企業の経営層に対する提案として活用することができる。

図２は、本実施形態に係る意思決定支援システム２００のシステム構成の例を示す。

意思決定支援システム２００は、中央制御装置２３０、主記憶装置２１０、補助記憶装置２２０、通信装置２３１、及び入出力装置２３２を有する一般的なコンピュータで構成されていてもよい。中央制御装置２３０、主記憶装置２１０、補助記憶装置２２０、通信装置２３１、及び入出力装置２３２は、バスによって相互に接続されている。

補助記憶装置２２０は、国名−都市名マスタデータベース２２１、企業プロファイルデータベース２２２、社会情勢データベース２２３、予測、影響分析、対策推奨の結果データベース２２４、社会的脅威予測アルゴリズムファイル２２５、社会的脅威影響分析アルゴリズムファイル２２６、社会的脅威対策推奨アルゴリズムファイル２２７を格納している。

主記憶装置２１０に実現されている、企業プロファイル設定部２１１、社会情勢データ収集部２１２、テキストマイニング部２１３、社会的脅威の予測部２１４、社会的脅威の影響分析部２１５、社会的脅威の対策推奨部２１６、及びアルゴリズム改善部２１７は、いずれもコンピュータプログラムである。以降、「○○部は」と主体を記した場合は、中央制御装置２３０が、補助記憶装置２２０から各プログラムを読み出し、主記憶装置２１０にロードしたうえで、各プログラムの機能（詳細後記）を実現するものとする。

図２では、意思決定支援システム２００は一台のコンピュータマシンで実現するものとしたが、一台のコンピュータマシンと通信回線で他の端末等と接続し、端末の入出力装置でデータを入出力するものとしても良い。

図３は、国名−都市名マスタデータベース２２１の例を示す。

国名−都市名マスタデータベース２２１は、都市マスタテーブル３００と、国／地域マスタテーブル３１０で構成される。

都市マスタテーブル３００には、世界各国の主要都市の一覧が記憶されている。

都市マスタテーブル３００は、都市ＩＤ３０１と、都市名３０２と、国／地域ＩＤ３０３で構成される。都市ＩＤ３０１は、都市を一意に識別するための識別子で、各レコードを識別するためのキーである。都市名３０２は、都市の名称を示す。国／地域ＩＤ３０３は、都市が属する国／地域を一意に識別するための識別子である。

国／地域マスタテーブル３１０には、世界の主要国家／主要地域の一覧が記憶されている。

国／地域マスタテーブル３１０は、国／地域ＩＤ３１１と、国名／地域名３１２で構成される。国／地域ＩＤ３１１は、国／地域を一意に識別するための識別子で、各レコードを識別するためのキーである。国名／地域名３１２は、国家／地域の名称を示す。

図４は、企業プロファイルデータベース２２２の例を示す。

企業プロファイルデータベース２２２は、進出拠点プロファイルテーブル３２０で構成される。

進出拠点プロファイルテーブル３２０には、企業の進出拠点と進出拠点での活動状況の一覧が記憶されている。

進出拠点プロファイルテーブル３２０は、都市ＩＤ３２１と、拠点数３２２と、拠点資産価値３２３と、従業員数３２４と、政府契約数３２５と、拠点売上高比率（拠点売上高／全世界売上高）３２６で構成される。都市ＩＤ３２１は、都市を一意に識別するための識別子で、各レコードを識別するためのキーである。拠点数３２２は、都市での企業の進出拠点数を示す。拠点資産価値３２３は、進出拠点の資産価値（固定資産の帳簿価格など）の合計を示す。従業員数３２４は、進出拠点での従業員数の合計を示す。政府契約数３２５は、進出拠点での、進出国政府からの契約数（受注済み、内諾済みなどを含む）を示す。拠点売上高比率（拠点売上高／全世界売上高）３２６は、当該企業の全世界の売上高に対する進出拠点での売上高の比率を示し、当該企業における進出拠点の規模の大きさを測るために活用する。

図５と図６に、社会情勢データベース２２３の例を示す。社会情勢データベース２２３は、世界情勢テーブル４００と、紛争国テーブル４１０と、紛争期間４２０と、国／地域別情勢テーブル４３０と、収集対象一覧テーブル５００と、テロ事件テーブル５１０で構成される。図５Ａ〜Ｄに、世界情勢テーブル４００と、紛争国テーブル４１０と、紛争期間４２０と、国／地域別情勢テーブル４３０の例を示し、図６Ａ、Ｂに、収集対象一覧テーブル５００と、テロ事件テーブル５１０の例を示す。

図５Ａの世界情勢テーブル４００には、世界各国／地域の情勢の一覧が記憶されている。

世界情勢テーブル４００は、国／地域ＩＤ４０１と、年４０２と、ＧＤＰ成長率４０３と、治安安定度４０４と、人口４０５と、来訪者数４０６で構成される。国／地域ＩＤ４０１は、国／地域を一意に識別するための識別子である。年４０２は国／地域の情勢がいつの年の情勢か示す。国／地域ＩＤ４０１と年４０２は、各レコードを識別するためのキーである。ＧＤＰ成長率４０３は、国／地域の当該年の経済成長率を示す。治安安定度４０４は、国／地域の当該年の治安の安定度を示す指数である。この指数は０を基準とした相対的な治安の安定度を示す指標であり、＋はより安定を示し、−はより不安定を示す。人口４０５は、国／地域の当該年の人口の数を示す。来訪者数４０６は、国／地域の外から当該年に当該国／地域に来訪した人数を示す。

図５Ｂの紛争国テーブル４１０には、過去、現在の紛争の当事国一覧が記憶されている。

紛争国テーブル４１０は、紛争ＩＤ４１１と、第１当事国／地域ＩＤ４１２と、第２当事国／地域ＩＤ４１３で構成される。紛争ＩＤ４１１は、国際紛争を一意に識別するための識別子である。第１当事国／地域ＩＤ４１２は、国際紛争の一方の当事国／地域を一意に識別するための識別子である。第２当事国／地域ＩＤ４１３は、国際紛争の他方の当時国／地域を一意に識別するための識別子である。紛争ＩＤ４１１と、第１当事国／地域ＩＤ４１２と、第２当事国／地域ＩＤ４１３は、各レコードを識別するためのキーである

図５Ｃの紛争期間テーブル４２０には、過去、現在の紛争の期間一覧が記憶されている。

紛争期間テーブル４２０は、紛争ＩＤ４２１と、開始年４２２と、終了年４２３で構成される。紛争ＩＤ４２１は、国際紛争を一意に識別するための識別子であり、各レコードを識別するためのキーである。開始年４２２は、国際紛争の開始年を示す。終了年４２３は、国際紛争の終了年を示す。

図５Ｄの国／地域別情勢テーブル４３０には、国内／地域内の都市の情勢の一覧が記憶されている。

国／地域別情勢テーブル４３０は、都市ＩＤ４３１と、年４３２と、人口規模４３３と、鉄道路線数４３４と、高速道路総延長（ｋｍ）４３５で構成される。都市ＩＤ４３１は、都市を一意に識別するための識別子である。年４３２は都市の情勢がいつの年の情勢か示す。都市ＩＤ４３１と年４３２は、各レコードを識別するためのキーである。人口規模４３３は、地域の当該年の人口を示す。鉄道路線数４３４は、都市の当該年の鉄道路線数を示す。高速道路総延長（ｋｍ）４３５は、地域の当該年の高速道路の総延長の長さを示す。

図６Ａの収集対象一覧テーブル５００には、情報源５０１と、格納先ＤＢ５０２で構成される。

情報源５０１は、収集する情報の情報源がどのような情報源かを示したものである。格納先ＤＢ５０２は、情報源の情報をどのＤＢに格納するか示したものである。

情報源５０１は、情報源ＩＤ５０３と、全体名称５０４と、種別５０５と、ＵＲＬ５０６で構成される。情報源ＩＤ５０３は、収集する情報の情報源を一意に識別するための識別子で、各レコードを識別するためのキーである。全体名称５０４は、情報源の名称（△△ニュースサイト、など）を示す。種別５０５は、情報源が公開情報か、非公開情報かの種別を示す。ＵＲＬ５０６は、情報源のアドレスを示す。

格納先ＤＢ５０２は、ＤＢ名５０７と、テーブル名５０８と、カラム名５０９で構成される。ＤＢ名５０７は、情報源の情報の格納先のＤＢを示す。テーブル名５０８は、情報源の情報の格納先のテーブルを示す。カラム名５０９は、情報源の情報の格納先のカラムを示す。

