Spaces:

fudii0921
/

churn_predict

Sleeping

File size: 19,177 Bytes

4f19840

import gradio as gr
import pandas as pd
import numpy as np
from sklearn.ensemble import RandomForestClassifier
import cohere
from dotenv import load_dotenv
import os

load_dotenv(verbose=True)

# CohereのAPIキーを取得
cohere_api_key = os.environ.get("COHERE_API_KEY")
client = cohere.ClientV2(api_key=cohere_api_key)

template = """
<!DOCTYPE html>
<html lang="ja">

<head>
    <meta charset="UTF-8">
    <meta name="viewport" content="width=device-width, initial-scale=1.0">
    <title>Executive Report - Liquid Glass Edition</title>
    <style>
        :root {
            --glass-bg: rgba(255, 255, 255, 0.4);
            --glass-border: rgba(255, 255, 255, 0.6);
            --text-main: #2d3436;
            --accent-color: #6c5ce7;
        }

        body {
            margin: 0;
            padding: 0;
            font-family: 'Noto Sans JP', sans-serif;
            color: var(--text-main);
            background-color: #f0f2f5;
            display: flex;
            justify-content: center;
            overflow-x: hidden;
        }

        /* 背景のアニメーションオーブ */
        .bg-gradient {
            position: fixed;
            top: 0;
            left: 0;
            width: 100%;
            height: 100%;
            background: linear-gradient(120deg, #e0c3fc 0%, #8ec5fc 100%);
            z-index: -2;
        }

        .bg-orb {
            position: fixed;
            border-radius: 50%;
            filter: blur(80px);
            z-index: -1;
            opacity: 0.5;
        }

        .orb-1 {
            width: 400px;
            height: 400px;
            background: #fab1a0;
            top: -100px;
            right: -100px;
        }

        .orb-2 {
            width: 600px;
            height: 600px;
            background: #81ecec;
            bottom: -200px;
            left: -200px;
        }

        /* 共通ガラススタイル */
        .glass {
            background: var(--glass-bg);
            backdrop-filter: blur(15px);
            -webkit-backdrop-filter: blur(15px);
            border: 1px solid var(--glass-border);
            border-radius: 24px;
            box-shadow: 0 8px 32px rgba(31, 38, 135, 0.1);
            margin-bottom: 24px;
        }

        /* メインレイアウト */
        .report-wrapper {
            width: 90%;
            max-width: 800px;
            padding: 60px 0;
            z-index: 1;
        }

        /* 各セクションの装飾 */
        .report-header {
            padding: 40px;
            text-align: center;
        }

        .badge {
            display: inline-block;
            padding: 4px 12px;
            background: var(--accent-color);
            color: white;
            border-radius: 50px;
            font-size: 0.8rem;
            font-weight: bold;
            margin-bottom: 16px;
        }

        h1 {
            font-size: 2.5rem;
            margin: 0;
            line-height: 1.2;
        }

        .highlight {
            color: var(--accent-color);
        }

        .meta-info {
            margin-top: 20px;
            font-size: 0.9rem;
            opacity: 0.7;
        }

        .meta-info span {
            margin: 0 10px;
        }

        /* キーメッセージ */
        .key-message {
            padding: 30px;
            border-left: 8px solid var(--accent-color);
        }

        .key-message h2 {
            margin-top: 0;
            font-size: 1.2rem;
            color: var(--accent-color);
        }

        /* 統計カード */
        .stats-grid {
            display: grid;
            grid-template-columns: repeat(auto-fit, minmax(200px, 1fr));
            gap: 20px;
            margin-bottom: 24px;
        }

        .stat-card {
            padding: 24px;
            text-align: center;
        }

        .stat-card .label {
            font-size: 0.85rem;
            display: block;
            margin-bottom: 8px;
        }

        .stat-card .value {
            font-size: 1.8rem;
            font-weight: bold;
            font-family: 'Montserrat';
        }

        .stat-card .trend {
            font-size: 0.8rem;
            margin-left: 5px;
            font-weight: bold;
        }

        .trend.up {
            color: #00b894;
        }

        .trend.down {
            color: #d63031;
        }

        /* ボディテキスト */
        .report-body {
            padding: 40px;
            line-height: 1.8;
        }

        ul {
            padding-left: 20px;
        }

        li {
            margin-bottom: 10px;
        }

        .report-footer {
            text-align: center;
            font-size: 0.8rem;
            opacity: 0.5;
            margin-top: 40px;
        }

