JP2017049673A - Information processing apparatus and information processing method - Google Patents
Information processing apparatus and information processing method Download PDFInfo
- Publication number
- JP2017049673A JP2017049673A JP2015170822A JP2015170822A JP2017049673A JP 2017049673 A JP2017049673 A JP 2017049673A JP 2015170822 A JP2015170822 A JP 2015170822A JP 2015170822 A JP2015170822 A JP 2015170822A JP 2017049673 A JP2017049673 A JP 2017049673A
- Authority
- JP
- Japan
- Prior art keywords
- information
- customer
- risk
- processing apparatus
- information processing
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 230000010365 information processing Effects 0.000 title claims abstract description 60
- 238000003672 processing method Methods 0.000 title claims description 6
- 238000013473 artificial intelligence Methods 0.000 claims abstract description 16
- 238000012795 verification Methods 0.000 claims description 31
- 238000004364 calculation method Methods 0.000 claims description 20
- 230000006870 function Effects 0.000 description 17
- 230000007115 recruitment Effects 0.000 description 8
- 238000010586 diagram Methods 0.000 description 7
- 238000000034 method Methods 0.000 description 5
- 238000012546 transfer Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 2
- 238000010801 machine learning Methods 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 230000008520 organization Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
Abstract
Description
本発明は、人工知能機能を有する生成部を有する情報処理装置及び情報処理方法に関する。 The present invention relates to an information processing apparatus and an information processing method having a generation unit having an artificial intelligence function.
従来から、人工知能機能の活用が試みられており、研究分野も多岐に及んでいる（特許文献１参照）。他方、従来から、金融機関から顧客に対して様々な金融商品が提供されており、その内容も多岐に及んでいる。金融機関が金融商品を提供する際には、当該顧客が当該金融商品を利用する可能性があるか、また、当該顧客に金銭の貸し付けを行った際にどの程度のリスクがあるか等は非常に重要な要因となるが、それらの判断は一定の情報に基づいて金融機関の担当者等が自ら行っていた。 Conventionally, the utilization of artificial intelligence functions has been attempted, and the research field has also been diversified (see Patent Document 1). On the other hand, various financial products have been provided to customers from financial institutions, and their contents are also diverse. When a financial institution provides a financial product, it is very likely that the customer may use the financial product and how much risk there is when the customer lends money. However, these decisions were made by financial institution staff themselves based on certain information.
上記のような判断には相当程度の経験を要する上、判断手法によっては必ずしも客観的なデータに基づくとはいえないこともあった。 The above judgment requires considerable experience, and depending on the judgment method, it may not always be based on objective data.
本発明は、客観的なデータに基づいて、顧客が所定の金融商品を利用する可能性に関するニーズ情報又は顧客に金銭を貸し付けた際の貸倒リスクもしくは延滞リスクに関するリスク情報を出力できる情報処理装置及び情報処理方法を提供する。 The present invention relates to an information processing apparatus capable of outputting needs information regarding the possibility of a customer using a predetermined financial product or risk information regarding a credit loss risk or arrears risk when money is lent to a customer based on objective data And an information processing method.
本発明による情報処理装置は、
人工知能機能を有する生成部であって、金融機関を利用する顧客の属性情報、前記顧客に関する審査情報及び前記顧客の前記金融機関における取引情報のいずれか１つ以上から生成される採用変数及び前記採用変数に対する係数を用いて、ある顧客が所定の金融商品を利用する可能性に関するニーズ情報又は前記ある顧客に金銭を貸し付けた際の貸倒リスクもしくは延滞リスクに関するリスク情報を生成する生成部と、
前記生成部により生成された情報を出力する出力部と、
を備え、
前記採用変数及び前記係数は過去の実績データに基づき決定される。
An information processing apparatus according to the present invention includes:
A generation unit having an artificial intelligence function, the adoption variable generated from any one or more of attribute information of a customer who uses a financial institution, examination information about the customer, and transaction information of the customer at the financial institution, and A generation unit that generates a need information on a possibility that a certain customer uses a predetermined financial product or a risk information on a credit loss risk or arrears risk when lending money to the certain customer by using a coefficient for the employment variable;
An output unit for outputting information generated by the generation unit;
With
The adoption variable and the coefficient are determined based on past performance data.
本発明による情報処理装置は、
前記所定の金融商品が前記ある顧客によって実際に利用されたか否か、又は、前記ある顧客に金銭を貸し付けた際に実際に貸倒れたかもしくは延滞が発生したか否かを検証する検証部をさらに備え、
前記検証部による検証結果は、当該検証結果が出された後に生成される前記ニーズ情報又は前記リスク情報に関して、前記過去の実績データとして利用されてもよい。
An information processing apparatus according to the present invention includes:
A verification unit that verifies whether or not the predetermined financial product was actually used by the customer, or whether or not the loan was actually delinquent or arrears occurred when lending money to the customer; ,
The verification result by the verification unit may be used as the past performance data regarding the need information or the risk information generated after the verification result is output.
本発明による情報処理装置において、
前記生成部は、前記ニーズ情報及び前記リスク情報を生成してもよい。
In the information processing apparatus according to the present invention,
The generation unit may generate the needs information and the risk information.
本発明による情報処理装置において、
前記生成部は、前記属性情報、前記審査情報及び前記取引情報を用いて前記採用変数及び前記係数を生成してもよい。
In the information processing apparatus according to the present invention,
The generation unit may generate the adopted variable and the coefficient using the attribute information, the examination information, and the transaction information.
本発明による情報処理装置において、
前記生成部の人工知能機能は、異なる金融商品に対しては、異なる採用変数と異なる係数を用いて前記ニーズ情報又は前記リスク情報を生成してもよい。
In the information processing apparatus according to the present invention,
The artificial intelligence function of the generation unit may generate the needs information or the risk information using different adoption variables and different coefficients for different financial products.
本発明による情報処理装置は、
前記ある顧客の借入金額、当該借入に際しての金利及び経費情報を用いて、収益を算出する算出部をさらに備えてもよい。
An information processing apparatus according to the present invention includes:
You may further provide the calculation part which calculates a profit using the borrowing amount of the said certain customer, the interest rate at the time of the said borrowing, and expense information.
本発明による情報処理装置において、
前記借入金額及び前記金利が前記リスク情報に基づいて決定されてもよい。
In the information processing apparatus according to the present invention,
The borrowing amount and the interest rate may be determined based on the risk information.
本発明による情報処理装置は、
前記生成部で生成される前記リスク情報から、前記ある顧客に対する与信可能額又は前記ある顧客に対する適用金利を算出する算出部をさらに備えてもよい。
An information processing apparatus according to the present invention includes:
You may further provide the calculation part which calculates the creditable amount with respect to the said certain customer, or the applicable interest rate with respect to the said certain customer from the said risk information produced | generated by the said production | generation part.
本発明による情報処理装置において、
前記属性情報は、同一の顧客をまとめて管理するための名寄せ情報を含んでもよい。
In the information processing apparatus according to the present invention,
The attribute information may include name identification information for collectively managing the same customer.
本発明による情報処理装置において、
前記属性情報は、前記顧客の家族に関する情報を含んでもよい。
In the information processing apparatus according to the present invention,
The attribute information may include information about the customer's family.
本発明による情報処理装置において、
前記取引情報は、預金取引情報、貸金取引情報、前記金融機関との契約情報、前記金融機関の提供するサービスの利用情報又は決済情報を含んでもよい。
In the information processing apparatus according to the present invention,
The transaction information may include deposit transaction information, loan transaction information, contract information with the financial institution, service usage information provided by the financial institution, or settlement information.
本発明による情報処理装置において、
前記審査情報は、前記金融機関に対する前記顧客の借入申し込みに関する情報又は前記顧客の信用情報を含んでもよい。
In the information processing apparatus according to the present invention,
The examination information may include information on the customer's borrowing application to the financial institution or the credit information of the customer.
本発明による情報処理装置において、
前記金融機関が提供する複数の金融商品の各々に関して、前記生成部が前記ニーズ情報又は前記リスク情報を生成し、
前記出力部が、複数の金融商品の各々に関する前記ニーズ情報又は前記リスク情報を出力してもよい。
In the information processing apparatus according to the present invention,
For each of a plurality of financial products provided by the financial institution, the generation unit generates the needs information or the risk information,
The output unit may output the needs information or the risk information related to each of a plurality of financial products.
本発明による情報処理装置において、
前記生成部は、複数の金融機関における前記属性情報、前記審査情報及び前記取引情報のいずれか１つ以上から前記採用変数及び当該採用変数に対する係数を生成し、当該採用変数及び当該係数を用いて、前記ニーズ情報又は前記リスク情報を生成してもよい。
In the information processing apparatus according to the present invention,
The generation unit generates the adopted variable and a coefficient for the adopted variable from any one or more of the attribute information, the examination information, and the transaction information in a plurality of financial institutions, and uses the adopted variable and the coefficient The needs information or the risk information may be generated.
本発明による情報処理装置において、
前記出力部は、前記ニーズ情報に含まれるニーズの値がニーズ閾値以上となっている、又は、前記リスク情報に含まれるリスクの値がリスク閾値以下となっている顧客のみを出力の対象としてもよい。
In the information processing apparatus according to the present invention,
The output unit may output only customers whose value of needs included in the needs information is greater than or equal to a needs threshold, or whose risk values included in the risk information are less than or equal to a risk threshold. Good.
