■サイト内検索:
RPA.biz
RPA Biz > 2019年 > 2月

労働市場の人手不足が与える影響

2019.02.14

2018年上半期の企業倒産の傾向

 

2018年上半期(1月~6月)の全国の企業倒産は、件数が4,148件、負債総額が7,466300万円でした。

倒産件数は前年同期比2.7%減(119件減)で、上半期としては9年連続で前年同期を下回り、

1990年(2,948件)以来の低水準に留まりました。

 

都道府県別では前年同期を上回ったのが22府県、減少が18都道府県になり、

地区別では全国9地区のうち、5地区(東北、中部、近畿、四国、九州)で前年同期を上回りました。

 

また、産業別では10産業のうち、7産業で前年同期を下回りましたが、

サービス業他(前年同期比0.1%増)が3年連続の増加、

小売業(同0.5%増)が上半期としては2007年以来11年ぶりに増加に転じるなど、

個人消費関連業種を中心に今後の推移が注目されます。

 

上半期倒産企業の特徴は次のとおりです。

  • 従業員数別:従業員5人未満の構成比が74.49%、上半期では過去20年間で最高
  • 負債額別:負債10億円以上の大型倒産が90件、上半期としては28年ぶりの100件割れ
  • 資本金別:資本金1億円以上が31件、上半期では過去20年間で最少
  • 従業員被害状況:上半期としては28年ぶりの2万人割れ
  • 「人手不足」関連倒産が184件(前年同期164件)、このうち「求人難」型が19

 

従業員5人未満の構成比が74.49%で上半期では過去20年間で最高の水準となっている一方で、

負債10億円以上の大型倒産が28年ぶりの100件割れ、資本金1億円以上の倒産が過去20年間で最少となるなど、

企業規模によって倒産の傾向が異なっています

 

 

2018年上半期人手不足関連倒産の傾向

 

東京商工リサーチによる2018年上半期の「人手不足」関連倒産のコメントは以下のとおりです。

 

“ 2018年上半期(1-6月)の「人手不足」関連倒産は184件

(前年同期比12.1%増、前年同期164件)で、前年同期を上回って推移している。

 

 内訳をみると、「後継者難」型が145件(前年同期比11.5%増、前年同期130件)、

「求人難」型が19件(同18.7%増、同16件)、「従業員退職」型が10件(同25.0%増、同8件)、

「人件費高騰」型が前年同期同数の10件になり、「後継者難」型が約8割(構成比78.8%)を占めた。

 

 2018年上半期(1-6月)の産業別では、最多がサービス業他の50件(前年同期比25.0%増、前年同期40件)。

次に、卸売業35件(同75.0%増、同20件)、建設業32件、製造業31件、小売業14件の順。

 

 2018年上半期の地区別では、全国9地区のうち関東(71→81件)、中部(17→23件)、

東北(8→15件)、四国(4→8件)、北陸(1→2件)の5地区で前年同期を上回った。

一方、減少は近畿(23→17件)、中国(10→9件)、北海道(12→11件)の3地区。

九州は前年同期同数の18件。“

 

2015年の年間の人手不足倒産件数の内、

「後継者難」型の割合は87.7%2016年は88.8%2017年は78.7%2018年上半期は78.8%となっています。

後継者不足による、「後継者難」型の割合は低下している一方で、

「求人難」型・「従業員退職」型の割合が増加しています。

 

人手不足が叫ばれる中、人手不足による影響が具体的な数字となって表れてきています

 

人手不足倒産の類型

 

1.「後継者難」型

代表者、役員の死亡・引退などに際し、事業承継者(後継者)がいないことによる廃業・倒産

 

2.「求人難」型

人手確保が困難で事業継続に支障が生じ、廃業・倒産

 

3.「従業員退職」型

中核社員の独立、転職などの退職から事業継続に支障が生じ、廃業・倒産

 

4.「人件費高騰」型

賃金等の人件費のコスト増から収益が悪化し廃業・倒産

 

代表者等の高齢化に伴う「後継者難」型の廃業・倒産は引き続き高い水準で推移すると思われますが、

今後は「求人難」型・「従業員退職」型・「人件費高騰」型の廃業・倒産割合が増加していくことでしょう

 

人手不足の主な原因

1. 生産年齢人口の減少

国立社会保障・人口問題研究所の発表によると、日本の総人口は201510月時点で約127095000人。

そのうち、15歳~64歳までの生産年齢人口は約77282000人となっています。

しかし、少子高齢社会の影響により、この数字は今後急激に減少すると予測されており、

2040年における生産年齢人口は約59777000人、

2100年には約30737000人にまで減ってしまうと考えられています。

 

2.  求人倍率の上昇と失業率の低下

2018年6月の有効求人倍率は1.62倍と高い水準となっています。

また完全失業率は2.4%となっています。

求職者の選択の余地が増えることで労働環境やイメージが悪い業界はより人手が不足する状況になります

 

3. 賃金の向上が期待できない

厚生労働省は710日、今年の中小企業の賃金上昇率が1.4%だったと発表しました。

今年度の最低賃金の引き上げ幅の目安を決めるうえで重要な参考データとされるもので、

人手不足を背景に前年を0.1ポイント上回りました。

ただし、政府が目指す最低賃金の引き上げ幅の年率3%程度と比べると、伸びは小幅なものとなりました。

 

大企業に比べ財務基盤が弱い中小企業が人件費に投下できる資金は限られているため、

賃金向上に期待が持てなくなった社員が退職したり、

採用の優位性を保つことができず人材の確保で難しい状況になり、人手不足の状況となります。

 

 

業務効率化による人手不足対応

 

今のままで仕事は回っているのに、なぜ業務効率化が必要なのでしょうか。

業務効率化は企業活動において必要事項で、これを怠ると徐々に会社の業績が悪化してしまいます。

 

社会や経済は日々動いており、顧客のニーズも速いスピードで変化します。

その変化に対応できる企業が生き残っていき、成長もしていきます。

このような環境下で利益を積み重ねていくためには、現状維持では企業価値が低下していきます。

業務効率化を図ることで、業務効率を最適化し、利益を最大値まで引き上げることができます

最大化された利益を元に資金調達を行い、そのキャッシュを次の投資に回し、

投資回収することで魅力ある企業となり、採用優位性を高めたり、

人材の流出防止につながることが期待できます。

業務効率化に着手する際に効果的なシステムとして「SaaS」や「RPA」などがあります。

 

SaaSは、各業務の作業をシステム化し、人がそのシステムをクラウド上で利用します。

業務領域は業務特化されており、人がシステムに合わせるといった特徴があります。

メンテナンス等は全てSaaS提供会社によるものであるため、

自社でその必要はなく、常に最新の機能を搭載した状態で利用可能です。

 

RPAは、人がマウスやキーボードを使用した作業をRPAに覚えさせて対応させます。

基本的にすべてのオペレーションを自動化できるため、どの業務領域にも適応でき、SaaSに比べ柔軟性は高いです。

大量に同じことを繰り返すPCオペレーション作業についてはコストメリットを享受できます。

ただし、Web上のボタン位置が変更になるなど、

動作ルールが変更になった場合には適宜メンテナンスを行う必要があります

 

