Who（誰が）
人口5〜30万人規模で子ども貧困対策予算年間3000万〜3億円を持つ市区町村約1,300自治体の福祉課・教育委員会担当職員
対象とする社会課題：自治体の子どもの貧困対策が効果検証されないまま継続・予算配分されている
社会の役に立ち、しっかり儲かる。その両立が、この計画には数字で示されています。
福祉課の職員は数年おきに異動があり、学習支援や子ども食堂の効果を検証する余裕もスキルも持てないまま、実施回数や利用者数だけを積み上げて予算を継続してきた。相対的貧困にある子どもが少なくない中で、本当に効果のある支援が見過ごされ、限られた財源が最適に配分されない。データに基づいて施策を選び直せる仕組みを、現場の職員が使える形で届けたい。
※ この4つの数字は、見せるために作った数字ではありません。「事業計画」タブの10年計画とまったく同じ計算から出しています。EXIT（売却）時の手取りだけは「もし売れたら」の試算で、約束できる金額ではありません。
10年の事業計画も、創業融資780万円の申請資料も、システムの要件定義書も、最初の90日の段取りも——ぜんぶこのページにあります。足りないものはAIチャットが伴走しながらその場で作り、システム開発・専門家・投資家への橋渡しまで、このサイトの中で進められます。「やりたい」と思ったその日から、始められる状態です。
ボタンを押すとAIチャットが開き、Kizuna Analyticsの事業内容を読み込んだ状態で、事業計画から採用募集まで各種資料の素案をその場で作成します。まずは気になる資料のボタンを押してみてください。
※ ボタンを押すと確認のポップアップが出ます。「はい」を選ぶとAIチャットが新しいタブで開き、 この事業の内容を踏まえた作成指示が自動で送られます（あなたが文章を打ち込む必要はありません）。 どのボタンを出すかは事業の性質でAIが出し分けます。生成にはAIチケットを使用します。
あなたの経歴とこの事業のフィットをAIが診断します。活きる強み、足りないもの、 共同創業者に求める人物像まで示します。
無料会員登録して診断する登録済みの経歴をもとに、この事業とのフィットを診断します。経歴・スキルの内容はAI相談・AIチャットの回答にも反映されるため、最新の内容に更新しておくとより精緻なアウトプットが得られます。
💡 このショーケースをお気に入り登録すると、あなたのAIチャットがお気に入り登録した事業の情報を学習し、より賢く、具体的な提案ができるようになります。
※ AIによる参考意見です。合否や成否を保証するものではありません。経歴・スキルの登録内容は、この診断やAI相談・AIチャットの回答精度にも影響します。
Kizuna Analyticsは、市区町村の福祉課・教育委員会・生活保護担当が持つ匿名化データ（学習支援利用履歴、就学援助認定、進学実績、生活保護受給状況など）をCSVでアップロードすると、AIが傾向スコアマッチングやDIDで施策ごとの因果効果を自動算出し、ダッシュボードで可視化するSaaSです。
福祉課職員がチャット画面で「学習支援事業Aの効果は？」と質問すると、AIが統計結果を平易な言葉で解説し、来年度の予算配分案を複数パターン提示します。四半期ごとに議会・首長向け説明資料をAIが自動生成し、職員が微修正するだけで政策会議資料が完成する運用を想定しています。異動の多い福祉課職員でも統計知識なしにEBPMを実践できる状態を目指します。
日本の子どもの貧困率は約11.5%（2022年国民生活基礎調査）で、約9人に1人が相対的貧困状態にあるとされるが、市区町村が実施する学習支援・子ども食堂助成・ひとり親支援等の事業は、多くが「実施回数」「利用者数」といったアウトプット指標のみで評価され、進学率や生活保護脱却率といったアウトカムへの因果効果が検証されていない。
担当職員は2〜3年で異動する福祉課職員が中心で、統計解析やデータ連携のスキルを持つ人材が乏しく、EBPM（証拠に基づく政策立案）の掛け声だけが先行している。人口5〜30万人規模の自治体では、児童福祉・教育・生活保護の各データベースが縦割りで管理され、匿名化した上での突合すら行われていないケースが大半である。結果として、効果の薄い事業に予算がつき続け、真に効果的な支援（例:学習支援と食支援の併用が進学率に与える影響）が見過ごされ、限られた財源が最適配分されない状態が続いている。総務省調査では子どもの貧困対策関連予算を持つ自治体の約7割が「効果測定を実施していない」と回答しており、構造的な未解決課題である。