本発明による情報処理方法は、
人工知能機能を有する生成部によって、金融機関を利用する顧客の属性情報、前記顧客に関する審査情報及び前記顧客の前記金融機関における取引情報のいずれか１つ以上から生成される採用変数と、前記採用変数に対する係数とを用いて、前記ある顧客が所定の金融商品を利用する可能性に関するニーズ情報又は前記ある顧客に金銭を貸し付けた際の貸倒リスクもしくは延滞リスクに関するリスク情報を生成部によって生成することと、
前記生成部により生成された情報を出力部によって出力することと、
を備え、
前記採用変数及び前記係数は過去の実績データに基づき決定される。
An information processing method according to the present invention includes:
A hiring variable generated from any one or more of attribute information of a customer who uses a financial institution, examination information about the customer, and transaction information of the customer in the financial institution by the generating unit having an artificial intelligence function, and the hiring Using a coefficient for a variable, generation information is generated by the generation unit regarding the need information regarding the possibility that the certain customer uses the predetermined financial product or the risk of credit loss or the delinquency risk when lending money to the certain customer. And
Outputting the information generated by the generator by an output unit;
With
The adoption variable and the coefficient are determined based on past performance data.
本発明によれば、人工知能機能を有する生成部が、金融機関を利用する顧客の属性情報、顧客に関する審査情報及び顧客の金融機関における取引情報のいずれか１つ以上から生成される採用変数及び採用変数に対する係数を用いて、ある顧客が所定の金融商品を利用する可能性に関するニーズ情報又はある顧客に金銭を貸し付けた際の貸倒リスクもしくは延滞リスクに関するリスク情報を生成し、その結果が出力部によって出力される。用いられる採用変数及び係数が過去の実績データに基づき決定されている。このため、客観的なデータに基づいてニーズ情報又はリスク情報を出力できる。 According to the present invention, the generation unit having an artificial intelligence function includes an employment variable generated from any one or more of attribute information of a customer who uses a financial institution, examination information about the customer, and transaction information in the customer's financial institution, and Using the coefficient for the recruitment variable, generates information on the needs of a certain customer's possibility of using a given financial product or risk information on the risk of credit loss or delinquency when lending money to a customer. Output by the part. Employment variables and coefficients to be used are determined based on past performance data. For this reason, needs information or risk information can be output based on objective data.
実施の形態
《構成》
以下、本発明に係る情報処理装置の実施の形態について、図面を参照して説明する。ここで、図１乃至図５は本発明の実施の形態を説明するための図である。
Embodiment << Configuration >>
Embodiments of an information processing apparatus according to the present invention will be described below with reference to the drawings. Here, FIG. 1 to FIG. 5 are diagrams for explaining an embodiment of the present invention.
図２に示すように、本実施の形態では情報処理装置が金融機関の外部機関に設置されている態様を用いて説明するが、これに限られることはなく、情報処理装置は金融機関内に設置されてもよく、この場合には、金融機関が当該情報処理装置を所有及び／又は管理してもよい。本実施の形態の情報処理装置は、一つの装置から構成されてもよいし複数の装置から構成されてもよい。また、複数の装置から情報処理装置が構成される場合には、各装置が同じ部屋等の同じ空間に設けられる必要はなく、異なる部屋、異なる建物、異なる地域等に設けられてもよい。また、複数の装置から情報処理装置が構成される場合には、その一部を金融機関が所有及び／又は管理し、残りを外部機関が所有及び／又は管理してもよい。 As shown in FIG. 2, in this embodiment, the information processing apparatus is described as being installed in an external organization of the financial institution. However, the present invention is not limited to this, and the information processing apparatus is installed in the financial institution. In this case, the financial institution may own and / or manage the information processing apparatus. The information processing apparatus according to the present embodiment may be composed of a single device or a plurality of devices. Further, when an information processing apparatus is configured from a plurality of devices, each device does not need to be provided in the same space such as the same room, and may be provided in different rooms, different buildings, different areas, and the like. Further, when an information processing apparatus is configured from a plurality of apparatuses, a part thereof may be owned and / or managed by a financial institution, and the rest may be owned and / or managed by an external institution.
図１に示すように、本実施の形態の情報処理装置は、人工知能機能を有し、所定の情報を生成する生成部１１と、生成部１１により生成された情報を出力する出力部３０と、を有している。生成部１１は、銀行、郵便局等の金融機関を利用する顧客の属性情報、顧客に関する審査情報及び顧客の金融機関における取引情報のいずれか１つ以上から生成される採用変数及び当該採用変数に対する係数を用いて、ある顧客が所定の金融商品を利用する可能性に関するニーズ情報及び／又はある顧客に金銭を貸し付けた際の貸倒リスクもしくは延滞リスクに関するリスク情報を生成するようになっている。採用変数及び係数は、過去の実績データに基づき、生成部１１によって決定される。この過去の実績データには、予め入力された過去の実績データや後述する検証部１６による検証結果が含まれている（より正確には、当該ある顧客に対してニーズ情報やリスク情報を生成する前に検証された検証結果が含まれている。）。 As illustrated in FIG. 1, the information processing apparatus according to the present embodiment has an artificial intelligence function, a generation unit 11 that generates predetermined information, and an output unit 30 that outputs information generated by the generation unit 11. ,have. The generation unit 11 employs an employment variable generated from one or more of attribute information of a customer who uses a financial institution such as a bank or a post office, examination information about the customer, and transaction information of the customer's financial institution, and the employment variable. The coefficient is used to generate information on needs related to the possibility of a certain customer using a predetermined financial product and / or risk information on the risk of credit loss or delinquency when lending money to a certain customer. Employment variables and coefficients are determined by the generation unit 11 based on past performance data. This past result data includes past result data input in advance and a verification result by the verification unit 16 described later (more precisely, needs information and risk information are generated for the certain customer. Includes previously verified results.)
なお以下では、主として、生成部１１がニーズ情報及びリスク情報の両方を生成する態様を用いて説明するが、これに限られることはなく、生成部１１がニーズ情報又はリスク情報のいずれかのみを作成するようになっていてもよい。 In the following description, the generation unit 11 will be described mainly using an aspect in which both the need information and the risk information are generated. However, the present invention is not limited to this, and the generation unit 11 can generate only the need information or the risk information. You may come to create.
図１に示すように、情報処理装置は、様々な情報を記憶する装置記憶部２０と、様々な制御を行う装置制御部１０とを有している。前述した生成部１１、後述する算出部１５及び検証部１６はいずれも装置制御部１０に含まれている。装置記憶部２０には、自動でニーズ情報及びリスク情報を生成するために予め入力されたデータに加えて、後述する検証部１６による検証結果が記憶されてもよい。また、ある程度のデータが蓄積された場合には、ニーズ情報及びリスク情報を生成するために予め入力されたデータは削除されてもよい。また、一定期間（例えば２年）よりも古い検証結果を含むデータは削除されてもよい。このように一定期間内（例えば２年以内）のデータのみに基づいてニーズ情報及びリスク情報を生成する場合には、時代の流れに沿った正確性の高いニーズ情報及びリスク情報を生成して出力することができる。 As illustrated in FIG. 1, the information processing apparatus includes a device storage unit 20 that stores various information and a device control unit 10 that performs various controls. The generation unit 11, the calculation unit 15, and the verification unit 16 described later are all included in the device control unit 10. The device storage unit 20 may store a verification result by the verification unit 16 to be described later, in addition to data input in advance for automatically generating needs information and risk information. In addition, when a certain amount of data is accumulated, the data input in advance for generating the needs information and the risk information may be deleted. In addition, data including verification results older than a certain period (for example, two years) may be deleted. In this way, when generating needs information and risk information based only on data within a certain period (for example, within 2 years), highly accurate needs information and risk information are generated and output in line with the times. can do.
上記人工知能機能の一例として、機械学習の手法を用いた分類器を用いることができる。この分類器によれば、ある過去期間（例えば２年）の顧客情報から、貸倒が生じる確率（リスクモデルの場合）、商品申込（ニーズモデルの場合）等の目標事象が生じる確率を顧客毎に出力することができる。この分類器では、過去の実績データから、目標事象が生じる確率が最も確からしくなるように、機械学習技術によって、利用する採用変数（要素）と、その係数（重み）が定められる。そして、定められた採用変数（要素）と、その係数（重み）を、対象となる顧客（＝「ある顧客」）に関するデータに適用することで、当該顧客に関する商品毎のニーズ率、ニーズに関する絶対的な数値等を含むニーズ情報と、リスク率、リスクに関する絶対的な数値等を含むリスク情報とが生成される。 As an example of the artificial intelligence function, a classifier using a machine learning technique can be used. According to this classifier, for each customer, the probability that a target event such as the probability of a credit loss (in the case of a risk model), product application (in the case of a needs model) or the like occurs from customer information in a certain past period (for example, two years). Can be output. In this classifier, employed variables (elements) to be used and their coefficients (weights) are determined by machine learning technology so that the probability that a target event will occur is most likely from past performance data. Then, by applying the defined recruitment variables (elements) and their coefficients (weights) to data related to the target customer (= “a certain customer”), the customer needs rate for each product and the absolute Need information including a typical numerical value and the like, and risk information including a risk rate, an absolute numerical value related to the risk, and the like are generated.
対象となっている顧客に関して目標事象が生じる確率を出力するために、生成部１１は、商品単位でニーズモデルとリスクモデルの「学習」を行う。ここで「学習」とは、データの中から見つけたい「特徴」、すなわち金融商品を購入したといったニーズ事象やローンで延滞が発生したといったリスク事象を特定し、この「特徴」を最もよく分類できるような採用変数（要素）と、その係数（重み）を自動的な試行錯誤によって定めることを意味する。つまり、生成部１１では、過去の実績データに基づく属性情報、審査情報、取引情報等の情報が集約され、パラメータを変化させながら最も誤差が小さくなるよう繰り返し学習が行われ（ツリーモデルを採用するのであれば複数のツリーが作成され、過去の実績データとの誤差が小さくなるように繰り返し学習が行われ）、対象となっている顧客に適用するニーズモデル及びリスクモデルが定められる。そして、定められた採用変数（要素）と、その係数（重み）を、対象となる顧客に関するデータに適用することで、当該顧客に関する商品毎のニーズ情報及びリスク情報が算出される。 In order to output the probability that a target event will occur for the target customer, the generation unit 11 performs “learning” of the need model and the risk model for each product. Here, “learning” identifies the “features” that you want to find from the data, that is, needs events such as the purchase of financial products and risk events such as arrears on loans, and this “feature” can be best classified This means that such adoption variables (elements) and their coefficients (weights) are determined by automatic trial and error. That is, in the generation unit 11, information such as attribute information, examination information, and transaction information based on past performance data is aggregated, and repeated learning is performed so as to minimize the error while changing parameters (a tree model is adopted). In this case, a plurality of trees are created, and learning is repeatedly performed so that an error from past performance data is reduced), and a need model and a risk model to be applied to the target customer are determined. Then, by applying the determined adoption variable (element) and its coefficient (weight) to data related to the target customer, needs information and risk information for each product related to the customer are calculated.