中小企業では手作業で行われているアナログ作業もまだまだたくさんあるのが現状です。

SaaSやRPAの特徴を踏まえ自社に最適な業務効率化システムを導入することで、

人材不足への対応を図ることができます。

 

SaaSやRPAなどのITツールの導入に際しては、

経済産業省で行っている「IT補助金」を活用することで、最大50万円が国から補助されます。

IT補助金で、SaaSRPA導入の心理的・資金的ハードルは下がると思いますので活用をおすすめします。

 

人手不足倒産の「求人難」型、「従業員退職」型、「人件費高騰」型は、今後増加していく見込みです。

人手不足によって、徐々に自社の財務内容が棄損し倒産に近づく前に、

RPA等を導入した業務効率化に取り組むことを考えてみてはいかがでしょうか。

 

 

 

 

【RPA化で忘れてはならない】セキュリティ面について

2019.02.13

 

 

RPA化において考慮すべき点

人間が行っているような単純作業においては絶大な威力を発揮するRPA化ですが、

システムを導入するにあたって、利益の追求や効率化を計るだけではなく、

他にも考えないといけないこと、というのはたくさんあります。

 

その中の一つにシステムのリスクマネジメントがあります。

 

多くの場合はロボットの性能や効率化に重きを置きがちで、

ITガバナンスの確立を忘れがちですが、ここはとても重要なポイントになってきます。

 

これは少し余談ですが、プログラミングに慣れている人と初心者の人で違う点は

エラーの数だとよく言います。

プログラミング経験者もすべてのエラーを追えるわけではないですが、エラーの対処をある程度は組み込んでプログラミングすることができます。

実際、プログラミングを全くしたことのない人でもUiPathWinActorなどのRPAのツールを簡単に使うことは出来ます。

しかし、全体像を把握し、そしてある程度のエラーにおける対処ができるようになるためには

何かしらのプログラミングをできるようにすることをオススメします。

 

 

このようにリスクマネジメントは非常に重要なファクターになってきます。

 

今回は、システムの簡単なリスクマネジメントと共に

一般的なセキュリティ面の注意点を見ていきたいと思います。

 

 

 

ITガバナンスの確立に向けて

みなさんはITガバナンスと言う言葉について知っているでしょうか。

 

ITに関するルール」のようなものだと思っている人もいるかと思いますが、それは間違いです。

ITに関するルール」はあくまでもITガバナンスを確立するための手段の一つでしかありません。

 

 

 

そもそもITガバナンスというのは経済産業省で以下のように定義されています。

 

企業として、ITに関する企画などの運営を行う際に情報資材に関わる機密性や完全性、可用性のリスクを管理するための仕組みを組むこと。また、その仕組みのこと。

(経済産業省 「情報セキュリティガバナンス導入ガイダンス」参考

http://www.meti.go.jp/policy/netsecurity/downloadfiles/securty_gov_guidelines.pdf

 

 

この定義から分かることは、

組織の目指すべき姿へ向けて行わなければならない仕組みを全体になじませること

ITガバナンスを確立するうえで大切になってくるということです。

 

企業の理念や経営戦略に向けての仕組みとして、「ITに関するルール」が存在しているのです。

 

 

この際に、注意してかないといけない事は大きく分けて三つあります。

1、世間の環境や経営戦略などの変化に応じて臨機応変なIT戦略の仕組みの作成              

2、ITの戦略を実行していく上でのセキュリティ面の確保

3、仕組みを円滑に実行するための組織力の向上

 

今回は特にセキュリティ面についてみていきたいと思います。

 

 

 

以下の三つは先ほどのITガバナンスの定義にも出てきましたが、

情報セキュリティの三要素と呼ばれているものです。

 

「機密性」・・・許可のないアクセスには情報を渡さない

「安全性」・・・情報が常に安全な状態であること

「可用性」・・・許可されたアクセスには必要なときに情報の利用が可能なこと

 

これら三つががシステム構築の目的になることが多いです。

 

 

◆共通フレーム 2007

 

以上のようなITガバナンスを確立するのを助ける仕組みとして、

SLCP(Software LifeCycle Process)と言うモデルが用意されています。

 

SLCPとは開発・運用・保守などのソフトウェアの工程全体を標準化した枠組みのことです。

 

 

とても簡単に言ってしまうと、色々な人が色々な言葉を使うと誤解が生じたりするので、このモデルを標準としよう、としたものです。

 

ここには言葉の定義や各工程の内容などが書かれています。

ここで定義された用語によって、システム開発者と委託者の相違を避けることができるのです。

 

 

では、どのようなものがあるかと言うと、

 

「ISO/IEC 12207」

「SLCP-JCF (Japan Common Frame:共通フレーム)

 

というものが存在します。

 

「ISO/IEC 12207」は国際標準化機構によって標準的なモデルとして用語の定義などを行ったものです。

1995年に策定されましたが、2002年と2004年に改訂されています。

 

さらに、この「ISO/IEC 12207」を日本で使えるようにしたのが「SLCP-JCF (Japan Common Frame:共通フレーム)」です。

情報処理推進機構によって1996年に策定され、1994,1998に改訂され、

今は「共通フレーム2004」が標準となっています。

 

「共通フレーム」は簡単に言えば、「ISO/IEC 2007」の日本語版なのですが、

共通フレーム は日本でも不自由なく使用するために

日本独自の事情などを考慮して作成した枠組みとなっています。

 

今では開発から導入、運用、保守までのプロセスを確認していく上では開発側だけではなく、発注側も必要不可欠の知識となっています。

 

 

◆リスクマネジメントの流れ

 

リスクマネジメントとは、リスクを分析してどう対処するのかをまとめたもので、

損失を回避する、または軽減することを図るものです。

 

リスクマネジメントのプロセスは以下の通りです。

 

 

  1. リスク分析

リスクの分析は、以下の項目を考えていきます。

 

<リスク分析の範囲>

守るべき範囲を決定します。

例)社会全体、ユーザー、社内の情報システム課

 

<何を守ればいいのか>

上で決めた対象範囲内で守るべきものを洗い出します。

この際に、その情報の利用者や管理者、保管場所や廃棄方法をリスト化してまとめます。

例)

名称

利用者

保管場所

廃棄

利用者情報

顧客

自社サーバー

利用者による申請時

 

<守るべきものの分類>

情報セキュリティの三要素である、

機密性・安全性・可用性

にもとづいてレベル分けすることで守るべき情報資材を分類します。

例)

名称

機密性

安全性

可用性

利用者情報

3

5

4

 

 

 

  1. リスク評価

ここでは以下のような式にもとづいてリスク値を計算します。

 

リスク値 = 情報の価値 × 脅威 × 脆弱性

 

 

  1. リスク対応の洗い出し

 

 

 

 

以上が非常におおざっぱではありますが、リスクマネジメントのフローです。

このように、リスクマネジメントを行うことで様々な状況に対応できるようになります。

 

 

 

    第4次産業革命の潮流の中で-AI編-

    2019.02.12

    目次

    1. はじめに
    2. 日本企業で活躍するAI
    3. さいごに

     

     

     

     

    1.はじめに

    前回第4次産業革命について、IoTをはじめとするICT領域のアップデートについて述べましたが、

    今回はAIについて最近の動向を交えてお伝えいたします。

     

     

     