図６Ｂのテロ事件テーブル５１０には、世界各国／地域で起きた過去のテロ事件の一覧が記憶されている。

テロ事件テーブル５１０は、事件ＩＤ５１１と、発生年月日５１２と、発生国／地域ＩＤ５１３と、発生都市ＩＤ５１４と、被害組織５１５と、死者数５１６と、怪我人数５１７と、手口５１８と、被疑者５１９で構成される。事件ＩＤ５１１は、事件を一意に識別するための識別子であり、各レコードを識別するためのキーである。発生年月日５１２は、事件が発生した年月日を示す。発生国／地域ＩＤ５１３は、事件が発生した国／地域を一意に識別するための識別子である。発生都市５１４は、事件が発生した都市を一意に識別するための識別子である。被害組織５１５は、事件の主なターゲットを示す。死者数５１６は、事件での死者数を示す。怪我人数５１７は、事件での怪我人数を示す。手口５１８は、事件での犯行手口を示す。被疑者５１９は、事件の首謀者を示す。

図７に、予測、影響分析、対策推奨の結果データベース２２４の例を示す。予測、影響分析、対策推奨の結果データベース２２４は、予測結果テーブル６００と、影響分析結果テーブル６１０と、対策推奨結果テーブル６２０で構成される。

図７Ａの予測結果テーブル６００には、予測結果の一覧が記憶されている。

予測結果テーブル６００は、予測ＩＤ６０１と、予測実施日６０２と、標的候補都市ＩＤ６０３と、テロ発生確率６０４と、評価６０５で構成される。予測ＩＤ６０１は、予測結果を一意に識別するための識別子であり、各レコードを識別するためのキーである。予測実施日６０２は、予測を行った年月日を示す。標的候補都市ＩＤ６０３は、予測の結果、テロの標的として狙われると予測される都市を示しており、都市を一意に識別するための識別子である。テロ発生確率６０４は、当該都市がテロの標的として狙われる確率を示す。評価６０５は、予測結果と実績の結果を突き合わせて、テロの予測が的中しているか評価した結果を示す。評価結果は、テロの事象が起きたときに人手で入力しても良いし、社会情勢データベース２２３のテロ事件テーブル５１０の更新を受けて自動で入力しても良い。

図７Ｂの影響分析結果テーブル６１０には、影響分析結果の一覧が記憶されている。

影響分析結果テーブル６１０は、分析ＩＤ６１１と、分析実施日６１２と、ＫＧＩ６１３と、値６１４と、単位６１５と、良悪６１６と、評価６１７で構成される。分析ＩＤ６１１は、影響分析結果を一意に識別するための識別子であり、各レコードを識別するためのキーである。分析実施日６１２は、影響分析を行った年月日を示す。ＫＧＩ６１３は、影響分析の結果、企業が影響を受けるＫＧＩを示す。値６１４は、影響分析の結果、ＫＧＩ６１３の値がどのように変化するのかを示す。単位６１５は、ＫＧＩ６１３の値の単位を示す。良悪６１６は、値６１４が良い値なのか悪い値なのか不変とみなせる値なのかを示す。評価６１７は、影響分析結果と実績結果を突き合わせて、企業へのテロの影響分析が的中しているか評価した結果を示す。評価結果は、テロの事象が起きたときに企業への影響状態を人手で入力しても良いし、別システムで影響状態を監視しておき、そこから自動で入力を受け付けても良い。

図７Ｃの対策推奨結果テーブル６２０には、対策推奨結果の一覧が記憶されている。

対策推奨結果テーブル６２０は、対策ＩＤ６２１と、対策実施日６２２と、対策６２３と、ＫＰＩ効果６２４と、ＫＧＩ効果６２５と、ＫＰＩ評価６２６と、ＫＧＩ評価６２７で構成される。対策ＩＤ６２１とＫＰＩ効果６２４のノードＩＤ６３０が、各レコードを識別するためのキーである

対策ＩＤ６２１は、推奨された対策の実施結果を一意に識別するための識別子である。対策実施日６２２は、推奨された対策を実施した年月日を示す。対策６２３は、推奨され、実施された対策の内容を示すものである。対策６２３は、さらに、内容６２８と、個数６２９とで構成される。内容６２８は、対策の内容を示す。個数６２９は、対策の内容のパラメータ（カメラを設置する対策の場合、カメラの台数の個数など）を示す。ＫＰＩ効果６２４は、推奨された対策が直接効くＫＰＩのノードとその値の変化を示すものである。ＫＰＩ効果６２４は、さらに、ノードＩＤ６３０と、値６３１とで構成される。ノードＩＤ６３０は、ＫＰＩのノードＩＤを示す。値６３１は、ＫＰＩの値を示す。ＫＧＩ効果６２５は、推奨された対策によるＫＧＩのノードの変化を示す。ＫＧＩ効果６２５は、さらに、ノードＩＤ６３２と、値６３３で構成される。ノードＩＤ６３２は、ＫＧＩのノードＩＤを示す。値６３３は、ＫＧＩの値を示す。

ここで、対策ＩＤ６２１が一致する複数レコードが存在する場合は、同一の対策に対して効果のあるＫＰＩノードが複数あることを示すが、効果のあるＫＧＩノードは一つの場合もある。その場合は、任意のＫＰＩ効果のレコードにのみ、ＫＧＩのノードＩＤ６３２とその値６３３を入力することとし、他のレコードの該当カラム（ノードＩＤ６３２、値６３３）には「−」を入力することとしてもよい。これは情報の重複入力を避けるためである。

ＫＰＩ評価６２６は、事前に想定した対策の結果と実績の結果を突き合わせて、推奨されたテロに対する企業の対策が、ＫＰＩの変化に対して適切だったか評価した結果を示す。ＫＧＩ評価６２７は、事前に想定した対策の結果と実績の結果を突き合わせて、推奨されたテロに対する企業の対策が、ＫＧＩの変化に対して適切だったか評価した結果を示す。ここで、ＫＧＩのノードＩＤ６３２とその値６３３への「−」の入力と同様の理由（情報の重複入力を避けること）により、対策ＩＤ６２１が一致する複数レコードが存在する場合は、ＫＧＩ評価６２７には「−」を入力することとしてもよい。評価結果は、テロの事象が起きたときの対策結果を人手で入力しても良いし、別システムで対策結果を監視しておき、そこから自動での入力を受け付けても良い。

図８は、社会的脅威予測アルゴリズムファイル２２５の例を示す。

社会的脅威予測アルゴリズムファイル２２５においては、テロ予測に活用するロジスティック回帰式に関する情報が記憶されている。

社会的脅威予測アルゴリズムファイル２２５は、変数／定数ＩＤ７０１と、種別７０２と、係数／値７０３と、格納元ＤＢ名７０４、格納元テーブル名７０５と、格納元カラム名７０６で構成される。

変数／定数ＩＤ７０１は、ロジスティック回帰式の説明変数および定数（切片）を識別するための識別子である。種別７０２は、変数／定数ＩＤ７０１が説明変数と定数のどちらか示す。係数／値７０３は、変数／定数ＩＤ７０１が説明変数の場合はその係数を示し、変数／定数ＩＤ７０１が定数の場合は定数の値そのものを示す。格納元ＤＢ名７０４は、変数／定数ＩＤ７０１の値の格納元のデータベースを示す。格納元テーブル名７０５は、変数／定数ＩＤ７０１の値の格納元のテーブルを示す。格納元カラム名７０６は、変数／定数ＩＤ７０１の値の格納元のカラムを示す。

図９は、社会的脅威影響分析アルゴリズムファイル２２６の例を示す。

社会的脅威影響分析アルゴリズムファイル２２６においては、テロによる企業へお影響分析に活用する因果関係モデルに関する情報が記憶されている。

社会的脅威影響分析アルゴリズムファイル２２６は、ＫＰＩのＩＤ８０１と、ＫＰＩ名８０２と、計算式／値８０３で構成される。

ＫＰＩのＩＤ８０１は、ＫＰＩを識別するための識別子である。ＫＰＩは、企業活動に関する指標を示すもので、因果関係モデルの中のノードを示す。ＫＰＩ名８０２は、ＫＰＩの名称を示す。計算式／値８０３は、ＫＰＩの値を示す。値が他のＫＰＩで算出される場合はその算出式を示し、データベースから参照する場合は、“データベース名”．“テーブル名”．“カラム名”を示す。

図１０は、社会的脅威対策推奨アルゴリズムファイル２２７の例を示す。

社会的脅威対策推奨アルゴリズムファイル２２７においては、テロ対策として推奨する対策案の雛形に関する情報が記憶されている。

社会的脅威対策推奨アルゴリズムファイル２２７は、対策ＩＤ９０１と、対策内容９０２と、対策単位９０３と、ＫＰＩ効果ノード９０４、ＫＰＩ効果値９０５と、ＫＧＩ効果ノード９０６と、ＫＧＩ効果値９０７で構成される。