変化させるパラメータとしては、例えば、繰返し学習の回数（例えばツリーモデルにおけるツリーの本数を意味する。）、繰り返し学習時の直前までに得られた特徴量を次の学習の際に用いる際の係数（重み）、学習時のデータの利用割合（利用されるデータの量を意味し、例えば１００万件ある母数のうち１０万件を利用するのか２０万件を利用するのかというような割合を意味する。）、学習時の深さの水準（例えばツリーモデルにおけるツリーの分岐の数を意味する。）等を挙げることができる。一例ではあるが、繰返し学習の回数が多い場合にはツリーモデルにおけるツリーの本数が多くなり、他方、繰返し学習の回数が少ない場合にはツリーモデルにおけるツリーの本数が少なくなる。また、学習時の深さの水準が深い場合にはツリーモデルにおけるツリーの分岐が多くなり、学習時の深さの水準が浅い場合にはツリーモデルにおけるツリーの分岐が少なくなる。なお、前述したパラメータはあくまでも一例であり、これに限られることはなく、前述したパラメータを減らしたり、他の要素をパラメータとしたりすることもできる。 Examples of the parameter to be changed include, for example, the number of iteration learning (for example, the number of trees in the tree model), and a coefficient used when the feature amount obtained immediately before the iteration learning is used in the next learning ( (Weight), percentage of data used during learning (meaning the amount of data used, for example, the ratio of whether 100,000 or 200,000 are used out of 1 million parameters) And the depth level at the time of learning (for example, the number of branches of the tree in the tree model). For example, when the number of iteration learning is large, the number of trees in the tree model is increased. On the other hand, when the number of iteration learning is small, the number of trees in the tree model is decreased. Further, when the depth level during learning is deep, the number of tree branches in the tree model increases, and when the depth level during learning is shallow, the number of tree branches in the tree model decreases. Note that the above-described parameters are merely examples, and the present invention is not limited to this, and the above-described parameters can be reduced or other elements can be used as parameters.
用いられる属性情報（図３参照）としては、例えば、氏名、性別、生年月日、年齢、住所等を挙げることができる。 Examples of the attribute information used (see FIG. 3) include a name, sex, date of birth, age, and address.
属性情報は、同一の顧客をまとめて管理するための名寄せ情報を含んでもよい。一つの金融機関に複数の口座を持つことがあり得る。この名寄せ情報を用いることで、複数の口座の名義人を一人の顧客として名寄せし、管理したり後工程の処理で用いたりすることができる。なお、名寄せ情報としては、店番号、ＣＩＦ番号（Customer Information File番号）、個人名寄せ番号等を挙げることができる。 The attribute information may include name identification information for collectively managing the same customer. A single financial institution can have multiple accounts. By using this name identification information, a plurality of account holders can be identified as a single customer and managed or used in subsequent processes. The name identification information includes a store number, a CIF number (Customer Information File number), a personal name identification number, and the like.
また、属性情報は、顧客の家族に関する情報といった同じ世帯に属する人物の情報を含んでもよい。ここでいう家族には、顧客がローン等の各種申請書に記載した本人以外の人物、同一住所である本人以外の人物、同一電話番号である本人以外の人物等を挙げることができる。同じ世帯に属する人物の情報をまとめることを世帯名寄せということができる。この世帯名寄せによれば、一つの金融機関に複数の口座をある世帯が持つ場合に、当該口座に関する情報を一世帯のものとして名寄せし、その結果を用いてニーズモデルやリスクモデルを作成することができる。 Further, the attribute information may include information on a person belonging to the same household, such as information related to the customer's family. Examples of the family include a person other than the person described in the various application forms such as the loan, a person other than the person having the same address, and a person other than the person having the same telephone number. Collecting information on persons belonging to the same household can be called household name identification. According to this household name identification, when a household has multiple accounts at one financial institution, information about the account is identified as that of one household, and the needs model and risk model are created using the results. Can do.
用いられる審査情報（図３参照）は、金融機関に対する顧客の借入申し込みに関する情報及び顧客の信用情報のいずれか１つ以上を含んでもよい。より具体的には、審査情報としては、例えば、職業、勤務先、勤務先区分、年収等を挙げることができる。審査情報としては、その他として、審査の申込年月、諾否結果等の「消費性ローン申込関連情報」、ブラック情報、債務者区分、債務者格付といった「行内信用情報」等を挙げることができる。 The examination information used (see FIG. 3) may include one or more of information related to a customer's borrowing application to a financial institution and customer credit information. More specifically, the examination information can include, for example, occupation, place of work, place of work, annual income, and the like. Other examples of examination information include “consumer loan application-related information” such as examination application date and acceptance result, “bank credit information” such as black information, debtor classification, and debtor rating.
用いられる取引情報（図３参照）は、預金取引情報、貸金取引情報、金融機関との契約情報、金融機関の提供するサービスの利用情報及び決済情報のいずれか１つ以上を含んでもよい。より具体的には、取引情報としては、例えば、入金、出金、振込、延滞等に関する情報を挙げることができる。取引情報には、流動固定別預金残高、入出金明細、入出金摘要欄等の「預金取引情報」、貸金残高、当貸極度額、貸金の延滞状況等の「貸金取引情報」、ローン保有有無、カードローン契約有無、ネットバンキングといったサービス利用有無等の「契約情報」・「利用情報」、公振引落不能有無、公振引落金額等の「決済情報」等が含まれる。上述した入出金明細には、入金頻度、入金金額、出金頻度、出金額、振込先、振込金等に関する情報を挙げることができる。 The transaction information used (see FIG. 3) may include any one or more of deposit transaction information, loan transaction information, contract information with a financial institution, use information of services provided by the financial institution, and settlement information. More specifically, examples of transaction information include information relating to deposit, withdrawal, transfer, arrears and the like. Transaction information includes deposit balance by current fixed amount, deposit / withdrawal details, deposit / withdrawal summary column, etc., deposit balance information, loan balance, current credit limit, loan delinquency status, etc., loan presence / absence "Contract information" / "Usage information" such as card loan contract presence / absence, use / non-use of internet banking service, etc., "Payment information" such as whether or not public debiting is possible. The above-mentioned deposit / withdrawal details can include information on the deposit frequency, deposit amount, withdrawal frequency, withdrawal amount, transfer destination, transfer amount, and the like.
用いられるその他の情報（図３参照）としては、ダイレクトメールや電話によるコンタクトを希望するか否か等に関する情報（提案可否情報）を挙げることができる。コンタクトを希望しないということになっている場合には、最初からニーズ情報の作成を行わないか、ニーズ情報を作成するものの金融商品の提供の提案を当該顧客へ行わないようにしてもよい。 Other information used (see FIG. 3) can include information (proposal availability information) regarding whether or not direct mail or telephone contact is desired. If contact is not desired, the need information may not be created from the beginning, or the offer of the financial product may be prevented from being made to the customer although the need information is created.
顧客は個人であってもよいし法人であってもよい。顧客に関する属性情報等の情報は、金融機関の店頭、ＡＴＭ等から取得されたり、Ｗｅｂ、電子メール、ダイレクトメール、電話等から取得されたりする。顧客が法人である場合には、上記の他に、訪問して属性情報等の情報が取得されることもある。なお、このようにして取得された属性情報等に対して、当該顧客の審査情報や取引情報等が金融制御部６０で関連付けられて金融記憶部６１に記憶される。図１に示すように、本実施の形態では、金融機関に金融制御部６０及び金融記憶部６１が設けられている態様を用いて説明しているが、これに限られることはなく、金融制御部６０及び／又は金融記憶部６１は外部機関に設けられてもよい。 The customer may be an individual or a corporation. Information such as attribute information related to customers is acquired from a store of a financial institution, ATM, or the like, or acquired from the Web, electronic mail, direct mail, telephone or the like. When the customer is a corporation, in addition to the above, information such as attribute information may be acquired by visiting. Note that the examination information, transaction information, etc. of the customer are associated with the attribute information obtained in this way by the financial control unit 60 and stored in the financial storage unit 61. As shown in FIG. 1, in this embodiment, the financial institution is described using an aspect in which a financial control unit 60 and a financial storage unit 61 are provided. However, the present invention is not limited to this, and financial control is performed. The unit 60 and / or the financial storage unit 61 may be provided in an external organization.
また、金融記憶部６１及び金融制御部６０の機能を複数のシステムが担ってもよく、金融機関に金融制御部６０及び金融記憶部６１が設けられているという前提では、後述するMCIF、自動審査システム、基幹系、ＣＲＭシステム及びＥＢＭシステムのいずれか１つ以上が金融記憶部６１及び金融制御部６０の機能を担ってもよい。 In addition, a plurality of systems may be responsible for the functions of the financial storage unit 61 and the financial control unit 60, and on the premise that the financial control unit 60 and the financial storage unit 61 are provided in the financial institution, MCIF, automatic examination described later Any one or more of the system, backbone system, CRM system, and EBM system may be responsible for the functions of the financial storage unit 61 and the financial control unit 60.