        /* スマホ対応 */
        @media (max-width: 600px) {
            h1 {
                font-size: 1.8rem;
            }

            .report-wrapper {
                padding: 20px 0;
            }
        }
    </style>
    <link
        href="https://fonts.googleapis.com/css2?family=Noto+Sans+JP:wght@300;500;700&family=Montserrat:wght@600&display=swap"
        rel="stylesheet">
</head>

<body>
    <div class="bg-gradient"></div>
    <div class="bg-orb orb-1"></div>
    <div class="bg-orb orb-2"></div>

    <main class="report-wrapper">
        <header class="report-header glass">
            <div class="badge" style="color: white;">Quarterly Report 2024</div>
            <h1>マーケティング戦略 <br><span class="highlight">進捗報告書</span></h1>
            <div class="meta-info">
                <span>社外秘</span>
            </div>
        </header>

        <section class="key-message glass">
            <h2><span class="icon">💡</span> Key Insight</h2>
            <p>
                過去3ヶ月の施策により、リード獲得コストは<strong>25%削減</strong>されました。
                次四半期は、現在のLiquid Glassデザインを導入したLPのABテストを強化し、CVRの更なる向上を目指します。
            </p>
        </section>

        <div class="stats-grid">
            <div class="stat-card glass">
                <span class="label">総リード数</span>
                <span class="value">1,240</span>
                <span class="trend up">+12%</span>
            </div>
            <div class="stat-card glass">
                <span class="label">CPA（獲得単価）</span>
                <span class="value">¥4,200</span>
                <span class="trend down">-8%</span>
            </div>
            <div class="stat-card glass">
                <span class="label">成約率</span>
                <span class="value">4.8%</span>
                <span class="trend up">+1.2%</span>
            </div>
        </div>

        <section class="report-body glass">
            <h3>今後の重点施策</h3>
            <p>
                市場のトレンドは「視覚的な透明感」と「信頼性」の両立に移行しています。
                本報告書で採用しているデザインコンセプトは、ユーザーに清潔感とモダンな印象を与え、滞在時間の延長に寄与します。
            </p>
            <ul>
                <li>UI/UXの透明化による情報の階層化</li>
                <li>モバイルフレンドリーなレスポンシブ対応の強化</li>
                <li>インタラクティブなデータビジュアライゼーションの導入</li>
            </ul>
        </section>

        <footer class="report-footer">
            <p>&copy; 2025 RYH International. Confidential</p>
        </footer>
    </main>
</body>

</html>
"""

meta_prompt = '''
思考のガイドライン
文脈の理解: ユーザーの意図、背景、制約条件を正確に把握してください。

推論の先行: 結論を出す前に、必ず「なぜその結論に至るのか」という思考のプロセスを記述してください。

多角的視点: 表面的な回答だけでなく、潜在的な課題や代替案、リスクについても考慮してください。

論理的整合性: ステップ間のつながりを明確にし、矛盾がないかセルフチェックを行ってください。

実行ステップ
1. タスクの分解と分析
実行すべきタスクを最小単位の要素に分解してください。

必要な情報、使用すべきトーン、守るべきルールを明確にします。

2. 推論と戦略立案（Reasoning）
結論に至るまでの論理的な道筋を立ててください。

複数のアプローチがある場合は、最も適切なものを選択した理由を明記してください。

計算や複雑な論理が必要な場合は、ここでステップバイステップで展開してください。

3. 検証と洗練
生成した解決策が、すべての制約条件を満たしているか確認してください。

より簡潔に、あるいはより強力にできる部分を修正してください。

出力形式
以下の構造で回答してください。

推論プロセス（Reasoning）
[タスクの分析、論理的な思考、解決までのステップを詳細に記述してください。]

最終回答（Conclusion/Result）
[推論に基づいた最終的な成果物を出力してください。形式はタスクに応じて最適化してください（JSON、マークダウン、文章など）。]
'''

# ==========================================
# 1. 専門家分析・ガイドライン データベース (6,000文字級)
# ==========================================
ADVISORY_DB = {
    "STRATEGIC_HEADER": "# 🏛️ 戦略的組織防衛・人事アドバイザリー・フルレポート\n**本レポートは、AI予測に基づき、経営心理学と労務リスク管理の観点から生成されました。**\n---\n",
    "GUIDELINE": """
## 📘 専門家による対応ガイドライン
離職予兆を検知した際、人事が取るべき行動指針は以下の通りです。