データ前処理工程では機械学習による欠損値補完と匿名化データの名寄せ（確率的レコードリンケージ）を自動実行し、複数DB間の子ども単位でのID紐付け精度を高める。
効果検証工程では因果推論モデル（傾向スコアマッチング、DID、機械学習ベースのCausal Forest）により施策ごとのアウトカムへの因果効果を推定し、統計的信頼区間とともに提示する。予測工程では過去データから来年度の要支援児童数や生活保護移行リスクを予測し、予算配分最適化アルゴリズムで複数施策への配分案を複数パターン提示する。対話工程では自然言語対話AI（LLMベース）が職員の質問に対し統計結果を平易に解説し、議会答弁や広報資料のドラフト文章まで自動生成する。
自治体の福祉課・教育委員会・生活保護担当が保有する匿名化済みデータ（学習支援利用履歴、就学援助認定状況、進学実績、生活保護受給状況、子ども食堂利用ログ等）を、庁内の統計システムまたはCSVエクスポート経由でクラウド上の分析基盤にアップロードする。
AIが各支援施策の利用有無と学力テスト結果・進学率・不登校率などのアウトカム指標との相関・因果関係を、傾向スコアマッチングや差分の差分法（DID）を機械学習で自動実行し、施策ごとの効果量をダッシュボードに可視化する。担当職員は自然言語チャットで「学習支援事業Aの効果は？」「来年度予算をどう配分すべきか」と質問すると、AIが統計モデルの結果を平易な言葉で解説し、予算配分シミュレーションを提示する。四半期ごとにAIが自動生成する効果検証レポート（首長・議会向け説明資料フォーマット付き）を職員が確認・微修正し、政策会議や議会答弁資料として活用する運用を想定している。
| 外部統計コンサルへの効果検証委託費（単発） | 年額 300万円〜800万円（自治体規模により変動） |
| 効果不明な事業への予算継続（学習支援・食支援等3事業想定） | 年額 3000万円〜1億円の一部が効果検証されず継続 |
| 議会答弁資料・首長説明資料の作成人件費（職員残業込み） | 年額 約60万円（月10時間×職員時給換算×12ヶ月の目安） |
| 生活保護への事後移行による給付費（早期支援機会の逸失分） | 1世帯あたり年間約200万円、移行世帯数×同額が想定損失 |
| SaaS年間利用料（人口5万人未満・小規模プラン） | 年額 150万円 |
| SaaS年間利用料（人口15万人規模・標準プラン） | 年額 350万円 |
| SaaS年間利用料（人口30万人規模・広域分析込みプラン） | 年額 600万円 |
この事業をやっている人のある1日、1年後・3年後・10年後の姿、向いている人・向いていない人、よくある質問……
あなたと事業の詳細は無料会員限定です。
時間軸別に、各チャネルの具体施策と、それをAIでどうプロンプティングして実現するかをセットで。
上記の施策をもとに、広告物の作成業者（マーケ会社）への紹介をご希望の場合はこちらからエントリーできます。
マーケ会社の紹介を希望する※ 紹介のお申し込み窓口はマイページの「業者・士業・投資家の紹介」に一本化しています。AIチャットが内容をヒアリングし、具体的な段階になったら運営が個別におつなぎします。
この事業に必要なアプリを作るための仕様です。下のボタンでWordに書き出せば、そのまま開発会社への相談・見積の依頼に使えます。
※ このボタンは、このページに載っている内容をそのままWordファイルに書き出します（AIは使いません。すぐ保存できます）。 ページの上のほうにある「ほしい資料を、その場でAIがつくります」の要件定義書のボタンは、AIチャットがあなたのご要望を聞きながら、そのつど書き起こすものです。 すでにある内容をそのまま渡したいときはこちら、作りたい範囲や条件を相談しながら仕上げたいときはAIチャットをお使いください。
自治体の子どもの貧困対策事業は「実施回数」「利用者数」といったアウトプット指標のみで評価され、進学率や生活保護脱却率への因果効果が検証されないまま予算がつき続けている。
総務省調査では対象自治体の約7割が効果測定を実施していないと回答しており、担当は2〜3年で異動する職員が中心で統計解析スキルを持つ人材が乏しい。児童福祉・教育・生活保護の各DBが縦割りで管理され匿名化した突合すら行われていないため、学習支援と食支援の併用効果のような重要な知見が見過ごされている。この状態を放置すると、効果の薄い事業に予算が固定化され続け、限られた財源が最適配分されない構造が続く。
PoC構築フェーズ（0-6ヶ月）は要件が流動的で自治体ごとのデータ突合仕様も試行錯誤が必要なため準委任契約が適する。
