JP2003323538A

JP2003323538A - 情報処理装置およびその方法

Info

Publication number: JP2003323538A
Application number: JP2002126967A
Authority: JP
Inventors: Mitsuyoshi Mori; 充義森; Yoshio Matsuda; 芳雄松田
Original assignee: Nihon Unisys Ltd
Current assignee: Nihon Unisys Ltd
Priority date: 2002-04-26
Filing date: 2002-04-26
Publication date: 2003-11-14

Abstract

(57)【要約】【課題】店舗の目標設定には、誰もが納得のいくよう
な方法はなく、経験や勘といった個人の資質に頼ってい
るのが現状である。【解決手段】データベースに格納された各店舗の店質
（店舗の特性）に基づき店舗をグループ化し(S10)、店
質に基づき、グループ単位に、設定すべき目標値を演算
するためのモデル式を作成し(S20)、モデル式を使用し
て、各店舗の目標値を演算する(S30)。

Description

【発明の詳細な説明】

【０００１】

【発明の属する技術分野】本発明は情報処理装置および
その方法に関し、例えば、店舗の目標設定を支援するた
めの情報処理に関する。

【０００２】

【従来の技術】金融機関などにおける店舗の目標設定
（例えば預金残高や融資残高など）は、客観性、公平
性、説得性などの要件を満たす必要があり、各行で様々
な方法で行われている。

【０００３】

【発明が解決しようとする課題】店舗の目標設定には、
誰もが納得のいくような方法はなく、経験や勘といった
個人の資質に頼っているのが現状である。

【０００４】データに基づく統計的な手法により、店舗
目標を設定する試みも行われている。例えば、全店舗を
対象にする統一回帰モデルを作成して、回帰分析の推定
結果そのものを各店舗の目標値として適用するなどが可
能だが、その根拠は説明し辛く、説得性に欠ける。たと
え、このようなデータに基づく客観的な数値を算出した
としても、算出根拠そのものが店舗施策の企画・推進部
門および支店長に理解し辛く、説得性のある目標設定に
はならない面があり、実用に至っていない。

【０００５】本発明は、上述の問題を個々にまたはまと
めて解決するためのもので、データに裏付けされた、算
出根拠が理解し易い、客観的な店舗目標の設定を行うこ
とを目的とする。

【０００６】

【課題を解決するための手段】本発明は、前記の目的を
達成する一手段として、以下の構成を備える。

【０００７】本発明にかかる情報処理装置は、データベ
ースに格納された各店舗の特性データに基づき店舗をグ
ループ化するグループ化手段と、前記特性データに基づ
き、前記グループ単位に、設定すべき目標値を演算する
ためのモデル式を作成する作成手段と、前記モデル式を
使用して、各店舗の目標値を演算する演算手段とを有す
ることを特徴とする。

【０００８】本発明にかかる情報処理方法は、データベ
ースに格納された各店舗の特性データに基づき店舗をグ
ループ化し、前記特性データに基づき、前記グループ単
位に、設定すべき目標値を演算するためのモデル式を作
成し、前記モデル式を使用して、各店舗の目標値を演算
することを特徴とする。

【０００９】

【発明の実施の形態】以下、本発明にかかる一実施形態
の店舗ごとに目標を設定する支援システムについて、金
融機関を例に、図面を参照して説明する。

【００１０】［概要］本実施形態は、データに裏付けさ
れ、算出根拠が分かり易く、客観的に店舗の目標を設定
するための支援システムである。

【００１１】本実施形態は、店質指標という客観的な概
念を導入し、店質指標に基づき店舗をグループ化する。
具体的には、業務的に望ましいと想定した店質指標が、
店質（店舗の特性）を表す一つの要素である店質項目を
ウェイト付けして合成した要素で表現されると仮定し、
これを統計的に検証して店質指標を決定し、決定した店
質指標の組み合せで店舗をグループ化する。

【００１２】そして、目標を設定する項目について、店
舗グループごとに、店舗の潜在的な能力を加味した客観
的な基礎数値という概念を導入し、これに基づき店舗の
目標を設定する。

