JP2008033643A - 照査突合方法および照査突合サポートシステム - Google Patents

Abstract

【課題】入金データと請求データを対応させて突合せる照査突合方法および照査突合サポートシステムを提供する。
【解決手段】照査突合サポートシステム１０は、入金データおよび請求データを保存した記憶手段１２，１４と、この記憶手段１２，１４に接続し、ベイジアンネットワークの確率推論を用いて入金データと請求データとを突合せる突合部２０とを備えている。この突合部２０は、この記憶手段１２，１４に保存されている入金データに含まれる字句を解読する照査前処理手段２２と、照査前処理手段２２で解読した入金データの字句と共通の字句を含む請求データを選択する照査候補合成手段２４と、入金データと請求データの突合せを行う照査ポリシーモデルを決定する照査方針決定手段２６と、照査方針決定手段２６で得られた照査ポリシーモデルにしたがって、入金データと請求データとの突合せを行う照査実施手段２８とを備えている。
【選択図】図１

Description

本発明は、照査突合方法および照査突合サポートシステムに係り、特に、顧客に対しての請求データと、この請求データに応じて顧客が支払を行って生成された入金データとを突合せる照査突合方法および照査突合サポートシステムに関する。

企業は、顧客に商品を販売等することによって売掛金を生じる。そして企業は、企業からの請求に応じて顧客が料金を支払うと、この支払額と売掛金とを１対１に対応させて、売掛金の消し込みを行っている。

特許文献１は、このような消し込みを行う発明について開示している。この特許文献１に記載された発明は、企業と取引先をインターネットで接続し、取引先からの発注情報に基づいて取引先毎の請求情報や電子請求書データを添付したＷｅｂページを作成し、第三者に漏洩しない形で取引先に公開するとともに、発注情報に基づいて作成される債権を記憶している。そして、この発明は、請求情報に基づいて取引先が入金処理情報を入力することにより、債権の消し込みを行っている。
特開２００３−１９６５７０号公報

企業側に発生する売掛金とその管理は、顧客との取引形態によって発生サイクルや管理単位が異なっている。例えば、企業が形態の違う複数の商品を、全国展開による複数の部署で扱う場合、次の（１）ないし（４）に示すような管理単位が考えられる。すなわち（１）企業は、顧客の引き受け部門や地域に応じて、部門毎に異なる顧客コードを割り当てて納品書・請求書を作成している。そして（２）商品形態によっては、納品や請求サイクルが異なっている。従って、（３）納品書・請求書の管理単位は、自社売上担当部門、顧客引受部門および納品日が請求書のキー項目となる。そして（４）企業から顧客へ請求するには月締が一般的なので、複数の請求書が載った月次請求書を改めて作成する。なお（４）の場合、請求先は、商品の納品先と異なるときがある。

これに対して、顧客の支払いは顧客の都合によって実施される。このため支払い遅延が起こる場合もあり、この対処として再度請求行動を起こす必要に迫られる。このため入金締日には、入金記録に基づいて売掛金を消し込み、顧客毎の債権残高を確認する必要がある。そして支払いが月次請求書通りに行われない場合は、売掛金消し込み時に不突合になり、推測と判断・断定を伴う照査の対象になる。

そして請求に対する入金は、顧客の会社規模・取引規模・社内事務手順によって異なり、不突合を起こす原因になり得る。この原因になり得るものとしては、銀行手数料や複数債務の合算支払い、全部門（複数顧客）合算支払い、分割払い、前払い等があげられる。この銀行手数料は、債権回収者側（企業側）の負担という考えに基づき、手数料を差し引いた額を支払う場合がよく見られる。また複数債務の合算支払いは、同一顧客において、異事業から複数の請求書が出たり、過去の債務が存在したりする場合に請求書の額面と入金額が合わなくなってしまう。また全部門合算支払いは、顧客部門や自社の取り扱い事業部毎に顧客コードを割り当てている場合に、支払いを起こす部門（支払部門）が他部門の支払を合算して行うので、支払部門の顧客コードが請求書と異なるときがある。さらに請求先がチェーン／フランチャイズ展開をしている場合は、別法人である子会社の債務を本部経理部門が支払う場合も想定される。また分割払いは、支払元のキャッシュフローの状況、経営者もしくは支払担当者の意図により、請求額が全額払い込まれない場合もある。また前払いは、資金に余裕のある取引先に対して、早期支払によるキャッシュバック等の契約がある場合は、月締め請求書を発行する前に支払が行なわれることもある。