    【前回記事はこちらから】

    Industry 4.0(第4次産業革命)とは?海外事例から考える今後の日本

     

     

     

    AIは、近年で最も技術革新がめざましい領域で、多くの研究・開発が進められています。

     

    将棋やチェスのボードゲームなどでプロを相手に対戦したり、自動車の自動運転技術に用いられたり、

    或いは、人と会話ができるロボットが登場したりと、

    数十年前に映画やアニメで描写されていた「人類の夢」が、現実の世界に登場しつつあります。

     

     

    華やか且つ先進性がありアトラクティブなイメージのある一方で、そういったAIの技術が今日の、

    特に日本の経済活動の中でどのように活用されているか、イメージが湧かない側面があるのも事実です。

     

     

    言い換えるなら、「話題性があるが、その実誰も利用方法が分からない。」そんな領域かもしれません。 

     

     

     

     

    2.日本企業で活躍するAI

    こと国内のビジネスシーンにおいて活用されているAIとしては、以下のようなものが挙げられます。

     

    【販売予測・需要予測】

     

    • ホームセンター

     

    とあるホームセンターでは、AIを用いた売上予測システムを導入しました。

     

    ある季節商品の過去3年分の販売実績と気象情報をAIツールに学習させ1日単位で売れ行きを予測させた結果、

    売上予測と実販売量の誤差が僅か2個という精度での予測を達成し、

    従来人力で行っていた発注業務時間を大幅に短縮するだけでなく、余分な在庫を抱えることもなくなりました。

     

     

    続けて同社では、生花の仕入れにもAIを活用しています。

     

    生花はつぼみの状態で仕入れれば、長時間店頭に置いて置ける反面、お客さんには魅力的には映らず売上が伸びません。

     

    逆に花が開いた状態で仕入れれば、当然枯れるのも早く売り物になりません。

     

     

    こうしたジレンマを解消するために、上記の販売予測に組み合わせて用いられたのが「画像認識」でした。

     

    予め従来の仕入れ担当者が販売する花の選別をし、AIに画像を取り込み学習させます。

    AIは花の開き方や葉の大きさから4段階に評価して仕入れる花を決定します。

     

    最初は思い通りの精度ではなかったものの、

    その都度AIに修正をかけて、制度を高め最適な状態で仕入れすることに成功しています。

     

    また、店頭での在庫管理にも用いられ、花の状態に応じて廃棄・値下げ販売を実施することで、

    ベテランの生花担当者だけでなく、園芸に精通していない従業員でも正しく管理を実施でき、

    一定の品質を保つことに成功しています。

     

     

     

    • タクシー

     

    従来、長年の経験とそこから導き出される勘が頼りだったのが客探しです。

    新人や経験の浅いドライバーが売上を上げるのは容易ではありませんでした。

     

     

    そこで導入したのが、需要予測サービスでした。

    過去の運航実績データだけでなく、走行する各エリアごとにリアルタイムで人数を把握します。

     

    最も需要がありそうなエリアを探索し、社内のタブレット端末に通知、進行方向まで指示してくれるシステムです。

     

    このエリア内の人数は、携帯電話の基地局を通じスマートフォンの位置情報をデータとして取り込んであります。

    当然ながら、雨の日はそれだけ需要も高まるので、気象状況を加味した予測を立ててくれるというものです。

     

     

     

    AIを使った需要予測として以下のソリューションが各社で展開されています。

     

    富士通:需要予測API

    店舗などで販売する商品の需要と売上を予測します。

    売上予測モデル作成には、

    POSデータに加えて天気やカレンダーなどの外部データを学習させ役立てることが可能になります。

     

    NEC:流通・小売り向けAI群

    売上最大化を目的とした特売価格のシュミレーションや、

    顧客一人ひとりの趣味・嗜好を踏まえたマーケティングの実施や発注ロジックの構築に特化しています。

    欠品防止や廃棄ロス削減、在庫適正化をより精度高く実現する多彩なソリューションが魅力です。

     

    docomo:AIタクシー

    人の流れがリアルタイムにわかる携帯電話ネットワークの仕組みを利用して作成される人口統計データと、

    タクシーの運行データなどを用い、AI技術を利用してタクシーの需要を予測しています。

    効率的なタクシー運行の実現により、ドライバーの生産性向上に貢献し、

    また、タクシーを利用者が短い待ち時間で乗車できるので、満足度の向上も見込めます。

     

     

     

     

    【ディープラーニング】

     

    • 自動車メーカー

     

    従来目視で行っていた特定製品の外観検査は、熟練工の高齢化やノウハウの継承が進まないばかりか、

    作業者によって精度のバラツキがあり、品質の均一化に苦慮していました。

     

    同時に、スキャンデータを用いた画像診断を用いていましたが、検査パラメータの設定が高度且つ複雑であり、

    その上判定精度もまちまちで不良品の発見率が芳しくありませんでした。

     

    そこで、ディープラーニング技術を用いた画像診断ソリューションを導入しました。

     

    画像を取り込ませることで製品の特徴や判定に必要なパラメータをAIに学習させ、

    精度の向上と検査判定の均質化を実現しました。

     

    結果、不良品の検出率を95%以上にまで向上させることに成功し、実用に耐えうるツールとして認識されました。

     

     

     

    • インフラ

     

    従来作業員が直接現場に出向きインフラシステムの点検、劣化診断を行っていましたが、

    その点検対象は高所や高速道路の橋梁など、常にリスクが付きまとう危険なエリアでの作業が大半でした。

     

    加えて人手不足も深刻化しており、一人あたりの業務負荷量も多くなっていました。

     

     

    そこで、監視システムやドローンを使って撮影させた画像・映像データを基に、

    画像診断による保守点検作業に切り換え、効率的な劣化診断のシステムを構築。

     

     

    これにより、作業員がわざわざ出向き危険な場所での作業を最低限に留め、

    より効率的な保守点検業務を遂行することができました。

     

    当然、慢性的な人手不足も、AIソリューションによって負担軽減が図られました。

     

     

     

    • 新聞

     

    各社共、紙媒体としての新聞のみならず、WebニュースやSNSに情報を配信することは、もはや当たり前になってきました。

     

    通常、記事のオンライン版作成の際は、

    「配信記事の選定」「メディア編集システムへの送信」「記事要約」「見出し作成」「校閲」

    というプロセスを経る必要がありますが、中でも最も時間を要するのが「記事要約」だといわれています。

     

     

    従来、記事の重要部分を人間の目で判断しながら、

    メディアごとに異なる文字数制限に合わせて要約文を作成していましたが、

    手間がかかる上に、リリースの多さから大幅な時間をとられていました。

     

    従来から自動要約ツールを用いてはいたものの、

    先頭分から指定の文字列を抜き出すために、記事の構成によってはうまく機能しませんでした。

     

     

    そこで、ディープラーニングを用いた自動要約ツールを新たに設計、導入しました。

    「重要な単語を含む文」、「文頭・文末に近い文」「多くの分と類似する文」を重要とみなし、

     

    接続語についても、「すなわち」、「つまり」で始まる文は加点、

    「たとえば」で始まる分は減点というように重要項目中質の指標を設定し、重要項目を抽出しています。

     

    これにより記事の構成上、重要文が記事の中程、文末にあっても要素を抽出することが可能にしました。

     

