録音移行の検収報告書：元データベースと一件ずつ突合

「変換完了」は検収基準ではない。検証できることが基準になる

移行プロジェクトの締めくくりに最も多い納品の言い方は「すべて変換が完了しました」です。この一文は検証できませんし、内部監査にも規制当局にも提出できません。本来いくつあるべきだったのか、実際にいくつ届いたのか、いくつ欠けているのか、欠けているのはどれなのか、何も述べていないからです。検証できる形は一つだけです。元プラットフォームのデータベースの記録を基準として、総件数、成功件数、欠落件数を示し、欠落の一件ごとに具体的にどの通話かを特定できるようにすること。前者は結論であり、後者は第三者が自分で計算し直せる報告書です。検収の意味はベンダーを信じることではなく、同じデータを手にした誰もが同じ数字にたどり着けることにあります。

基準は元データベースの件数であり、書き出しフォルダのファイル数ではない

成功率の分母が、その報告書に意味があるかどうかを決めます。書き出したディレクトリのファイル数を分母にすれば、成功率は必ず百パーセント近くになります。取り出せなかった通話はそもそも分母に入っておらず、欠落が自分自身を隠してしまうからです。正しい分母は、元プラットフォームのデータベースにある対象範囲の通話レコード件数です。まず期間と業務範囲で対象を確定し、その範囲のレコード総数を数え、書き出しに着手する前にその数字を双方で書面確認します。成功率は利用可能な音声の件数をこの基準で割った値、欠落率はその差を同じ基準で割った値になります。「利用可能」にも定義が必要です。デコードできること、長さがレコードと一致すること、元データベースの主キーに戻して特定できること。三つそろって初めて成功と数えます。

欠落の時期分布は、欠落の総数よりも役に立つ

「欠落 0.8%」とだけ書かれた報告書は、何も書いていないのと同じです。同じ 0.8% でも、十年間に均等に散らばっているなら、個々のファイルや媒体の偶発的な損傷である可能性が高い。特定の三か月に集中しているなら、その時期にシステム設定、コーデックのバージョン、記録媒体のロットなど何かが変わったことを示している場合が多い。毎日の同じ時間帯に集中しているなら、当時のアーカイブ処理が通話のピークと衝突していたと考えられます。ですから欠落一覧は、月別、週別、時間帯別のそれぞれで分布を出す必要があります。そうすると原因は自然に浮かび上がってきます。総数は問題があるかどうかしか教えてくれません。どこにあるのか、そして残った欠落を追いかける価値がまだあるのかを教えてくれるのは分布のほうです。

欠落の原因は分けて集計する。同じ失敗ではないから

欠落は一つの現象ではなく、まったく別の現象がいくつも一つの数字に足し込まれたものです。媒体レベルの損傷は、テープやディスクの物理的な不良ブロックで、読み取りエラーや、本来より短いデータとして現れます。コーデックレベルの異常は、ファイルは読めるのにデコードに失敗する、あるいは解けた結果が雑音になるもので、当時使われていた非標準のエンコードパラメータや独自の派生形式に起因することが多いものです。そして最も見落とされやすいのが、元データベースのレコード自体が空という類型です。通話は成立してレコードも書かれたが、当時そもそも録音されていなかった、あるいは何年も前のシステム作業で音声が失われていた。この最後の一群は今回の移行が生んだものではありません。別立てで示さなければ移行側の失敗として数えられ、本当に直せる問題がその中に埋もれてしまいます。

無作為抽出、時期別の層化抽出、オペレーター別抽出は別物

突き合わせが証明できるのは件数が合っていることだけで、中身が正しいことは証明できません。その層を埋めるのが抽出による確認です。純粋な無作為抽出は全体品質の偏りのない推定を与えるので報告書の結論部分に向いていますが、標本はデータ量の多い年に自然と集中し、最も古い時期は一件も引かれないことがあります。時期で層化した抽出は、各年、各媒体ロットから必ず引くことを強制するもので、ある期間だけに閉じた系統的な問題を見つけるためにあります。オペレーター別や内線別の抽出は、録音チャネルに紐づく問題、たとえば当初から一部のチャネルだけがモノラルだった、レベルが異常だったといった事象を拾います。三つの方法はそれぞれ別の死角を持つため、正式な検収では三つとも実施し、結果は一つの合格率にまとめず分けて記載します。

提出できる検収報告書には何が入るか

1. 対象範囲の定義：期間、業務範囲、含める条件と除く条件、そしてそこから元データベースで数えたレコード総数、すなわち基準。この数字は書き出しに着手する前に双方で書面確認します。
2. 三つの中心的な数字と算出方法：成功件数、欠落件数、成功率。あわせて「成功」の判定条件（デコードできる、長さがレコードと一致する、元データベースの主キーに戻して特定できる）を明記します。
3. 欠落の一件ごとの一覧：各件に元データベースの主キー、通話時刻、失敗原因の分類（媒体損傷 / デコード失敗 / 元レコードが空 / その他）を持たせ、どの一件も主キーで引き直せるようにします。
4. 欠落の時期分布：月別と時間帯別をそれぞれ一枚ずつ。目に見える集中には必ず説明をつけ、特定できなかった場合はその旨を明記します。
5. 抽出確認の結果：抽出方法、標本数、合格件数、不合格件数と具体的な問題点。無作為と層化の二つは合算せず分けて示します。
6. 再計算できる素材：元データベースを数えたときの抽出条件、書き出し一覧、検証スクリプトの出力。受け取る側がこれらを使い、ベンダーに頼らず同じ数字に到達できることが条件です。

上海万椿のアプローチ

当社はコールセンターの過去録音の解析と移行を手がけており、検証報告書は音声やメタデータと並ぶ納品物であって、プロジェクトの終わりに書き足す説明書きではありません。基準は着手前に確認し、成功と欠落の判定条件は後から説明するのではなく文書に書き、欠落は一件ずつ列挙して原因で分類し、時期分布と抽出確認の結果を添え、すべての数字に再計算できる素材をつけます。目指すのは、そのまま内部監査や規制当局に出せる報告書です。移行が終わったことを信じてもらうのではなく、相手が自分で検証できる状態にすることです。