情報の流れとしては、図２に示すように、顧客から取得された顧客情報に基づき当該顧客に対する金融機関内での審査が行われ、記帳勘定されて、取引情報等として金融記憶部６１に記憶されることになる。本実施の形態では顧客に関するあらゆる情報を「顧客情報」という。なお、「顧客情報」は、金融機関を利用する顧客データベースであるMCIF（Marketing Customer Information File）、自動審査システム、基幹系等から提供されてもよい。これらMCIF、自動審査システム、基幹系等に上記金融制御部６０及び金融記憶部６１が含まれてもよい。 As shown in FIG. 2, the information flow is based on the customer information acquired from the customer, the customer is examined in the financial institution, booked, and stored in the financial storage unit 61 as transaction information or the like. Will be. In the present embodiment, all information related to customers is referred to as “customer information”. The “customer information” may be provided from MCIF (Marketing Customer Information File) which is a customer database using a financial institution, an automatic examination system, a backbone system, or the like. The financial control unit 60 and the financial storage unit 61 may be included in the MCIF, automatic examination system, backbone system, and the like.
金融機関には、顧客の属性や接触履歴を記録・管理するＣＲＭ（Customer Relationship Management）システムと、就職、結婚、住宅購入、退職等の顧客の身に起きた出来事（イベント）を推察し、最適のタイミングでふさわしい商品・サービスを提案するためのＥＢＭ（Event Based Marketing）システムとが設けられている（図２参照）。これらＣＲＭシステム及び／又はＥＢＭシステムに、上述した金融記憶部６１や金融制御部６０が含まれてもよい。 For financial institutions, CRM (Customer Relationship Management) system that records and manages customer attributes and contact histories, as well as customer events such as employment, marriage, home purchase, retirement, etc. And an EBM (Event Based Marketing) system for proposing appropriate products and services at the same timing (see FIG. 2). These CRM system and / or EBM system may include the financial storage unit 61 and the financial control unit 60 described above.
所定の金融商品としては、個人向けのものとして、カードローン、教育ローン、住宅ローン、カーローン、保険、投資信託等を挙げることができる。他方、法人向けのものとしては、運転資金融資、設備投資融資、保険、運用商品等を挙げることができる。 Examples of the predetermined financial products include card loans, education loans, mortgages, car loans, insurance, investment trusts and the like for individuals. On the other hand, for corporations, working capital loans, capital investment loans, insurance, operational products and the like can be cited.
金融商品の内容に応じて、ニーズ情報及びリスク情報の作成の有無が決定されてもよい。図３に示す態様では、カードローン新規、カードローン極度増枠、教育ローン、カーローン、住宅ローン及びその他ローンについて、ニーズモデル及びリスクモデルを生成部１１が生成可能となっており、これらに関してはニーズ情報及びリスク情報の両方が作成されるようになっている。他方、保険及び投資信託について、ニーズモデルのみを生成部１１が生成するようになっており、これらに関してはニーズ情報のみが作成されリスク情報は作成されないようになっている。なお、図３における「ＡＩ」は「artificial intelligence」の頭文字であり、「人工知能」のことを意味している。 Whether to create needs information and risk information may be determined according to the contents of the financial product. In the aspect shown in FIG. 3, the generation unit 11 can generate a need model and a risk model for a new card loan, an extremely large card loan frame, an education loan, a car loan, a mortgage loan, and other loans. Both needs information and risk information are created. On the other hand, for the insurance and the investment trust, the generation unit 11 generates only the need model, and only the need information is created for these, and the risk information is not created. Note that “AI” in FIG. 3 is an acronym for “artificial intelligence” and means “artificial intelligence”.
生成部１１は、異なる金融商品に対して、異なる採用変数と異なる係数を用いてニーズ情報及びリスク情報を生成するようになってもよい。一例を挙げるとすると、カードローン、教育ローン、住宅ローン、カーローン、保険、投資信託、運転資金融資、設備投資融資、運用商品といった異なる金融商品に対しては、異なる採用変数と異なる係数が用いられてもよい。図５（ａ）では、一例として、カードローンにおける採用変数（図中の「Feature」）及び係数（図中の「Gain」）が示され、図５（ｂ）では、別の例として、自動車ローンにおける採用変数（図中の「Feature」）及び係数（図中の「Gain」が示されている。図５（ａ）と図５（ｂ）とを比較することで、これらカードローン及び自動車ローンにおいて、異なる採用変数と異なる係数が用いられていることを理解できる。 The generation unit 11 may generate needs information and risk information for different financial products using different employment variables and different coefficients. For example, different recruitment variables and different coefficients are used for different financial products such as card loans, education loans, mortgages, car loans, insurance, investment trusts, working capital loans, capital investment loans, and investment products. May be. In FIG. 5A, as an example, the adoption variable (“Feature” in the figure) and the coefficient (“Gain” in the figure) in the card loan are shown, and in FIG. 5B, as another example, the automobile Employment variables ("Feature" in the figure) and coefficients ("Gain" in the figure) are shown in the loan. By comparing FIG. 5 (a) and FIG. 5 (b), these card loans and automobiles It can be seen that different recruitment variables and different factors are used in the loan.
図１に示すように、情報処理装置は、所定のデータを算出する算出部１５を有してもよい。この算出部１５は、対象となっている顧客の借入金額、当該借入に際しての金利及び経費情報等を用いて、当該顧客に対する収益を算出する機能を有してもよい。また、この機能に加えて又はこの機能に変えて、算出部１５は、生成部１１で生成されるリスク情報から、対象となっている顧客に対する与信可能額及び／又は対象となっている顧客に対する適用金利を算出する機能を有してもよい。なお、算出部１５が上記収益を算出する機能を有している場合には、上記借入金額が対象となっている顧客に対するリスク情報に基づいて決定された与信可能額の範囲内で決定され、金利（＝適用金利）もリスク情報に基づいて決定されてもよい。借入金額や金利が変更された場合には、変更された借入金額及び金利に基づいて、対象となっている顧客に対するリスク情報が再度生成されてもよい。与信可能額の範囲内とは、与信可能額における最高額であってもよいし、それ未満の任意の額であってもよい。算出部は、複数の額で借入金額を決定して、各借入金額に関して収益を算出してもよい。 As illustrated in FIG. 1, the information processing apparatus may include a calculation unit 15 that calculates predetermined data. The calculation unit 15 may have a function of calculating profits for the customer by using the borrowing amount of the target customer, interest rate and expense information for the borrowing, and the like. Further, in addition to or instead of this function, the calculation unit 15 determines the creditable amount for the target customer and / or the target customer from the risk information generated by the generation unit 11. It may have a function of calculating an applicable interest rate. In addition, when the calculation unit 15 has a function of calculating the profit, the borrowing amount is determined within the range of the creditable amount determined based on the risk information for the target customer, The interest rate (= applicable interest rate) may also be determined based on the risk information. When the borrowing amount or interest rate is changed, risk information for the target customer may be generated again based on the changed borrowing amount and interest rate. Within the range of creditable amount may be the maximum amount of creditable amount or any amount less than that. The calculation unit may determine the borrowing amount with a plurality of amounts and calculate the profit for each borrowing amount.
図１に示すように、情報処理装置は、所定の金融商品がある顧客によって実際に利用されたか否か（「所定の金融商品に対して申し込みがあったか否か」を含む。）、又は、ある顧客に金銭を貸し付けた際に実際に貸倒れたかもしくは延滞が発生したか否かを検証する検証部１６をさらに有してもよい。このような検証部１６が設けられている場合には、生成部１１は、予め入力されていた情報に加えて又は代えて、検証部１６による検証結果（より正確には、当該ある顧客に対してニーズ情報やリスク情報を生成する前に検証された検証結果）を用いて、ニーズ情報及び／又はリスク情報を生成してもよい。なお、当該「ある顧客」に関する検証部１６による検証結果は、当該検証結果が出された後に生成されるニーズ情報及び／又はリスク情報に関して、過去の実績データとして利用されることになる。 As shown in FIG. 1, the information processing apparatus includes whether or not a predetermined financial product is actually used by a customer (including “whether or not an application has been made for a predetermined financial product”). You may further have the verification part 16 which verifies whether it was actually overdue when the money was lent to a customer, or overdue. In the case where such a verification unit 16 is provided, the generation unit 11 adds the verification result by the verification unit 16 in addition to or instead of the information input in advance (more precisely, to a certain customer) Need information and / or risk information may be generated using a verification result verified before generating needs information and risk information. In addition, the verification result by the verification unit 16 regarding the “certain customer” is used as past performance data regarding the need information and / or risk information generated after the verification result is issued.
情報処理装置は、金融機関が提供する複数の金融商品の各々に関して、生成部１１がニーズ情報及び／又はリスク情報を生成するようになっていてもよい。このようにして生成された複数のニーズ情報及びリスク情報の各々は、出力部３０によってリストとして出力されてもよい。図３に示す態様を用いて説明すると、カードローン新規、カードローン極度増枠、教育ローン、カーローン、住宅ローン及びその他ローンについてのニーズ情報及びリスク情報と、保険及び投資信託についてのニーズ情報とが、出力部３０によってリストとして出力されてもよい。 In the information processing apparatus, the generation unit 11 may generate needs information and / or risk information for each of a plurality of financial products provided by a financial institution. Each of the plurality of needs information and risk information generated in this way may be output as a list by the output unit 30. Referring to the embodiment shown in FIG. 3, needs information and risk information about a new card loan, an extremely large card loan frame, an education loan, a car loan, a mortgage loan and other loans, and needs information about insurance and investment trust May be output as a list by the output unit 30.
