An Interactive Decision Support Dashboard for Monitoring and Forecasting UAC Care System Operations Using Streamlit and Power BI

技術要約：UACケア・システム運用に向けたインタラクティブな意思決定支援ダッシュボード

問題提起
公共部門のケア・システム、特に非同伴未成年者（UAC）ケア・システムは、日々膨大な量の運用データを生成している。しかし、意思決定者は断片的なレポート、静的なスプレッドシート、および手動による報告に依存していることが多い。このような依存関係は、リソースの制約、バックログ（滞留）、システムの負荷不均衡といった運用上の問題が、危機的な状況に至るまで気づかれないという重大なボトルネックを生み出している。さらに、既存のビジネスインテリジェンス（BI）ソリューションは、記述的なレポート作成を強調する一方で、予測、シナリオ分析、およびデータ品質評価のための統合された機能を欠いていることが多い。この断片化により、マネージャーは複数の切り離されたツールを使用することを余儀なくされ、タイムリーでエビデンスに基づいた意思決定や、プロアクティブな運用計画の策定が妨げられている。

手法
本研究では、「オペレーション・コマンド・センター」として設計された、統合的な意思決定支援システム（DSS）を提案する。そのアーキテクチャは、オープンソース技術と商用BIツールを組み合わせた、軽量かつスケーラブルなスタックを活用している：

1. データ層 (SQLite): 生の運用データは、SQLiteリレーショナルデータベースに格納される。一貫性と効率性を確保するため、データは再利用可能なSQLビュー（例：vw_uac_dashboard_feed、vw_uac_kpi_daily、vw_uac_monthly_summary）に整理されている。これらのビューは、日次報告、KPI追跡、およびデータ品質保証のためにデータを事前集計し、「単一の真実の源泉（Single Source of Truth）」として機能する。
2. データ処理層 (Python): Pythonは中間層として機能し、sqlite3ライブラリを使用してデータを取得し、Pandasを用いて前処理、フィルタリング、および統計分析を行う。この層では、移動平均、バックログの蓄積、退所オフセット比率、および異常検知ロジックを含む複雑な計算を処理する。
3. アプリケーション層 (Streamlit): Streamlitを用いて構築された、インタラクティブなウェブベースのインターフェース。これは、エグゼクティブ・サマリー、オペレーション・モニター、バックログ＆リスク、予測＆アノマリー（異常）、シナリオ・ラボ、およびデータ品質の各機能タブで構成されている。ユーザーは日付範囲、年度、および指標によってフィルタリングすることができ、予測パラメータの調整や、運用シナリオ（例：CBPの移送やHHSの退所数の変動）をシミュレートするためのインタラクティブなスライダーが含まれている。
4. 可視化層 (Streamlit & Power BI):
   • Streamlit: Plotly Expressを使用して、リアルタイムのモニタリングと探索的分析のためのインタラクティブなチャート（折れ線、棒グラフ、積み上げ棒グラフ）およびKPIカードを描画する。
   • Power BI: 同じSQLiteデータベースにODBC経由で接続し、ドリルダウン機能や複数年比較を備えた、高度なエグゼクティブレベルのレポートを提供する。
5. 検証: システムは、内部の一貫性（ツール間でのKPIの一致）、解釈可能性（トレンドの論理的一致）、およびクロスツール間の合意（整合性）を確保するために、反復的なテストが行われた。可視化の前に、欠落した日付、重複、およびルール違反をフラグ立てするために、データ品質ビューが実装された。

主な貢献
本研究は、公共部門のアナリティクス分野において、主に3つの貢献を行う：

• 統合されたアーキテクチャ: SQLite、Python、Streamlit、およびPower BIを組み合わせた統一されたDSSの開発を示し、高価なエンタープライズ・インフラストラクチャを必要とせずに、軽量なオープンソース技術を商用BIツールと効果的に統合できることを証明した。
• 包括的な分析フレームワーク: 本ダッシュボードは、記述的なレポート作成を超え、診断的、予測的、およびシナリオベースの分析を統合している。これには、エグゼクティブ向けKPIモニタリング、運用トレンド分析、バックログ評価、異常検知、予測、およびデータ品質検証のための特定のモジュールが含まれる。
• スケーラブルな実装: 本研究は、公共部門の組織にとって実用的かつ再現可能なフレームワークを提供している。再利用可能なSQLビューとモジュール型のアプリケーション設計を活用することで、システムはデータの整合性、クエリの効率性、および応答性を確保し、リアルタイムの運用モニタリングのためのコスト効率の高いソリューションを提供している。

結果
開発されたダッシュボードは、運用データを統合し、UACケア・システムへの包括的な可視化を実現することに成功した。分析からの主な知見は以下の通りである：

• 運用トレンド: 2023年初頭、システム負荷は平均して約7,414名であり、負の純流入圧力が示されたことは、退所数が新規流入数を上回っていたことを意味する。対照的に、2024年は累積14日間のバックログ蓄積が最大となり、新規の捕獲数が移送や退所を上回り、深刻な運用の負担が生じていた時期であることを示唆した。
• リスク分析: 「リスク・ドライバー・インテンシティ（リスク要因の強度）」分析により、システム負荷と退所オフセット比率が、運用リスクの主要な寄与因子であることが特定された。バックログの蓄積と純流入圧力は、持続的な負荷の増加が退所のパフォーマンス低下と同時に発生した場合に、ますます影響力を持つことが判明した。
• 予測: 予測モジュールは、既存の条件下において、30日間で総システム負荷が30%増加する可能性を予測し、容量制約に対する早期警告をマネージャーに提供した。
• システム性能: 予測とシナリオ・シミュレーションの統合により、本ツールは受動的なレポート作成メカニズムから、能動的な意思決定支援システムへと変貌を遂げ、マネージャーが運用戦略を実施する前にその影響を評価することを可能にした。

意義と主張
本論文は、このフレームワークが公共部門のマネージャーに対して、運用の透明性と状況把握能力を大幅に向上させることを主張している。データを単一のインタラクティブなプラットフォームに集約することで、本システムは手動による報告への依存を減らし、より迅速でエビデンスに基づいた意思決定を可能にする。著者らは、このモジュール化された軽量なアーキテクチャが、複雑なエンタープライズ・ソリューションに代わる、スケーラブルでコスト効率の高い選択肢を提供し、リソースの限られた組織においても高度なビジネスインテリジェンスを普及させるものであると断言している。さらに、本研究は、生の運用データ管理と戦略的な意思決定支援との間の溝を埋めるものであり、継続的なパフォーマンス監視とリソース計画を必要とする他の公共サービス領域にも適応可能なモデルを提供している。研究の結論として、現在の実装は堅牢であるが、将来のイテレーションにおいては、季節的な予測のための高度な機械学習モデルや自動アラートメカニズムを組み込むことで、プロアクティブな管理をさらに強化できるとしている。