【００１３】［システム構成］図1は実施形態の支援シ
ステムの構成例を示すブロック図である。

【００１４】支援システムのユーザは、予め店質データ
を準備して、データベース(DB)1へ格納する。店質デー
タは、店舗ごとの取引先数、預金数、ローン数、人口な
どを示すデータで、さらに、法人個人の区別、年月別な
どが詳細化された、業種に応じたデータである。

【００１５】支援サーバ2は、ユーザが指定する店舗の
店質データをDB 1から読み込み、その店質データに基づ
き預金残高、融資残高などの店舗目標3を設定し出力す
る。

【００１６】［店舗目標の算出］図2は店舗目標を設定
する処理を示すフローチャートで、支援サーバ2によっ
て実行されるものである。

【００１７】支援サーバ2は、多変量解析の手法である
主成分分析を利用して、店質データが似通った店舗をま
とめた複数のグループを作成し(S10)、店質データに基
づき、多変量解析の手法である回帰分析を利用して、店
舗目標の基礎である基礎数値を計算するためのモデル式
を、グループごとに作成し(S20)、店舗ごとの店質デー
タをモデル式に適用して、店舗ごとに店舗目標を計算す
る(S30)。

【００１８】●店舗のグループ化(S10) 図3は店舗のグループ化を説明するフローチャートであ
る。

【００１９】支援サーバ2は、図4に示すような入力画面
をモニタに表示して、ユーザに、店舗をグループ化する
基準として、業務的に望ましいと思われる尺度の名称を
店質指標として入力（または選択）することを促す(S11
0)。店質指標としては、大きく分けて、店舗の立地条件
および事業所や住民の状況など制約条件的な「立地環
境」、並びに、店舗の営業活動の結果を反映した取引内
容に関する「取引特性」の二つがある。

【００２０】店質データの各項目には数値データが格納
されている。店質項目には、例えば、取引先数、預金先
数、ローン先数および給与/年金振込先数、並びに、店
舗のカバー範囲の人口数、事業所数および競合金融機関
数などが含まれる。さらに法人、個人および個人事業の
別、年令層別、預金種類別、ローン種類別、金額層別、
年別、並びに、月別などに詳細化されている。また、店
舗項目によってはシェアや伸び率なども格納されてい
る。

【００２１】ユーザが図4に示す入力画面の店質指標の
欄に、望ましいと考える店質指標名を入力（または選
択）した後、店質項目の欄の右側のプルダウンボタンを
押すと(S111)、支援サーバ2は、店質データの、数値デ
ータを保持する項目名をプルダウンメニュー表示する(S
112)。ユーザがプルダウンメニューから一つ以上の項目
を選定すると(S113)、支援サーバ2は、選定された項目
を店質項目の欄に表示する(S114)。勿論、ユーザは、図
4に示す入力画面によって、店質指標および店質項目の
組み合わせを複数指定することができるし、特定の店質
指標や店質項目を指定して変更したり、削除することが
できる。

【００２２】ユーザが入力画面の[OK]ボタンを押すと(S
115)、支援サーバ2は、店質指標と店質項目とを関連付
けてメモリに保存する(S116)。

【００２３】図5は店質指標と、店質指標に関連付けら
れた店質項目の一例を示す図で、その左側は立地環境に
関する店質指標を、右側は取引特性に関する店質指標を
示している。

【００２４】次に、支援サーバ2は、ユーザが指定した
店質指標ごとに、主成分分析を行い、妥当性を計算する
(S117)。主成分分析は多くの変量の値を、できるだけ情
報の損失なしに、少数個の総合指標（主成分）に要約す
る方法である。例えば、図5に示す店質指標「マーケッ
ト量」の場合、支援サーバ2は、マーケット量に関連付
けられた店質項目の数値データをDB 1から抽出して図6
に示すようなテーブルを作成する。支援サーバ2は、こ
のテーブルのデータに基づき、田中豊、脇本和昌著「多
変量統計解析法」現代数学社、1983年5月の第2章「主成
分分析法」に示されるような方法によって主成分分析を
行う。