     

    さらに従来135分かかっていた要約の時間も、瞬時に終了し、精度向上にも貢献させることができました。

     

     

     

    ディープラーニングを用いたソリューションは以下のようなものがリリースされています。

     

    IBM:IBM Power AI

    ディープラーニングの人気のツール(TensorFlowCaffeChainerなど)

    IBM POWER環境向けにコンパイル・最適化したソフトウェアパッケージで、

    ツールの組み合わせの調整やビルドの煩わしさがなく比較的スムーズに導入を検討できる

     

    日立:画像認識ソリューションサービス

    ディープラーニングソリューション適用のポイントとなる、

    データのクレンジングやフレームワークの選定まで一括で手掛けています。

     

    導入事例も豊富で多彩な分野に納入実績があります。

     

     

     

     3.さいごに

    今回は最新の事例を元に、具体的なAIソリューションをご紹介してまいりました。

     

    AIはまだまだ途上の技術であり、今後ますます活躍が期待されています。

     

    AIには前段階、より単純な概念としてRPAがあります。

     

    まずは、こちらを単純作業に導入して効果の程を実感し、AI導入の足掛かりとしてみてはいかがでしょうか。

     

     

     

     

     

    【RPAは強い味方】士業こそRPAを活用しよう!

    2019.02.07

    AIにより10年後になくなる職業ランキングなるものが繰り返し報道、SNSシェアされています。

     

    しかし、日本のほとんどを占める中小零細企業の社長さんが、

    そもそもITリテラシーが低く、いまだにガラケーで電話のコミュニケーションしか取らないと言っている中、

    そんな社長さんを相手にする士業がAIにリプレイスメントされるとは、私は思いません

    (社長もどんどん若返っているという意見もあると思いますが、

    私の周りの40代社長の多くはいまだにオールドファッション側にいます。

    と、いうことは20年後くらいまで中小零細企業の社長はITオンチだと思います。)

     

    AIを云々言うのは時期尚早かもしれませんが、RPAとなると話は別です。

    私は、RPAこそ士業にマッチするテクノロジーだと考えています。

     

    税理士の仕事を例に少しシミュレーションしてみましょう。

    業界の方からすると「そんなことは分かっている」と言われそうですが、

    あえて他の業界の方にも分かるよう、少し初歩的なことから。

     

    税理士の仕事において、最もミニマムなのは顧問として、決算申告書を作成し税務署に申告を行うことです。

    顧問料として、23万円毎月、決算時期には会社の規模にもよるでしょうが、

    30万円程の作業料を取るというのが一社当たりの売上です。

    まあ最近はWEB使ったお客さんの獲得なども盛んな為、

    顧問料はどんどん安くなっていっている傾向があるようですね。

     

    そこに記帳代行や給与計算、振込入力などの毎月のルーチン業務のアウトソーシングが加わり

    プラス5万、10万と月々の一社当たりの売上が増えていく構造です。

     

    ただ、このアウトソーシング業務は、税理士事務所によって捉え方が違うようで、

    大きく3つに分かれるようなイメージです。

     

     

    まず一つ目、出来るだけ顧問料だけでやっていきたい税理士事務所。

     

    古くからある所長が高齢化している事務所はこのタイプが多いですね。面倒はしたくない。

    街に必ず存在する管理物件の管理費だけで存続できるから

    無駄なことをしたくない超ヒマそうな不動産屋さんと同じ原理ですね。

    わざわざバイト雇ってアウトソーシングするにも、その管理も大変だし。

    税理士法人化してない個人事務所の場合がほとんどですね。

    まあ彼らは、そもそも成長しようという意欲がないので、あまり新技術の導入にもピンとこないでしょう。

     

    残りの二つは、どちらもこれから成長しようという意欲的な税理士さん。

    まずはコンサル志向。出来るだけ付加価値の高いサービスを提供したいという税理士法人。

     

    コンサルティングとは、月次決算からの、それをベースにした資金繰り、

    また事業成長の為の投資余力や、CF経営の意識づけなど、

    クラアント企業がそこそこ大きくなってきて、社長が本気で経営したいという意識が芽生えてきてからのお手伝いです。

     

    彼らにとっての一番の悩みはアウトソーシングの処理。

    まずこれから成長しようという税理士は独立したばかりの方が多く、

    クライアント企業も新規創業をとっていかざるを得ません。

    そうすると、クライアント側に経理などいるはずもなく、勢い全て税理士事務所へ丸投げという状態になります

     

    社長が何も考えずに使った訳のからない領収書、くしゃくしゃの請求書などが渾然一体と封筒に入れられ送られてく。

    それを一つずつ社長に確認するが、適当に処理しておいてよという返事。

    理想としていたコンサルティング業務からは程遠い作業に追われ、貴重な時間の90%は消えて行く。

    コンサルティングやその為の自分の勉強に割ける時間はほとんど無いのが実情です。

     

     

    最後が、この面倒なアウトソーシングを全て取っていこうという意欲的な税理士法人。

     

    多くは顧問をメインとする税理士法人に加え、記帳代行や振込入力のBPOを別法人として独立させていたりします。

    記帳代行、給与計算、振込入力、請求書発行、たくさんある経理業務も、その全ては恐ろしいほどの単純作業です。

     

    必然的に規模の経済がものをいう世界。どんどんお客さんを獲得し、

    どんどん仕事まわしていこうと考えるも、そこで壁にあたってしまうのが、「人不足」。

     

    営業力はまだまだあるのに、人手不足で新規の仕事を全て断っている

    という話を何人かのBPOに意欲的な税理士法人から聞きましたが、

     

    まさにここが本記事におけるメインターゲット

    RPAにより大きく飛躍できる士業だと思います。

     

    そもそも士業の先生は、ITリテラシーがそれほど高くない。

    これは、致し方ないことであって、

    文系の最高分野である士(サムライ)業にとって、自身の分野の知識はまさに剣

    昔のサムライが商いを忌避したように、分野以外の知識がなくともこれまで成り立ってきたのだと思います。

     

    そんな先生たちにAIというと、自分の仕事を奪うかもしれない不穏な奴と思われるかもしれません。

    ですが、RPAは違うんです。

     

    RPAこそ、先生たちの強い味方。

     

    AIと違って何にも考えないですが、真面目に単純作業を淡々とこなしてくれる可愛い奴なんです。

     

     

    じゃあ、RPAで何ができるのか?

    当社で開発した「クラウドRPA鉄腕経理」の紹介を兼ねて、お教えしましょう。

     

    クラウドRPA鉄腕経理」は、記帳代行と振込入力の二つを行います。

    (現在、給与計算や請求書発行など他のサービスも開発検討中ですが、

    まずはメジャーなこの二つからローンチしました。)

     

    記帳代行機能は、RPAが銀行のシステムから通帳データを自動で取得し会計システムへ入力していきます。

    また領収書はデータ化(例えばエクセル)された状態から自動でデータを取得し、自動で会計システムへ入力していきます。

     

    他、クレジットカードならば信販会社のシステムへ自動で入りデータを抽出し会計ソフトへ入力するなど、

    パソコン内で完結する作業はブラウザでもメーラーでもオフィスでも各種システムでも

    横断的にロボットが自由自在にデータを入手、入力できるのです。

     

    そして、振込入力機能は、この会計システムに入ったデータを

    自動的に銀行システムへ振込入力していき、承認の手前まで終えて承認確認をするという機能

     

    これらの機能でどれだけ業務削減できるのか?