出力されたニーズ情報及びリスク情報は、図２に示すように、金融機関に送られ、金融機関の金融記憶部６１（図１参照）で記憶されることになる。そして、金融機関のＣＲＭシステムやＥＢＭシステム等を介して顧客に対する金融商品の提供が提案される（図２参照）。この提案は、金融機関の担当者に対して行われてもよいし、直接、顧客に対して行われてもよい。金融機関の担当者に対して提案が行われる場合には、金融機関の窓口、コールセンター、ＡＴＭ等や、Ｗｅｂ上のネットバンキング、電子メール、ダイレクトメール等によって、当該担当者から顧客に対して金融商品の利用が提案される。他方、上記提案が顧客に対して直接行われる場合には、ＡＴＭや、Ｗｅｂ上のネットバンキング、電子メール、ダイレクトメール等によって、自動的に、顧客に対して金融商品の利用が提案される。 The output needs information and risk information are sent to a financial institution as shown in FIG. 2, and are stored in the financial storage unit 61 (see FIG. 1) of the financial institution. Then, it is proposed to provide financial products to customers via the CRM system or EBM system of the financial institution (see FIG. 2). This proposal may be made to a person in charge of a financial institution or directly to a customer. When a proposal is made to a person in charge of a financial institution, the person in charge from the person in charge of the financial institution through a bank contact, call center, ATM, etc., online banking on the Web, e-mail, direct mail, etc. The use of the product is proposed. On the other hand, when the above proposal is made directly to the customer, the use of the financial product is automatically proposed to the customer by ATM, net banking on the web, e-mail, direct mail or the like.
（一定期間内に）提案の行われた顧客から提案した金融商品の申し込みがあったか否か、また顧客に金銭を貸し付けた際に実際に貸倒れたかもしくは延滞が発生したか否かについては、例えば金融機関の自動審査システム、ＣＲＭシステム、ＥＢＭシステム等で管理され記憶される。また上記情報（提案の行われた顧客から提案した金融商品の申し込みがあったか否か、また顧客に金銭を貸し付けた際に実際に貸倒れたかもしくは延滞が発生したか否か）は、金融機関から検証部１６へと送られ（図２の「顧客情報」に含まれている。）、検証部１６による検証が行われる。このような検証は、随時行われてもよいし、一定期間ごと（例えば１週間ごと、１か月ごと等）にまとめて行われてもよい。検証結果は、装置記憶部２０で記憶されることになる。 Whether or not there has been an application for a proposed financial product from a proposed customer (within a certain period of time), and whether or not a loan was actually made or delinquent when lending money to the customer It is managed and stored by an institution's automatic examination system, CRM system, EBM system, and the like. In addition, the above information (whether there has been an application for a proposed financial product from a customer who has made a proposal, and whether or not a loan has actually been delinquent or arrears when lending money to a customer) has been verified by a financial institution Sent to the unit 16 (included in “customer information” in FIG. 2), and verified by the verification unit 16. Such verification may be performed at any time, or may be performed collectively at regular intervals (for example, every week, every month, etc.). The verification result is stored in the device storage unit 20.
生成部１１はランダムに対象となる顧客を選択し、当該顧客に対するニーズ情報及びリスク情報を生成してもよい。その結果は出力部３０によって全て出力されてもよいが、一定の要件をクリアーしたものだけが出力部３０によって出力されるようにしてもよい。一例としては、出力部３０は、ニーズ率、ニーズに関する絶対的な数値等のニーズの値が一定の閾値（ニーズ閾値）以上となっている顧客、及び／又は、リスク率、リスクに関する絶対的な数値等のリスクの値が一定の閾値（リスク閾値）以下となっている顧客のみを出力の対象としていてもよい。特に、ニーズの値がニーズ閾値以上となり、かつ、リスクの値がリスク閾値以下となっている顧客のみが出力の対象とされる態様によれば、オペレータは金融商品を提供すべき厳選された顧客を一目で確認することができる点で有益である。なお、上記要件を満たして出力の対象となった顧客であっても、コンタクトを希望しない場合には、金融商品の提供の提案を当該顧客へ行わないようにしてもよい。 The generation unit 11 may randomly select a target customer and generate needs information and risk information for the customer. All the results may be output by the output unit 30, but only those that satisfy certain requirements may be output by the output unit 30. As an example, the output unit 30 may provide an absolute value related to a customer whose value of needs such as a need rate and an absolute numerical value related to the needs are equal to or greater than a certain threshold (needs threshold) and / or a risk rate and risk. Only customers whose risk values such as numerical values are below a certain threshold (risk threshold) may be output. In particular, according to an aspect in which only customers whose need value is equal to or greater than the need threshold value and whose risk value is equal to or less than the risk threshold value are targeted for output, the operator must select carefully selected customers who should provide financial products. This is beneficial in that it can be confirmed at a glance. It should be noted that even if a customer who satisfies the above requirements and is an output target does not wish to contact, the customer may not be offered to provide financial products.
算出部１５は、顧客の借入金額や口座における残高の推移、顧客に貸付時に適用される適用金利や処理にかかる経費、貸し倒れリスク等から、仮に当該顧客に貸付を実行した場合に、どれだけ収益額を期待できるかも計算してもよい。また、貸倒リスクが第一閾値を超える場合には、算出部１５は、適用金利を高く設定し直したり与信金額を小さくしたりし、具体的な適用金利及び／又は与信金額を算出してもよい。逆に、貸倒リスクが第二閾値（なお、第二閾値＜第一閾値となっている。）を下回る場合には、算出部１５は、適用金利を低く設定し直したり与信金額を大きくしたりし、具体的な適用金利及び／又は与信金額を算出してもよい。適用金利及び／又は与信金額を算出する際には、特定の金利及び／又は金額を算出してもよいし、一定の幅を持った金利及び／又は金額を算出してもよい。 The calculation unit 15 determines how much revenue will be obtained if a loan is made to the customer based on the changes in the customer's borrowing amount and the balance in the account, the applicable interest rate applied to the customer, the expenses required for processing, the risk of credit loss, etc. You may calculate whether you can expect the amount. In addition, when the credit risk exceeds the first threshold, the calculation unit 15 calculates a specific applicable interest rate and / or credit amount by resetting the applied interest rate higher or reducing the credit amount. Also good. Conversely, when the credit loss risk falls below the second threshold (where the second threshold <the first threshold), the calculation unit 15 resets the applicable interest rate or increases the credit amount. Alternatively, a specific applicable interest rate and / or credit amount may be calculated. When calculating the applicable interest rate and / or credit amount, a specific interest rate and / or amount may be calculated, or an interest rate and / or amount having a certain range may be calculated.
また、金融機関が例えば銀行と保証会社とをグループとして持っている場合には、算出部１５は、予想される銀行収益と保証会社収益とからグループとしての収益を算出してもよい。一例としては、貸し付けた金銭の累積残高と、金利から保証料率、調達コスト率、事務コスト率等のコスト率を差し引いた数字（一例として、金利−保証料率−調達コスト率−事務コスト率）とから銀行収益を算出してもよい。また、貸し付けた金銭の累積残高と、保証料率から事務コスト率等のコスト率を差し引いた数字（一例として、保証料率−事務コスト率）と、信用コストとから保証会社の収益を算出してもよい。 Further, when the financial institution has, for example, a bank and a guarantee company as a group, the calculation unit 15 may calculate the group profit from the expected bank profit and the guarantee company profit. As an example, the accumulated balance of money lent, and a number obtained by subtracting the cost rate such as the guarantee fee rate, procurement cost rate, and administrative cost rate from the interest rate (for example, interest rate-guarantee fee rate-procurement cost rate-administrative cost rate) and Bank revenue may be calculated from In addition, even if the guarantee company's revenue is calculated from the accumulated balance of the loaned money, the number obtained by subtracting the cost rate such as the administrative cost rate from the guaranteed fee rate (for example, the guaranteed fee rate minus the administrative cost rate), and the credit cost Good.
算出部１５が収益を算出する機能を有する場合には、期待収益を計算し、与信した場合の期待収益率及び期待収益額が出力されてもよい（図３参照）。 When the calculation unit 15 has a function of calculating profit, the expected profit may be calculated, and the expected return and the expected return when credited may be output (see FIG. 3).
生成部１１は、名寄せされた顧客又は当該顧客の属する世帯に基づき、属性情報、審査情報及び取引情報から生成される採用変数と、採用変数に対する係数とを用いて、ニーズ情報及リスク情報を顧客毎に「リスト」として生成し、当該「リスト」を出力部３０が出力してもよい。この際には、複数の金融商品に対するニーズ情報及びリスク情報を「リスト」として生成し、当該「リスト」を出力部３０が出力してもよい（図４参照）。このように「リスト」にすることで、対象となっている顧客にどの金融商品を提案すべきかをオペレータが一目で確認できる。 The generation unit 11 uses the recruitment variable generated from the attribute information, the examination information, and the transaction information based on the name-identified customer or the household to which the customer belongs, and the coefficient for the recruitment variable and the needs information and risk information. Each may be generated as a “list”, and the output unit 30 may output the “list”. At this time, needs information and risk information for a plurality of financial products may be generated as a “list”, and the output unit 30 may output the “list” (see FIG. 4). By making a “list” in this way, the operator can confirm at a glance which financial product should be proposed to the target customer.
図４に示すように、ニーズ情報としては例えばニーズ率及びニーズ格付が出力されてもよい。リスク情報としては例えばリスク率及びリスク格付が出力されてもよい。また、ニーズ率及びリスク率は「％」で示されてもよいが、一目でわかるにグラフ形式で示されてもよい。なお、ニーズ格付及びリスク格付は該当する顧客がどの格付けにあるかを容易に認識できるように付されているものである。また、算出部１５が与信可能額及び適用金利を算出する場合には、図４に示すように、これら与信可能額及び適用金利もリストとして出力されてもよい。図４に示す態様では、顧客毎かつ金融商品毎に、ニーズ率及びニーズ格付、リスク率及びリスク格付、並びに、与信可能額（図４では「事前与信額」として示されている。）及び適用金利（図４では「適用利率」として示されている。）が示されている。 As shown in FIG. 4, for example, a needs rate and a needs rating may be output as the needs information. For example, a risk rate and a risk rating may be output as the risk information. Further, the need rate and the risk rate may be indicated by “%”, but may be indicated in a graph format so as to be understood at a glance. The needs rating and the risk rating are assigned so that the customer can easily recognize the rating. Further, when the calculation unit 15 calculates the creditable amount and the applicable interest rate, as shown in FIG. 4, the creditable amount and the applicable interest rate may be output as a list. In the mode shown in FIG. 4, the needs rate and needs rating, the risk rate and risk rating, and the creditable amount (shown as “preliminary credit amount” in FIG. 4) and application for each customer and each financial product. Interest rates (shown as “applicable interest rates” in FIG. 4) are shown.