このように、様々な支払方法があるため、売掛金と支払額とを１対１に対応させるのは極めて困難であり、従来では、これを係員が手作業で行っているので、上手く１対１に対応させることができない場合があった。

そして特許文献１に記載された発明では、企業と取引先とをインターネットで接続しなければならず、また請求情報等を第三者に漏洩しないように手段を講じなければならないので、設備投資と手間がかかる。

本発明は、入金データと請求データとを対応させて突合せる照査突合方法および照査突合サポートシステムを提供することを目的とする。

本発明に係る照査突合方法は、顧客への請求データと、この請求データに基づいて顧客が支払った入金データとがあり、受領した入金データと、複数の請求データを纏めた中から受領した入金データに対応する請求データとを突合せる照査突合方法であって、入金データの摘要欄に記載されている字句を照査前処理手段で解読するとともに、未収金の請求データを照査前処理手段で集計し、解読された字句を含んでいる請求データを照査候補合成手段で選択し、選択した請求データ、顧客が請求データに基づいて支払をする行動パターンおよび未収金の請求データの状況を条件として備え、且つ、各条件の因果関係または依存関係に基づいて条件同士を接続し、各条件に確率分布を登録して照査ポリシーモデルを照査ポリシーモデル構築部で構成し、照査ポリシーモデルに選択した請求データを入力して確率伝播計算を行い、請求データと入金データとの対応の尤度（度合い）を照査実施手段で求め、請求データに対応する入金データを意思決定入力手段で選択して消し込むことを特徴としている。

また本発明に係る照査突合サポートシステムは、顧客に対しての請求データと、この請求データに基づいて顧客が支払を行って生成された入金データとのそれぞれを保存した記憶手段と、この記憶手段に接続し、確率伝播計算を行って請求データと入金データとの対応の尤度を求めて、入金データと請求データとを突合せる突合部とを備え、突合部は、記憶手段に接続し、記憶手段に保存された入金データに記載されている字句を解読する照査前処理手段と、照査前処理手段に接続し、照査前処理手段で解読した入金データの字句と共通の字句を含む請求データを選択する照査候補合成手段と、照査候補合成手段に接続し、入金データと請求データの突合せを行う照査ポリシーモデルを決定する照査方針決定手段と、照査方針決定手段に接続し、照査方針決定手段で得られた照査ポリシーモデルにしたがって、入金データと請求データとの突合せを行う照査実施手段とを備えたことを特徴としている。

これにより照査突合方法や照査突合サポートシステムは、入金データと請求データを突合せることができる。そして照査突合方法や照査突合サポートシステムは、入金データと請求データを突合せるときに、確率伝播計算を行って尤度を計算しているので、入金データと請求データとが対応しているらしい度合い（尤度）を求めることができる。これにより支払額と請求金額が完全に一致しない等の理由により対応づけが困難な入金データと請求データであっても、尤度を参考にして入金データと請求データを対応づけることができ、対応づけた請求データを消し込むことができる。

以下に、本発明に係る照査突合方法および照査突合サポートシステムの最良の実施形態について説明する。図１は照査突合サポートシステムのブロック図である。照査突合サポートシステム１０は、企業と顧客の商取引によって企業に生じる売掛金（請求データ）と、顧客の支払額（入金データ）とを突合せるために、企業が有している複数の未収の請求データから消し込み候補を作成し、各候補の評価と照査方式推奨を行うものである。このため照査突合サポートシステム１０は、請求データ記憶手段１２、入金データ記憶手段１４、突合部２０、ワードモデル構築手段１６、照査ポリシーモデル構築部４０を主に備えている。

請求データ記憶手段１２は、請求データを記憶している。請求データには、企業に生じる売掛金（顧客に対する請求金額）や支払を請求する顧客のデータ（顧客データ）、請求日、請求番号等が記載されている。そして請求データは、顧客へ請求を行うたびに作成され、企業から顧客へ送付されている。なお顧客データは、顧客の名称や顧客毎に付された番号（顧客コード）等である。

また入金データ記憶手段１４は、入金データを記憶している。入金データには、企業から送付された請求データに応じて顧客が入金した額（支払額）や顧客データ、入金日、摘要欄等が記載されている。そして入金データは、顧客が支払を行うたびに作成される。

またワードモデル構築手段１６は、入金データの摘要欄に入る可能性のある単語や語句とその意味（字句）を登録して確率モデル化している。すなわち突合部２０は照査前処理手段２２を備えており、この照査前処理手段２２で入金データの摘要欄を解読（テキスト検索）するので、この解読を可能にするために確率モデル（キーワード意味モデル）をワードモデル構築手段１６で構築している。