【００２５】図7および図8は主成分分析の結果の一例を
示す図で、図7は寄与率を、図8は相関係数を示してい
る。

【００２６】図7の固有値は対応する主成分の情報量の
大きさを表し、寄与率は全情報量のうち、その軸がもつ
情報量の割合を表す。

【００２７】固有値は、元の変数がもつ情報量をそれぞ
れ1.0とする場合の、主成分（軸）がもつ情報量の大き
さである。例えば、図7に示す第1主成分の固有値6.82
は、元の変数それぞれの情報量に対して6.82倍の情報量
をもつことを表す。なお、元の変数とは、この場合は図
5に示すように、マーケット量に関連付けられた個人事
業所数、法人事業所数、住民基本台帳人口、住民基本台
帳世帯数、高額納税者数、60歳以上人口、20〜59歳人口
および昼間人口の各店質項目である。

【００２８】寄与率は、元の変数（店質項目）のうち、
その主成分で説明される割合で、次の式で計算される。
例えば、図7に示す第1主成分は、元の変数の数が8であ
るから、寄与率は6.82/8×100=85.25で、85.25%の情報
量をもつことになる。寄与率 = 固有値/最大主成分数 ×100% …(1) ここで、最大主成分数は、元の変数の数

【００２９】累積寄与率は、その軸まで採用したときに
保存される情報量の割合を表す。

【００３０】図8の相関係数は、変数間の相関の度合い
を示す指標で、-1（負の関連最大）〜0（関連なし）〜+
1（正の関連最大）の範囲である。図8の例では、第1軸
（第1主成分）と元の変数（店質項目）すべてとの相関
が非常に高く、第1主成分は元の変数（店質項目）すべ
てと関連の高い成分であることがわかる。

【００３１】支援サーバ2は、ある主成分の寄与率が閾
値1（例えば80%）を超え、かつ、相関係数の絶対値が閾
値2（例えば0.8）を超えている場合、その店質指標と店
質項目との組み合せは妥当であると判定する。勿論、閾
値1や閾値2は、ユーザが所定の設定画面から変更するこ
とができる。

【００３２】支援サーバ2の判定に従い、あるいは、支
援サーバ2の判定を参考にしたユーザの判断により、店
質指標と店質項目との組み合せを採用するか否かが決ま
る(S118)。採用が決まった場合、支援サーバ2は、下に
示す第1主成分の式を記憶する。マーケット量 = a1・Ns + a2・Nc ＋a3・Np + a4・Nh + a5・Nt + a6・Np60 + a7・Np20-59 + a8・Npd …(2) ここで、Ns: 個人事業所数 Nc: 法人事業所数 Np: 住民基本台帳人口 Nh: 住民基本台帳世帯数 Nt: 高額納税者数 Np60: 60歳以上人口 Np20-59: 20〜59歳人口 Npd: 昼間人口 a1〜a8: 主成分分析によりその値が求まる固有ベクトル

【００３３】式(2)に、図6に示す店質項目テーブルから
抽出したデータを代入して計算した値を主成分得点と呼
ぶ。主成分得点は対応する店質指標（この例ではマーケ
ット量）の値である。支援サーバ2は、式(2)に相当する
各主成分の式に、店質項目テーブルのデータを代入し
て、各店質指標の主成分得点を計算する(S119)。

【００３４】採用する店質指標は、経験的に、五種類程
度が妥当である。上記の処理で採用された店質指標の種
類が少ない場合は(S120)、処理をステップS110に戻す。
そして、不採用となった店質指標の、店質項目を変更ま
たは追加し、店質指標の種類が妥当な数（例えば五種
類）になるまでステップS110からS119の処理を繰り返
す。

