デシジョン別・業界別

デジタル意思決定マネジメントは、IoTリモート管理を活用し、保守サービスの進化を可能にしています。顧客のノウハウを活用した予防保守コスト削減で得たプロフィットを共有するシェアリングモデルを実現しました。

■事業拡大のための新たなサービスモデルへの変革

これまで自社の知識と経験の限界に直面し、顧客毎の保守サービス派遣の非効率性と保守部門の視点だけでのサービス実施時期の検討といった課題に取り組んできました。

■デジタル意思決定マネジメントの効果

1. IoT技術の活用でデータ収集・分析を行い、バッテリ寿命の管理を可能にしました。
2. 顧客経験のノウハウを取り込むことで、バッテリー寿命のさらなる延命を実現しました。
3. 財務部門等と協力し、派遣時期やサービス実施時期を高度に情報化しました。
4. 顧客のノウハウを取り込み、削減したコストから得られる利益（年間￥2.52億/食品メーカー)をシェアリングする新たなビジネスモデルを実現しました。

デジタル意思決定マネジメントの導入により、モバイルアプリから送信された注文がすぐに承認されるようになりました。

■非効率な手順の改善

製品の在庫状況を手作業で確認し、生産能力の深堀り、柔軟な価格設定のための顧客契約、そして納期遵守といった課題に直面していました。

■デジタル意思決定マネジメントの効果

1. オーダー入力時の承認作業を自動化しました。
2. 部品・消耗品の確認を自動化しました。
3. 顧客固有の要求事項を適用しました。
4. 配送方法と荷主マッチングを効率化しました。
5. 価格、割引、配送の承認を自動化しました。

デジタル意思決定マネジメントは、ヘルスケアの提供方法に新たな風を吹き込んでいます。マニュアル・エビデンスベースド・メディスンに関連する課題を解決し、患者中心の診断体験を提供するための新しいアプローチを導入しました。

■ヘルスケアの提供における課題

これまで、多くの臨床ガイドライン文書、異なる具体性や専門性、研究の変化に伴う医療提供の困難性、医師にとって読みにくいガイドライン、そして機械学習とAIが独立したパイロットであるという課題に取り組んできました。

■デジタル意思決定マネジメントの効果

1. 患者の診断に焦点を当てたヘルスケアの提供を可能にしました。
2. ベストプラクティスの自動化を実現しました。
3. ルールによる医療管理を強化しました。
4. 機械学習やAIの予測を統合し、より高度な医療サービスの提供を可能にしました。

デジタル意思決定マネジメントは、物流不動産のダイナミックな価値評価アプローチを可能にし、大規模な建物のポートフォリオ管理をより効率的に行っています。

■資産管理の課題

1. マニュアル評価により売却・取得の機会を逸していました。
2. ポートフォリオ全体の価値算出に時間がかかり、効率性に欠けていました。
3. 高度な分析を適用する方法が見つからなかった。

■デジタル意思決定マネジメントの活用

1. 比較可能な売上高を自動で査定し、迅速な評価を実現しました。
2. 関連性による一貫した重み付けが可能となり、より精度の高い評価が可能になりました。
3. 関連するすべての調整値を組み入れることで、より緻密な評価が可能になりました。
4. 機械学習による予測評価を適用し、未来予測に基づく管理が可能となりました。
5. 個別または総合的な全体評価を自動化し、効率性を実現しました。

デジタル意思決定マネジメントは、ゴミ・リサイクルのルート管理を効率化し、業務プロセスを大幅に改善しています。

■ルール管理の課題

1. システムの老朽化により不完全で不正確な作業指示チケットが多数存在し、ドライバーは予定された作業を完了することができませんでした。
2. トラブルシューティングのための無駄な時間が浪費されていました。
3. 余分な追加引き取りと他顧客向けの作業遅延が生じていました。

■デジタル意思決定マネジメントの活用

1. 自動化されたボットが関連する作業指示（チケット）をすべてスキャンし、業務の自動化と効率化を実現しました。
2. お客様毎の課題の把握により、顧客満足度の向上を図りました。
3. 運用時の事後改善により、業務フローのスムーズ化と効率向上を図りました。
4. 計画時の積極的な事前改善により、問題の早期発見と対応を可能にしました。
5. これらの改善により、毎日25％以上の業務時間を節約することが可能になりました。

デジタル意思決定マネジメントは、リテールバンキングの自動車ローン契約の革新と最適化を支援しています。

■自動車ローン契約の課題

1. 自動車ディーラーのポータルに接続されたレガシーAuto Loan契約システムでは、手作業による紹介が多いため、ビジネスが上手くいかなくなっていました。
2. ディーラーは他の貸し手を優先していました。
3. ビジネスの変化に応じて、システムを更新することができない状況でした。

■デジタル意思決定マネジメントの活用

1. 予定通り、予算内でシステム更改を行い、自動車ローン契約プロセスを大幅に効率化しました。
2. 業務担当によるビジネスルールの管理を実現しました。
3. 一貫性のない不正確なルールの排除を通じて、業務の質を向上しました。
   分析ルールの改善を実現し、業務の予測と意思決定を最適化しました。
4. 機械学習との統合により、自動化と予測力の強化を図りました。
5. 意思決定モデル（分析データの統合）を利用して、より高度な意思決定を支援しました。