また突合部２０は、入金データと請求データを突合せるものである。このため突合部２０は、照査前処理手段２２、照査候補合成手段２４、照査方針決定手段２６、照査実施手段２８および意思決定入力手段３０を備えており、また請求データ記憶手段１２、入金データ記憶手段１４、ワードモデル構築手段１６および照査ポリシーモデル構築部４０に接続している。

照査前処理手段２２は、入金を行った顧客に対して送付されている請求データを検索するとともに、この顧客の入金データに摘要欄がある場合に、その摘要欄の解読を行っている。なお請求データの検索は、入金データに記載された顧客データを利用して行っている。このため照査前処理手段２２は突合部２０の入力側に位置し、入金データ記憶手段１４、請求データ記憶手段１２およびワードモデル構築手段１６に接続している。

なお企業は、複数の顧客に対して請求書を発行している。このため企業は、１つの会社の部門Ａに商品を納めて部門Ａに請求書を発行するとともに、この会社の部門Ｂに別の商品を納めて部門Ｂに請求書を発行する場合や、親会社Ｃに商品を納めて会社Ｃに請求書を発行するとともに、子会社Ｄに別の商品を納めて会社Ｄに請求書を発行する場合もある。そして、１つの会社の部門毎に請求書を発行しても、この会社が部門毎の請求をまとめて企業に入金する場合や、親会社Ｃと子会社Ｄのそれぞれに請求書を発行しても、これらの請求をまとめて企業に入金する場合もある。さらに企業が、請求データに顧客の名称（会社名）を記載している場合において、この支払を行う顧客は会社の代表者名で支払う場合がある。このような場合には、請求データに記載された顧客データと入金データに記載された顧客データとに違いが生じるので、照査前処理手段２２は、入金データに基づいて請求データを拾い出せない。

これを解決するために、請求先となる部門と支払を行う会社とを関連付けたり、親会社と子会社を関連付けたり、請求先の会社名と支払を行う代表者名とを関連付けたりした従属関係データ（顧客属性）を利用して、入金データに記載された顧客データに基づいて請求データを検索できるようにしている。

また照査候補合成手段２４は、照査前処理手段２２に接続している。この照査候補合成手段２４は、照査前処理手段２２で行われた請求データの検索結果および摘要欄の解読結果を入力し、これらの結果に基づいて、請求金額と支払額との銀行手数料の差額範囲内で請求データの絞込み（選択）を行い、「あり得る」組合せを揃えている。

また照査方針決定手段２６は、照査候補合成手段２４、表示手段１８および照査ポリシーモデル構築部４０に接続している。照査方針決定手段２６は顧客属性を表示手段１８に表示して、照査突合サポートシステム１０のユーザが必要に応じて顧客属性を更新可能にしている。そして照査方針決定手段２６は、照査前処理手段２２から入力した請求データの検索結果と、顧客属性と、顧客の支払パターンとを比較して、照査ポリシーモデル構築部４０で構築した照査ポリシーモデルを決定する。

ここで支払パターンは、企業からの請求に対して顧客が支払いを行うときの行動パターンを記録したものである。例えば、顧客は、前述したように複数部門の請求を纏めて支払う場合の他に、部門毎に複数の請求を纏めて支払う場合がある。また顧客は、支払を遅延したり、期日通り支払ったり、先払いする場合がある。さらに顧客は、銀行手数料を差し引いた金額を支払ったり、摘要欄を利用しなかったり、摘要欄を利用してもその記載内容が様々だったり、過去の支払いを放置したまま、次の支払いを行ったりする場合がある。このような顧客の行動パターンを支払パターンとして記録している。

また照査実施手段２８は、照査方針決定手段２６に接続している。照査実施手段２８は、照査方針決定手段２６で決定した照査ポリシーモデルを入力するとともに、照査制御データを入力して、照査ポリシーモデルにしたがって支払額に対応する売掛金の消し込み（突合せ）を試行し、これによって得られた売掛金消し込み候補を尤度による重み付けをしている。そして照査実施手段２８は、この結果を表示手段１８に表示している。

また意思決定入力手段３０は、照査実施手段２８と表示手段１８に接続している。意思決定入力手段３０は、照査実施手段２８で得られた尤度による重み付けの結果を照査突合サポートシステム１０のユーザが確認すると、消し込み対象となる請求データの決定を入力している。

