0) デモ対象の会社を確認

何が起こっているか
「このデモは demo社のデータで実施します」と宣言。

MATCH (c:Company)
RETURN c.company_key, c.name, c.currency
ORDER BY c.company_key;

1) 期間のスコープを見せる

何が起こっているか
「対象は 2025-08〜11 の月次です」と範囲を固定。

MATCH (c:Company {company_key:'demo'})
MATCH (p:Period {company_key:'demo'})
RETURN p.period_key, p.period_type, p.period_start, p.period_end, p.label
ORDER BY p.period_key;

2) まず“健康な月”を見せて基準を作る

何が起こっているか
異常月の話に入る前に、8月・9月のGMが安定していることを見せる。

MATCH (r:KPIResult {company_key:'demo', kpi_key:'gross_margin_rate'})
RETURN r.period_key, r.value, r.calc_basis, r.notes
ORDER BY r.period_key;

3) “異常の発見”を提示（主役シーン）

何が起こっているか
「10月に粗利益率が急落している」
→ ここがストーリーの起点。

MATCH (r:KPIResult {company_key:'demo', kpi_key:'gross_margin_rate'})
WITH r ORDER BY r.period_key
RETURN r.period_key, r.value, r.notes;

（口頭補足）
「9月 29.1 → 10月 24.8 と急落。ここが異常月です。」

4) 異常月だけにフォーカス

何が起こっているか
“原因探索モード”に切り替える。

MATCH (r:KPIResult {
  company_key:'demo',
  period_key:'2025-10',
  kpi_key:'gross_margin_rate'
})
RETURN r.period_key, r.kpi_key, r.value, r.calc_basis, r.notes;

5) “証拠（Evidence）”で説明可能性を提示

何が起こっているか
「AIの推測ではなく、根拠ログ/事実と紐づけて説明できます。」

MATCH (r:KPIResult {
  company_key:'demo',
  period_key:'2025-10',
  kpi_key:'gross_margin_rate'
})-[rel:HAS_EVIDENCE]->(e:Evidence)
RETURN e.evidence_key, rel.relation_type, rel.notes, e.summary
ORDER BY e.evidence_key;

（口頭補足例）

Steel price
Yield
Rework
Skill shortage
など 複数の証拠が“同じ異常”を支持している点を強調。

6) “寄与度（Component Contribution）”で構造化原因を見せる

何が起こっているか
「粗利益率の悪化を、要因レイヤに分解して定量説明します。」

MATCH (r:KPIResult {
  company_key:'demo',
  period_key:'2025-10',
  kpi_key:'gross_margin_rate'
})-[rel:CONTRIBUTES_TO]->(c:Component)
RETURN c.component_key, rel.contribution_score, rel.contribution_type, rel.notes
ORDER BY rel.contribution_score DESC;

（見せ場）

CMP-MAT-COST
CMP-PROC-COST
CMP-QUALITY-LOSS
CMP-SKILL-CAPABILITY
などが上位に来るはず。

7) “設計上の因果仮説”として KPI→Component の関係を見せる

何が起こっているか
「このKPIは、そもそもこういう構成要素で説明する設計です。」
“モデルの骨格”を見せて納得感を出す。

MATCH (k:KPI {company_key:'demo', kpi_key:'gross_margin_rate'})
OPTIONAL MATCH (k)-[r:HAS_COMPONENT]->(c:Component)
RETURN c.component_key, r.weight, r.role
ORDER BY r.weight DESC;

8) “KPI連鎖”で波及的な異常を見せる

何が起こっているか
「粗利益率の落ち込みは単独でなく、
価格・使用量・歩留・リワーク・標準時間など周辺KPIにも現れています。」

MATCH (r:KPIResult {company_key:'demo', period_key:'2025-10'})
WHERE r.kpi_key IN [
  'gross_margin_rate',
  'material_price_variance',
  'material_usage_variance',
  'yield_loss_rate',
  'standard_time_deviation',
  'setup_time_rate',
  'rework_rate',
  'process_lead_time_variance',
  'inventory_turnover',
  'on_time_delivery_rate'
]
RETURN r.kpi_key, r.value, r.notes
ORDER BY r.kpi_key;

9) “改善ストーリー”として11月の回復を見せる

何が起こっているか
「対策が入ると、翌月から指標が戻る」
→ 経営/現場が一番欲しい話。

MATCH (r:KPIResult {company_key:'demo', kpi_key:'gross_margin_rate'})
WHERE r.period_key IN ['2025-10','2025-11']
RETURN r.period_key, r.value, r.notes
ORDER BY r.period_key;

オプション（もし Process/Step/Skill まで入っている場合）

狙い
「寄与度→現場オペ」へ落とすための橋渡し。
（データが無いと空になるので OPTIONAL で）

MATCH (r:KPIResult {company_key:'demo', period_key:'2025-10'})
-[rel:CONTRIBUTES_TO]->(comp:Component)
OPTIONAL MATCH (comp)-[:DRIVES_PROCESS|:RELATED_TO|:IMPACTS*1..2]->(p:Process)
RETURN comp.component_key, rel.contribution_score, collect(DISTINCT p.process_key)[0..5] AS related_processes
ORDER BY rel.contribution_score DESC;

顧客に伝える“話の骨子”（1分版）

対象期間：2025-08〜11
異常検知：10月の粗利益率が急落
説明可能性：Evidence で根拠提示
要因分解：Component 寄与で構造化
設計との整合：KPI→Component の骨格
波及の確認：関連KPIも同月に悪化
回復の兆し：11月の改善
次アクション：
- 材料費（価格・使用量）
- 工程コスト（溶接/組立の時間・リワーク）
- スキル/キャパ
  に対策優先度を置ける

もし “041_demo_queries.cypher” を活かすなら

041 はこの台本の

1. 異常の発見
1. Evidence
1. 寄与度
1. 回復

あたりを 綺麗にまとめた閲覧用の可能性が高いので、
中身が今のラベル名と一致しているなら

デモ当日は 041 を“見せる用のカンペ集”として使う
のが一番スムーズです。

必要なら、この台本をそのまま
cypher/demo/041_demo_queries.cypher に合わせて

1ファイル版 “DEMO_RUNBOOK.cypher”
（コメント付きで順番通り実行できる形）

に整形して渡します。

デモ台本（Neo4j Browserでこの順に実行）