    企業によって入力の量なども変わりますし一概には言えません。

     

    ただ、当社の方で税理士法人の中心的なクライアントである13億円程度の中小企業をベースに試算したところ、

    だいたい記帳代行が1日程度、振込入力が2日程度の作業量削減となりました。

    経理担当者が3日程度楽になる試算ですね。

     

    これが多いか少ないか、一企業にとってはたったの3日?となるかもしれません。

    しかし、BPO100とか300社とかやっている会計法人にとっては、100社×3人日、

    300社×3人日です。その業務削減効果は小さくはありません

     

    またコスト削減効果以上に、このタイミングで業務を標準化し、

    RPAによって自動化することの将来的な意味は計り知れません。

    新規の業務を何の憂いもなく営業できるトップの安心は、

    成長を目指す意欲的な税理士さんにとって最も大切なことでしょう。

     

    当社では、この「クラウドRPA鉄腕経理導入費無料で税理士法人へ導入してもらっています。

    実は、このRPA、導入が一番大変なんです。

    導入の際の各種データの標準化、各社ごとの設定が一番の手間となり、

    導入するのに数百万円の投資が必要という事も多くあります。何事も良い事ばかりではないですね。

     

    しかし、当社では月々の一社当たりの御社アウトソーシング料の中から、

    いくばくかを毎月の払っていただくだけで、初期投資ゼロ円のRPA導入を実現しました。

     

     

     

    これからのテクノロジー社会、士業にとっての良質なテクノロジーパートナーでありたいと願って。

     

     

     

    【人材不足への一手】AI×接客業でホスピタリティを創出できるか?~小売業編~

    2019.02.06

    目次

    1. はじめに
    2. 接客業×AIの難しさ
    3. 小売業におけるAI活用事例
    4. さいごに

     

     

     

     

    1. はじめに

    近年、労働人口の減少に伴い、急速に人手不足が進行しているのが接客業です。

     

    実際、東京都における有効求人倍率(201711月時点)を職業別に見ると、

    「サービス(接客・給仕)」は8.98倍と群を抜いて高く、全職業の1.8倍を大幅に上回っている現状があります。

     

     

    また、最低賃金の上昇に伴いオペレーションコストが急増。

     

     

    そのため、

     

    少ない人数でシフトを回す⇒一人あたりの業務負担増

    ⇒労働環境の悪化⇒雇用の安定化につながらない⇒採用活動が思うように進まない

     

    といった負の連鎖を引き起こしています。

     

     

     

    こうした背景から、政府の推し進める「働き方改革」も、接客業の最前線に立つ現場スタッフにとっては、

    他人事のように感じてしまうことも多いのではないでしょうか。

     

     

     

    今回は、接客業の業務効率化や労働環境の改善に寄与するべく開発された

    接客業向けAI技術」を利活用した事例を基に、今後の接客業動向を探っていきたいと思います。

     

     

     

     

    2.接客業×AIの難しさ

    こと接客業において、人が人に対して行うサービスは多岐に渡り、

    AI技術で賄うにはまだ十分技術革新が進んでいるとは言い難いです。

     

     

    • 一人ひとりの顧客に合わせたサービスの提案・提供
    • 肌理細やかな気遣いによるホスピタリティあふれるサービスの実践
    • 一問一答でないオープンエンドの問い合わせ対応
    • 「人」だけが持っているぬくもりあるサービス、コミュニケーションの実現

     

     

    ……などなど、現状超えるべき課題は多々あります。

     

     

     

    もちろん上記すべてをAIで代替してしまうのは、人同士のコミュニケーションを奪ってしまうことにほかならず、

    接客業の本来の良さが失われてしまいます。

     

     

    AIの求められるのは、「人が行わなくても特段不都合がなく業務負荷が重い業務」を代替し、

    その分人が新たなサービスを創出し、より顧客一人ひとりに寄り添ったサービスに

    シフトできるようにするといった柔軟性の高い機能なのではないでしょうか。

     

     

     

     

     

    3.小売業におけるAI活用事例

    ここからは実際に接客業の最前線に取り入れられているAI技術について、個別の事例を交えてご紹介します。

     

    今回は、特に小売業にスポットを当てていきたいと思います。

     

     

    【発注システム】

    コンビニ大手・ローソンの全店舗で2017年から導入されている「セミオート発注システム」は、

    過去の販売実績やその日の天候などを考慮。

     

    そこから導き出される最適な商品数をAIが算出し、ボタン一つで発注できるシステムです。

     

     

    こういった店舗での発注は、経験に依るところが大きく、それゆえアルバイトに権限委譲することができず、

    社員が休日出勤をしたり、残業をしたりして販売動向分析、インベントリー、

    販売戦略まで行い対応することが多いようです。

     

     

    そこでローソンでは、弁当など約400品の発注をセミオートに切り換えました。

     

    従来オーナーや店長が売れ行きに応じ、商品ごとに発注していた時間を短縮することに成功。

     

     

    また、操作が分かり易く、特別な分析や経験に依る判断を要さなくなったため、

    アルバイトに業務を任せることにも成功したといいます。

     

     

     

    【AIボットによる購買アシスタント】

    ユニクロでは、公式アプリ上でAIを活用したチャット自動応答システム(チャットボット)

    UNIQLO IQ」を今年導入しました。

     

     

    ユーザーからの音声による問い合わせ内容に応じて、AIが回答を自動で返す仕組みで、

    店舗の在庫状況の確認、オンラインストアでの購入、

    よくあるお問い合わせの確認やカスタマーセンターへの相談といった、買い物の一連の流れをサポート。

     

     

    また、「旅行」「オフィス」「女子会」「お花見」「デート」といったシーン別のコーディネート提案や、

    「着やせする」「二の腕をカバー」「紫外線対策」「透けない」「雨」などに対応する商品検索ができるほか、

     

    48時間以内の売上げランキングや、星占いによるラッキーカラー商品の提案

    雑誌掲載アイテムの提案なども備えており、新しいショッピング体験のカタチを提唱しています。

     

     

    こういった取り組みは、カスタマーセンターの業務削減や24時間即時対応、

    販売機会ロスの削減などの業務改善にもつながるため、ユニクロはオンラインチャネルでの販売拡充に注力しています。

     

    顧客の問い合わせにAIがネット上で自動応答する「チャットボット」の活用は、

    人手不足に対抗し店舗とネットを融合させる動きに合わせて活用が広がっており、

    以前より導入費用が安価に抑えられたサービスも登場してきました。

     

     

     

    【AI接客システム】

    ティファナ・ドットコムがサービスを提供するAI接客システム「AIさくらさん」。

     

    多言語対応可能な音声会話による接客、コールセンター業務の代替に加え、顧客行動追跡、ビッグデータ解析、

    決済連携機能など、接客業の業務効率化に特化した近年導入が進んでいるAIソリューションサービスです。

     

     

    大手ショッピングモール「イオンモール」は、地方立地の9店舗に「さくらさん」を導入。

     