これらの活用例は、デジタル意思決定マネジメントがリテールバンキングの自動車ローン契約業務をどのように最適化し、改善したかを示しています。

デジタル意思決定マネジメントは、リテールバンキングの自動車ローン契約の革新と最適化を支援しています。

■医療費請求の課題

1. 医療費の支払いが遅く、高コストなマニュアルプロセスが続いていました。
2. チャットボットやモバイルによる顧客サービスの改善が進まない状況でした。
3. 20%以上のストレートスルー処理を実現する必要がありました。

■デジタル意思決定マネジメントの活用

1. 業務担当が週次で変更を反映できるようにしました。
2. 機械学習を用いた専門知識の融合を実現し、処理の質と速度を向上させました。
3. 継続的な改善データの提供を行い、業務の進化をサポートしました。
4. 変更後のインパクトを事前にシミュレーションすることで、問題点を早期に把握し、適切な対策を計画しました。
5. 最初の250日間で50%のストレートスルー処理を実現し、大幅な効率化を達成しました。

デジタル意思決定マネジメントは、保険代理店のアップセルやクロスセル活動を支援しています。

■保険代理店POSの課題

1. 代理店はiPadのPOSシステムを導入していましたが、アップセルやクロスセルの活動が不可でした。
2. POSアプリの変更には規制当局の審査が必要で、その手間が問題となっていました。
3. 代理店が他のシステムを参照することができず、情報の一元化が困難でした。
4. 分析的な洞察を提供できないシステムでした。

■デジタル意思決定マネジメントの活用

1. インテリジェントなアップセルやクロスセルの提案を可能にしました。
2. セールストークへのシームレスな統合を実現し、スムーズな業務フローを確立しました。
3. 製品ルール、法的要求事項を適用し、規制に対応しました。
4. 高度な分析によるターゲット設定を行い、効果的なセールス活動をサポートしました。
5. アップセルで50%以上、クロスセルで15%以上の増加を達成しました。
6. 98%以上の保険代理店が新規サービスを採用し、大きな成果を上げました。

デジタル意思決定マネジメントは、風力発電設備の保守と修理のスケジューリングを自動化し、業務の効率化とコスト削減に寄与しています。

■風力電力設備資産の課題

1. 業務担当が理解している数千もの業務ルールをシステム化することが困難で、そのための自動化が達成できていませんでした。
2. データの文脈を理解した業務ルールの抽出が困難で、反復開発が必要となっていました。

■デジタル意思決定マネジメントの活用

1. ビジネスルールにデータ文脈の理解を連動させて、業務ノウハウの具体化、精緻化を実現しました。
2. データの文脈でロジックを理解する機能を導入し、評価チーム（IT）はこれを決定的なソリューションとみなし採用しました。

弘康人寿保険は、中国のトップクラスの国営生命保険会社で、電子商取引の革新で知られています。 Hongkang（弘康人寿） は、保険引受とクレーム管理のためのシステムを一新し、デジタル意思決定マネジメントを活用した統一システムを採用しました。

■課題

1. 引受とクレーム管理のための2つの別々のシステムを持っていました。
2. ビジネスルールはそれぞれのシステムにハードコーディングされており、冗長性や不整合が発生していました。
3. 運用コストが高く、開発期間が長く、ビジネスアナリストの可視性 が低い状態でした。

■デジタル意思決定マネジメントの活用

1. ビジネスアナリストがIT部門に頼らずにルールの作成・修正、テスト、デプロイ、監視を行うことが可能になりました。
2. 過去のデータのインポートやルールの再利用など、高速開発を実現するための機能が提供されています。
3. デジタル意思決定マネジメントのライフサイクルマネジメントのサポートにより、デプロイメントが迅速化されました。

■導入効果

1. 運用コストを70%削減：ビジネスルール管理をIT部門から4人のビジネスアナリストに移行しました。
2. 市場投入までの時間を80%短縮：ルールの更新は1時間未満で可能となり、6ヶ月間で23の新製品を発売しました。
3. アプリケーション処理の24倍の高速化：アプリケーションの平均処理時間が1.2秒から50ミリ秒に大幅に短縮されました。

金融サービス業界で幅広くサービスを提供する米国NICE Actimize社は、地方およびグローバル金融機関、政府規制当局に対して、金融犯罪、リスク、コンプライアンスに関するソリューションを提供します。その主力製品であるX-Sightは、クラウドベースのAI駆動型で柔軟性と拡張性に優れた金融犯罪リスク管理プラットフォームです。

■リスク管理における新たな課題

NICE ActimizeはX-Sightの機能をさらに強化し、金融機関にリスク管理の専門領域と強力なセルフサービスに、迅速な意思決定マネジメントの機能を提供することを目指しました。これは、最新の攻撃ベクトルのパターンを特定し、それに関連する活動を認識し、適切な対策を迅速に実行するために必要となりました。