1. **「評価」ではなく「共感」の対話:** 離職を検討している層は、組織への不信感を抱いています。詰問ではなく「あなたの状況を心配している」というメッセージを優先してください。
2. **制度の弾力的運用:** 介護や育児、心身の不調など、個別の事情に合わせた「特別措置（特例のリモート、短時間勤務等）」を即断で提示することが、最強のリテンションになります。
3. **心理的安全性の担保:** 相談内容が査定に影響しないことを明確に約束し、本音を引き出してください。
""",
    "FINANCIAL_IMPACT": """
## 💰 離職に伴う経済的インパクト予測（推定損失額）
対象者が離職した場合、組織には以下の経済的損失が発生します。

1. **直接的損失（採用・教育費）:** 年収の約35%〜50%（エージェント手数料、媒体費、面接工数）。
2. **生産性の空白期間:** 後任が前任者と同等のパフォーマンスを発揮するまでの4〜6ヶ月間の給与相当額。
3. **ナレッジ・ロス:** 担当顧客との関係、業務ノウハウ、およびチームの士気低下による「連鎖離職」の潜在的リスク。
**【結論】推定損失合計：年収の1.5倍〜2.2倍。** 本レポートの提言を実行することは、経営上、極めて合理的な投資です。
"""
}

# ==========================================
# 2. モデルの学習（すべての入力を整数として定義）
# ==========================================
def train_mega_model():
    np.random.seed(42)
    # 項目名とそれぞれの整数の範囲
    feature_config = {
        '仕事の満足度(0-10)': (0, 10),
        '上司への満足度(0-10)': (0, 10),
        '月間総労働時間(h)': (140, 350),
        '先月の残業時間(h)': (0, 150),
        '勤続年数': (0, 40),
        '昇進からの経過年数': (0, 20),
        '年間研修受講時間(h)': (0, 200),
        '通勤時間(片道分)': (0, 180),
        'リモートワーク比率(0-100%)': (0, 100),
        '週の面談回数': (0, 10),
        '給与ランク(1-10)': (1, 10),
        '賞与評価(0-10)': (0, 10),
        'チームの一体感(0-10)': (0, 10),
        '年齢': (20, 70),
        '扶養家族数': (0, 5)
    }
    
    feature_names = list(feature_config.keys())
    n_samples = 5000
    
    # 整数データの生成
    data = {f: np.random.randint(low, high + 1, n_samples) for f, (low, high) in feature_config.items()}
    df = pd.DataFrame(data)
    
    # 離職ロジック（整数値に基づいた重み付け）
    def churn_logic(row):
        score = 0
        if row['仕事の満足度(0-10)'] <= 3: score += 0.5
        if row['先月の残業時間(h)'] >= 60: score += 0.4
        if row['上司への満足度(0-10)'] <= 3: score += 0.4
        if row['昇進からの経過年数'] >= 5: score += 0.2
        return 1 if score > 0.7 else 0
        
    df['target'] = df.apply(churn_logic, axis=1)
    
    X = df[feature_names]
    y = df['target']
    model = RandomForestClassifier(n_estimators=100, random_state=42).fit(X, y)
    return model, feature_names

model, feature_names = train_mega_model()

# ==========================================
# 3. レポート生成エンジン（個別所見 & 専門家分析）
# ==========================================
def generate_individual_findings(d):
    findings = "## 📋 入力データに基づく個別所見（精密分析）\n"
    if d['仕事の満足度(0-10)'] <= 3:
        findings += f"⚠️ **モチベーション低下:** 満足度スコアが極めて低いです({d['仕事の満足度(0-10)']}/10)。現職務への適性再確認が必要です。\n"
    if d['先月の残業時間(h)'] >= 45:
        findings += f"⚠️ **過重労働リスク:** 残業時間({d['先月の残業時間(h)']}h)が危険域です。メンタル不調による突発的離職を防ぐため、即時の業務調整を。\n"
    if d['上司への満足度(0-10)'] <= 3:
        findings += f"⚠️ **人間関係の不全:** 上司との関係({d['上司への満足度(0-10)']}/10)が最大の離職リスクです。指示系統の変更を検討してください。\n"
    if d['昇進からの経過年数'] >= 5:
        findings += f"⚠️ **キャリア停滞感:** 5年以上昇進がないことで、組織内での未来に限界を感じています。\n"
    if d['通勤時間(片道分)'] >= 60 and d['リモートワーク比率(0-100%)'] <= 20:
        findings += f"⚠️ **環境負荷:** 長距離通勤と低いリモート率が私生活を圧迫しています。\n"
    