生成部１１は、「複数」の金融機関における属性情報、審査情報及び取引情報のいずれか１つ以上から採用変数及び当該採用変数に対する係数を生成し、当該採用変数及び当該係数を用いて、ニーズ情報及び／又はリスク情報を生成するようになっていてもよい。この際には、系列関係にある金融機関だけではなく、何ら資本関係のない金融機関が保有している情報が互いに利用されるようになってもよい。 The generation unit 11 generates an employment variable and a coefficient for the employment variable from any one or more of attribute information, examination information, and transaction information in “multiple” financial institutions, and uses the employment variable and the coefficient to Information and / or risk information may be generated. At this time, not only financial institutions that are affiliated but also financial institutions that have no capital relationship may use each other.
《方法》
本実施の形態の情報処理装置がニーズ情報及び／又はリスク情報を生成し出力する際には、以下の工程を経ることになる。なお、上記と重複することになるので簡単に説明するに留めるが、上記「構成」で述べた全ての態様を「方法」において適用することができる。
"Method"
When the information processing apparatus according to the present embodiment generates and outputs needs information and / or risk information, the following steps are performed. It should be noted that since this overlaps with the above, only a brief description will be given, but all aspects described in the above “configuration” can be applied in the “method”.
生成部１１によって、顧客の属性情報、顧客に関する審査情報及び顧客の金融機関における取引情報のいずれか１つ以上から生成される採用変数及び当該採用変数に対する係数を用いて、対象となっている顧客の各金融商品に対するニーズ情報及び／又はリスク情報が生成される。なお、採用変数及び係数は過去の実績データに基づき生成部１１によって決定される。 The generation unit 11 uses the employment variable generated from any one or more of the customer attribute information, the examination information about the customer, and the transaction information at the customer's financial institution, and the target customer. Need information and / or risk information for each financial product is generated. The adoption variable and the coefficient are determined by the generation unit 11 based on past performance data.
そして、生成部１１により生成された情報が出力部３０によって出力される。 Then, the information generated by the generation unit 11 is output by the output unit 30.
そして、出力された情報に基づき、対象となっている顧客に対して、金融商品の提供が提案される。 And based on the output information, provision of a financial product is proposed with respect to the target customer.
なお、所定の金融商品が対象となっている顧客によって実際に利用されたか否か、又は、対象となっている顧客に金銭を貸し付けた際に実際に貸倒れたかもしくは延滞が発生したか否かといった結果が検証部１６によって検証されてもよい。そして、この検証部１６による検証結果も用いて、それ以降のニーズ情報及び／又はリスク情報が生成されてもよい。 Whether or not a given financial product was actually used by a target customer, or whether or not a loan was actually made or delinquent when lending money to a target customer The result may be verified by the verification unit 16. Further, the subsequent needs information and / or risk information may be generated using the verification result by the verification unit 16.
《作用・効果》
次に、上述した構成からなる本実施の形態による作用・効果であって、未だ説明していないものを中心に説明する。
《Action ・ Effect》
Next, operations and effects according to the present embodiment having the above-described configuration, which have not been described yet, will be mainly described.
本実施の形態によれば、人工知能機能を有する生成部１１が、金融機関を利用する顧客の属性情報、顧客に関する審査情報及び顧客の金融機関における取引情報のいずれか１つ以上から生成される採用変数及び採用変数に対する係数を用いて、対象となっている顧客（＝ある顧客）に対するニーズ情報及び／又はリスク情報を生成し、その結果が出力部３０によって出力される。用いられる採用変数及び係数が過去の実績データに基づき決定されている。このため、客観的なデータに基づいてニーズ情報及び／又はリスク情報を出力できる。 According to the present embodiment, the generation unit 11 having an artificial intelligence function is generated from any one or more of attribute information of a customer who uses a financial institution, examination information about the customer, and transaction information at the customer's financial institution. Need information and / or risk information for the target customer (= a certain customer) is generated using the hiring variable and the coefficient for the hiring variable, and the result is output by the output unit 30. Employment variables and coefficients to be used are determined based on past performance data. For this reason, needs information and / or risk information can be output based on objective data.
また、生成部１１が、ニーズ情報及びリスク情報の両方を生成する場合には、これらの両方に関する情報を得ることができる。 Moreover, when the production | generation part 11 produces | generates both needs information and risk information, the information regarding both of these can be obtained.
さらに、生成部１１が、属性情報、審査情報及び取引情報を用いて採用変数及び係数を生成する場合には、これら属性情報、審査情報及び取引情報の全てを用いてニーズ情報及び／又はリスク情報を生成することができるので、より精度の高いニーズ情報及び／又はリスク情報を出力できる。なお、対象となる顧客に関して、存在しない情報（例えば審査情報）がある場合には、その情報は存在しないものとして処理される。 Further, when the generation unit 11 uses the attribute information, the examination information, and the transaction information to generate the adoption variable and the coefficient, the need information and / or the risk information using all of the attribute information, the examination information, and the transaction information. Therefore, more accurate needs information and / or risk information can be output. If there is information that does not exist (for example, examination information) for the target customer, the information is processed as not existing.
属性情報が、同一の顧客をまとめて管理するための名寄せ情報を含む場合には、仮に複数の口座を顧客が持っている場合であっても、それらを一人の顧客として管理し、情報を収集することができる。このため、より多くの情報に基づきニーズ情報及び／又はリスク情報を生成することができるので、より精度の高いニーズ情報及び／又はリスク情報を出力できる。 If the attribute information includes name identification information for managing the same customer collectively, even if the customer has multiple accounts, manage them as a single customer and collect information can do. For this reason, since needs information and / or risk information can be produced | generated based on more information, more highly accurate needs information and / or risk information can be output.
属性情報が、顧客の家族といった世帯に関する情報を含む場合には、同一世帯における情報に基づきニーズ情報及び／又はリスク情報を生成することができるので、より精度の高いニーズ情報及び／又はリスク情報を出力できる。なお、このように家族に関する情報を用いる場合には、顧客個人の情報に基づきニーズ情報及び／又はリスク情報を生成するとともに、顧客の家族の情報に基づきニーズ情報及び／又はリスク情報を生成してもよい。このような態様によれば、２つのパターンのニーズ情報及び／又はリスク情報に基づいた結果を出力できる。 When the attribute information includes information about the household such as the customer's family, the needs information and / or risk information can be generated based on the information in the same household. Can output. When using family information in this way, needs information and / or risk information is generated based on individual customer information, and needs information and / or risk information is generated based on customer family information. Also good. According to such an aspect, the result based on the need information and / or risk information of two patterns can be output.
取引情報は、預金取引情報、貸金取引情報、金融機関との契約情報、金融機関の提供するサービスの利用情報又は決済情報を含んでいるが、多くの種類の情報から適宜選択することで、より精度の高いニーズ情報及び／又はリスク情報を出力できる。 Transaction information includes deposit transaction information, loan transaction information, contract information with financial institutions, usage information of services provided by financial institutions, or settlement information, but by selecting appropriately from many types of information, Accurate needs information and / or risk information can be output.
審査情報は、金融機関に対する顧客の借入申し込みに関する情報又は顧客の信用情報を含んでいるが、多くの種類の情報から適宜選択することで、より精度の高いニーズ情報及び／又はリスク情報を出力できる。 The examination information includes information related to the customer's borrowing application to the financial institution or customer credit information. By appropriately selecting from various types of information, more accurate needs information and / or risk information can be output. .
なお、一般には情報量が多いほど精度の高いニーズ情報及び／又はリスク情報を得ることを期待できるが、情報量が多すぎると処理に時間がかかったり、重要でない情報も取り込まれてしまったりする可能性もあることから、一定程度の歯止めが必要であることには留意が必要である。 In general, as the amount of information increases, it can be expected that highly accurate needs information and / or risk information can be obtained. However, if the amount of information is too large, processing may take time or unimportant information may be captured. It should be noted that a certain degree of pawl is necessary because of the possibility.
生成部１１の人工知能機能が、異なる金融商品に対して、異なる採用変数と異なる係数を用いてニーズ情報及び／又はリスク情報を生成する場合には、金融商品に応じたより適切な採用変数と係数を用いることができる。このため、より精度の高いニーズ情報及び／又はリスク情報を出力できる。 When the artificial intelligence function of the generation unit 11 generates needs information and / or risk information using different employment variables and different coefficients for different financial products, more appropriate employment variables and coefficients according to the financial products Can be used. For this reason, more accurate needs information and / or risk information can be output.
対象となっている顧客の借入金額、当該借入に際しての金利及び経費情報等を用いて算出部１５が収益を算出する場合には、オペレータは、収益に関する情報も取得することができ、得られた収益に関する情報に基づき、金融商品を提供するか否かを判断できる。また、上記借入金額が当該顧客に対するリスク情報に基づいて決定された与信可能額の範囲内で決定され、金利（＝適用金利）も当該顧客に対するリスク情報に基づいて決定される場合には、適切にカスタマイズされた金融商品を提供するとともに、適切な範囲の収益確保を期待できる。 When the calculation unit 15 calculates revenue by using the borrowing amount of the target customer, interest rate and expense information at the time of the borrowing, etc., the operator can also obtain information on the revenue It is possible to determine whether or not to provide a financial product based on information related to profits. In addition, if the borrowing amount is determined within the creditable amount determined based on the risk information for the customer and the interest rate (= applicable interest rate) is also determined based on the risk information for the customer, it is appropriate In addition to providing customized financial products, we can expect to secure profits within an appropriate range.