SaaS正式版リリース以降のMVP機能開発は仕様が固まるため請負契約とし、成果物（機能一覧・受入テスト基準）を発注時に明文化する。因果推論モデルの精度（AUC等）は環境依存で保証が難しいため、精度目標は努力目標として契約書に「達成基準」ではなく「モニタリング指標」と明記する。個人情報保護条例対応は自治体ごとに異なるため、匿名化・データ提供範囲の仕様変更に伴う追加費用の扱いを契約時に取り決めておく。
| 区分 | 想定利用者 |
|---|---|
| プライマリ | 市区町村の福祉課・教育委員会・生活保護担当の職員（データアップロード、チャットでの質問、レポート確認・修正を行う） |
| セカンダリ | 首長・議会事務局（AIが生成した効果検証レポートを政策説明・答弁資料として閲覧・活用する） |
| 管理 | 自治体情報システム部門の管理者およびベンダー側カスタマーサクセス担当（アカウント権限設定、データ連携設定、LGWAN接続管理を行う） |
| 機能 | 入力 / 処理 / 出力 |
|---|---|
| データ連携・取込機能 | 自治体庁内システムのCSV/API出力→形式検証・型変換→分析基盤DBへ格納 |
| 匿名化データ名寄せ機能 | 複数DBの匿名化済み属性データ→確率的レコードリンケージで照合→子ども単位の統合IDを生成 |
| 欠損値補完機能 | 統合後の欠損含む児童データ→機械学習モデルで欠損値推定→補完済みデータセットを出力 |
| 因果推論効果検証機能 | 施策利用有無とアウトカム指標データ→傾向スコアマッチング/DID/Causal Forest実行→効果量と信頼区間を出力 |
| 要支援児童数・移行リスク予測機能 | 過去3〜5年の利用実績データ→時系列予測モデル適用→来年度要支援児童数と生活保護移行リスクを算出 |
| 予算配分シミュレーション機能 | 施策別効果量と予算制約条件→最適化アルゴリズム実行→複数配分パターンを提示 |
| 対話型AIアシスタント機能 | 職員の自然言語質問→統計解析結果を検索・要約→平易な日本語で回答を生成 |
| 効果検証レポート自動生成機能 | 四半期分析結果データ→議会・首長向け定型フォーマットに整形→PDF/Word形式で出力 |
| 答弁・広報資料ドラフト生成機能 | レポート要約と想定質問→LLMが文章生成→議会答弁・広報用ドラフト文書を出力 |
| ダッシュボード可視化機能 | 分析済み効果量・予測結果データ→グラフ・地図等に変換→ブラウザ上でインタラクティブ表示 |
| 都道府県広域分析機能 | 複数自治体の匿名化統合データ→ベイズ階層モデルで横断比較分析→都道府県別ベンチマークを出力 |
| テーブル | 主要カラム |
|---|---|
municipalities | 自治体ID, 自治体名, 人口規模, 予算区分, 契約プラン |
children_anonymized | 匿名児童ID, 自治体ID, 年齢区分, 世帯区分, 就学援助フラグ |
support_program_usage | 利用ID, 匿名児童ID, 施策種別, 利用開始日, 利用回数 |
outcome_records | 記録ID, 匿名児童ID, 進学結果, 不登校区分, 生活保護移行フラグ, 測定年度 |
causal_analysis_results | 分析ID, 自治体ID, 施策種別, 効果量, 信頼区間, モデル種別 |
budget_simulation | シミュレーションID, 自治体ID, 施策別配分額, 予測要支援児童数, 生成日 |
report_documents | レポートID, 自治体ID, 対象四半期, 本文, 承認状態 |
user_accounts | ユーザーID, 自治体ID, 所属部署, 権限区分, 最終ログイン日時 |
| # | 画面 |
|---|---|
| 1 | ダッシュボード概要 |
| 2 | 施策効果一覧 |
| 3 | 因果推論結果詳細 |
| 4 | 予算配分シミュレーション |
| 5 | AIチャット相談 |
| 6 | レポート生成・編集 |
| 7 | データ連携設定 |
| # | 技術（採用理由） |
|---|---|
| 1 | AWS(LGWAN-ASP対応) セキュア公共向け基盤 |
| 2 | Python/EconML 因果推論モデル実装 |
| 3 | PostgreSQL 匿名化データ管理 |