そして意思決定入力手段３０に照査ポリシーモデル構築部４０が接続している。照査ポリシーモデル構築部４０は、顧客別支払記録手段４２、行動分析手段４４、支払パターン中間データ記録手段４６、過去の消し込み記録手段４８および照査ポリシーモデル構築・改訂手段５０を備えている。顧客別支払記録手段４２は、企業からの請求に応じて顧客が入金した記録を顧客別に記憶している。

また行動分析手段４４は、顧客別支払記録手段４２に接続している。この行動分析手段４４は、顧客別支払記録手段４２に記録されているこれまでの入金記録と前述した顧客属性を分析し、照査ポリシーモデルを構築するためのデータをパターン化している。具体的には、行動分析手段４４は、顧客に関する情報を収集・分析した照査ポリシーモデル構築のためのデータを作成する機能であり、外部情報を収集したり社内情報を手入力したりすることでデータを作成している。この外部情報は、インターネット等から顧客に関する情報を収集し、必要な部分を抜き出したものである。また社内情報は、企業におけるスタッフが顧客に関する評価である。

また支払パターン中間データ記録手段４６は行動分析手段４４に接続している。この支払パターン中間データ記録手段４６は行動分析手段４４が作成した照査ポリシーモデル構築のためのデータを記憶している。また過去の消し込み記録手段４８は、突合部２０を構成している意思決定入力手段３０の後段に接続している。この過去の消し込み記録手段４８は、請求データと入金データを突合せることによって、請求データを消し込んだ実績データを記憶している。

そして照査ポリシーモデル構築・改訂手段５０は、支払パターン中間データ記録手段４６と過去の消し込み記録手段４８に接続している。この照査ポリシーモデル構築・改訂手段５０は、過去の照査結果や支払パターンを分析して、照査ポリシーモデルを構築している。また照査突合サポートシステム１０を操作するユーザの運用要件に応じて、照査ポリシーモデルの改訂を行っている。すなわち照査ポリシーモデル構築・改訂手段５０は、支払パターン中間データ記録手段４６から照査ポリシーモデル構築のためのデータを入力するとともに、過去の消し込み記録手段４８から実績データを入力して、照査ポリシーモデルの構築または改訂をしている。この照査ポリシーモデル構築・改訂手段５０の後段に、突合部２０の照査方針決定手段２６が接続している。

そして、このような照査突合サポートシステム１０が入金データと請求データを突合せる場合、請求データと入金データには、企業および顧客の事務処理方法に応じて種々のパターンがあるので、確率推論技術ベイジアンネットワークを用いて顧客の特性や行動パターンに応じて未収の請求データの組合せから消し込み候補を作成し、各候補の評価と照査方式の推奨を行っている。

なおベイジアンネットワークによる判断機能は、入金データの摘要欄を解読するときに使用するととともに、顧客の特性・行動パターンや入金データの特徴、それに請求データの組合せとの兼ね合いによって、どの照査方式に重きを置くかを決定するロジックに用いている。そしてこの摘要欄の解読やロジックはいずれも正解が固定しないので、人間の思考過程を擬して「判断思考」を行っている。そのために照査突合方法は、これまで判明している事実、因果関係・依存関係および統計値（因果関係または依存関係）を条件として利用しながら事前知識としての確率モデルを組み立てておき、処理の都度与えられる状況データ等を入力値として確率的判定を行っている。

具体的には照査突合方法は、次のようになっている。図２は照査突合方法を説明するフローである。まず企業が顧客に対して請求書を発行すると、照査突合サポートシステム１０は請求データ記憶手段１２に請求データを記憶する。そして顧客が企業からの請求に応じて支払を行うと、照査突合サポートシステム１０は入金データを受領して入金データ記憶手段１４に記憶する。

またワードモデル構築手段１６は、照査突合サポートシステム１０が受領した入金データの摘要欄から顧客データや支払額等の字句を読み出すために、キーワード意味モデルを構築している（Ｓ１００）。具体的な一例として、摘要欄から支払の日付を解読するキーワード意味モデルについて説明する。図３は入金データから日付を見つける場合における確率モデル構造の説明図である。摘要欄の日付の書き方は、（１）顧客毎に、自社名や部門名に使用する字句に特徴がある、（２）あるタイプの顧客は、請求書番号を書く時に、頭に「＃」を付す、（３）別のタイプの顧客は、請求書番号の前に「番号」を付す、（４）あるタイプの顧客は、日付を８桁で表現し、年月日の間に「／」を用いる、（５）別のタイプの顧客は、日付を６桁で表現し、年月日の間に「．」を使用する等の如く顧客のタイプ毎に分類することができる。