また、算出部１５が生成部１１で生成されるリスク情報から、顧客に対する与信可能額及び／又は顧客に対する適用金利を算出する場合には、当該与信可能額及び／又は適用金利に基づき当該顧客に対して金融商品を提供することを提案できる。このため、やはり、適切にカスタマイズされた金融商品を提供するとともに、適切な範囲の収益確保を期待できる。 In addition, when the calculation unit 15 calculates the creditable amount for the customer and / or the applicable interest rate for the customer from the risk information generated by the generation unit 11, the calculation unit 15 determines the customer based on the creditable amount and / or the applicable interest rate. It is possible to propose to provide financial products. For this reason, it is possible to provide an appropriately customized financial product and to secure an appropriate range of profits.
生成部１１が、金融機関が提供する複数の金融商品の各々に関して、ニーズ情報及び／又はリスク情報を生成して出力する場合には、オペレータは出力された金融商品の各々に関してのニーズ情報及び／又はリスク情報を把握することができ、どの金融商品の提供を提案すべきかを比較して判断できる。 When the generation unit 11 generates and outputs needs information and / or risk information for each of a plurality of financial products provided by the financial institution, the operator outputs needs information and / or information about each of the output financial products. Alternatively, risk information can be grasped, and it can be determined by comparing which financial product should be proposed.
生成部１１が、一つの金融機関の情報に限られず、複数の金融機関における属性情報、審査情報及び取引情報のいずれか１つ以上から採用変数及び当該採用変数に対する係数を生成し、当該採用変数及び当該係数を用いて、ニーズ情報及び／又はリスク情報を生成する場合には、当該顧客についてのより広範かつ全体的な情報に基づきニーズ情報及び／又はリスク情報を生成することができるので、さらに精度の高いニーズ情報及び／又はリスク情報を出力できる。 The generation unit 11 is not limited to information of one financial institution, and generates an employment variable and a coefficient for the employment variable from any one or more of attribute information, examination information, and transaction information in a plurality of financial institutions, and the employment variable When the needs information and / or risk information is generated using the coefficient, the needs information and / or risk information can be generated based on broader and overall information about the customer. Accurate needs information and / or risk information can be output.
検証部１６が、所定の金融商品が顧客によって実際に利用されたか否か、又は、顧客に金銭を貸し付けた際に実際に貸倒れたかもしくは延滞が発生したか否かを検証する場合には、随時更新される検証結果を過去の実績データとして用いることができるので、より信頼度の高い情報に基づきニーズ情報及び／又はリスク情報を生成し出力できる。前述したように、一定期間内（例えば２年以内）のデータのみに基づいてニーズ情報及びリスク情報を生成してもよく、この場合には、時代の流れに沿った正確性の高いニーズ情報及び／又はリスク情報を生成して出力することができる。 When the verification unit 16 verifies whether or not a predetermined financial product is actually used by the customer, or whether or not the loan is actually delinquent or delinquent when lending money to the customer Since the updated verification result can be used as past performance data, it is possible to generate and output needs information and / or risk information based on information with higher reliability. As described above, needs information and risk information may be generated based only on data within a certain period (for example, within two years). / Or risk information can be generated and output.
ちなみに、カードローンのニーズ率が高くなる場合としては、預金残高が少ない場合、少額での出金が多い場合等を挙げることができる。教育ローンのニーズ率が高くなる場合としては、振込口座に「中学」「高校」の文字が含まれている場合、世帯名寄せによって顧客に教育ローンが必要になりそうな年齢の子供がいることが分かっている場合等を挙げることができる。住宅ローンのニーズ率が高くなる場合としては、現時点で高い金利の住宅ローンを支払っている場合等を挙げることができる。 By the way, there are cases where the need rate of card loans is high, such as when the deposit balance is small or when there is a large amount of withdrawals. As for the need rate of education loans, if the transfer account contains the words "junior high school" or "high school", there may be a child of an age that is likely to require an education loan for customers due to household identification The case where it understands can be mentioned. An example of a case where the mortgage needs rate is high is that a mortgage with a high interest rate is currently being paid.
最後になったが、上述した各実施の形態の記載及び図面の開示は、特許請求の範囲に記載された発明を説明するための一例に過ぎず、上述した実施の形態の記載又は図面の開示によって特許請求の範囲に記載された発明が限定されることはない。例えば、ニーズ情報やリスク情報以外の情報を提供するものであっても、本願における情報処理装置に該当することになる。 Lastly, the description of the embodiments and the disclosure of the drawings described above are merely examples for explaining the invention described in the claims, and the description of the embodiments or the disclosure of the drawings described above is included. The invention described in the scope of claims is not limited by this. For example, even information that provides information other than needs information and risk information falls under the information processing apparatus in the present application.
１０ 装置制御部
１１ 生成部
１５ 算出部
１６ 検証部
２０ 装置記憶部
３０ 出力部
６０ 金融制御部
６１ 金融記憶部
10 device control unit 11 generation unit 15 calculation unit 16 verification unit 20 device storage unit 30 output unit 60 financial control unit 61 financial storage unit
Claims (16)
前記生成部により生成された情報を出力する出力部と、
を備え、
前記採用変数及び前記係数は過去の実績データに基づき決定されることを特徴とする情報処理装置。 A generation unit having an artificial intelligence function, the adoption variable generated from any one or more of attribute information of a customer who uses a financial institution, examination information about the customer, and transaction information of the customer at the financial institution, and A generation unit that generates a need information on a possibility that a certain customer uses a predetermined financial product or a risk information on a credit loss risk or arrears risk when lending money to the certain customer by using a coefficient for the employment variable;
An output unit for outputting information generated by the generation unit;
With
The information processing apparatus, wherein the adopted variable and the coefficient are determined based on past performance data.
前記検証部による検証結果は、当該検証結果が出された後に生成される前記ニーズ情報又は前記リスク情報に関して、前記過去の実績データとして利用されることを特徴とする請求項１に記載の情報処理装置。 A verification unit that verifies whether or not the predetermined financial product was actually used by the customer, or whether or not the loan was actually delinquent or arrears occurred when lending money to the customer; ,
The information processing method according to claim 1, wherein the verification result by the verification unit is used as the past performance data with respect to the needs information or the risk information generated after the verification result is issued. apparatus.
前記金利が前記リスク情報に基づいて決定されることを特徴とする請求項６に記載の情報処理装置。 The borrowing amount is determined within a creditable amount determined based on the risk information for the certain customer;
The information processing apparatus according to claim 6, wherein the interest rate is determined based on the risk information.
前記出力部が、複数の金融商品の各々に関する前記ニーズ情報又は前記リスク情報を出力することを特徴とする請求項１乃至１２のいずれか１項に記載の情報処理装置。 For each of a plurality of financial products provided by the financial institution, the generation unit generates the needs information or the risk information,
The information processing apparatus according to any one of claims 1 to 12, wherein the output unit outputs the need information or the risk information related to each of a plurality of financial products.
前記生成部により生成された情報を出力部によって出力することと、
を備え、
前記採用変数及び前記係数は過去の実績データに基づき決定されることを特徴とする情報処理方法。 A hiring variable generated from any one or more of attribute information of a customer who uses a financial institution, examination information about the customer, and transaction information of the customer in the financial institution by the generating unit having an artificial intelligence function, and the hiring Using a coefficient for a variable, generation information is generated by the generation unit regarding the need information regarding the possibility that the certain customer uses the predetermined financial product or the risk of credit loss or the delinquency risk when lending money to the certain customer. And
Outputting the information generated by the generator by an output unit;
With
The information processing method, wherein the adopted variable and the coefficient are determined based on past performance data.