    対話型案内システムとして、デジタルサイネージを使用した施設案内情報の発信を行っています。

    利用客の問いかけに応じて、おすすめやキャンペーンなども通知し、

    自動発話によって能動的な接客を行うことで利便性、サービス向上に活用されています。

     

     

    寝具メーカーの西川では、Webサイト上でお客様からの様々な問い合わせに対して、

    24時間365日リアルタイムで回答するコンシェルジュサービスとして導入。

     

     

    それまでお客様相談室宛に届いていた電話やメールの対応を軽減するとともに、

    土日祝日も対応が可能となるため、顧客満足度向上にも繋がったといいます。

     

     

    また、問い合わせの内容に関する様々なデータを蓄積することで、

    どういう属性の顧客がどんな問い合わせをしているのか、目的別に類型化・ライブラリ化して学習することで、

    精度の向上とサービス改善に役立てています。

     

     

    同様に、すかいらーくグループでもWebサイトの利便性向上・顧客満足度向上を目的としてコンシェルジュサービスを導入。

     

    また、スタッフがコミュニケーションをとるタブレット端末には、

    社内ナレッジ共有や従業員スキルの向上に役立てられている「会社の生き字引機能」を搭載。

     

    音声によるマニュアル再生や業務の引継ぎ業務パッケージ化を行い、スムーズな業務遂行を可能にしています。

     

     

     

    4. さいごに

    少子高齢化による人材不足のあおりを、他の業界より強く受ける小売業界。

     

    顧客に寄り添ったサービスが肝心要のため、

    ロボットやAIですべての業務を代替できるような画一的なソリューションは、未だ登場していないのが現状です。

     

     

    ただ、今後間違いなく伸長する分野であることは明白で、いずれAIでの接客が当たり前の時代がやってくるでしょう。

     

     

    いざその時代がやってきたときに、同業他社に出遅れたりアレルギーを起こしたりしないように、

    今の段階で一部業務を代替するなどしてある程度親しんでおく必要があるのではないでしょうか。

     

     

    AIの前段階のソリューションとして存在するのが、RPA(ロボティック・プロセス・オートメーション)です。

     

     

    RPAは、定型業務を自動で処理するロボット機能であり、

    AIよりも多くの企業の経理・人事・総務といったバックグラウンド業務に活用されています。

     

     

    導入もAIソリューションよりも低予算・短期で行うことが可能なため、

    AI導入の前段階として非常に有用なツールであるといえます。

     

    利用者と直接向き合うAIと、バックグラウンドで提携業務をドライブするRPAによる業務効率化の恩恵は、

    利用者にとっても新たなサービス、快適性の向上といった点で顕れることが期待できます。

     

     

     

     

     

    RPA開発における業務定義(初心者向け) ~「ロボット」思考のロジック~

    2019.02.05

     

    言うまでもなく、どんな企業にとってもRPAを導入するには、

    まず「どんな業務をRPA化する」のかを明確にしなければならない。

     

    つまり、RPA対象業務の選定だ。

     

    RPAが得意なものとして、

    パソコンを使った「大量重複している作業」と「ルールが明確している作業」というものがある。

     

     

    では、企業の中にこの二つの特徴のある作業を洗い出し、

    その業務フローも明確化したらRPA開発が先に進められるようになるのか?

    もちろんそういうわけではない。

     

     

    ざっくりのプロセスを言うと、まずRPA化対象業務を選定する。

     

    その次が対象業務をマニュアル化する。

     

    開発にはいる前に、その三番目が開発ではなくマニュアル化された業務をRPAのロジックで「定義をする」ことにある。

     

     

    何故かというと、RPAはあくまで「ロボット」であり、人間との思考ロジックが全く違うことになる。

    RPA開発がうまく行くように、RPAのロジックに合わせて業務を「定義」しなければならない

     

     

     

    今回のコラムではこの「業務定義」プロセスの事例をいくつかを紹介しながら、

    その注意点を説明していく。

     

     

     

     

    ◆エクセルファイルの処理について

    RPAといったら、エクセルファイルの操作などが絶対出てくる話だ。

    人間の操作を真似し、素早く大量なデータ処理ができるというイメージが多くの人がしている。

    もちろん、これは間違いない。

     

     

    ただし、RPAがエクセルを操作するときは人間と比べて、少し異なるところがある。

     

     

     

    以下の例を見てみよう。

     

     

     

    上記の表は某ECサイト運営会社A社のRPA導入プロジェクトで出た一例だ。

     

    本業務の内容としては、毎日スタッフが社内システムに「Code」を発行申請し、

    その後発行されたCodeを上記表1フォーマットのエクセルファイルに貼り付ける。

     

    このエクセルファイルをもとに、別の業務が色々と行われるが、ここでは議論しない。

     

    ここで説明したいのはRPAがどのようなロジックでこのファイルを読み取るかというところだ。

     

     

    まず、この業務にかんして、人間が行う場合はまずエクセルファイルを開き、

    Code」列を見て、最初に空欄になっている行に基づいて作業を行う。

     

    1から言うと、黄色で塗りつぶされているセルになる。

     

    そして、この行を見つたら、

    Start date」、「End date」と「配信日付」(実務上、配信日付はRPA稼働日付とは異なる)

    の情報を使ってシステムにログインし、「Code」を申し込み。

     

    その後、発行されたCodeをコピーに、黄色セルに貼り付けて完了する。

     

     

     

    しかし、RPAが行う場合プロセスは人間と異なる。

    RPA開発ソフトによって少し違うかもしれないが、

    だいたいのRPAはまず処理しやすくするためにこのエクセルファイルを丸々メモリーに読み取る。

     

    その後、「Code」列が空欄になっているかを一行一行見ていく。

     

    もちろん、何行目から始めるかについてRPAが全く分からないので、一行目からみていく。

    1から見ると、6行目で空欄が出るので、

    たいしたことないに見えるかもしれないが、そうではない。

     

     

    1は元ファイルの一部を切り取ったことに過ぎなく、実際のエクセルファイルは数万行以上ある。

    この場合少し厄介なことになる。

    なぜなら、毎回数万行以上のデータを一行一行処理した後に、

    空欄行にたどり着くので、無駄な時間が発生する。

     

    また、空欄ではなくても、

    「○○につき、作業中止」という何らかの原因でその日業務は行わないということもある。

     

     

    すると、RPAはまず空欄かどうかを判断し、

    もし空欄ではなかったらさらにその内容は「作業中止」が含まれているかも判断しなければならない。

     

    しかも、全ての行に対して同じ処理をすることになる。

    RPA24時間働くとはいえ、この24時間が上限になる。

     

     

     

    普通RPA導入するには、高額なRPAソフトのライセンスを購入しなければならない。

    大事なライセンスをこの無駄な作業に使うと少々もったいないかもしれないので、

    より有効利用するために、方法を変えないといけない。

     

     

     

    では、このプロセスにおいて、人間とRPAは果たしてどこか違うのか?