対策ＩＤ９０１は、対策案雛形に記載している対策案を識別するための識別子である。対策内容９０２は、対策案の内容を示す。対策単位９０３は、対策案で示した内容のパラメータの単位を示す（例えば、カメラを設置する対策の場合、カメラの台数の個数など）。ＫＰＩ効果ノード９０４は、推奨された対策が直接効くＫＰＩのノードＩＤを示す。ＫＰＩ効果値９０５は、推奨された対策が直接効くＫＰＩの値の変化を示す。ＫＰＩ効果値９０５は、経験則に基づいて設定されるものでよい。ＫＧＩ効果ノード９０６は、推奨された対策が効くＫＧＩのノードＩＤを示す。ＫＧＩ効果値９０７は、推奨された対策が効くＫＧＩの値の変化を示す。ＫＧＩ効果値９０７は、空欄でよいが、ＫＰＩ効果値９０５と、因果関係モデル（社会的脅威影響分析アルゴリズムファイル２２６）から算出できる値を記載しておいても良い。

続いて、本実施形態における各処理について説明する。

図１１は、本実施形態に係る意思決定支援システム２００が行う処理の全体フローを示す。

本実施形態では、データを収集し、収集したデータをもとにテロの発生確率を予測してもよい。また、本実施形態では、テロの予測結果が、自社へ与える影響を分析し、その影響を抑制するための対策案を立案してもよい。さらに、本実施形態では、対策により見込まれる効果と実績とを比較して、対策案立案のアルゴリズムを学習するようにしてもよい。

処理Ｓ１００１にて、社会情勢データ収集部２１２が、データの収集時期が到来しているか否かを判定する。収集時期は、例えば、予めユーザから登録されていてもよい。収集時期は、例えば「毎週月曜１０時」などの周期的なイベントとしても良いし、「ユーザから収集指示の入力があったとき」などのように不定期なイベントとしても良い。収集時期であれば処理Ｓ１００２に進み、収集時期でなければ処理Ｓ１００３に進む。

処理Ｓ１００２にて、企業プロファイル設定部２１１がユーザからの企業プロファイルデータの入力を受け付け、社会情勢データ収集部２１２がＷｅｂから社会情勢データなどの公開情報を収集し、収集したデータをデータベースに登録する。（詳細は図１２で後述）。

処理Ｓ１００３にて、社会的脅威の予測部２１４が、テロの予測を行う時期が到来しているか否かを判定する。テロの予測を行う時期は、例えば、予めユーザから登録されていてもよい。予測時期は、例えば「毎週月曜１０時」などの周期的なイベントとしても良いし、「ユーザから予測指示の入力があったとき」などのように不定期なイベントとしても良い。予測時期であれば処理Ｓ１００４に進み、予測時期でなければ処理Ｓ１００７に進む。

処理Ｓ１００４にて、社会的脅威の予測部２１４が、処理Ｓ１００２で収集したデータを用いて、テロ（社会的脅威）の発生確率の予測を行う。（詳細は図１３で後述）。テロの発生確率は、都市ごとに予測する。

処理Ｓ１００５にて、２３０は、処理Ｓ１００４で予測したテロの予測情報を用いて、テロによる当該企業への影響分析を行う。（詳細は図１４で後述）。

処理Ｓ１００６にて、処理Ｓ１００５で分析した結果を用いて、当該企業におけるテロへの対策案の立案を行う。（詳細は図１５で後述）。

処理Ｓ１００７にて、予測、影響分析、対策推奨のアルゴリズム改善の学習時期が到来しているか否かを判定する。学習時期は予めユーザから登録されていてもよい。学習時期は、例えば「毎週月曜１０時」などの周期的なイベントとしても良いし、「ユーザから学習指示の入力があったとき」などのように不定期なイベントとしても良い。学習時期であれば処理Ｓ１００８に進み、学習時期でなければ処理Ｓ１００９に進む。

処理Ｓ１００８にて、テロの予測、テロ予測による企業への影響の分析、及びその対策案について、実績との比較を行い、精度の低いアルゴリズムに関しては、その改善を行う。（詳細は図１６及び図１７で後述）。

図１２は、図１１で述べた処理フローに含まれる処理のうち、処理Ｓ１００２についてのデータ収集、登録の詳細処理フローを示す図である。中央制御装置２３０が、これらの処理を実行する。

処理Ｓ１１０１にて、企業プロファイル設定部２１１が、企業プロファイルデータの設定時期が到来したか否かを判定する。設定時期は予めユーザによって登録されていてもよい。設定時期は、例えば「毎週月曜１０時」などの周期的なイベントとしても良いし、「ユーザから設定指示の入力があったとき」などのように不定期なイベントとしても良い。設定時期であれば処理Ｓ１１０２に進み、設定時期でなければ処理Ｓ１１０３に進む。

処理Ｓ１１０２にて、企業プロファイル設定部２１１が、入出力装置２３２を介して、ユーザから企業プロファイルデータの入力を受け付け、企業プロファイルデータベース２２２に登録する。

処理Ｓ１１０３にて、社会情勢データ収集部２１２が、社会情勢データの収集時期が到来しているか否かを判定する。収集時期は予めユーザによって登録されていてもよい。収集時期は、例えば「毎週月曜１０時」などの周期的なイベントとしても良いし、「ユーザから収集指示の入力があったとき」などのように不定期なイベントとしても良い。収集時期であれば処理Ｓ１１０４に進み、収集時期で無ければ処理Ｓ１１０６に進む。

処理Ｓ１１０４にて、社会情勢データ収集部２１２が、社会情勢データの収集対象の収集先一覧を、社会情勢データベース２２３の収集対象一覧テーブル５００から取得する。例えば、社会情勢データ収集部２１２が、情報源５０１のＵＲＬ５０６を参照する。

処理Ｓ１１０５にて、社会情勢データ収集部２１２が、処理Ｓ１１０４で参照したＵＲＬ５０６に通信装置２３１を介してアクセスし、社会情勢データ（テロ事件１５１、国際紛争１５２、経済指標１５３、人口統計１５４など）を収集する。収集されるデータはこれらに限定されず、例えば、収集対象一覧テーブル５００に登録されているあらゆる情報源から取得可能なデータでよい。このデータ収集は、例えばＷｅｂクローリング技術を活用してもよい。収集したデータをテキストマイニング部２１３にてデータを整形した上で、データベースに登録してもよい。整形にはテキストマイニング技術を活用する。登録先のデータベースは、社会情勢データベース２２３の収集対象一覧テーブル５００で格納先ＤＢ５０２にて指定されている、ＤＢ名５０７、テーブル名５０８、カラム名５０９に従ってもよい。

図１３は、図１１で述べた処理フローに含まれる処理のうち、処理Ｓ１００４の都市別の社会的脅威（テロ）の予測の詳細処理フローを示す図である。中央制御装置２３０が、これらの処理を実行する。なお、以降は、社会的脅威の予測部２１４が処理する。

処理Ｓ１２０１にて、社会的脅威の予測部２１４が、社会的脅威予測アルゴリズムファイル２２５に記述されている予測アルゴリズム（ロジスティック回帰式）を取得する。

処理Ｓ１２０２にて、社会的脅威の予測部２１４が予測に必要な社会情勢データを２２３から取得して、ロジスティック回帰式を生成する。ロジスティック回帰式は都市毎に生成される。

例えば、種別７０２が「説明変数」となっている場合、指定されたデータベース（格納元ＤＢ名７０４、格納元テーブル名７０５、格納元カラム名７０６）から、テロ予測を行う都市の都市ＩＤをキーにして、当該都市と関連するデータを取得し、それを説明変数とする。

例えば、図８の説明変数「Ｘ１」の例では、まずテロ予測を行う都市が属する国／地域ＩＤを、国名−都市名マスタデータベース２２１の都市マスタテーブル３００を参照して特定する。また、年４０２は、本処理を行う年の前年とする。ここで決定した国／地域ＩＤと年を基に、社会情勢データベース２２３の世界情勢テーブル４００の国／地域ＩＤ４０１と年４０２に一致するレコードのＧＤＰ成長率４０３を取得する。

また、種別７０２が「定数」となっている場合、係数／値７０３が切片の値である。切片の値をロジスティック回帰式に加えるかどうかは、テロ予測を行う都市が紛争当事国であるか否かで判断してもよい。例えば、当該都市の属する国／地域ＩＤを、国名−都市名マスタデータベース２２１の都市マスタテーブル３００で特定する。特定された国／地域ＩＤ３０３が、指定されたデータベース（格納元ＤＢ名７０４、格納元テーブル名７０５、格納元カラム名７０６）で検索される場合は、切片として係数／定数７０３をロジスティック回帰式に加え、検索されない場合は加えなくてよい。