このため、この事前知識を利用してキーワード意味モデルを作成する。すなわち図３（Ａ）に示すように、摘要欄で解読された数字入りの文字列が西暦であり、記載されている数字の先頭の２桁が２０なのか、文字列が数値８桁なのか、文字列の間に“／”区切りがあるのかどうかで日付が記述されているか判断するキーワード意味モデルを構築する。また図３（Ｂ）に示すように、摘要欄で解読された数字入りの文字列が西暦であり、記載されている数字の先頭の１桁が０なのか、文字列が数値６桁なのか、文字列の間に“／”区切りがあるのかどうかで日付が記述されているか判断するキーワード意味モデルを構築する。なお摘要欄の解読は、顧客が示す「意図」の把握が突合処理に大きな価値を持っている。これは摘要欄に請求日や請求番号、顧客の部門名等が記載されていれば、突合処理を簡素化できるからである。

そして照査前処理手段２２は、入金データ記憶手段１４から入金データを入力するとともに、ワードモデル構築手段１６で構築されたキーワード意味モデルを入力して、入金データの摘要欄の解読を行う（Ｓ１０２）。例えば、図３に一例を示すキーワード意味モデルを用いることによって、摘要欄で発見された数字入り文字列が日付を示しているのか否かを判断できる。また入金データに摘要欄が含まれていない場合は、摘要欄の解読を行うことなく次の処理を行う。なお摘要欄は、例えば海外送金する場合に有ったり、国内振替もしくは振込みをする場合に無かったりする。

この後、照査前処理手段２２は、顧客属性を入力するとともに、請求データ記憶手段１２で記憶している請求データを検索して、全ての未収請求データの請求残高を集計する（Ｓ１０４）。この検索された請求データが照査対象データ群となる。なお照査対象データ群には、顧客データが単体の場合、すなわち１つの顧客に対して送付された請求データで形成されている場合（顧客単独型）や、顧客属性を利用した複数の顧客データの場合、すなわち複数の顧客に対して送付された請求データで形成された場合がある。

次に、照査候補合成手段２４は、照査前処理手段２２から照査対象データ群を入力して絞込みを行う。すなわち照査候補合成手段２４は、入金データに摘要欄の記載がある場合に、解読された字句を記載している請求データが照査対象データ群に含まれているか絞込みを行う。例えば、顧客単独型の場合は、照査対象データ群の中から顧客の絞込みを行う（Ｓ１０６）。また字句として請求書番号が記載されている場合、すなわち請求データが指定されている場合は、照査対象データ群の中から該当する請求データの絞込みを行う（Ｓ１０８）。また字句として顧客名が記載されている場合は、該当する照査対象データ群の中から顧客の絞込みを行う（Ｓ１１０）。また字句として請求日の日付が記載されている場合は、照査対象データ群の中から該当する請求日付の絞込みを行う（Ｓ１１２）。また入金データに摘要欄が無い場合や摘要欄が空白の場合は絞込みを行うことがない。

そして照査候補合成手段２４は、この絞込みで残った「消し込み候補」の未収請求データを組合せて支払額に近いものを請求データ組合せとして纏める。なお支払額に近いか否かの判定は銀行手数料の誤差範囲内、すなわち国内振替もしくは振込みや海外送金分それぞれの銀行手数料を上限とすればよい。なお請求データの各組合せには組合せ内容の特徴を示す「組合せ属性」データを持たせ、後述する照査ポリシーモデルの決定要素として利用している。この組合せ属性データは、一件だけの単体の請求データ、直近の請求日のみ、単体の顧客コードのみ、過去の請求残を含む（もっと古いものがある）、過去の請求残を含む（もっと新しいものがある）、複数の顧客コードを含む、直近以外の請求データだけからなる等の状態値をもっている。

次に、照査方針決定手段２６は、「消し込み候補」データの組合せ結果に加え、顧客が持つ特性やこれまでの支払パターンを加味し、以降の突合処理の方針を決定する。ここで請求データと入金データの不突合の主要因として、「内部統制の良し悪し」、「取引の複雑さ」、「相手方の意図」、「事故による不突合」がある。

