JP2014514642A5 - - Google Patents

Description

したがって、一部の実施形態は、信用をスコアリングして報告するシステムおよび方法を提供する。信用をスコアリングして報告するシステムは、マスターデータマネージャ、データベース、報告エンジン、およびインタフェースポータルを含む。マスターデータは、定量的または定性的信用データを、複数のデータソースから集約して、集約されたデータを、データが関連している適切な企業エンティティにマッチングする。報告エンジンは、自然言語処理を定性的信用データに行い、定性的信用データを、定性的信用データを定量化可能に表す数値尺度に変換する。定量的尺度および信用データは、次にフィルタリングされて、異常なものを取り除き、適宜重み付けを調節して、定量的尺度を正規化する。特定の企業エンティティに対して、報告エンジンは、特定の企業エンティティに関する定量的尺度を、１つの信用スコアにコンパイルする。一部の実施形態では、信用報告が、関連する信用データを利用して信用スコアを導出する方法を詳述するために生成される。一部の実施形態では、信用報告がさらに、自身の信用スコアに基づいて向上可能なアクションを示す。インタフェースポータルを利用することで、企業および個人は、信用スコアおよび／または信用報告を購入して、見ることができ、同時に、信用をスコアリングして報告するシステムに参加して、交信することができる。具体的には、ユーザは、信用データを提出して、信用データと不正確な企業エンティティとのマッチングの誤りを正すことができる。

一部の実施形態において、定性的信用データから定量的尺度を導出するプロセスを示す。

これらおよびその他の課題を解決して、企業の信用を定量化可能に表す有形資産を提供するために、一部の実施形態では、信用をスコアリングして報告するシステムが提供される。信用をスコアリングして報告するシステムは、複数のデータソースから集約されたデータに基づいて企業の信用を定量化可能に表し、標準化された信用スコアを生成するが、この標準化された信用スコアは、信用を、同じシステムおよび方法で導出した競合他社の信用スコアと比較分析することができる、認識の容易なスコアとして提示することができる。一部の実施形態では、信用をスコアリングして報告するシステムは、各企業の信用スコアの導出について詳述した信用報告を生成する。より詳しくは、信用報告は、ある企業が、成功したビジネス手法、事業の成功を阻んだビジネス手法、顧客の望む改善点（ここに将来有望なビジネス機会がある）、将来の成長および企業の成功のために改善することができる変更点を特定するための１つの手段となる。

図１は、一部の実施形態において、信用をスコアリングして報告するシステムが、信用スコアおよび信用報告を生成する際に実行するプロセス１００を提示している。プロセスは、１１０で、複数のデータソースから定性的および定量的信用データを集約することから始まる。これには、パートナーのフィード（feeds）、ファイル、および手動入力によって、様々なオンラインおよびオフラインデータソースからデータを収集することが含まれる。プロセスは、１２０で、集約されたデータを適切な企業にマッチングする。各企業にマッチングされたデータは、１３０で分析され、定量的信用データから定性的信用データを特定する。プロセスは、１４０で、定性的信用データに自然言語処理を行い、定性的信用データを定量的尺度に変換する。このようにして得られた定性的信用データについての定量可能な尺度、およびその他の集約された定量的信用データを、次に、スコアフィルタに送り、スコアフィルタは、１５０で、異常な、および偏っている信用データの定量尺度を修正して、定量的尺度を正規化する。プロセスは、１６０で、残りの正規化された定量的尺度をコンパイルして、信用スコアを生成する。

マスターデータマネージャ２１０は、プラグインインタフェースモジュール３１０（３２０を含む）を通じて、および、インタフェースポータル２４０を通じて、様々なデータソースからデータを集約する。各プラグインインタフェースモジュール３１０は、１以上のデータソースから信用データを抽出するためにこれらデータソースと自動的にインタフェースするよう構成されている。一部の実施形態では、各プラグインインタフェースモジュール３１０が、通信プロトコル、スクリプト、およびアカウント情報で構成され、１以上のデータソースにアクセスする。加えて、プラグインインタフェースモジュール３１０は、データクロール機能で構成され、１以上のデータソースから信用データを抽出する。あるプラグインデータモジュールは、特定のデータソースをナビゲートして、信用データを発見する。一例では、マスターデータマネージャ２１０が、www.yelp.com.のウェブサイトへのプラグインインタフェースモジュール３２０を含んでいる。このインタフェースモジュール３２０は、www.yelp.comのウェブサイトにアクセスしてするためのアカウント情報と、このウェブサイトから企業信用データを直接スキャン、抽出するデータクローラスクリプトとにより構成されてよい。一部の実施形態では、データソースとの間で提携契約を結ぶことで、プラグインインタフェースモジュールが直接データソースの１以上のデータベースとインタフェースして、信用データを抽出することができる。

プラグインインタフェースモジュール３１０によって、新たなデータソースからのデータを、他のプラグインインタフェースモジュール３１０の機能を変更せずに、マスターデータマネージャ２１０に統合することができるようになる。このモジュール方式によって、データソースの追加、または新たなデータソースが望ましい場合に、システムの拡大縮小が容易になる。さらに、プラグインインタフェースモジュール３１０によって、信用データを自動的かつ継続的にこれら様々なデータソースから取得することが可能になる。一部の実施形態では、集約されたデータは、コピーされたテキスト、ファイル、フィード、データベースのレコード、およびその他のデジタルコンテンツを含む。

定性的データおよび定量的データは、さらに、印刷出版物（たとえば新聞または雑誌記事）、テレビの批評、またはラジオの批評等の他の媒体から集約されてもよい。一部の実施形態では、データソースは、インタフェースポータル２４０にアクセスして、自身のデータをマスターデータマネージャ２１０に直接提供することができる。例えば、出版社が関連性のある雑誌記事をアップロードまたはスキャンして、インターネットポータル２４０経由で提出することもできる。出版物および記録（recordings）はメールで提出されてもよい。出版社がこのような情報を提出する動機づけとして、提出すれば、出版社を宣伝する、としてもよい。具体的には、一部の実施形態で、提出された出版物が、実際に生成された信用報告に含められるたびに、宣伝量を増やす、といったことが考えられる。

信用データは、企業によってマスターデータマネージャ２１０に直接提出されてもよい。これは、様々なデータソースが感知していない、または無視してきた小さな企業にとっては有利である。具体的には、信用データが、企業のオーナによってインタフェースポータル２４０経由で提出されてよく、このデータは、データが利用可能になるとすぐに、信用スコアおよび信用報告に含められてよい。このようにすると、企業は直接、信用データ集約プロセスに関与することができ、この企業に関する信用データをマスターデータマネージャ２１０に提供する際に、他のデータソースに依存する必要がなくなる。たとえば、ロサンジェルス郡健康局は、グレードＡ、Ｂ、およびＣの健康格付けシステムをレストランに対して行っている。レストランが新たな格付けを受けると、レストランの企業オーナは、第三者データソースがそうする前に、インタフェースポータル２４０経由で新たな格付けをマスターデータマネージャ２１０に提出することができる。提出は、ウェブページ経由で、提出者が自身を名乗り、データをテキスト形式で入力またはファイル形式で提出する形態であってよい。

マスターデータマネージャ２１０は、プラグインモジュール３１０を利用して集約されるデータ、および、インタフェースポータル２４０経由で提出されたデータに対して、データが関連している企業を特定する１以上の識別子をタグ付する。一部の実施形態では、識別子には、名称、名称の読み方（phonetic name）、住所、固有識別子、電話番号、電子メールアドレス、およびＵＲＬが、一部の例として含まれている。自動的に集約された信用データについては、プラグインモジュール３１０は、集約された信用データに、なんでもいいので、データソースの信用データに関する識別子をタグ付しておく。例えば、www.yelp. comサイトは、企業の連絡先情報（たとえば名称、住所、電話番号、ウェブサイト等）を含むページの特定の企業で、批評およびランキング（つまり信用データ）を分類しておく。インタフェースポータル２４０経由で提出された信用データについては、提出者は、まず、提出者が送信する信用データにタグ付される様々な識別子を含むユーザアカウントを作成する必要がある。

場合によって、タグ付けされる識別子が、データが関連している企業を一意にまたは正確に識別しない場合もある。これは、企業が、複数の異なる名称、電話番号、住所、ＵＬＲ等で操業している場合に生じうる。したがってマスターデータマネージャ２１０は、マッチングアルゴリズムデータベース３４０のうちの１セットのマッチングアルゴリズムを利用して、集約されたデータを、適切な企業にマッチングさせるマッチングプロセス３３０を含む。さらにデータマッチングの整合性および品質を高めるために、一部の実施形態では、企業オーナおよび共同体に、マッチングプロセス３３０に参加することを許可する。

前述したように、固有識別子５１５は、一意に各企業エンティティを識別する。連絡先エレメント５２０は、集約されタグ付されている信用データを特定の企業にマッチングするために利用される、１つの企業を特定するための１以上の名称、住所、識別子、電話番号、電子メールアドレス、およびＵＬＲを格納している。信用フィールド５３０は、集約されマッチングされた定性的および定量的信用データを格納する。加えて、信用フィールド５３０が、データ構造５１０の固有識別子５１５にリンクされている、生成された信用スコアおよび信用報告を格納していてよい。エンティティエレメント５４０は、企業情報、個人情報、および関係情報を特定する。企業情報は、企業クレジット、財務情報、供給者、下請け業者、およびDun & Bradstreet等の会社から提供される他の情報を含んでよい。個々の情報は、企業に関連付けられている個人を特定する。関係情報は、企業および様々な企業組織または構造における個人の役割を特定する。個人情報は、マッチングプロセスを助ける目的から、および、信用スコアに影響を与える要素として含められていてよい。例えば、成長している成功している企業の証明されているレコードの幹部は、特定の企業の信用スコアを向上させることができ、経験の少ない責任者または斜陽企業の幹部は、企業の信用スコアに対して悪影響を与える場合がある。

報告エンジン２３０は、データベース２２０にアクセスして信用データを得るが、信用データから、様々な企業の信用スコアおよび信用報告が導出される。一部の実施形態では、報告エンジン２３０が、ある企業の信用スコアおよび報告が前に生成された、信用データが変更された、または新たな信用データがデータベース２２０で利用可能になったときに、前に生成されたスコアおよび報告を更新する。図６は、一部の実施形態における信用スコアおよび信用報告を生成する報告エンジン２３０の一部のコンポーネントを示す。報告エンジン２３０は、データ分析器６１０、自然言語処理（ＮＬＰ）エンジン６２０、スコアリングエンジン６２５、スコアフィルタ６３０、信用スコア集約器６４０、および報告生成器６５０を含む。一部の実施形態では、報告エンジン２３０およびその様々なコンポーネント６１０−６５０は、コンピュータ命令セットを実行する一組のスクリプトまたはマシン実装されたプロセスとして実装される。

データ分析器６１０は、データベース２２０とインタフェースして、１以上の企業に対して集約した信用データを得る。上述したように、特定の企業用の信用データは、固有識別子を利用してデータベース２２０に格納される。したがってデータ分析器６１０は、信用スコアおよび報告を生成した１つの固有識別子または固有識別子のリストを提供される。固有識別子のリストは、システムアドミニストレータにより提供されても、インタフェースポータルが提出する要求に基づいてオンザフライで生成されてもよい。データ分析器６１０は、固有識別子を利用して、データベース２２０から関連するデータを取得する。

図８は、一部の実施形態における、テキストの数量詞および修飾対象物の対を特定する。この図は、企業批評という形態の定性的信用データ８１０を示している。批評は、テキストで企業における様々な体験を示している。ＮＬＰエンジン６２０に処理を受けさせるべく渡されると、信用データのテキスト数量詞および修飾対象物が特定される。この図では、テキスト数量詞が、矩形ボックス（たとえば８２０）を用いて示されており、修飾対象物（８３０）が、丸印で示されている。

ＮＬＰエンジン６２０は、テキスト数量詞と修飾対象物とのマッチングした対をスコアリングエンジン６２５に送る。スコアリングエンジン６２５は、各対を定量的尺度に変換する。図９は、一部の実施形態において、定性的信用データから定量的尺度を導出するプロセス９００を示す。プロセス９００は、スコアリングエンジン６２５が、ＮＬＰエンジン６２０から、特定されたテキスト数量詞と修飾対象物との対をもつ、定性的信用データを受信する。

プロセスは、１１４０で、フィルタリングされた定量的尺度データを、データベース２２０に格納して、プロセスが終了する。一部の実施形態では、プロセスは、フィルタリングされた定量的尺度を直接、報告エンジン２３０の信用スコア集約器６４０に渡す。