例えば、図８の定数「ｂ１」の例では、紛争当事国かどうかを判定するためには、国／地域ＩＤ３０３を用いて、社会情勢データベース２２３の紛争国テーブル４１０の第１当事国／地域ＩＤ４１２と一致するかを判定する。一致する場合は、紛争期間テーブル４２０で紛争ＩＤ４１１と一致する紛争ＩＤ４２１の開始年４２２と終了年４２３を取得し、本処理を行う年が開始年４２２以降であることを確認する。その場合は、係数／値７０３の値を切片としてロジスティック回帰式に加えてもよい。開始年以降であっても終了年４２３からの所定期間以上経過している場合は加えなくてよい。この所定期間は、例えば、予めユーザが設定してもよい。

処理Ｓ１２０３にて、処理Ｓ１２０２で生成したロジスティック回帰式を基に、都市毎のテロの発生確率を算出する。

処理Ｓ１２０４にて、処理Ｓ１２０３にて算出されたテロの発生確率を予測結果として、入出力装置２３２に表示するとともに、予測、影響分析、対策推奨の結果データベース２２４に登録する。また、算出されたテロ発生確率は、主記憶装置２１０にて一時的に保持されてもよい。この際、テロの発生確率は、ユーザが予め設定した閾値を超えたもののみを表示、登録、保持することとしても良い。表示画面の例を図１８に示す。

なお、処理Ｓ１２０２、処理Ｓ１２０３では、国−都市名マスタデータベース２２１で管理する都市毎のテロの発生確率を全ての都市で計算するが、この際に企業プロファイルデータベース２２２から当該企業の進出国・進出都市を抽出し、進出国・進出都市に対してのみ、テロの発生確率を計算することとして、計算負荷を低減することとしても良い。

図１４は、図１１で述べた処理フローに含まれる処理のうち、処理Ｓ１００５についての社会的脅威（テロ）による企業への影響分析の詳細処理フローを示す図である。中央制御装置２３０が、テロの影響分析の処理フローを開始する。なお、以降は、社会的脅威の影響分析部２１５が処理する。

処理Ｓ１３０１にて、社会的脅威の影響分析部２１５が、社会的脅威影響分析アルゴリズムファイル２２６に記述されている影響分析アルゴリズム（因果関係モデル）を取得する。

処理Ｓ１３０２にて、社会的脅威の影響分析部２１５が、処理Ｓ１００４の予測結果（都市毎のテロ発生確率）を主記憶装置２１０より取得する。また、社会的脅威の影響分析部２１５が、社会的脅威影響分析アルゴリズムファイル２２６に記載されている、影響分析に必要な都市毎の企業プロファイルデータを、企業プロファイルデータベース２２２から取得し、主記憶装置２１０に保持してもよい。例えば、社会的脅威影響分析アルゴリズムファイル２２６の計算式／値８０３に“データベース名”．“テーブル名”．“カラム名”が記載されているものに関して、社会的脅威の影響分析部２１５がこの指定に従ってデータを取得する。データベース名には、「企業プロファイルデータベース２２２」が指定されていてもよい。

処理Ｓ１３０３にて、社会的脅威の影響分析部２１５が、処理Ｓ１３０１にて取得した影響分析アルゴリズムを用いてテロ事件による企業への影響を分析する。影響分析アルゴリズムへの入力データは、処理Ｓ１３０２で取得した都市毎のテロ発生確率と企業プロファイルデータである。これらの入力値を、社会的脅威影響分析アルゴリズムファイル２２６で該当するＫＰＩのＩＤ８０１の計算式／値８０３に代入して、ＫＰＩを算出する。そこで算出されたＫＰＩの値を、別のＫＰＩの計算式／値８０３で指定されている該当部分に代入し、代入して新たなＫＰＩを算出する。以上の処理を繰り返すことで、最終的なＫＰＩのＩＤ８０１とその値である計算式／値８０３が、ＫＧＩとして得られる。

処理Ｓ１３０４にて、社会的脅威の影響分析部２１５が、処理Ｓ１３０３にて計算された影響分析結果を入出力装置２３２に表示するとともに、予測、影響分析、対策推奨の結果データベース２２４に登録する。また、主記憶装置２１０にて、ＫＰＩの値、ＫＧＩの値を一時的に保持してもよい。表示画面の例を図１９に示す。

図１５は、図１１で述べた処理フローに含まれる処理のうち、処理Ｓ１００６についての社会的脅威（テロ）への企業における対策推奨の詳細処理フローを示す図である。中央制御装置２３０が、テロへの企業における対策案の推奨の処理フローを開始する。なお、以降は、社会的脅威の対策推奨部２１６が処理する。

処理Ｓ１４０１にて、社会的脅威の対策推奨部２１６が、社会的脅威対策推奨アルゴリズムファイル２２７に記述されている対策推奨アルゴリズムを取得する。

処理Ｓ１４０２にて、社会的脅威の対策推奨部２１６が、処理Ｓ１００５の影響分析結果（ＫＰＩの値、ＫＧＩの値）を主記憶装置２１０より取得する。また、社会的脅威の対策推奨部２１６が、社会的脅威対策推奨アルゴリズムファイル２２７に記載されている、対策推奨に必要な都市毎の企業プロファイルデータを主記憶装置２１０より取得する。企業プロファイルデータの取得は影響分析結果の取得時でのＫＰＩの値で代行することとしても良いく、あるいは、企業プロファイルデータベース２２２から取得することとしても良い。

処理Ｓ１４０３にて、社会的脅威の対策推奨部２１６が、ユーザより、入出力装置２３２を介して、限界のＫＧＩの設定値（ＫＧＩの悪化を許容できる限度の値）を受け付ける。

処理Ｓ１４０４にて、社会的脅威の対策推奨部２１６が、処理Ｓ１４０１にて取得した対策推奨アルゴリズムを用いてテロ事件に対する企業の対策案を抽出する。例えば、社会的脅威の対策推奨部２１６が処理Ｓ１４０３で取得した限界のＫＧＩの設定値と、処理Ｓ１４０２にて取得したＫＧＩの値との差分を算出し、差分を埋めるために、全てのＫＰＩについてＫＰＩの値をどの程度改善すれば良いか、影響分析アルゴリズムの因果関係モデルから逆算して算出してもよい。

処理Ｓ１４０５にて、社会的脅威の対策推奨部２１６が、処理Ｓ１４０４で算出されたＫＰＩの値の実現のために、社会的脅威対策推奨アルゴリズムファイル２２７の対策案の雛形を利用して対策案とその数値を算出する。例えば、社会的脅威の対策推奨部２１６は、処理Ｓ１４０４で算出されたそれぞれのＫＰＩを起点とし、社会的脅威対策推奨アルゴリズムファイル２２７のＫＰＩ効果ノード９０４と一致するＫＰＩに対して、算出されたＫＰＩ実現のために必要な対策の数値（対策単位９０３における数値）をＫＰＩ効果値９０５から逆算してもよい。例えば、処理Ｓ１４０４で「『拠点襲撃率』のＫＰＩを『１０％低減』すべき」というＫＩＰの改善目標が得られたとすれば、ＫＰＩ効果ノード９０４が「拠点襲撃率」と一致する対策内容９０２「拠点に監視カメラ増強」のＫＰＩ効果値９０５を参照して、「−１％／台」と記載あることから監視カメラの数値「１０」台（対策単位９０３が「台」のため）があれば、ＫＰＩの１０％低減を満足できると分かる。このような対策の数値の逆算を全てのＫＰＩにおいて行い、限界ＫＧＩを満たす対策内容９０２とその数値のリストを得る。

処理Ｓ１４０６にて、社会的脅威の対策推奨部２１６が、処理Ｓ１４０４にて得られた対策内容９０２とその数値のリストを入出力装置２３２に表示するとともに、予測、影響分析、対策推奨の結果データベース２２４に登録する。また、主記憶装置２１０にて一時的に保持してもよい。表示画面の例を図２０に示す。

図１６及び図１７は、図１１で述べた処理フローに含まれる処理のうち、処理Ｓ１００８についての学習によるアルゴリズムの改善の詳細処理フローを示す図である。中央制御装置２３０が、アルゴリズム学習の処理フローを開始する。なお、以降は、アルゴリズム改善部２１７が処理する。

処理Ｓ１５０１にて、アルゴリズム改善部２１７が、ユーザから、入出力装置２３２を介して、学習データの対象期間、対象場所（都市、国／地域）の設定、評価のための許容精度の設定を受け付ける。許容精度は、相対値（±１０％など）や絶対値（±１００人など）でも良い。