この「内部統制の良し悪し」の関連要因や派生要因（関連要因等）は、「売掛金および支払処理のシステム化状況」、「請求データの入力漏れ，支払承認漏れ」、「経営者・管理者の裁量の余地」がある。そしてこれらの関連要因等を観測するための事項（観測事項）は、「組織・手続の複雑さ」、「売掛・支払業務のシステム化」、「売掛・支払業務の安定性」、「過去の遅延事実」がある。また「取引の複雑さ」の関連要因等は、「複数の未収請求データの存在」、「一部納品の検収遅れ」、「一部請求データの処理遅延」、「一部請求データの支払い承認遅延」がある。そしてこれらの関連要因等の観測事項は、「関連顧客コードの数」、「組織・手続の複雑さ」、「支払部門の独立性」、「売掛・支払業務のシステム化」、「組織・手続の複雑さ」がある。また「相手方の意図」の関連要因等は、「銀行手数料の意図的な差し引き」、「一部請求データの意図的な支払い遅延」、「意図的な分割払い」、「意図的な前払い」がある。そしてこれらの関連要因等の観測事項は、「契約書の記述の有無」、「経営者の信用度意識」、「相手方の資金繰り状況」、「企業と顧客の関係」等がある。また「事故による不突合」の関連要因等は、「請求データの紛失」、「顧客の資金手当て事故」、「顧客の支払い先間違いによる過払い」、「忘却」がある。そしてこれらの関連要因等の観測事項は、「２ないし３ヶ月以上前の未収の有無」がある。このため照査方針決定手段２６は、これらの不突合の要因に対する観測事項をとり纏めて、データ化している。

また照査方針決定手段２６は、前述した顧客属性や請求残高、入金データを「アクティビティ・ランク」、「未収金の状況」、「請求データ組合せ属性」、「今回の入金に関する属性」に再分類している。

ここで「アクティビティ・ランク」は、会社規模・系列、過去の未払い発生、顧客の信用度評価、未払い金システム化、支払い部門の独立性、社内組織の複雑さ等の項目を有している。なお会社規模・系列項目は、株式公開済、グループ企業の一員、中小独立企業、個人企業等を示している。また過去の未払い発生項目は、未払い無し、非意図的な未払いがあった、意図的な未払いがあったか等を示している。また顧客の信用度評価項目は、信用度が良好、信用度について特に情報無し、未成熟、経営難・資金難の噂あり等を示している。また未払い金システム化項目は、ＥＤＰ（Ｅｌｅｃｔｒｏｎｉｃ Ｄａｔａ Ｐｒｏｃｅｓｓｉｎｇ）に実装済み、安定した作業体系、担当者個人に左右される危険あり、経営者の資金操作あり等を示している。また支払い部門の独立性項目は、完全独立、経営者の支配下、その他等を示している。また社内組織の複雑さ項目は、スッキリして手続きが早い、縦割りで効率が悪い、その他等を示している。

また「未収金の状況」は、請求高、過去の未収状況、資金難の噂、未払い発生の事実、未払高の例外性等の項目を有している。請求高項目は、例えば平常−８０％から＋４０％の間、平常−８０％未満、平常＋４０％超を示している。また過去の未収状況項目は、請求日から３ヶ月以上過ぎたものがある、請求後１ないし３ヶ月のものがある、その他等を示している。また資金難の噂項目は、情報無し、会社が未成熟、経営難・資金難の噂あり等を示している。また未払い発生の事実項目は、未払い無し、非意図的な未払いがあった、意図的な未払いがあった等を示している。また未払高の例外性項目は、平常時の倍以上、平常＋４０％超、その他等を示している。

また「今回の入金に関する属性データ」は、次の通りである。支払額、顧客コード、前回の入金日からのサイクル、請求高、摘要欄に日付記述あり、摘要欄に請求書番号の記述あり、摘要欄に顧客（部門）名の記述ありの項目を有している。なお前回の入金日からのサイクル項目は、定常サイクル、定常より短い、定常より長い等を示している。また請求高項目は、例えば平常−８０％から＋４０％の間、平常−８０％未満、平常＋４０％超を示している。ただし、これらの比率は利用企業の事業特性に応じて変更可能とする。

なお顧客属性を表示手段１８に表示して、照査突合サポートシステム１０のユーザが必要に応じて顧客属性を更新することもできる（Ｓ１１４）。

そして照査方針決定手段２６は、これらの情報を基に、図４に示す確率モデル（照査突合方法の優先度決定モデル）を用いて、照査ポリシーモデルを決定する（Ｓ１１６）。ここで入金データに摘要欄が無い場合は、図４に示す優先度決定モデルを入金データ等に基づいて作成し、各顧客の入金毎に属性値を条件として与えて推論させ、その結果に応じて照査ポリシーモデルを決定する。属性値が確定しないデータについては、条件を与えずに推論を行う。