ｖ．信用スコア集約器

信用スコア集約器６４０は、具体的な企業の正規化された定量的尺度に基づいて、その企業の信用スコアを生成する。一部の実施形態では、信用スコアは、一端では信用がなく、他端では完全な信用を表す範囲で限界を設けられた数値であり、この信用スコアでは、信用が、様々な企業のプラクティスの成功、顧客満足度、競合他社に対するパフォーマンス、成長の可能性等を考慮する。一部の実施形態では、信用スコアは、異なる信用の側面を異なる桁で符号化することもできる。例えば、６桁のスコアの最初の３桁が企業クレジットスコア（business credit score）を特定しており、最後の３桁が、信用スコア（credibility score）を特定する一部の実施形態では、信用スコアは、各スコアが信用の異なるコンポーネントを表すような、１組のスコアのことである。例えば、信用スコアは、企業クレジットスコア、批評スコア、および格付けスコアからなっていてよく、批評スコアは、集約された定性的データから得られた定量的尺度をコンパイルしたものであり、格付けスコアは、集約された定量的データにおける正規化された定量的尺度をコンパイルしたものであってよい。当業者には、信用スコアを、他のいくつのやり方によっても（たとえば、フォーマットされた一組の文字またはフォーマットされた一組の英数字で）フォーマットすることもできることを理解する。

信用スコアを生成するために、信用スコア集約器６４０は、具体的な企業に対する、任意のフィルタリングを行われ、正規化された定量的尺度を、データベース２２０またはスコアフィルタ６３０から集約する。信用スコア集約器６４０は、次に、１以上の所有アルゴリズムを利用して、定量的尺度同士を統合して（factor together）、信用スコアを生成する。これには、平均化、合計、または所有公式（proprietary formula）を利用して、集約された１組の定量的尺度から信用スコアを生成することが含まれてよい。これらアルゴリズムは、信用スコアを、任意の数の利用可能な定量的尺度で計算することができる。生成された信用スコアは、次に、データベース２２０に戻され格納されて、ここで具体的な企業と関連付けられる。

報告生成器６５０は、信用スコア集約器６４０と協働する。一部の実施形態では、報告生成器６５０は、信用スコアの導出方法、企業が成功してきた分野、改善が必要な他の領域、競合他社に比して優れている点（standing relative to competitors）、および、信用スコアの向上に寄与するために指摘される改善点などを詳述した報告を生成する役目を果たす。したがって信用報告は、信用スコアがどのように導出されたかについて、完全に透明である。信用報告に基づいて、企業は、関連付けの間違っている信用データについてみたり報告したりすることができたり、企業は、身元詐称その他の企業の善意にただ乗りしたりしている可能性のある事例を指摘したり、企業は、自社の信用スコアおよびスコア導出の元になった個々のコンポーネントを積極的に見つめ直して改善したりすることもできる。生成された報告は、信用スコアとは別の有形資産として販売することもできる。前述したように、ユーザは、信用報告にインタフェースポータル２４０経由でアクセスすることができるが、一部の実施形態では、書面または電話等の他の媒体で信用報告を行ってもよい。

ペイン１２３０は、データ編集ペインである。このペインでは、ユーザは、データソースから集約したデータ批評を調節する、または、前には信用スコアに組み込まれていなかった新たなデータを提供することができる。これには、集約されたデータの誤りを補正することが含まれてよい。ボタン１２６０および１２６５も、ペイン１２３０に含まれている。ボタン１２６０を利用すると、ペイン１２３０内の特定のエントリを拡張することができる。ボタン１２６５を利用することで、ユーザは、様々な集約されたデータソースで利用ができないデータ、および、まだデータソースにまだ伝播されていない新たなデータを含む新たな信用データを提供することもできる。

ペイン１２４０は、ユーザが見ることができ、およびその他の集約された信用データが見直されて、マッチングされなかったデータが特定され報告される、データマッチングペインである。具体的には、企業オーナは、集約された定量的および定性的データのリストをスクロールして、他の人が企業について語っていることを確かめることができる。これには、良いまたは悪いフィードバック、企業を向上させるための示唆、ユーザの体験した問題、ユーザが企業について良いと思っている点等を見ることが含まれる。加えて、ペイン１２４０は、特定のエントリを拡張したり、誤りを報告したりするためのボタン１２７０および１２７５を含む。誤りには、別の企業に関するデータ、および、信用報告を生成した企業に誤ったマッチングをされたデータが含まれる。誤りはさらに、偏ったデータまたは例外物としてフィルタリングされるべきであったデータを含んでよい。ペイン１２４０は、さらに、企業の情報（アドレス、エージェント、電話番号）を提示してもよい。