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2015170822A JP6098982B2 (en) | 2015-08-31 | 2015-08-31 | Information processing apparatus and information processing method |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2015170822A JP6098982B2 (en) | 2015-08-31 | 2015-08-31 | Information processing apparatus and information processing method |
Related Child Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2016185239A Division JP6606482B2 (en) | 2016-09-23 | 2016-09-23 | Information processing apparatus and information processing method |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JP2017049673A true JP2017049673A (en) | 2017-03-09 |
| JP6098982B2 JP6098982B2 (en) | 2017-03-22 |
Family
ID=58279711
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2015170822A Active JP6098982B2 (en) | 2015-08-31 | 2015-08-31 | Information processing apparatus and information processing method |
Country Status (1)
| Country | Link |
|---|---|
| JP (1) | JP6098982B2 (en) |
Cited By (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP6333431B1 (en) * | 2017-03-10 | 2018-05-30 | 株式会社三菱総合研究所 | Determination device, determination method, and determination program |
| JP2019020979A (en) * | 2017-07-14 | 2019-02-07 | 株式会社Ｎｔｔドコモ | Information processing device and credibility calculation method |
| KR102009309B1 (en) * | 2018-02-28 | 2019-08-09 | 주식회사 에이젠글로벌 | Management automation system for financial products and management automation method using the same |
| JP2020035417A (en) * | 2018-08-27 | 2020-03-05 | 株式会社 みずほ銀行 | Banking business support system, banking business support method and banking business support program |
| JP2020057073A (en) * | 2018-09-28 | 2020-04-09 | 株式会社オービック | Credit management device, credit management method, and credit management program |
| JP2020140686A (en) * | 2019-06-19 | 2020-09-03 | ゼネリックソリューション株式会社 | Sales support device and customer list generation device |
| WO2020175177A1 (en) * | 2019-02-28 | 2020-09-03 | ゼネリックソリューション株式会社 | Business assistance device and business customer list generation device |
| JP2020140687A (en) * | 2019-02-28 | 2020-09-03 | ゼネリックソリューション株式会社 | Sales support device, customer list generation device, business terminal, display program, and server device |
| JP7022806B1 (en) | 2020-10-23 | 2022-02-18 | 株式会社エクサウィザーズ | Information processing methods, computer programs and information processing equipment |
| JP2022069438A (en) * | 2020-10-23 | 2022-05-11 | 株式会社エクサウィザーズ | Method of generating learning model, computer program, and information processing apparatus |
| US11494784B2 (en) | 2017-12-28 | 2022-11-08 | Sky Perfect Jsat Corporation | Evaluation information generation system, evaluation information generation method, and program |
| US11514516B2 (en) | 2018-08-27 | 2022-11-29 | Mizuho Bank, Ltd. | Banking operation support system, banking operation support method, and banking operation support program |
| JP7366355B2 (en) | 2021-09-24 | 2023-10-23 | 株式会社Mfs | Loan approval probability calculation device, loan approval probability calculation method and program |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP6606482B2 (en) * | 2016-09-23 | 2019-11-13 | 株式会社三菱総合研究所 | Information processing apparatus and information processing method |
Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2002123671A (en) * | 2000-10-17 | 2002-04-26 | Shonai Bank Ltd | Profit margin management system |
| JP2003022314A (en) * | 2001-07-06 | 2003-01-24 | Recruit Co Ltd | Method, device and program for estimating real estate price function |
| JP2004102349A (en) * | 2002-09-04 | 2004-04-02 | Oki Electric Ind Co Ltd | Campaign design supporting method |
| JP2004318869A (en) * | 2003-03-31 | 2004-11-11 | Kagoshima Bank Ltd | Loan management system |
| JP2008090689A (en) * | 2006-10-03 | 2008-04-17 | Suruga Bank Ltd | Loan credit limit decision system |
| JP2010186283A (en) * | 2009-02-12 | 2010-08-26 | Hitachi Ltd | Information processor, information processing method, and information processing program |
| JP2011242923A (en) * | 2010-05-17 | 2011-12-01 | Fuji Electric Co Ltd | Model input variable adjustment device |
| JP2012194714A (en) * | 2011-03-16 | 2012-10-11 | Nec Corp | Marginal cost curve generating device, method and program |
| JP2014026322A (en) * | 2012-07-24 | 2014-02-06 | Resona Holdings Inc | Examination model creation device, computer program, and examination model creation method |
| WO2014179645A1 (en) * | 2013-05-02 | 2014-11-06 | The Dun & Bradstreet Corporation | Calculating a probability of a business being delinquent |
-
2015
- 2015-08-31 JP JP2015170822A patent/JP6098982B2/en active Active
Patent Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2002123671A (en) * | 2000-10-17 | 2002-04-26 | Shonai Bank Ltd | Profit margin management system |
| JP2003022314A (en) * | 2001-07-06 | 2003-01-24 | Recruit Co Ltd | Method, device and program for estimating real estate price function |
| JP2004102349A (en) * | 2002-09-04 | 2004-04-02 | Oki Electric Ind Co Ltd | Campaign design supporting method |
| JP2004318869A (en) * | 2003-03-31 | 2004-11-11 | Kagoshima Bank Ltd | Loan management system |
| JP2008090689A (en) * | 2006-10-03 | 2008-04-17 | Suruga Bank Ltd | Loan credit limit decision system |
| JP2010186283A (en) * | 2009-02-12 | 2010-08-26 | Hitachi Ltd | Information processor, information processing method, and information processing program |
| JP2011242923A (en) * | 2010-05-17 | 2011-12-01 | Fuji Electric Co Ltd | Model input variable adjustment device |
| JP2012194714A (en) * | 2011-03-16 | 2012-10-11 | Nec Corp | Marginal cost curve generating device, method and program |
| JP2014026322A (en) * | 2012-07-24 | 2014-02-06 | Resona Holdings Inc | Examination model creation device, computer program, and examination model creation method |
| WO2014179645A1 (en) * | 2013-05-02 | 2014-11-06 | The Dun & Bradstreet Corporation | Calculating a probability of a business being delinquent |
Cited By (20)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP6333431B1 (en) * | 2017-03-10 | 2018-05-30 | 株式会社三菱総合研究所 | Determination device, determination method, and determination program |
| JP2018151773A (en) * | 2017-03-10 | 2018-09-27 | 株式会社三菱総合研究所 | Determination device, determination method and determination program |
| JP2019020979A (en) * | 2017-07-14 | 2019-02-07 | 株式会社Ｎｔｔドコモ | Information processing device and credibility calculation method |
| US11494784B2 (en) | 2017-12-28 | 2022-11-08 | Sky Perfect Jsat Corporation | Evaluation information generation system, evaluation information generation method, and program |
| KR102009309B1 (en) * | 2018-02-28 | 2019-08-09 | 주식회사 에이젠글로벌 | Management automation system for financial products and management automation method using the same |
| JP2020035417A (en) * | 2018-08-27 | 2020-03-05 | 株式会社 みずほ銀行 | Banking business support system, banking business support method and banking business support program |
| US11514516B2 (en) | 2018-08-27 | 2022-11-29 | Mizuho Bank, Ltd. | Banking operation support system, banking operation support method, and banking operation support program |
| JP7360808B2 (en) | 2018-08-27 | 2023-10-13 | 株式会社 みずほ銀行 | Banking support system, banking support method and banking support program |
| JP2020057073A (en) * | 2018-09-28 | 2020-04-09 | 株式会社オービック | Credit management device, credit management method, and credit management program |
| JP7227725B2 (en) | 2018-09-28 | 2023-02-22 | 株式会社オービック | Claims management device, claims management method, and claims management program |
| JP2020140454A (en) * | 2019-02-28 | 2020-09-03 | ゼネリックソリューション株式会社 | Sales support device and customer list generation device |
| JP2020140687A (en) * | 2019-02-28 | 2020-09-03 | ゼネリックソリューション株式会社 | Sales support device, customer list generation device, business terminal, display program, and server device |
| JP7352240B2 (en) | 2019-02-28 | 2023-09-28 | ゼネリックソリューション株式会社 | Sales support equipment |
| WO2020175177A1 (en) * | 2019-02-28 | 2020-09-03 | ゼネリックソリューション株式会社 | Business assistance device and business customer list generation device |
| JP2020140686A (en) * | 2019-06-19 | 2020-09-03 | ゼネリックソリューション株式会社 | Sales support device and customer list generation device |
| JP7022806B1 (en) | 2020-10-23 | 2022-02-18 | 株式会社エクサウィザーズ | Information processing methods, computer programs and information processing equipment |
| JP7223101B2 (en) | 2020-10-23 | 2023-02-15 | 株式会社エクサウィザーズ | LEARNING MODEL GENERATION METHOD, COMPUTER PROGRAM, AND INFORMATION PROCESSING DEVICE |
| JP2022069438A (en) * | 2020-10-23 | 2022-05-11 | 株式会社エクサウィザーズ | Method of generating learning model, computer program, and information processing apparatus |
| JP2022069098A (en) * | 2020-10-23 | 2022-05-11 | 株式会社エクサウィザーズ | Information processing method, computer program, and information processing apparatus |
| JP7366355B2 (en) | 2021-09-24 | 2023-10-23 | 株式会社Mfs | Loan approval probability calculation device, loan approval probability calculation method and program |
Also Published As
| Publication number | Publication date |
|---|---|
| JP6098982B2 (en) | 2017-03-22 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP6098982B2 (en) | Information processing apparatus and information processing method | |
| US8688557B2 (en) | Systems and methods for customer value optimization involving relationship optimization | |
| US8903741B2 (en) | Dynamic credit score alteration | |
| US8504468B2 (en) | System and method for compiling information for resolving transactions | |
| US9251539B2 (en) | System and method for resolving transactions employing goal seeking attributes | |
| US20110166989A1 (en) | Offsetting liabilities and attributing rewards | |
| US20110166994A1 (en) | Determining a payment strategy | |
| US20110178860A1 (en) | System and method for resolving transactions employing goal seeking attributes | |
| US20120317015A1 (en) | Loan Management System and Methods | |
| JP6587556B2 (en) | Information processing apparatus and information processing method | |
| US20130054434A2 (en) | Account reserve | |
| JP7311495B2 (en) | Improved Mortgage Rate Determination | |
| JP6411562B2 (en) | Information processing apparatus, information processing method, and program | |
| US20150317729A1 (en) | Financial Evaluation Based on Foreign Remittance Activity | |
| CN107077665A (en) | method and system for electronic transaction | |
| US20120030099A1 (en) | Multiple rate loan | |
| JP6606482B2 (en) | Information processing apparatus and information processing method | |
| Rozzani et al. | Applying technology: Issues in microfinance operations | |
| US20110178859A1 (en) | System and method for resolving transactions employing optional benefit offers | |
| JP2018160258A (en) | Information processor, method for processing information, and program | |
| US20140324686A1 (en) | Computer Implemented System for Management and Optimization of Financial Accounts and Financial Obligations of a User | |
| JP6706584B2 (en) | Information processing apparatus and information processing method | |
| Andreza et al. | The Urgency of Using Syariah Method Facing Economic Crisis: To Compare with Conventional Method | |
| JP6526356B1 (en) | Banking support system, banking support method and banking support program | |
| CN112907361A (en) | Method and device for processing loan application |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A621 | Written request for application examination |
Free format text: JAPANESE INTERMEDIATE CODE: A621 Effective date: 20150831 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20160726 |
|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20160923 |
|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20161122 |
|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20170110 |
|
| TRDD | Decision of grant or rejection written | ||
| A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20170131 |
|
| A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20170210 |
|
| R150 | Certificate of patent or registration of utility model |
Ref document number: 6098982 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |