HR

A社の人事部門に勤務するSidneyさん

人事データをもとに、
新しい人事基準を策定したいと考えていました。

HEARTCOUNTを活用して、
彼は採用データと新入社員のパフォーマンスデータを分析しました。
高い成果を上げるグループの特徴を特定することで、
Sidneyさんは新しい採用基準を策定しました。

また、勤続期間を最適化できるルールを発見し、
平均勤続期間を40%上昇させることができました。

研究所

A研究所で毎月顧客企業にアンケートレポートを
配信しなければならないDerickさん

アンケート結果を単純に要約してまとめることはできましたが、
データ分析ツールや専門家がいないため、
顧客が必要なインサイトやパターンを
見つけるのに苦労していました。

HEARTCOUNTで、顧客が望むあらゆる可視化タイプを簡単に作成でき、
レポート作成の時間を短縮しました。
分析手法などは事前に学ばなくても、回帰分析やディシジョンツリーといった
機械学習の分析結果を自然言語で確認できるため、
統計の専門家でなくても、簡単に信頼性の高い分析レポートを
提供できるようになりました。

Eコマース/マーケティング

Aサービスのマーケティング担当のEmmaさん

広告やキャンペーンを進めれば進めるほど
データは蓄積されますが、
分析・活用する能力が不足していて困っていました。

同僚の勧めでHEARTCOUNTを使ってみたところ、
メールやデジタル広告などの各キャンペーンが主要KPI（CVなど）にどの
ような影響を与えたのかを、自動分析結果から簡単に把握できました。
また、商品購入率を最大化するためのルールも自動的に提示してくれるので、
キャンペーン企画の参考になりました。

さらに、可視化するためのグラフも自動的に生成されるため、
これまで資料作成に費やしていた時間を、
施策を考えるために充てられるようになった点にも非常に満足しています。

金融・保険

A保険会社の補償業務部門に勤務するKaiさん

補償業務の最適化にデータを活用し始めました。
ダッシュボードで主要KPIの推移は把握できましたが、それ以上のインサイトは得られませんでした。

ダッシュボードに加え、高度な分析機能を持つHEARTCOUNT ABIを活用した結果、
保険金が適切に支払われたか、異常に多く支出された時点を分析し、
特異な補償案件を発見できました。

教育機関

A大学のビッグデータセンターに勤務しているLoganさん

データの民主化を望んでいましたが、
データが各部署で分散管理されており、
分析に不慣れな教職員が多いなど、
様々な課題を抱えていました。

HEARTCOUNTチームと協力して、
学生のライフサイクル（入学から就職まで）のデータを統合し、
すべての教職員が現状を把握し、
簡単にデータ分析ができるようになりました。
その結果、学生の大学生活全般を継続的に分析することで、
学生のタイプに合った授業や活動を提供するための基準を
作るための基盤を整えることができました。

飲食業・サービス業

グローバル外食業のフランチャイズ運営部門で働いているHazelさん

従業員の離職率と店舗別純利益の
指標が継続的に悪化しており、
全世界の同規模の国と比較しても非常に低い数値でした。

特に、従業員や老朽化した設備への投資と財務指標の間に明確な関係が証明できず、
従業員の教育や設備投資に関する意思決定が難しい状況でした。

これまで各部門ごとに別々に見ていた指標を、
HEARTCOUNTを使ってすべて組み合わせて分析しました。
その結果、離職率と店舗の一人当たりの生産性、
顧客満足度との間に明確な相関関係があること、
宅配販売の増加がむしろ利益率に悪影響を及ぼしていること、
そして従業員の満足度が高い店舗の顧客満足度が高いという事実を発見できました。