処理Ｓ１５０２にて、アルゴリズム改善部２１７が、処理Ｓ１５０１にて設定された対象期間、対象場所に従って、過去の社会情勢データ、過去のテロ予測、過去の影響分析、過去の対象推奨と、それらの実績を、予測、影響分析、対策推奨の結果データベース２２４より取得する。

処理Ｓ１５０３にて、アルゴリズム改善部２１７が、予測アルゴリズムの精度を、ユーザより予め設定された許容精度（±××％以上、など）以上であるか否かを判定する。精度は、テロの発生確率に基づく発生の期待値（予測結果テーブル６００のテロ発生確率６０４と予測回数の乗算）と、実際にテロが発生した回数（予測結果テーブル６００の評価６０５の「発生」の回数）を用いて、「｜発生回数−発生期待値｜／発生期待値」として計算してもよい。本計算結果に基づく精度判定の結果、精度が許容精度以上に良い場合は処理Ｓ１５０５に進み、許容精度よりも悪い場合は処理Ｓ１５０４に進む。

処理Ｓ１５０４にて、アルゴリズム改善部２１７が、ロジスティック回帰式の更新を自動で行う。ロジスティック回帰式の更新は、対象期間、対象場所の過去の社会情勢データベースを用いて、テロ発生とのロジスティック回帰分析を行い、新たに取得したロジスティック回帰式を用いて、社会的脅威予測アルゴリズムファイル２２５のロジスティック回帰式を更新してもよい。

処理Ｓ１５０５にて、アルゴリズム改善部２１７が、影響分析アルゴリズムの精度が、ユーザより予め設定された許容精度（±××％以上、など）以上であるか否かを判定する。精度は、テロが発生した場合の因果関係モデルのＫＧＩと実績を比較することで算出してもよい。例えば、｜「影響分析結果テーブル６１０の値６１４」−「評価６１７」／「影響分析結果テーブル６１０の値６１４」｜」として計算してもよい。本計算結果に基づく精度判定の結果、精度が許容精度以上に良い場合は処理Ｓ１５０７に進み、許容精度よりも悪い場合は処理Ｓ１５０６に進む。

処理Ｓ１５０６にて、アルゴリズム改善部２１７が、因果関係モデルの更新を手動で行う。因果関係モデルの更新は、例えば、因果関係図および因果関係式をユーザに確認してもらい、図や式の改善部分をユーザにて判断して更新してもらうようにしてもよい。この結果を受けて、社会的脅威影響分析アルゴリズムファイル２２６の因果関係モデルを更新してもよい。

処理Ｓ１５０７にて、アルゴリズム改善部２１７が、対策推奨アルゴリズムの精度を、ユーザより予め設定された許容精度（±××％以上、など）以上であるか否かを判定する。精度は、テロへの対策の因果関係モデルのＫＰＩを実績と比較することで算出してもよい。例えば、｜「対策推奨結果テーブル６２０の値６３１」−「ＫＰＩ評価６２６」／「対策推奨結果テーブル６２０の値６３１」｜」として計算してもよい。本計算結果に基づく精度判定の結果、精度が許容精度以上に良い場合は処理Ｓ１５０８に進み、許容精度よりも悪い場合は処理Ｓ１５１０に進む。

処理Ｓ１５０８にて、アルゴリズム改善部２１７が、対策推奨アルゴリズムの精度を、ユーザより予め設定された許容精度（±××％以上、など）以上であるか否かを判定する。精度は、テロへの対策の因果関係モデルのＫＧＩを実績と比較することで算出してもよい。例えば、｜「対策推奨結果テーブル６２０の値６３３」−「ＫＧＩ評価６２７」／「対策推奨結果テーブル６２０の値６３３」｜」として計算してもよい。本計算結果に基づく精度判定の結果、精度が許容精度以上に良い場合は処理を終了し、許容精度よりも悪い場合は処理Ｓ１５０９に進む。

処理Ｓ１５０９にて、アルゴリズム改善部２１７が、因果関係モデルを更新する。因果関係モデルの更新は、ユーザからの入力に従って行ってもよい。例えば、因果関係図および因果関係式をユーザが確認し、図や式の改善部分など、最終的な更新内容はユーザが決定してもよい。この結果を受けて、社会的脅威影響分析アルゴリズムファイル２２６の因果関係モデルが更新されてもよい。

処理Ｓ１５１０にて、アルゴリズム改善部２１７が、対策案雛形の更新を行う。社会的脅威対策推奨アルゴリズムファイル２２７（対策案雛形）のＫＰＩ効果値９０５が、実際のＫＰＩの改善効果（対策推奨結果テーブル６２０の評価６２６）に合うように、社会的脅威対策推奨アルゴリズムファイル２２７を自動更新されてもよい。例えば、評価６２６を個数６２９で除算した値でＫＰＩ効果値９０５が自動更新される。

図１８に、図１３の処理Ｓ１２０４で表示するテロの予測結果表示画面５０００の例を示す。予測結果表示画面５０００は、都市毎のテロの発生確率を表示するもので、意思決定支援システム２００の入出力装置２３２に表示される。予測結果表示画面５０００は、テロ予測のロジスティック回帰イメージ図１６００と予測結果一覧表１６１０で構成される。

ロジスティック回帰イメージ図１６００は、テロ発生確率を算出するためのロジスティック回帰式１６０４と、ロジスティック回帰式の目的変数の確率を表すＰ、説明変数ｘの意味を説明する変数意味１６０５と、本来二次元では表現できないロジスティック回帰式の二次元イメージ図を示すグラフ１６０１で構成されてもよい。グラフ１６０１は、本来二次元では表現できないロジスティック回帰式の二次元イメージ曲線を示すロジスティック回帰曲線１６０３と、過去の社会情勢データとテロ事件の関係をプロットしたプロット１６０２で構成されてもよい。このロジスティック回帰式を用いて算出された都市毎のテロ発生確率を一覧表にしたものが、予測結果一覧表１６１０である。

予測結果一覧表１６１０は、テロの発生確率の上位から順位を付けた順位１６１１と、予測の対象の都市を示す標的都市候補１６１２と、都市毎に計算したテロ発生確率を示すテロ発生確率１６１３で構成されてもよい。ユーザは本画面を予測結果の確認の用途で用いることができる。

図１９に、図１４の処理Ｓ１３０４で表示する影響分析結果表示画面６０００の例を示す。影響分析結果表示画面６０００は、当該企業の都市毎のテロの影響を可視化したもので、意思決定支援システム２００の入出力装置２３２に表示される。影響分析結果表示画面６０００は、テロの影響の因果関係を可視化した因果関係モデル１７００で構成されてもよい。因果関係モデルは、都市毎に表示を切り替えるためのタブ１７１０と、企業の目標のＫＰＩであるＫＧＩを示すＫＧＩノード１７２０と、ＫＰＩを示すＫＰＩノード１７２１と、ＫＰＩ同士の因果関係を示すアーク１７２２と、当該因果関係を数式で表現した数式１７４０で構成されてもよい。また、ＫＰＩノード１７２１のうちテロ発生確率ノード１７２３は、処理Ｓ１２０４で算出され、図１８の予測結果画面に表示されたテロ発生確率を示すノードでよい。さらに、企業プロファイルノード１７３０は、処理Ｓ１１０２でユーザから受け付け、処理Ｓ１３０２でデータベースから読み込んだ企業プロファイルデータを示すノードでよい。ユーザは本画面を影響分析結果の確認の用途で用いることができる。

図２０に、図１５の処理Ｓ１４０６で表示する対策案リスト表示画面７０００の例を示す。対策案リスト表示画面７０００は、当該企業の都市毎におけるテロに対する対策を可視化したもので、意思決定支援システム２００の入出力装置２３２に表示される。対策案リスト表示画面７０００は、予測結果一覧表１８１０と、タブ１８７０と、企業への影響度合い１８２０と、対策案リスト１８３０と、対策案実行ボタン１８６０と、キャンセルボタン１８６１で構成されてもよい。

予測結果一覧表１８１０は、図１８の予測結果一覧表１６１０と同一のもので、テロの発生確率の上位から順位を付けた順位１８１１と、予測の対象の都市を示す標的都市候補１８１２と、都市毎に計算したテロ発生確率を示すテロ発生確率１８１３で構成されもよい。

企業への影響度合い１８２０と対策案リスト１８３０は、都市毎に表示を切り替えるタブ１８７０をユーザが操作することで切り替え可能としてもよい。企業への影響度合い１８２０は、＃１８２１と、ＫＧＩ１８２２と、値１８２３と単位１８２４と、良悪１８２５で構成されてよい。＃１８２１はＫＧＩの項番を示す。ＫＧＩ１８２２は、影響分析の結果、企業が影響を受けるＫＧＩを示す。値１８２３は、影響分析の結果、ＫＧＩ１８２２の値がどのように変化するか示す。単位１８２４は、ＫＧＩ１８２２の値の単位を示す。良悪１８２５は、値１８２３が良い値なのか悪い値なのか不変とみなせる値なのかを示す。