また入金データに摘要欄が有る場合は、図５に条件確率を例示するように、請求データ単体の条件確率、特定の複数顧客や任意の複数顧客の組合せ（複数顧客の組合せ）の条件確率、特定の請求データの組合せや任意の請求データを組合せた特定複数請求データの組合せの条件確率、特定の請求日の組合せや任意の請求日を組合せた特定複数請求日の組合せの条件確率がどれくらいなのかを計算して、どの照査方法が最も相応しいか、重み付けで照査ポリシーモデルを決定している。

この照査ポリシーモデルは、照査ポリシーモデル構築部４０で構築されている（Ｓ１１８）。図６は照査ポリシーモデルの説明図である。照査ポリシーモデルは、事実収集レイヤー６０、リスク評価レイヤー６２および結論レイヤー６４を有している。事実収集レイヤー６０は、顧客の評価や未収金（未収金の請求データ）に関する条件を記述しており、例えば銀行手数料取決めや資金難、会社評価等の条件をノードとして記述している。またリスク評価レイヤー６２は、事実から推測されるリスクや顧客の支払意図の評価（顧客の行動パターン）に関する条件を記述しており、例えば手数料負担意図や支払の意図、忘却のリスク等の条件をノードとして記述している。さらに結論レイヤー６４は、現在処理中の組合せ、それ以前・以降の組合せ、分割払いの尤度（選択した請求データ）に関する条件を記述しており、例えば手数料差し引き、当該セット、分割払い等の条件をノードとして記述している。

なおノードは、図６において楕円で示されている。そしてノード間の関係は、原因結果の事実に基づく因果関係に加え、変数同士の変化で観察できる（一方の変化に伴って他方も変化する）依存関係も取り扱っている。これによって因果関係が明確でなくとも、結論に影響を与えるノード群とそれらの関係を扱うことができる。またノード間の関係は数式表現ではなく、条件の変化に応じた分布の変化で確率表現してある。また照査ポリシーモデルにしたがい、親ノード（リンクの元）の状態に応じた子ノード（リンクの先）の状態の確率分布を事前知識として登録してある。これは、データ分布から計算するか又は経験値を使用した条件確率である。また照査方針決定手段２６は、照査ポリシーモデル構築部４０から照査ポリシーモデルを入力して、請求データの組合せに応じて照査ポリシーモデルを決定する。

照査実施手段２８は、照査方針決定手段２６で決定した照査ポリシーモデルを入力して、照査を実施する（Ｓ１２０）。この照査は、照査ポリシーモデルの条件確率を依存関係・因果関係に添うようにベイジアンネットワークを用いて計算している。すなわち照査（確率推論）は、条件確率を基に与えられた条件（状況証拠として、ある入力ノードの状態値を決定する）を開始点として順方向・逆方向に確率伝播計算を行っている。そして条件確率の各項を埋める確率値は、学習データがある場合はそれを集計して求めることができ、データがない場合は業務専門家やアナリストの裁定によって決めることができる。

なお照査をするために、照査ポリシーモデルへの入力データとなるものはこれまでに加工・整理されたデータであり、入金データ、照査対象となる請求データ組合せ、その組合せの照合尤度、銀行手数料である。なお入金データは、取扱銀行・口座、支払顧客、入金日、金額および摘要を示している。また請求データ組合せは、顧客コード、請求日、請求書番号および金額を示している。また組合せの照合尤度は、照査ポリシー決定値を示している。また銀行手数料は、海外からの入金を含む、銀行毎の料金表を示している。なお照査実施手段２８が照査を行う時に照査制御データを入力して、照査を制御することもできる。ここで照査制御データは、照査実行対象数、照査実行最低尤度、銀行手数料上限値または銀行毎の料金表等である。

そして照査実施手段２８で行われる照査は、支払額と請求金額（組合せ毎の合計）の差額と、銀行手数料を照合している。この照査の結果、支払額と一致した請求データ組合せは、編集処理を経て表示手段１８に表示される（Ｓ１２２）。また支払額と一致しない請求データ組合せも参考情報として表示手段１８に表示可能である。

図７は尤度計算結果の表示画面例である。そして照査突合サポートシステム１０のユーザは、図７に示す表示を見ながら、請求データの消し込みに関する意思決定を行う（Ｓ１２４）。すなわち表示された項目にある採用欄のうち、ユーザが適当と考えるものを、意思決定入力手段３０を用いて選択（クリック）すると、請求データの消し込みが行われる。なお、この選択の際は、システムが提示した尤度の高さに依らずに意思決定がなされる可能性もある。この場合は、それ以降の予測・推定値の修正が検討対象に上り、決定済みのデータ群を入力とした照査ポリシーモデルの改訂処理（学習）を実施するか、業務専門家による依存関係の見直しと照査ポリシーモデルの構造の改訂が行なわれることになる。この請求データの消し込みは、照査ポリシーモデル構築部４０の過去の消し込み記録手段４８に記録される。