■テクノロジーパートナリングとソリューション

その解決策としてNICE Actimizeは、デジタル意思決定マネジメントをX-Sightに採用しました。これにより、金融機関はNICE Actimizeの深いリスク管理知識と、迅速な意思決定マネジメント機能を強力に組み合わせて利用することが可能となりました。

このパートナリングは、金融犯罪リスク管理において、最新の攻撃ベクトルへの迅速な特定、それに関連する活動の即時認識、そして適切な対処をより迅速に実施できるようにするための重要な一歩となりました。

ノルウェー会計士協会のNARF Ekstra ASは、ノルウェーの会計士向けに専門的なガイダンスを提供するために、デジタル意思決定マネジメントを導入しました。このシステムは、新しく利用可能になったオンラインガイドの管理とサービスを実行するために使用されています。

■クラウド展開とアドバイザリーポータル

このシステムは、クラウド展開を通じて中小企業へのテクノロジー提供を可能にし、特別なカスタマイズやインストールを必要としない利点があります。さらに、Step by Stepガイドのアドバイザリーポータルを迅速な実行サービスで提供しています。

■意思決定マネジメントと実行サービスの適用

この新しいシステムは「ビジネスルール」を外部化し、業務専門家がルールを作成および管理できる環境を提供します。これにより、ノルウェーの会計士はクライアントに追加のサービスを迅速に提供できるようになりました。新しいPintellガイドの作成、テスト、導入も容易になりました。

金融サービス業界のパートナーであるEquifaxは、グローバルなデータ、分析、テクノロジー企業であり、米国3大消費者信用調査機関の1つです。Equifaxは、Sparkling Logicと提携して、意思決定ルールの管理をより迅速かつ効率的に行うためのツールとして、SMARTS™ベースのInterConnect Rules Editorを導入しました。

■効率的な意思決定ルール管理

InterConnect Rules Editorを通じて、Equifaxのクライアントはエレガントで直感的なユーザーインターフェースを通じて意思決定ルールを簡単に管理することができるようになりました。また、技術的なバックグラウンドを持たないビジネスエキスパートでも、ポリシールールの構築、テスト、修正、シミュレーション、可視化を行うことが可能となりました。

■短期間での効果的な結果

このシステムの導入により、開発期間を大幅に短縮し、意思決定のスピードを大幅に向上させることに成功しました。この結果、Equifaxはクライアントに対してより迅速かつ効果的なサービスを提供することが可能となりました。

ヘルスケア業界で活動するOnlife Healthは、米国のヘルスプランプロバイダーや雇用者と連携する総合的なウェルネスソリューション企業です。特に健康診断と診療提言サービスの領域で活動しています。

■ヘルスリスクの管理と証跡

Onlife Health社のウェルネス・プラットフォームでは、ヘルスプランの加入者が自身の健康リスクを評価し、その推奨事項を受け取り、進捗を追跡できるようにすることが求められていました。しかし、参加者の増加により、自社プラットフォームを管理するビジネスルールの管理が課題となっていました。

■デジタル意思決定マネジメントの活用

この課題を解決するために、Onlife Health社はSparkling Logicのデジタル意思決定マネジメントを活用し、ビジネスルールを一元管理することに成功しました。

■効果的な結果の実現

この結果、Onlife Health社のビジネスアナリストは、わずか1ヶ月でビジネスルールをデジタル意思決定マネジメントに移行することに成功しました。さらに、デジタル意思決定マネジメントの導入により、1分間に数百件のリスク評価と推奨事項を処理できるようになり、大幅な業務効率化を達成しました。

保険業界のリーディングプロバイダーであるロングタームケアグループ（LTCG）は、介護保険に特化した保険業務処理アウトソーシングサービスを提供しています。特に保険金支払管理の領域で活動しています。

■ビジネスの拡大とクレーム対応の課題

会社の成長とともに、月間9万件以上のクレームを手作業で処理することによる対応時間の増加が課題となっていました。複数のツールと異なるデータソースを用いてクレームの審査を行う現状から、LTCGはクレーム管理システムの近代化と、クレーム処理の全体的なコストと時間の削減を求めていました。

■デジタル意思決定マネジメントを活用したクレーム審査システムの近代化

これらの課題を解決するために、LTCGはSparkling LogicのSMARTSをクレーム審査システムの意思決定エンジンに採用しました。この導入により、全てのデータの一元集約、保険金請求に関する推奨事項の自動生成が可能となり、さらに契約管理システムの代わりにデジタル意思決定マネジメントで保険金請求の裁定を行うことで、新たなビジネスルールのテストと実装が容易になりました。

■請求処理の自動化と品質向上

デジタル意思決定マネジメントの導入により、LTCGは請求の80%を完全に自動化することができました。これにより、手動でレビューが必要なクレームの処理時間が大幅に短縮され、保険金支払いの判断における一貫性と品質も向上しました。これらの結果からも、デジタル意思決定マネジメントの導入が効率と品質の双方で大きな効果を発揮したことが明らかとなりました。