     

    RPAは機械なので、「最初に空欄になっている行」という条件だけでは、普通上記のプロセスになる。

     

     

    人間の場合、作業員が毎日やっていると、

    「何となくこの辺りじゃないか」という情報は頭に残っているため、探すときは極めて速い。

     

    要するに「目標行の情報」の有り無しに違いがある。

    そうすると、RPAにも似たような情報を与えると空欄セルにたどり着く時間が短縮できる。

     

     

    A社は二つの方法を検討していた。

     

     

     

    まず、表2のように「RPA稼働日」という列を先に作って、RPAに読み込ませる。

    RPA稼働日は「本日の日付」と結びつけ、RPAがこのエクセルファイルを読み取ると、

    日付を見て目標行を探せばよい。

     

    ただし、これでも、理論上RPAが「RPA稼働日」列のセルを一つ一つ見て、対象の日付を特定する。

     

    根本的にいうとさほど変わらないので、二つ目の案が出てきた。

     

     

     

    表3のように、最初に一行を追加し、「目標行」の情報をあらかじめ記入する。

     

    RPAが稼働し始めたらまずエクセルファイルを読み込んで、

    その後すぐ目標行の情報が記入されているセルのデータを込み込む。

     

    表3からいうと「4」になる。

     

    その後すぐ4行目の情報に基づいて作業を行う。

    このセルは固定される(例えばB2など)ため、RPAがすぐ特定できる。

    すると、たとえ表が何万行あっても一行一行を処理していく必要がない。

     

    作業が毎日行うため、翌日RPAが稼働時「目標行」のデータがずれないように、

    作業が終わってエクセルファイルを閉じる前に目標行データに「1」を加算する。

     

    つまり、翌日開くと、このセルは「5」になる。これで処理時間を短縮することができる。

     

     

     

     

    ◆メール受信チェックについて

    メールを送信受信関連の処理はエクセルと同じく、RPA化で良く検討される業務だ。

     

    例えば同じくA社はメールの受信と分類業務をRPA化検討している。

     

    内容としては、特定なメールアドレス宛に送信されてくるメールを件名や添付ファイルの種類に基づいて

    分類をし、それぞれ特定なフォルダーにOutlookmsgファイルのバックアップを作成する。

     

    メールソフトは当然Outlookを使っている。

    そして、これらのmsgファイルはまた別の業務に使われる。

     

     

    今まで従業員一人が毎日この作業を行っていたが、この単純作業から解放するために、

    色々と検討した結果、RPAが最適だと判断した。

     

     

     

    RPA化するにはいくつかの問題が残っていた。

    まず、A社が使われるRPAソフトはメールの「未読」と「既読」判断は出来なかった。

     

    通常人間が作業を行う場合は毎日対象アドレスの未読メールを見て、

    条件に満たしていれば、該当のフォルダーに保存するという流れだが、

    「未読」が分からないRPAにとっては少々難しい。

     

    RPAができるのはOutlookの「受信」フォルダーにあるすべてのメールを全部取り込み、

    そして一通一通どの条件に満たすかをチェックする。

    そうすると、毎回このフォルダーにある過去のメールも全部チェックし、作業が重複さてれしまう。

     

    そこで解決策として、RPAが一通のメールをチェック終わったら、

    このメールを別のフォルダーに移動するように設計する。

     

    具体的にいうと、

    Outlookの対象メールアカウントに「受信」フォルダー以外に「チェック済」フォルダーを作成する。

     

    RPAがチェック終わったメールをこのフォルダーに移動するように設定する。

     

    そして、毎日RPAが「受信」フォルダーがからになるまで動作をする。

     

    結果は毎回RPAが稼働するとき「受信」フォルダーに未読のメールしか存在しないことになる。

     

    また、細かいところを言うと、

    たまにRPAが読み取れないメールや分類不能のメールもあったりするが、

    これらも対応できるようにロジックをあらかじめ組めないといけない。

     

    いわゆる「イレギュラー」の対応だが、ロジックも同じだ。

     

    例えば、もう一つ「イレギュラー」フォルダーを作って、

    読み取れなかったメールをこのフォルダーに格納し、

    RPAが実行終わったら従業員がチェックしに行く方法もある。

     

     

     

     

    ◆まとめ

    今回が紹介したことは基礎的な話だが、実際業務定義段階で結構ある話だ。

     

    これらの問題を事前にできる限り考慮した上でRPA開発をすれば、

    開発時間の短縮とRPA実行効率向上の一石二鳥になる。

     

    もちろん、今回紹介した二つの例はRPAソフトによってかなり変わるかもしれないが、

    このような考え方があると読者のヒントになれれば幸いである。

     

     

     

     

    プレスリリース記事をRPAを用いて自動化(株式会社ディップ)

    2019.02.04

     

     

     

    株式会社ディップ(本社:東京都港区、代表取締役社長:富田 英輝、以下ディップ)は日本初の人工知能専門メディア「AINOW」のサイト上にてプレスリリース記事の自動化をRPAソリューションを用いて可能にしました。

     

    「AINOW」は三万件以上のAIに関する記事を配信しているキュレーションメディアで、様々な記事と共にプレスリリースも日々配信しています。

     

    今回焦点が当たるのがこのプレスリリースの部分です。

     

    プレスリリースとは自身のプロダクトをメディアを通して、多く知ってもらうための文章のことです。

    報道機関に対して新情報や新商品を発表することで、多くの消費者の目に触れる機会が増え、興味を持ってもらえることが多くなります。

     

    また、近年では紙媒体だけではなくWEBメディアにも焦点が当たって、自身のプロダクトを宣伝する機会も増えています。

     

     

    近年、ディップではRPA導入を促進しており、以前RPA-BIZ内の記事でも掲載しましたSaaS型のRPAツール「Robotic Crowd」を導入、出資しています。

     

     

    以前紹介した、「Robotic Crowd」に関する記事は以下からご覧ください。

    「Robotic Crowd」を開発した株式会社チュートリアルにインタビューしました!

     

     

    RPA導入に前向きであるディップは、今回自身の運営するキュレーションメディアである「AINOW」でもRPAを導入しました。

     

    従来のプレスリリースの掲載方法は、メールや専用フォームで受信した内容を編集者が自身の目で確認した後、記事化し、公開していました。

    今回ディップは、受信した内容を確認し、記事化するまでの流れをRPAによって自動化することに成功しました。

     

     

    これにより、編集部の人間が行うことは最終確認のみになり、従来30分かかっていた業務が5分で可能になりました。

     

    さらに、社内業務の構造化にもつながっており、不透明だった業務の見える化にも繋がっています。

     

     

     

    参考記事:日本初!RPAでプレスリリース記事を自動作成 記事作成時間の8割削減を実現

     

     

     

     

    RPA導入後のコア業務へのシフト ~管理会計の導入~

    2019.02.01

     

     

    経理業務を行っている方はルーティンワークにかける時間が多くて、企業にとって付加価値の高い業務を行うことがままならない方も多いと思います。

     

    経理業務に充てる時間が減るということは、その削減できた時間で付加価値の高いコア業務を行うことが可能になります。

     

     

    RPAはデータの入力や出力といった単純作業においては、圧倒的に人間より正確に、早く作業を行います

     

    経理の場合はデータのチェックや、入力、出力といった作業が多い傾向にあるので、その作業量が多ければ多いほど人間より早く処理を完了することができます。

     

    経理におけるRPA導入目的は以下に分類することができます。

     

    • 経営資源(経理人材)をコア業務に集中
    • コスト削減、業務プロセスの標準化、改善
    • 社員の退職、部門異動リスクに対する業務継続性の確保(属人化をなくす)