【００３５】店質指標の種類が妥当な数になると、支援
サーバ2は、ある一つの店質指標について、その主成分
得点に基づき、各グループに属する店舗の数がほぼ等し
くなるように、店舗をグループ化する(S121)。支援サー
バ2は、採用されたすべての店質指標について、グルー
プ化を行うが、グループの数は店質指標ごとに異なって
いてもよい。以降では、各店質指標に対して三つのグル
ープに店舗が分割されたものとして説明する。

【００３６】●モデル式の作成(S20) 図9はモデル式の作成手順の一例を示すフローチャート
である。

【００３７】支援サーバ2は、異なる店質指標を縦軸と
横軸とする、クロス分析のためのクロステーブルを作成
する(S210)。図10はクロステーブルの一例を示す図であ
る。前述したように各店質指標に対して三つのグループ
があるから、図9に示すように、クロステーブルには九
つのグループが構成される。従って、店質指標が五種類
であれば、それらの二種類ずつの組み合せ（₅C₂=10組）
それぞれについて九つのグループが構成されることにな
る。

【００３８】次に、支援サーバ2は、店質項目を選択す
るための選択画面をモニタに表示して、ユーザに店舗目
標の項目の選択を促す(S211)。ユーザは、例えば預金残
高や融資残高などの店質項目を選択する。

【００３９】続いて、支援サーバ2は、選択された店質
項目について、クロステーブルの各グループごとに、グ
ループに属する店舗の店質項目の値を抽出し、そのグル
ープの平均値および分散を計算する(S212)。

【００４０】図10に示すクロステーブルは、店質項目
「個人融資残高」が店舗目標として選択された場合の、
店質指標「マーケット量」および「個人複合取引」の組
み合わせを示している。各グループのセルは三段に分か
れ、その上段および中段はグループに属する店舗の店質
項目の平均値および分散を示し、下段はグループに属す
る店舗の数を示す。一般に、グループ内の分散は小さ
く、グループ間の分散は大きいことが望ましい。

【００４１】支援サーバ2は、ユーザの指示に応じて、
モニタにクロステーブルやクロステーブルのグラフ表示
（図11参照）を行う(S213)。ユーザは、クロステーブル
の数値表示やグラフ表示を参照して、店舗目標の店質項
目の平均値や分散を比較検討し、採用すべきクロステー
ブルを支援サーバ2に指示する(S214)。

【００４２】図10に示す例の場合、各グループの店舗目
標（個人融資残高）の平均値は、個人複合取引の上位、
中位および下位の順に層別されている。また、クロス集
計についてみても、マーケット量の上位、中位および下
位の順に層別され、マーケット量全体での順序と一致す
る。これは、店舗目標（個人融資残高）が店質指標「個
人複合取引」の上位、中位および下位で明確に層別され
ることを表し、業務的にも納得できる結果である。

【００４３】次に、図11に示すグラフ表示を参照する
と、店舗目標（個人融資残高）の平均値は、通常、マー
ケット量の上位、中位および下位の順に層別されると考
えられるが、個人複合取引の上位、中位および下位とも
に、マーケット量の上位と中位とで差が少ない。

【００４４】また、図10に示す数値表示を参照すると、
中位のマーケット量では、上位の個人複合取引の店舗数
が多く、下位の個人複合取引の店舗数が少ない。これに
対して、上位のマーケット量では、上位の個人複合取引
の店舗数が少ないことが示されている。

【００４５】ユーザは、このような検討から、図11のグ
ラフ表示で示される、上位および中位のマーケット量で
店舗目標（個人融資残高）の平均値の差が小さい原因
は、例えば、店舗目標を設定する金融機関の業界位置付
けが、他の競合金融機関との力関係において劣り、マー
ケット量（上位）にグループ化される店舗が苦戦してい
る、と解釈する。

【００４６】採用すべきクロステーブルが指示される
と、支援サーバ2は、回帰分析により、基礎数値を算出
するモデル式を作成する。回帰分析は、ある変数y（目
的変数）と、それの説明要因と考えられる他の変数x1、
x2、…（説明変数）から最小自乗法によって、(3)式の
係数b0、b1、b2、…、bnを求める方法である。 y = b0 + b1x1 + b2x2 + b3x3 + … + bnxn …(3)