    if not any("⚠️" in s for s in findings.split('\n')):
        findings += "✅ **良好な傾向:** 現在の入力値において、深刻な離職リスクを押し上げる単一要因は見当たりません。\n"
    return findings

def generate_expert_analysis(prob):
    analysis = "## 🔍 専門家による多角的分析\n"
    if prob > 0.7:
        analysis += "**【判定：緊急離脱状態】** 対象者は既に「心理的契約」を解除しています。引き止めよりも、まずは本音を吐き出させる「デトックス面談」を優先してください。\n"
    elif prob > 0.4:
        analysis += "**【判定：揺らぎ状態】** 他社からの誘いや、現状への疑問が芽生えています。今、具体的な改善策を提示すれば定着に繋がります。\n"
    else:
        analysis += "**【判定：安定維持】** 組織へのコミットメントは高いですが、定期的な1on1を怠らず、小さな変化を見逃さないでください。\n"
    return analysis

# ==========================================
# 4. メイン関数（UserWarning解消 & レポート構築）
# ==========================================
def generate_advisory_report(*args):
    # すべての入力を整数として扱う
    args_int = [int(a) for a in args]
    input_df = pd.DataFrame([args_int], columns=feature_names)
    
    prob = model.predict_proba(input_df)[0][1]
    d = dict(zip(feature_names, args_int))
    
    report = ADVISORY_DB["STRATEGIC_HEADER"]
    report += f"## 🏆 総合評価：離職予測確率 {prob*100:.1f}%\n\n"
    
    report += generate_individual_findings(d)
    report += generate_expert_analysis(prob)
    report += ADVISORY_DB["GUIDELINE"]
    report += ADVISORY_DB["FINANCIAL_IMPACT"]

    full_prompt = f"{meta_prompt}に基づいて{report}を分析して、最終評価を{template}に基づいてHTML形式で出力してください。回答が見つからない場合は、ウェブで検索して{meta_prompt}に基づいて必ず、{template}に基づいてHTML形式で回答してください。"
    
    # Cohere APIの呼び出し
    response = client.chat(
        model="command-a-03-2025",
        messages=[
            {"role": "user", "content": full_prompt}
        ]
    )
    
    myresp = response.message.content[0].text
    if '```html' in myresp:
        part1 = myresp.find('```html')
        part2 = myresp.rfind('```')
        reasoning_part = myresp[:part1].strip()
        html_part = myresp[part1+7:part2].strip()
    else:
        # Markdownタグがない場合のフォールバック
        reasoning_part = "HTMLタグが見つかりませんでした。全文を表示します。"
        html_part = myresp
    prevbody = report + '\n\n' + reasoning_part
    
    return prevbody, html_part, "Powered by RYH International."

# ==========================================
# 5. Gradio UI (すべて整数入力)
# ==========================================
with gr.Blocks(theme=gr.themes.Soft(), title="HR Advisory Platform", css="footer {visibility: hidden;}") as demo:
    gr.Markdown("# 🏢 組織・人事評価 統合アドバイザリー (AI版)")
    
    with gr.Row():
        with gr.Column(scale=1):
            gr.Markdown("### 📊 従業員データ入力")
            inputs = []
            for f in feature_names:
                if '0-10' in f or '1-10' in f:
                    inputs.append(gr.Slider(0, 10, 5, step=1, label=f))
                elif '0-100%' in f:
                    inputs.append(gr.Slider(0, 100, 20, step=1, label=f))
                elif 'h' in f or '年' in f or '分' in f or '歳' in f or '数' in f or '回' in f:
                    inputs.append(gr.Number(value=0, precision=0, label=f))
                else:
                    inputs.append(gr.Number(value=0, precision=0, label=f))
            
            btn = gr.Button("🔍 統合レポートを生成", variant="primary")
        
        with gr.Column(scale=2):
            output = gr.Markdown(show_copy_button=True)
            html_output = gr.HTML()
            ip_right = gr.Textbox(label="IP Information", interactive=False)

    btn.click(generate_advisory_report, inputs=inputs, outputs=[output, html_output, ip_right])

demo.launch(favicon_path="favicon.ico")