対策案リスト１８３０は、＃１８３１と、選択欄１８３２と、対策１８３３と、ＫＰＩ効果１８３４と、ＫＧＩ効果１８３５で構成されてよい。対策１８３３は、内容１８３６と、個数１８３７とで構成されてよい。ＫＰＩ効果１８３４は、ノード１８３８と、値１８３９で構成される。ＫＧＩ効果１８３５は、ノード１８４０と、値１８４１で構成されてよい。

＃１８３１は対策を区別するための番号である。選択欄１８３２は、ユーザに対策を選択してもらうための欄で、選択を入力してもらうラジオボタン１８５０で構成される。対策１８３３は、推奨する対策の内容を示すものである。内容１８３６は、対策の内容を示す。個数１８３７は、対策の内容のパラメータ（カメラを設置する対策の場合、カメラの台数の個数など）を示す。ＫＰＩ効果１８３４は、推奨された対策が直接効くＫＰＩのノードとその値の変化を示すものである。ノード１８３８は、ＫＰＩのノードを示す。値１８３９は、ＫＰＩの値を示す。ＫＧＩ効果１８３５は、推奨された対策がＫＧＩのノードの変化を示す。ノード１８４０は、ＫＧＩのノードを示す。値１８４１は、ＫＧＩの値を示す。

対策案実行ボタン１８６０は、ユーザが選択欄１８３２のラジオボタン１８５０で選択した対策案を、ユーザが実行するためのボタンである。また、キャンセルボタン１８６１は、ユーザが入力したラジオボタン１８５０への選択をキャンセルするためのボタンである。これにより、本画面で、ユーザから対策の意思決定を受け付けることができる。

本実施形態によれば、都市毎に社会的脅威の発生確率を予測することができる。社会的脅威の発生確率を予測するアルゴリズムは、実績に応じて修正することができるので、予測精度を高めることが可能である。

また、本実施形態によれば、社会的脅威が企業へ与える影響をＫＧＩという形で定量的に分析することができる。ＫＧＩを算出するためのアルゴリズムもまた、実績に応じて修正することができるので、ＫＧＩ算出の精度を高めることが可能である。

さらに、本実施形態によれば、企業が社会的脅威への対策を決定するための情報を提供することである。これにより、企業の経営層は所望のＫＧＩを得るために必要な対策案を得ることができ、迅速な意思決定が可能になる。

次に、本発明の第２の実施形態について、図２１から図２５を用いて説明する。

本実施形態では、第１の実施形態で示した意思決定支援システムが複数の組織間で連携した場合の実施形態を述べる。そのため、以下の説明では、第１の実施形態と異なる点を中心に説明し、第１の実施形態と同一の構成あるいは機能については同一の符号を付して説明を省略する場合がある。

図２１に、本発明の第２の実施形態に係る意思決定支援システム２０３のシステム構成の例を示す。

意思決定支援システム２０３は、パブリッククラウドシステム１９００と、オンプレミスシステム１９１０と、オンプレミスシステム１９２０で構成される。オンプレミスシステム１９１０と、オンプレミスシステム１９２０を区別しやすいように、便宜的に、オンプレミスシステム１９１０をＡシステム、オンプレミスシステム１９２０をＢシステムと呼ぶことにする。パブリッククラウドシステム１９００、オンプレミスシステム１９１０、及びオンプレミスシステム１９２０のそれぞれが、第１の実施形態で述べた意思決定支援システム２００でよい。

パブリッククラウドシステム１９００は、例えば、ニュースサイト１３０の公開情報（テロ事件１５１、国際紛争１５２）や、政府機関１４０の公開情報（経済指標１５３、人口統計１５４）を用いて社会的脅威を予測する。その結果をオンプレミスシステム１９１０にテロ予測情報１９３０として伝達し、オンプレミスシステム１９２０にテロ予測情報１９４０として伝達してもよい。これにより、テロの予測処理をオンプレミスシステムからパブリッククラウドシステムにアウトソースすることができ、オンプレミスシステムの計算負荷、通信負荷を低減することができる。あるいは、パブリッククラウドシステム１９００は、政府機関１４０の非公開情報１９０１を用いてテロの予測精度を上げ、その結果をテロ予測情報１９３０、テロ予測情報１９４０としてオンプレミスシステムに伝達することもできる。こうすることで、非公開情報１９０１をオンプレミスシステムに伝達することなく、公開情報だけの予測結果よりも精度の高い予測結果をオンプレミスシステムで利用することができる。なお、テロ予測情報１９３０は公開情報のみのテロ予測情報、テロ予測情報１９４０は非公開情報１９０１も利用したテロ予測情報としても良く、オンプレミスシステムに応じて、政府機関１４０の非公開情報１９０１を利用する／利用しないを選択可能としても良い。

また、オンプレミスシステム間で、社会的脅威影響分析アルゴリズムや対策推奨アルゴリズムを共有してもよい。例えば、Ａシステムの社会的脅威影響分析アルゴリズム１９３１や対策推奨アルゴリズム１９３２をＢシステムと共有し、逆にＢシステムの社会的脅威影響分析アルゴリズム１９４１や対策推奨アルゴリズム１９４２をＡシステムと共有してもよい。例えば、同一業種のアルゴリズムであれば、共通点も多いので、共有することで、影響分析や対策推奨の精度が上がるものと期待できる。共有する／共有しないは、オンプレミスシステム毎に選択することとしても良い。

図２２は、パブリッククラウドシステム１９００での、データ収集、登録の詳細処理フローを示す図である。

処理Ｓ２００１にて、パブリッククラウドシステム１９００の社会情勢データ収集部２１２が、社会情勢データの収集時期が到来しているか否かを判定する。収集時期は予めユーザから登録されていてもよい。収集時期は、例えば「毎週月曜１０時」などの周期的なイベントとしても良いし、「ユーザから収集指示の入力があったとき」などのように不定期なイベントとしても良い。収集時期であれば処理Ｓ２００２に進み、収集時期でなければ処理を終了する。

処理Ｓ２００２にて、パブリッククラウドシステム１９００の社会情勢データ収集部２１２が、社会情勢データの収集対象の収集先一覧を社会情勢データベース２２３の収集対象一覧テーブル５００から取得する。例えば、社会情勢データ収集部２１２が情報源５０１のＵＲＬ５０６を参照する。

処理Ｓ２００３にて、社会情勢データ収集部２１２が、処理Ｓ２００２にて参照したＵＲＬ５０６に、パブリッククラウドシステム１９００の通信装置２３１を介してアクセスし、社会情勢データ（テロ事件１５１、国際紛争１５２、経済指標１５３、人口統計１５４など）を収集する。収集されるデータはこれらに限定されず、例えば、収集対象一覧テーブル５００に登録されているあらゆる情報源から取得可能なデータでよい。このデータ収集は、例えばＷｅｂクローリング技術を活用してもい。収集したデータをパブリッククラウドシステム１９００のテキストマイニング部２１３にてデータを整形した上で、パブリッククラウドシステム１９００のデータベースに登録してもよい。整形にはテキストマイニング技術を活用する。登録先のデータベースは、社会情勢データベース２２３の収集対象一覧テーブル５００で格納先ＤＢ５０２にて指定されている、ＤＢ名５０７、テーブル名５０８、カラム名５０９に従ってもよい。

処理Ｓ２００４にて、社会情勢データ収集部２１２が、政府機関１４０の非公開情報１９０１を、通信装置２３１を介して収集し、テキストマイニング部２１３にてデータを整形した上で、データベースに登録する。この際、非公開情報のアクセス先を収集対象一覧テーブル５００に記載しておき、そこを参照して収集しても良いし、収集対象一覧テーブル５００とは別に機密情報を管理するデータベース、データファイルなどにアクセス先を記載しておき、そちらを参照しても良いし、収集の都度、ユーザに入出力装置２３２を介してアクセス先を入力してもらっても良い。

図２３は、パブリッククラウドシステム１９００とオンプレミスシステム１９１０が社会的脅威（テロ）の予測結果を共有する処理フローを示す図である。

処理Ｓ２１０２にて、パブリッククラウドシステム１９００の社会的脅威の予測部２１４が、パブリッククラウドシステム１９００の社会的脅威予測アルゴリズムファイル２２５に記述されている予測アルゴリズム（ロジスティック回帰式）を取得する。