また照査ポリシーモデル構築部４０は、顧客別支払記録手段４２で記憶している顧客の入金情報や、行動分析手段４４で収集し支払パターン中間データ記録手段４６に記憶した外部情報や社内情報を利用して、照査ポリシーモデル構築・改訂手段５０で図６に示すような照査ポリシーモデルを構築している。また照査ポリシーモデル構築・改訂手段５０は、前述したように過去の消し込み記録手段４８で記憶している請求データの消し込み記録（実績データ）を利用して、照査ポリシーモデルを改訂することもできる。

このような照査突合サポートシステム１０や照査突合方法によれば、入金データと請求データを突合せることができる。そして照査突合サポートシステム１０や照査突合方法は顧客属性を定義しているので、請求データに記載された顧客データと入金データに記載された顧客データが異なっていたとしても、請求データと入金データを突合せることができる。

また照査突合サポートシステム１０や照査突合方法はキーワード意味モデルを用いることにより、入金データの摘要欄を「文字列の組合せによる尤度」判定しながら、請求日、顧客名、請求書番号等の単語や語句を推定できる。また照査突合サポートシステム１０や照査突合方法は顧客属性、これまでの支払パターン、未収の請求残高の状況等を条件にして「今回の支払いの意図」を推測し、前述した条件を基にしたベイジアンネットワークによる条件確率計算の結果を利用して、照査ポリシーモデルを決定できる。

照査突合サポートシステムのブロック図である。 照査突合方法を説明するフローである。 入金データから日付を見つける場合における確率モデル構造の説明図である。 照査突合方法の優先度決定モデルである。 条件確率の説明図である。 照査ポリシーモデルの説明図である。 尤度計算結果の表示画面例である。

符号の説明

１０………照査突合サポートシステム、１２………請求データ記憶手段、１４………入金データ記憶手段、１６………ワードモデル構築手段、２０………突合部、２２………照査前処理手段、２４………照査候補合成手段、２６………照査方針決定手段、２８………照査実施手段、３０………意思決定入力手段、４０………照査ポリシーモデル構築部、５０………照査ポリシーモデル構築・改訂手段。

Claims (2)

1. 顧客への請求データと、この請求データに基づいて顧客が支払った入金データとがあり、受領した前記入金データと、複数の前記請求データを纏めた中から前記受領した入金データに対応する前記請求データとを突合せる照査突合方法であって、
   前記入金データの摘要欄に記載されている字句を解読するとともに、未収金の前記請求データを集計し、
   前記解読された字句を含んでいる前記請求データを選択し、
   選択した請求データ、顧客が請求データに基づいて支払をする行動パターンおよび未収金の請求データの状況を条件として備え、且つ、前記各条件の因果関係または依存関係に基づいて前記条件同士を接続し、前記各条件に確率分布を登録して照査ポリシーモデルを構成し、
   前記照査ポリシーモデルに前記選択した請求データを入力して確率伝播計算を行い、前記請求データと前記入金データとの対応の尤度を求め、
   前記請求データに対応する前記入金データを選択して消し込む、
   ことを特徴とする照査突合方法。
2. 顧客に対しての請求データと、この請求データに基づいて顧客が支払を行って生成された入金データとのそれぞれを保存した記憶手段と、
   前記記憶手段に接続し、確率伝播計算を行って前記請求データと前記入金データとの対応の尤度を求めて、前記入金データと前記請求データとを突合せる突合部とを備え、
   前記突合部は、
   前記記憶手段に接続し、前記記憶手段に保存された前記入金データに記載されている字句を解読する照査前処理手段と、
   前記照査前処理手段に接続し、前記照査前処理手段で解読した前記入金データの字句と共通の字句を含む前記請求データを選択する照査候補合成手段と、
   前記照査候補合成手段に接続し、前記入金データと前記請求データの突合せを行う照査ポリシーモデルを決定する照査方針決定手段と、
   前記照査方針決定手段に接続し、前記照査方針決定手段で得られた前記照査ポリシーモデルにしたがって、前記入金データと前記請求データとの突合せを行う照査実施手段と、
   を備えたことを特徴とする照査突合サポートシステム。

Images