データから業務を予想

データに業務は染み出している

受注番号の連番に飛びがあれば手入力欠損か別系統入力。納期と実績日の差が大きければ調整プロセスがある。担当者カラムの偏りは権限と属人化を示す。データは、業務を映す鏡として読める。

観察→仮説の対応表

データの「異常」「偏り」「不整合」は、業務の特定パターンを示す。

仮説立案の標準フロー（Claude Code活用）

次の順で実行することで、ASIS業務フローのドラフトを30分で作れる。

• ─① 列名と件数分布の確認（粒度と入力経路を推定）
• ─② 時系列の山谷（業務の周期と例外処理を推定）
• ─③ 主キーの欠損・重複（補正業務の存在を推定）
• ─④ 関連テーブルとの不整合（複数システム並走を推定）
• ─⑤ 担当者・拠点の偏り（属人化／例外ルートを推定）
• ─⑥ ロール×時系列フォーマットでドラフト→確信度を○△×で付記

「確信度」を付ける

データから仮説を立てる以上、確信度は必ず分かれる。「この列名から確実」（○）、「この分布から推測」（△）、「データには出ていないが業務上ありがちなので仮置き」（×）の3段階で付記しておくと、Ph.2ヒアリングで何を聞くべきかが自動的に決まる。

ヒアリング前に「論点」を持ち込む

Ph.1で作ったASIS業務フローは「正解」ではなく「議論のたたき台」。確信度×（仮置き）の論点を3〜5個ピックアップして、ヒアリングの冒頭で「この理解で合っていますか？」と提示する。これだけで、ヒアリングは「現場が一から説明する場」から「すでに仮説がある中で確認する場」に変わる。

Claude Code への指示の出し方

CSV分析を AI 任せにしても良い結果は出ない。次の順序で指示を出すと、AI が業務仮説まで立てやすくなる。

• ─① 列の意味と粒度を読み取らせる（事実）
• ─② 異常な分布・偏り・欠損を列挙させる（観察）
• ─③ 「この分布から推測できる業務フロー上の特徴を3つ挙げて」と指示（仮説）
• ─④ 「ロール×時系列のフォーマットでASIS業務フローを書いて」と指示（成果物）
• ─⑤ 確信度（○△×）を全ステップに付記させる（論点化）

「現場の時間を奪わない」原則

Ph.1を飛ばしてヒアリングに行くと、現場の前で初歩的な質問を連発することになり、信頼を一瞬で失う。データから 70% の業務仮説を作ってからヒアリングに臨むと、現場時間は30分で済む。逆にデータ確認なしで臨むと、同じヒアリングに2時間かかり、しかも追加ヒアリングが要る。Ph.1の準備は、結局のところ全体工数を最小化する。