【００４７】係数b0、b1、b2、…、bnが求まればモデル
式が定まり、目的変数yの理論値（予測値）を計算する
ことができる。

【００４８】支援サーバ2は、ステップS117で計算した
店質指標の主成分分析の結果、および、DB 1に保持する
店質項目の名称をモニタに表示して、モデル式に採用す
べき説明変数xの選択をユーザに促す(S215)。

【００４９】説明変数xが選択されると(S216)、支援サ
ーバ2は、モデル式の目的変数yに店舗目標（例えば個人
融資残高）を適用し、説明変数xに店質指標（例えばマ
ーケット量および個人複合取引）、並びに、選択された
店質項目（図12参照）を適用して、ステップS214で指示
された採用すべきクロステーブルのグループごとに回帰
分析を行い、係数bを計算する(S217)。なお、係数の数n
は、店質指標および選択された店質項目の数に相当す
る。また、回帰分析は、田中豊、脇本和昌著「多変量統
計解析法」現代数学社、1983年5月の「第1章回帰分析
法」に示される方法などによって行う。

【００５０】理想的なモデル式は、なるべく少ない説明
変数xで、なおかつ、誤差が小さい目的変数yが得られる
式である。支援サーバ2は、回帰分析を行い、係数bを計
算するとともに、係数b個々の統計量tを計算する。前述
した田中豊、脇本和昌著「多変量統計解析法」現代数学
社、1983年5月の「第1章回帰分析法」の28〜29頁に示
されているように、統計量tの絶対値が小さいほど、対
応する説明変数xは不要となる。そこで、支援サーバ2
は、統計量tの絶対値がある閾値（例えば2.0）を超える
説明変数xを採用候補とする(S218)。勿論、この閾値の
値や採用する説明変数xは、ユーザの指示により変更可
能である。

【００５１】支援サーバ2は、ステップS214で指示され
た採用すべきクロステーブルのグループごとに、採用候
補の説明変数xを用いたモデル式を作成する(S219)。式
(4)に、このようにして作成されるモデル式の例を示
す。個人融資残高 = 1855.7 + 72.8×当店舗個人シェア - 12.8×都市銀行店舗数 + 15.7×保証協会先数（個人） …(4)

【００５２】モデル式が定まると、支援サーバ2は、モ
デル式の説明変数xにDB 1から抽出した店質指標および
店質項目の値を適用して、店舗目標の予測値を計算す
る。その際、支援サーバ2は、実測値と予測値との相関
を表す重相関係数を計算する。重相関係数は0から1の範
囲をとり、値が1に近いほどモデル式の適合度がよい。
そこで、支援サーバ2は重相関係数がある閾値（例えば
0.9）を超えれば、モデル式は妥当であると判定する(S2
20)。勿論、この閾値の値やモデル式の妥当性の判定
は、ユーザの指示により変更可能である。

【００５３】支援サーバ2は、妥当なモデル式が得られ
るステップS216からS219の処理を繰り返し、ステップS2
14で指示された採用すべきクロステーブルの各グループ
ごとにモデル式を作成する。なお、モデル式に採用すべ
き説明変数xは、グループごとに異なっていてもよい。

【００５４】●店舗目標の計算(S30) 図13は店舗目標の計算を説明するフローチャートであ
る。支援サーバ2は、得られたモデル式の説明変数xにDB
1から抽出した店質指標および店質項目の値を適用し
て、店舗目標の予測値（基礎数値）を計算する(S310)。

【００５５】次に、支援サーバ2は、グループごとに店
舗目標の施策値（例えば目標伸び率）を入力するための
入力画面をモニタに表示して、ユーザに施策値の入力を
促す(S311)。施策値が入力されると(S312)、支援サーバ
2は、計算した基礎数値を使用して店舗目標値を計算す
る(S313)。施策値が目標伸び率の場合、店舗目標値は
(5)式で計算される。店舗目標値 = 基礎数値×(1 + 目標伸び率) …(5)