処理Ｓ２１０３にて、パブリッククラウドシステム１９００の社会的脅威の予測部２１４が、予測に必要な社会情勢データを２２３から取得して、ロジスティック回帰式を生成する。ロジスティック回帰式は都市毎に生成される。

処理Ｓ２１０４にて、パブリッククラウドシステム１９００の社会的脅威の予測部２１４が、処理Ｓ２１０３で生成したロジスティック回帰式を基に、都市毎のテロの発生確率を算出する。

処理Ｓ２１０５にて、パブリッククラウドシステム１９００の社会的脅威の予測部２１４が、処理Ｓ２１０４にて算出されたテロの発生確率を予測結果として、予測、影響分析、対策推奨の結果データベース２２４に登録し、オンプレミスシステム１９１０に通信装置２３１を介して、テロ予測情報１９３０を送信する。

処理Ｓ２１０６にて、オンプレミスシステム１９１０の社会的脅威の予測部２１４が、オンプレミスシステム１９１０の通信装置２３１を介して、テロ予測情報１９３０を受信する。受信したテロ予測情報を、オンプレミスシステム１９１０の入出力装置２３２に表示するとともに、オンプレミスシステム１９１０の予測、影響分析、対策推奨の結果データベース２２４に登録する。また、オンプレミスシステム１９１０の主記憶装置２１０にて一時的に保持してもよい。

図２４は、パブリッククラウドシステム１９００及びオンプレミスシステム１９１０が、社会的脅威影響分析アルゴリズムを共有する処理フローを示す図である。

処理Ｓ２２０３にて、パブリッククラウドシステム１９００のアルゴリズム改善部２１７が、アルゴリズムの共有時期が到来しているか否かを判定する。共有時期は予めユーザから登録されているものとしてもよい。共有時期は、例えば「毎週月曜１０時」などの周期的なイベントとしても良いし、「ユーザから共有指示の入力があったとき」などのように不定期なイベントとしても良い。共有時期であれば処理Ｓ２２０４に進み、共有時期でなければ処理Ｓ２２０３に戻る。

処理Ｓ２２０４にて、パブリッククラウドシステム１９００のアルゴリズム改善部２１７が、通信装置２３１を介して、影響分析アルゴリズムの収集の依頼２２５０を、オンプレミスシステム１９１０に送信する。

処理Ｓ２２０５にて、オンプレミスシステム１９１０のアルゴリズム改善部２１７が、通信装置２３１を介して、収集の依頼２２５０を受信する。

処理Ｓ２２０６にて、オンプレミスシステム１９１０のアルゴリズム改善部２１７が、オンプレミスシステム１９１０の社会的脅威影響分析アルゴリズムファイル２２６に記述されている影響分析アルゴリズム（因果関係モデル）を取得し、通信装置２３１を介して、社会的脅威影響分析アルゴリズム１９３１として、パブリッククラウドシステム１９００に送信する。

処理Ｓ２２０７にて、パブリッククラウドシステム１９００のアルゴリズム改善部２１７が、通信装置２３１を介して、社会的脅威影響分析アルゴリズム１９３１を受信する。受信結果を、パブリッククラウドシステム１９００の入出力装置２３２に表示してもよい。

処理Ｓ２２０８にて、パブリッククラウドシステム１９００のアルゴリズム改善部２１７が、パブリッククラウドシステム１９００の社会的脅威影響分析アルゴリズムファイル２２６を、オンプレミスシステム１９１０から取得した社会的脅威影響分析アルゴリズム１９３１で更新する。このとき、ユーザの承認を得ることを条件としてもよい。

処理Ｓ２２０９にて、パブリッククラウドシステム１９００のアルゴリズム改善部２１７が、社会的脅威影響分析アルゴリズム１９３１を、通信装置２３１を介して配信してもよい。配信先は、例えば、予め登録してある同一業種の他社であってもよい。

処理Ｓ２２１０にて、オンプレミスシステム１９２０のアルゴリズム改善部２１７が、通信装置２３１を介して、社会的脅威影響分析アルゴリズム１９３１を受信する。アルゴリズム改善部２１７が受信結果をオンプレミスシステム１９２０の入出力装置２３２に表示してもよい。

処理Ｓ２２１１にて、オンプレミスシステム１９２０のアルゴリズム改善部２１７が、オンプレミスシステム１９２０の社会的脅威影響分析アルゴリズムファイル２２６を、オンプレミスシステム１９２０から取得した社会的脅威影響分析アルゴリズム１９３１で更新する。このとき、ユーザの承認を得ることを条件としてもよい。

図２５は、パブリッククラウドシステム１９００及びオンプレミスシステム１９１０が、社会的脅威対策推奨アルゴリズムを共有する処理フローを示す図である。

処理Ｓ２３０３にて、パブリッククラウドシステム１９００のアルゴリズム改善部２１７が、アルゴリズムの共有時期が到来しているか否かを判定する。共有時期は予めユーザから登録されていてもよい。共有時期は、例えば「毎週月曜１０時」などの周期的なイベントとしても良いし、「ユーザから共有指示の入力があったとき」などのように不定期なイベントとしても良い。共有時期であれば処理Ｓ２３０４に進み、共有時期でなければ処理Ｓ２３０３に戻る。

処理Ｓ２３０４にて、パブリッククラウドシステム１９００のアルゴリズム改善部２１７が、通信装置２３１を介して、対策推奨アルゴリズムの収集の依頼２３５０を、オンプレミスシステム１９１０に送信する。

処理Ｓ２３０５にて、オンプレミスシステム１９１０のアルゴリズム改善部２１７が、通信装置２３１を介して、収集の依頼２３５０を受信する。

処理Ｓ２３０６にて、オンプレミスシステム１９１０のアルゴリズム改善部２１７が、オンプレミスシステム１９１０の社会的脅威対策推奨アルゴリズムファイル２２７を取得し、通信装置２３１を介して、社会的脅威対策推奨アルゴリズム１９３２として、パブリッククラウドシステム１９００に送信する。

処理Ｓ２３０７にて、パブリッククラウドシステム１９００のアルゴリズム改善部２１７が、通信装置２３１を介して、社会的脅威対策推奨アルゴリズム１９３２を受信する。アルゴリズム改善部２１７が受信結果をパブリッククラウドシステム１９００の入出力装置２３２に表示してもよい。

処理Ｓ２３０８にて、パブリッククラウドシステム１９００のアルゴリズム改善部２１７が、パブリッククラウドシステム１９００の社会的脅威対策推奨アルゴリズムファイル２２７を、パブリッククラウドシステム１９００から取得した社会的脅威対策推奨アルゴリズム１９３２で更新する。このとき、ユーザの承認を得ることを条件としてもよい。

処理Ｓ２３０９にて、パブリッククラウドシステム１９００のアルゴリズム改善部２１７が、社会的脅威対策推奨アルゴリズム１９３２を、通信装置２３１を介して配信してもよい。配信先は、例えば、予め登録してある同一業種の他社であってもよい。

処理Ｓ２３１０にて、オンプレミスシステム１９２０のアルゴリズム改善部２１７が、通信装置２３１を介して、社会的脅威対策推奨アルゴリズム１９３２を受信する。アルゴリズム改善部２１７が受信結果をオンプレミスシステム１９２０の入出力装置２３２に表示してもよい。

処理Ｓ２３１１にて、オンプレミスシステム１９２０のアルゴリズム改善部２１７が、オンプレミスシステム１９２０の社会的脅威対策推奨アルゴリズムファイル２２７を、オンプレミスシステム１９２０から取得した社会的脅威対策推奨アルゴリズム１９３２で更新する。このとき、ユーザの承認を得ることを条件としてもよい。

本実施形態によれば、パブリッククラウドシステム１９００でテロ発生確率を予測する際、非公開情報が提供されれば、予測精度の向上が期待できる。

さらに、本実施形態によれば、企業間で影響分析アルゴリズム及び対策推奨アルゴリズムを共有できるので、これらについても精度の向上が期待できる。

本発明の第３の実施形態について、図２６を用いて説明する。

本実施形態では、意思決定支援システムの社会的脅威対策推奨アルゴリズム２２７（対策案雛形）におけるＫＰＩ効果値９０５を、論理的な根拠に基づいて設定する方法の一形態を示すものである。そのため、以下の説明では、ＫＰＩ効果値９０５の設定部分についてのみ述べる。

図２６に、ＫＰＩ効果値９０５の設定のための対策案数値−ＫＰＩ因果モデル画面８０００の例を示す。

同図に示す対策案数値−ＫＰＩ因果モデルは、ＫＰＩ効果値９０５を設定するために、対策内容９０２の数値（カメラを設置する対策の場合、カメラの台数の個数など）が、ＫＰＩにどのような効果を及ぼすか、その因果関係を可視化したモデルである。