| 4 | Apache Airflow 前処理パイプライン自動化 |
| 5 | Azure OpenAI Service 対話・レポート生成 |
| 6 | React/TypeScript ダッシュボードUI |
| 7 | Auth0連携IAM LGWAN認証統合 |
| 区分 | 要件 |
|---|---|
| 可用性 | 可用性: 月間稼働率99.5%以上（計画メンテナンス除く）、四半期レポート提出期日前後は監視強化 |
| セキュリティ | セキュリティ: LGWAN-ASP対応環境で運用し、ISMS（ISO27001）認証を初年度中に取得 |
| 性能 | 性能: 対話AIの応答時間は入力から3秒以内、因果推論バッチ処理は10万件データで24時間以内に完了 |
| データ保護 | データ保護: 匿名化データのRPO（目標復旧時点）は24時間以内、RTO（目標復旧時間）は8時間以内でバックアップ体制を構築 |
| 監査性 | 監査性: 全操作ログを5年間保持し、自治体別・職員別のアクセス権限管理と操作履歴の監査証跡を提供 |
| 拡張性 | 拡張性: 同時接続自治体数80団体、同時アクセスユーザー数500人規模までシステム性能劣化なく対応 |
| 段階 | まず何を作るか | 概算費用 |
|---|---|---|
| ①手動検証 | 連携先の自治体から匿名化データを受け取り、Excelや統計ソフトで傾向スコアマッチングを手作業で実行し、施策効果の見え方を職員に説明して反応を確認する | 分析ソフトの利用料と自治体訪問の交通費程度 |
| ②最小システム | CSVアップロードで因果推論結果を自動表示する簡易ダッシュボードを構築し、複数自治体で同じ処理を再現できるかを検証する | 外注または少人数チームで数か月分の開発費、AI利用料を含む水準 |
| ③本開発 | 対話AIによる自然言語質問対応、予算配分シミュレーション、LGWAN-ASP対応のセキュアなクラウド環境を本番仕様で構築する | エンジニア複数名分の人件費とISMS認証取得費を含むまとまった投資水準 |
上記の要件定義書をもとに、システムベンダー（開発会社）への紹介をご希望の場合はこちらからエントリーできます。
システムベンダーの紹介を希望する※ 紹介のお申し込み窓口はマイページの「業者・士業・投資家の紹介」に一本化しています。AIチャットが内容をヒアリングし、具体的な段階になったら運営が個別におつなぎします。
10年の収支と資金の集め方、財務、KPI、資本政策、そして図解付きのフル事業計画書・AI実装仕様書……
事業計画の詳細は無料会員限定です。
市場の前提（ボトムアップ試算）とTAM/SAM/SOMの規模感……
市場規模の詳細は無料会員限定です。
競合となるサービス・企業と、この事業ならではの差別化ポイント……
競合企業の詳細は無料会員限定です。
対応が必要な許認可・法規制と、確認すべき相手先・想定調整期間……
関連法令・許認可の詳細は無料会員限定です。
手を挙げたその日から動けるように、完了条件つきで並べています。
| 誰に会うか | なぜ会うか | 接触の仕方 |
|---|---|---|
| 人口5〜30万人規模の市区町村・福祉課(子ども貧困対策担当)課長級職員 | 実データの保有者かつ予算執行権限者で、PoC協力の可否を最初に判断する | こども家庭庁のEBPM推進事業説明会や自治体DX交付金の説明会に参加し名刺交換 |
| こども家庭庁支援局のEBPM・こどもの貧困対策担当室の課長補佐級職員 | 国のEBPM推進予算・交付金の対象要件や実証事業採択の情報を持つ | こども家庭庁ウェブサイトの公募要領記載の問合せ窓口にメールで面談依頼 |
| 自治体向け福祉システムを納入するSIer(NEC・日立・富士通Japan等)の地域SI営業担当 | 既存の自治体接点とデータ連携インフラを持ちOEM提携で導入速度が上がる | 各社の官公庁・自治体ソリューション部門の代表窓口から紹介依頼 |
| 自治体の情報システム部門・個人情報保護審査会に助言する弁護士または学識委員 | 条例ごとの匿名化基準・外部提供可否の判断ロジックを事前に把握する必要がある | 自治体の個人情報保護審査会の議事録公開情報から委員を特定し面談依頼 |
| 社会保障・人口問題研究所や大学の因果推論・貧困研究を専門とする准教授 | 因果推論モデルの妥当性検証と学術的裏付けが自治体への説明力を高める | 学会(日本財政学会・貧困研究会等)の発表後に共同研究打診で接点を作る |
| チャネル（目標件数） | 声のかけ方 |
