Insurance Customer Migration Analysis POC

本番レベルの概念実証（PoC）で、顧客移行分析を以下を用いて実証します：

• データレイヤー: モックのレガシーデータ（Excel）＋新製品データ（CSV）＋競合他社データ

• MCPサーバー: CrewAIエージェントに公開するデータアクセスツール

• CrewAI: マルチステップ推論のためのクエリルーター＋分析エージェント

• Gradio UI: 経営者向けの自然言語インターフェース

アーキテクチャ

Executive Question
    ↓
Gradio UI
    ↓
CrewAI Router Agent (query understanding)
    ↓
CrewAI Analysis Agent (data fetching + insights)
    ↓
MCP Tools (GetRenewedCount, GetLeftCount, etc.)
    ↓
Data Layer (pandas + Excel/CSV queries)
    ↓
Response formatted for executives

Related MCP server: Database MCP Server

セットアップ

1. 依存関係のインストール

# Install using uv (recommended)
uv sync

# OR using pip
pip install -r requirements.txt

2. 環境セットアップ

cp .env.example .env
# Edit .env and add your ANTHROPIC_API_KEY

3. モックデータの生成

python -m demo_redshift_mcp.data_generator

以下が作成されます：

• data/legacy_product.xlsx - レガシー顧客900件

• data/new_product_customers.csv - 新製品顧客100件

• data/competitor_coverage.csv - 競合他社の履歴

アプリケーションの実行

Web UI（推奨）

# Launch Gradio interface
python -m demo_redshift_mcp

# Opens at http://localhost:7860

コマンドライン（テスト）

python -c "
from src.demo_redshift_mcp.crew_agents import run_customer_migration_analysis
result = run_customer_migration_analysis('How many customers renewed?')
print(result)
"

経営者向けサンプル質問

1. 「新製品に更新した顧客は何人ですか？」

   • 返答: 件数＋移行成功率

2. 「競合他社へ流出した顧客は何人ですか？」

   • 返答: 件数＋ステータス別の内訳（ACTIVE/EXPIRED/CANCELLED）

3. 「競合他社から戻ってきた顧客は何人ですか？その理由は？」

   • 返答: 復帰件数＋理由（価格、機能など）

4. 「移行の全体サマリーはどうなっていますか？」

   • 返答: 全セグメントの総合分析

5. 「カリフォルニアの顧客について教えてください」

   • 返答: 州別の指標

6. 「CONNECTED機能を導入したのはどの顧客ですか？」

   • 返答: 機能採用の内訳

プロジェクト構造

demo-redshift-mcp/
├── src/demo_redshift_mcp/
│   ├── app.py                 # Gradio UI entry point
│   ├── crew_agents.py         # CrewAI agents + workflow
│   ├── mcp_server.py          # MCP tools definition
│   ├── data_layer.py          # Data access logic
│   ├── data_generator.py      # Mock data generation
│   └── __init__.py
├── data/                      # Generated mock data
│   ├── legacy_product.xlsx
│   ├── new_product_customers.csv
│   └── competitor_coverage.csv
├── INSURANCE_POC_ARCHITECTURE.md
├── pyproject.toml
└── .env

主要な設計判断

データの分離（Excel vs CSV）

• レガシー: Excel（既存システムをシミュレート）

• 新規: "Redshift"内のCSV（クラウドOLAPをシミュレート）

• 理由: データストア間の結合（JOIN）ロジックを早期に検証するため

直接クエリではなくMCP

• データと推論の間にクリーンな抽象化を実現

• 本番対応状態: 後日CSVをRedshiftに置き換え可能

• エージェントは配管処理（plumbing）ではなく、推論に集中できる

テンプレート＋動的フォールバック

• 高速パス: 一般的な質問には定義済みクエリで対応

• 柔軟なパス: エッジケースのロジックはCrewAIが生成

• ソフト推論: 価格＋機能のシグナルを組み合わせて、顧客が戻ってきた理由を説明

次のステップ

フェーズ1: データ ✅

• モックデータの生成（レガシー900件、新規100件、競合カバレッジ）

フェーズ2: MCP ✅

• データアクセスツール（GetRenewedCount、GetLeftCount など）

フェーズ3: CrewAI ✅

• クエリルーター＋分析エージェント

フェーズ4: テスト

• サンプル質問を実行して精度を検証

• エッジケースをテスト

フェーズ5: UI ✅

• 経営者向けGradioインターフェース

将来の拡張

• CSVを実際のAWS Redshiftに置き換える

• 州レベルのダッシュボードを追加

• レポートをPDF/Excelとしてエクスポート

• 履歴トレンド分析を追加

• FastAPIエンドポイントとしてデプロイ

トラブルシューティング

"Module not found" エラー

# Ensure you're in the right directory
cd /Users/Balu/Documents/Projects/MyCode/demo-redshift-mcp

# Reinstall dependencies
uv sync

"Data not found" エラー

# Generate mock data
python -m demo_redshift_mcp.data_generator

CrewAIのエラー

• ANTHROPIC_API_KEY が .env に設定されていることを確認してください

• Claude 3.5 Sonnet（またはそれ以降）へのアクセスがあることを確認してください

開発

新しいクエリツールの追加

1. DataLayer にメソッドを追加します（add_method（data_layer.py））

2. InsuranceMCPTools でラップします（mcp_server.py）

3. CrewAI の @tool ラッパーを作成します（crew_agents.py）

4. analysis_task 内のルーティングロジックを更新します

ローカルでのテスト

from src.demo_redshift_mcp.data_layer import DataLayer

data = DataLayer()
result = data.customers_renewed()
print(result)

ライセンス

内部向けPOC - 適切なデータガバナンスなしの本番使用は不可。