対策案数値−ＫＰＩ因果モデル画面８０００は、意思決定支援システム２００の入出力装置２３２に表示され、対策案数値−ＫＰＩ因果関係モデル２４００で構成される。

因果関係モデル２４００は、対策案雛形でのＫＰＩ効果ノード９０４を示すＫＰＩノード２４２０と、対策案数値−ＫＰＩ因果関係モデル２４００内で使用するＫＰＩであるサブＫＰＩノード２４２１と、サブＫＰＩとＫＰＩの因果関係や、サブＫＰＩ同士の因果関係を示すサブアーク２４２２と、因果関係を数式で表現した数式２４４０で構成されてよい。また、サブＫＰＩノード２４２１のうち、対策案の数値ノード２４２３は、対策案雛形の対策内容９０２の数値を示すノードである。さらに、企業プロファイルノード２４３０は、処理Ｓ１１０２でユーザから受け付けた企業プロファイルデータを示すノードである。

ユーザは対策案数値−ＫＰＩ因果モデル画面８０００を用いて、対策案の数値ノード２４２３とＫＰＩノード２４２０との間の因果関係をサブＫＰＩ、サブアークを用いて構築し、これらの因果関係を用いてシミュレーションを行うことで、対策案の数値ノード２４２３の値の変化に対するＫＰＩノード２４２０の値の変化を確認できる。そのため、この変化の対応関係を基に、ＫＰＩ効果値９０５を得ることができる。

なお、ここでは因果関係モデルでＫＰＩ効果値９０５を設定するとしたが、他にＦＴＡ（Ｆａｕｌｔ Ｔｒｅｅ Ａｎａｌｙｓｉｓ）分析を行って、その分析結果からＫＰＩ効果値９０５を設定するとしても良い。

あるいは、何れの方法であっても、対策内容９０２の数値とＫＧＩノード１７２０の数値の関係が明らかであれば、直接、社会的脅威対策推奨アルゴリズム２２７のＫＧＩ効果値９０７に数値の関係を記載し、それを利用してＫＧＩの効果を算定しても良い。

上述した本発明の実施形態は、本発明の説明のための例示であり、本発明の範囲をそれらの実施形態にのみ限定する趣旨ではない。当業者は、本発明の要旨を逸脱することなしに、他の様々な態様で本発明を実施することができる。

例えば、意思決定支援システムは、データ収集、社会的脅威予測、影響分析、及び対策案の立案を一連の手順で行う必要はなく、それぞれを必要なタイミングで行うようにしてもよい。また、影響分析及び対策の立案を行うために用いるテロ発生確率は、本システムで予測した確率を用いなくてもよい。例えば、他の何らかの手法で求めた都市毎のテロ発生確率を用いて、影響分析及び対策の立案をしてもよい。

２００ 意思決定支援システム
２１４ 社会的脅威の予測部
２１５ 社会的脅威の影響分析部
２１６ 社会的脅威の対策推奨部
２１７ アルゴリズム改善部
２２１ 国名−都市名マスタデータベース
２２２ 企業プロファイルデータベース
２２３ 社会情勢データベース
２２４ 予測、影響分析、対策推奨の結果データベース
２２５ 社会的脅威予測アルゴリズムファイル
２２６ 社会的脅威影響分析アルゴリズムファイル
２２７ 社会的脅威対策推奨アルゴリズムファイル
２３０ 中央制御装置
２３１ 通信装置
２３２ 入出力装置

Claims (8)

1. 社会的脅威の発生確率に基づいて、前記社会的脅威により社会または経済が受ける影響に関する指標である第１の指標の変化を算出する手段と、
   前記社会的脅威の発生確率と企業のプロファイルとに基づいて、前記企業が前記社会的脅威により直接的に受ける影響に関する指標である第２の指標の変化を算出する手段と、
   前記第１の指標の変化または前記第２の指標の変化が、前記企業の管理指標に与える影響の因果関係を定義した定義情報に基づいて、前記第１の指標の変化及び前記第２の指標の変化から前記企業の管理指標の変化を予測する手段と、
   複数の対策候補と、各対策候補を実施したときの、前記第１または前記第２の指標の変化の抑制度合いを示す効果と、を対応付けた対策リストを参照して、前記管理指標の変化が所定の範囲内になるような対策案を立案する手段と、
   前記対策案を出力する手段と、を備える意思決定支援システム。
2. 経済成長率、人口増加率及び過去の紛争の状況の一つ以上を用いて、前記社会的脅威の発生確率を予測する手段をさらに備える、請求項１記載の意思決定支援システム。
3. 前記対策案により期待される効果と実績とを対比した評価結果に基づき、前記対策リストを更新する手段をさらに備える、請求項１または２に記載の意思決定支援システム。
4. 前記管理指標の変化の予測結果と実績とを対比した評価結果に基づき、前記定義情報を更新する手段をさらに備える、請求項１〜３のいずれかに記載の意思決定支援システム。
5. 第１の企業のための第１のプライベートシステムと、第２の企業のための第２のプライベートシステムと、パブリックシステムとを備えた意思決定支援システムであって、
   前記パブリックシステムは、
   経済成長率、人口増加率及び過去の紛争の状況の一つ以上を用いて、社会的脅威の発生確率を予測する手段と、
   前記予測された社会的脅威の発生確率を前記第１及び第２のプライベートシステムへ送信する手段と、を備え、
   前記第１のプライベートシステムは、
   前記社会的脅威の発生確率と前記第１の企業のプロファイルとに基づいて、前記第１の企業が前記社会的脅威により受ける影響に関する指標である第１の指標の変化を算出する手段と、
   前記第１の指標の変化が、前記第１の企業の管理指標に与える影響の因果関係を定義した第１の定義情報に基づいて、前記第１の指標の変化から前記第１の企業の管理指標の変化を予測する手段と、
   複数の対策候補と、各対策候補を実施したときの、前記第１の指標の変化の抑制度合いを示す効果と、を対応付けた第１の対策リストを参照して、前記第１の企業の管理指標の変化が所定の範囲内になるような第１の企業向けの対策案を立案する手段と、を備え、
   前記第２のプライベートシステムは、
   前記社会的脅威の発生確率と前記第２の企業のプロファイルとに基づいて、前記第２の企業が前記社会的脅威により受ける影響に関する指標である第２の指標の変化を算出する手段と、
   前記第２の指標の変化が、前記第２の企業の管理指標に与える影響の因果関係を定義した第２の定義情報に基づいて、前記第２の指標の変化から前記第２の企業の管理指標の変化を予測する手段と、
   複数の対策候補と、各対策候補を実施したときの、前記第２の指標の変化の抑制度合いを示す効果と、を対応付けた第２の対策リストを参照して、前記第２の企業の管理指標の変化が所定の範囲内になるような第２の企業向けの対策案を立案する手段と、を備える、前記意思決定支援システム。
6. 前記第１のプライベートシステムは、
   前記第１の対策リストを前記第２のプライベートシステムへ送信する手段をさらに備え、
   前記第２のプライベートシステムは、
   前記第１のプライベートシステムから送信された第１の対策リストを参照して、前記第２の企業向けの対策案を立案する、請求項５に記載の意思決定支援システム。
7. 前記第１のプライベートシステムは、
   前記第１の定義情報を前記第２のプライベートシステムへ送信する手段をさらに備え、
   前記第２のプライベートシステムは、
   前記第１のプライベートシステムから送信された第１の定義情報を用いて、前記第２の企業の管理指標の変化を予測する、請求項５に記載の意思決定支援システム。
8. 企業のプロファイルデータと、第１の指標または第２の指標の変化が企業の管理指標に与える影響の因果関係を定義した定義情報と、複数の対策候補と、各対策候補を実施したときの前記第１または前記第２の指標の変化の抑制度合いを示す効果とを対応付けた対策リストとを記憶した記憶手段を有する意思決定支援システムが行う方法であって、
   社会的脅威の発生確率に基づいて、前記第１の指標であって、前記社会的脅威により社会または経済が受ける影響に関する指標である、前記第１の指標の変化を算出するステップと、
   前記社会的脅威の発生確率と前記企業のプロファイルデータとに基づいて、前記第２の指標であって、前記企業が前記社会的脅威により直接的に受ける影響に関する指標である、前記第２の指標の変化を算出するステップと、
   前記定義情報に基づいて、前記第１の指標の変化及び前記第２の指標の変化から前記企業の管理指標の変化を予測するステップと、
   前記対策リストを参照して、前記管理指標の変化が所定の範囲内になるような対策案を立案するステップと、
   前記対策案を出力するステップと、を実行する意思決定支援方法。
   
   

Images