|---|---|
| こども家庭庁・都道府県主催のEBPM研修会 | 研修会に参加者として登壇打診し、『効果検証を月次ダッシュボードで恒常運用できる仕組みを実証したい』とPoC協力自治体を募集する |
| 自治体向け福祉システムベンダーとの協業打診 | 地域SI部門の担当者に『既存の福祉システムに因果推論機能を組み合わせたい、OEM提携の前提でまず1自治体で実証させてほしい』と持ちかける |
| 総務省・こども家庭庁の実証事業公募 | EBPM推進関連の実証事業に応募し、採択自治体との連携枠を使って『無償に近い条件でPoCを実施したい』と提案する |
| 社会保障・人口問題研究所等の大学研究室との共同研究 | 研究者に『共同研究の形で匿名化データの因果推論分析を行い、論文化と自治体への還元を両立させたい』と紹介を依頼する |
対応が必要な許認可・法規制の詳細は「関連法令」タブでご確認いただけます。着手前に必ずご確認ください。
制度名・金額・要件は年度ごとに変わるため、ここでは種別と公式の探し先だけを示します。必ず一次情報で最新の要件を確認してください。
| 種別 | 特徴 |
|---|---|
| 自己資金・身内からの出資 | 最初の検証（ヒアリング・試作）はここで賄えることが多い。 |
| 日本政策金融公庫の創業融資 | 実績のない創業期でも相談できる公的融資。事業計画書の提出が要る。 |
| 自治体の創業支援制度 | 市区町村・都道府県ごとに補助・利子補給・家賃補助などがある。要件と募集時期は年度で変わる。 |
| 国の中小企業向け補助金 | 設備・販路開拓・IT導入などの類型がある。公募期間が短いので、常設の情報源で追う。 |
| エンジェル投資家・ベンチャーキャピタル | 急成長を前提にする資金。社会課題型では投資家の性格を選ぶ必要がある。 |
| 確認先 | 何がわかるか |
|---|---|
| ミラサポplus（中小企業庁） | 補助金・支援制度の横断検索 |
| J-Net21（中小機構） | 支援策・創業手引きのデータベース |
| 地域の商工会議所・よろず支援拠点 | 無料の対面相談。申請書の書き方まで見てもらえる |
| 日本政策金融公庫の各支店 | 創業計画書の事前相談 |
| 制度 | 誰が使えるか | この事業でどう効くか |
|---|---|---|
| 日本政策金融公庫 新規開業資金（旧・新創業融資制度） | 法人設立前後の創業者で、自己資金や事業計画を有する者 | 運転資金の調達手段として想定しており、融資額の合計は780万円を見込む。エンジニア採用やLGWAN対応環境の初期構築費に充当できる |
| 小規模事業者持続化補助金 | 商工会議所・商工会の管轄地域にある小規模事業者 | 自治体向け営業資料の作成、展示会出展、Webサイト・チラシ制作などの販路開拓費用に活用できる可能性がある |
| IT導入補助金（デジタル化基盤導入類型等） | ITツールを導入・活用する中小企業・小規模事業者 | SaaSダッシュボードやLGWAN-ASP対応クラウド環境の構築費の一部を補助対象にできる可能性がある |
| 事業再構築補助金（成長分野進出枠等） | 新分野展開・事業転換を行う中小企業等 | 因果推論AIエンジンや対話AI機能の本開発フェーズにおける大型システム投資の一部に活用余地がある |
| 東京都創業助成事業（TOKYO創業ステーション） | 都内での創業を予定または5年未満の中小企業者 | 人件費・賃借料・専門家経費等の助成対象になり得るため、PoC構築フェーズの人件費補填として候補になる |
会社設立の手続きや許認可の取得、契約書の整備など、弁護士・税理士・司法書士等の専門家への紹介をご希望の場合はこちらからエントリーできます。
専門家の紹介を希望する※ 紹介のお申し込み窓口はマイページの「業者・士業・投資家の紹介」に一本化しています。AIチャットが内容をヒアリングし、具体的な段階になったら運営が個別におつなぎします。
本文中の「※1」「※2」の番号は、ここに対応しています。番号を押すと、この欄に飛びます。
この事業が失敗するとしたら原因はどこから来るか、単価をその値段にした理由、最初の3か月で確かめること、必要な契約書と支払い条件、1人目の求人票、この事業の1週間……
実行の手引きの詳細は無料会員限定です。
この領域に取り組む仲間がコミュニティにいます。ひとりで抱え込まず、同じ課題を見ている人と話すところから始められます。
※ バッジは自動集計にもとづく相対表示です。