     

     

     

     

    1.経営資源(経理人材)のコア業務への投入


     

    RPAを導入する企業の多くが重要視していることは、導入によって経営資源をコア業務に集中させることです。

     

    コア業務を極めていくことで他社との競争に打ち勝つことに注力し、他社でもできるノンコア業務はRPAに任せ、その分で空いた人材等の経営資源をコア業務に投入することになります。

     

    経理部門で考えた場合、具体的にはノンコア業務に関わっている経理の人材を経理部門のコア業務に振り向けるようにします。

     

     

     

    経理部門において何がコア業務で、何がノンコア業務になるのでしょうか。

     

    会社の規模やステージによって、位置づけは異なってくると思いますが、概ね次のように区分できます。

     

    (コア業務)

    • 予算管理
    • 管理会計、原価計算の設計
    • 投資戦略、再編戦略策定

    →未来の数字に関する業務はコア業務としてノウハウを蓄積する

     

    (ノンコア業務)

    • 帳簿作成
    • 決算、税務処理
    • 請求書発行等の販売管理
    • 支払管理
    • 経費精算 など

    →過去の数字の整理に関する業務はノンコア業務としてRPAを積極的に取り入れる。

     

     

     

    2.管理会計の導入


     

    ここからは経理部門・経営企画部門におけるコア業務の一つである管理会計について記載します。

     

     

    (1)会計の種類

    企業会計は、会計情報を主として誰のために作成し報告するのか、つまり何の目的で会計を利用するのかによって財務会計・税務会計・管理会計の3つのタイプに分類されます。

     

    (財務会計)

    財務会計とは、株主や銀行、債権者など外部の利害関係者に対して、会社の財務状態・経営成績を正しく報告することを目的とした会計です。

    特に上場企業については、一般投資家が存在することもあり、会計基準などで厳しくルールが定められています。

    賞与引当金、退職給付引当金、資産除去債務、税効果会計も適用しなければなりません。

     

    (税務会計)

    税務会計とは、税金計算を目的とした会計です。

    税金を正しく計算するための会計であり、税金計算上、必要な処理は網羅されています。

    一方、税金計算に関係しないものについては、会計処理がなされていないものも存在します。

    税金計算上、賞与引当金、退職給付引当金などは費用にならないため、税務会計では計上しないケースも多く見られます。

     

    (管理会計)

    管理会計は、財務会計のような外部向けの会計ではなく、内部での業績管理、意思決定に使用することを目的とし、企業活動を円滑に進めるために必要となる会計のことです。

    管理会計は社内向けの会計であるため、厳格なルールや制限はなく、会社ごとに独自のレポート形式を用いるケースが多いです。

    「限界利益率はどうか」、「資金調達のタイミングはいつか」、「事業別、商品別の収益性がどうか」など、管理会計の情報は企業の経営者が経営方針を決める上でとても重要な判断材料となります。

     

    また、組織内部の業績測定、業績評価や人事評価などにも役立てられるため、企業活動において非常に重要な意味をもつと言えます。

    会計の種類をまとめると図1のようになります。

     

     

     

     

    (2)価格戦略、値下げの経営判断

    10%値下げしたら販売量はどうなるのか?

     

    販売促進のため、販売価格を10%値下げしたとします。

    販売量が変わらなければ利益は当然減少します。

     

    それでは、販売量が何%増加すれば値下げ前の利益と同じになるでしょうか。

     

    管理会計では、その答えが見えてきます。

    売価等の前提は、図2のとおりです。

     

     

     

    管理会計では、すべての費用を変動費(売上の増減に応じて、増減する費用)と固定費(売上の増減に関係なく一定金額の費用)に分けます。

     

    変動費と固定費に分けることにより、販売量の必要増加割合が計算できるようになります。

     

    財務会計・税務会計では、費用は、売上原価と販管費という区分で分けられるのみであるため販売量の必要増加割合ができません。

     

    必要増加割合は以下の計算で求めることができます。

     

     

     

     

    10%の値下げを行った場合、33%(500)販売量を増加させる必要があります。

     

    10%値下げを行ったからと言って販売量も10%増やせばいいということにはなりません。

     

    同様に20%値下げした場合は、3,000個の販売が必要になりますので、販売量は2倍になります。

     

     

    ここで重要なのは、販売促進(利益を増加)のための値下げが販売量に与えるインパクトがいかに大きいかということです。

     

    このように管理会計は、経営意思決定をするために非常に重要な意味を持っています。

     

     

     

    (3)撤退すべき部門の経営判断

    財務会計・税務会計の損益計算書だけでは判断がつきにくい、撤退すべき部門の経営判断にも管理会計は役に立ちます。

    3は部門A、部門B、部門Cをもつ会社の損益計算書です。

     

     

     

    財務会計ベースの損益計算書のままだと、撤退すべき部門の判断がつかないため、図4のとおり損益計算書を部門別に整理します。

     

     

    4を見ると、部門Cの営業利益がマイナスであり、撤退すれば損失が減少するため、部門Cを撤退するという経営判断になりそうです。その判断は本当に正しいのでしょうか。

     

     

    財務会計だけでは判断できないことが管理会計で判断できるようになります。

     

    5は、部門別損益計算書を、部門Cを撤退させ、管理会計の様式に組み替えたものになります。

     

     

     

    5のとおり、部門Cを撤退することにより、全社の営業利益が△15になってしまいます。

    撤退には将来の見通し、外部環境、内部環境など複合的な事象を基に判断することになりますが、短期的な管理会計ベースでは、部門Cを撤退させない方が全社の利益は残ることになります。

     

     

    なぜそのような結果になるかといいますと、各部門の利益合計が共通固定費(本社経費)を上回っている状態であるからです。

    部門利益が共通固定費を回収するエンジンになっている状態です。

    6はその状態を表したものになります。

     

     

     

     

    (4)業績評価のための部門別損益計算書

    部門の業績評価では売上高に重点が置かれることが多いが、利益が残らないことには会社は存続できないため利益にも重点を置き予算策定や業績評価を行うことが望ましいと考えます。

     

    財務会計における、営業利益には、部門で管理できない費用も含まれているため部門で管理できる費用とそれ以外を区分し、管理可能利益や部門利益を計算する必要があります。

     

    それぞれの利益を区分した損益計算書が図7のようになります。

     

     

     

    ここで重要なことは、部門の評価と部門長の評価は違うということです。

     

    部門の評価とは組織上の評価です。

    組織上の評価とは、その部門という一組織が会社という組織全体の経済性に、どれだけ貢献しているかを評価することです。

     

     

    一方、部門長の評価とは、部門長の管理能力を評価することです。

    管理可能利益が部門長の評価となることで、売上高のみならず、管理可能利益を最大化するため管理可能個別固定費についても、部門長自身が考えるきっかけになります。

    コスト意識の向上にもつながります。

     

     

    部門の評価は組織の経済性の評価ですので、評価対象は部門個別の利益であり、評価方法は他部門との相対評価が基本です。

    それに対して部門長の評価は人の管理能力であり、評価対象はその人にとって管理可能な利益でなければなりません。

     

    これがフェアな評価になります。

     

    評価方法は予算達成率です。

     

     

     

     

     

    topへ
    © RPA.biz