【００５６】図14は目標設定結果の一例を示す図で、ス
テップS214で指示された採用すべきクロステーブルが
「マーケット量×個人複合取引」、店舗目標が「個人融
資残高」の場合を示している。

【００５７】なお、ユーザは、店舗目標の値が特異値を
とる場合を考慮して、施策値に下限および上限値を設定
して、店舗目標の値がこの範囲を外れる場合に、画面上
で施策値を調整して、店舗目標の値を再計算させること
もできる。

【００５８】また、他の店舗目標を設定する必要があれ
ば、図9および図13に示す処理を繰り返す。

【００５９】以上では、金融機関を例に実施形態を説明
したが、店質データが整備、保存されていれば、他の業
種にも適用可能である。

【００６０】

【発明の効果】以上説明したように、本発明によれば、
データに裏付けされた、算出根拠が理解し易い、客観的
な店舗目標の設定を行うことができる。

【図面の簡単な説明】

【図１】支援システムの構成例を示すブロック図、

【図２】店舗目標を設定する処理を示すフローチャー
ト、

【図３】店舗のグループ化を説明するフローチャート、

【図４】入力画面の一例を示す図、

【図５】店質指標と、店質指標に関連付けられた店質項
目の一例を示す図、

【図６】店質項目の数値データを示すテーブル、

【図７】主成分分析の結果の一例を示す図、

【図８】主成分分析の結果の一例を示す図、

【図９】モデル式の作成手順の一例を示すフローチャー
ト、

【図１０】クロステーブルの一例を示す図、

【図１１】クロステーブルのグラフ表示例を示す図、

【図１２】店舗目標、店質指標および店質項目の一例を
示す図、

【図１３】店舗目標の計算を説明するフローチャート、

【図１４】目標設定結果の一例を示す図である。

Claims

【特許請求の範囲】

【請求項１】データベースに格納された各店舗の特性
データに基づき店舗をグループ化するグループ化手段
と、前記特性データに基づき、前記グループ単位に、設定す
べき目標値を演算するためのモデル式を作成する作成手
段と、前記モデル式を使用して、各店舗の目標値を演算する演
算手段とを有することを特徴とする情報処理装置。
【請求項２】前記グループ化手段は、主成分分析によ
って前記特性データをウェイト付けし合成した指標を作
成し、作成された指標の妥当性を判定し、妥当と判定さ
れる指標の主成分得点を計算し、前記主成分得点に基づ
き前記店舗をグループ化することを特徴とする請求項1
に記載された情報処理装置。
【請求項３】前記グループ化手段は、妥当と判定され
る複数の指標を作成することを特徴とする請求項2に記
載された情報処理装置。
【請求項４】前記作成手段は、複数の前記指標による
クロス分析を提供し、前記クロス分析に基づき選択され
るクロステーブルに含まれるグループごとに回帰分析に
よって前記モデル式を作成することを特徴とする請求項
2または請求項3に記載された情報処理装置。
【請求項５】前記モデル式に採用する説明変数は、前
記特性データの項目から選択されることを特徴とする請
求項4に記載された情報処理装置。
【請求項６】前記演算手段は、前記モデル式から演算
される基礎数値、および、目標の施策値に基づき、前記
目標値を演算することを特徴とする請求項1に記載され
た情報処理装置。
【請求項７】データベースに格納された各店舗の特性
データに基づき店舗をグループ化し、前記特性データに基づき、前記グループ単位に、設定す
べき目標値を演算するためのモデル式を作成し、前記モデル式を使用して、各店舗の目標値を演算するこ
とを特徴とする情報処理方法。
【請求項８】情報処理装置を制御して、請求項7に記
載された情報処理を実行することを特徴とするプログラ
ム。
【請求項９】請求項8に記載されたプログラムが記録
されたことを特徴とするコンピュータが読み取り可能な
記録媒体。