第２のドリルダウンレイヤ１３３０は、信用スコア１３２０を導出した様々なコンポーネントであるスコアを提示する。一部の実施形態では、コンポーネントであるスコアは、第１のスコア１３３５、第２のスコア１３４０、および第３のスコア１３４５を含む。一部の実施形態では、第１のスコア１３３５は、企業の信用力を定量化するスコアである。したがって第１のスコア１３３５は、Dun and Bradstreetのクレジットスコアその他の類似する企業クレジットスコアであってよい。一部の実施形態では、第２のスコア１３４０は、様々なソースから１つのソースへと集約された定量的データを定量化する格付けスコアである。一部の実施形態では、第３のスコア１３４５が、様々なデータソースから１つのソースへ集約された定性的データを定量化する批評スコアである。

ユーザは、さらにドリルダウンを続けて、各コンポーネントであるスコアを導出するために利用されたデータを見ることができる。具体的には、第１のスコア１３３５をクリックすると、ユーザは、Dun and Bradstreet社または類似した企業クレジット報告を提示する第３のレイヤ１３５０へとドリルダウンする。この代わりに、ユーザに、要求ウィンドウが提示され、この要求ウィンドウから、ユーザがDun and Bradstreet社または類似した企業クレジット報告を購入することができてもよい。第２のスコア１３４０をクリックすると、ユーザは、信用スコア１３２０の格付けスコアコンポーネントを導出するのに利用した、様々な集約された定量的データを提示する第３のレイヤ１３６０へとドリルダウンする。同様に、第３のスコア１３４５をクリックすると、ユーザは、信用スコア１３２０の批評スコアのコンポーネントを導出するのに利用された様々な集約された定性的データを提示する第３のレイヤ１３７０にドリルダウンする。

Claims (25)

1. マイクロプロセッサと非一時的コンピュータ可読媒体を持つ少なくとも１つのサーバを備え、特定の企業の評判を定量化可能に表す信用スコアを生成するべくコンピュータ実装された方法を実行する信用スコアリングシステムであって、前記コンピュータ実装された方法は、
   前記非一時的コンピュータ可読媒体に、複数のデータソースからの、（ｉ）前記特定の企業を対象とするテキストステートメントをもつ定性的データと、（ｉｉ）前記特定の企業の一部の側面を定量化可能に格付けしている定量的尺度を有する定量的データとを集約する段階と、
   前記マイクロプロセッサの処理によって、前記定性的データを処理して、前記複数のデータソースから集約された各定性的データの前記テキストステートメントで表されているテキスト数量詞に基づいて、前記特定の企業の定量化可能な格付け評価を行う定量的尺度セットを導出する段階と、
   前記マイクロプロセッサの処理によって、前記定性的データから導出した前記定量的尺度セットと、前記定量的データからの前記定量的尺度とを正規化する段階と、
   前記信用スコアリングシステムで、前記定性的データおよび前記定量的データの正規化された定量的尺度に基づいて、前記特定の企業の評判を定量化する信用スコアを生成する段階と
   を備える、信用スコアリングシステム。
2. 前記定量的尺度を集約する元になったデータソースに基づいて、定量的尺度の重みを調節する段階をさらに備える、請求項１に記載の信用スコアリングシステムで実行される方法。
3. 前記定性的データを処理する段階は、
   前記定性的データに自然言語処理を行い、各テキストステートメントについて、プラスおよびマイナスの度合いを含んだ第１の単語と、前記第１の単語が修飾する第２の単語とを特定する段階を有する、請求項１または２に記載の信用スコアリングシステムで実行される方法。
4. 前記定性的データを処理する段階は、
   （ｉ）前記第２の単語に基づいて定量的尺度のスケールを特定して、（ｉｉ）前記第１の単語に基づいて、前記定量的尺度のスケールにおける特定の定量的尺度値を特定する段階をさらに有する、請求項３に記載の信用スコアリングシステムで実行される方法。
5. 前記特定の企業に関連するユーザが、定性的データおよび定量的データのうち少なくとも１つを提出する際に利用するインタフェースを提供する段階をさらに備える、請求項１から４のいずれか一項に記載の信用スコアリングシステムで実行される方法。
6. 前記信用スコア、ならびに、前記信用スコアの生成に利用した前記定性的データおよび前記定量的データを含む報告を生成する段階をさらに備える、請求項１から５のいずれか一項に記載の信用スコアリングシステムで実行される方法。
7. 前記報告および前記信用スコアをみるためのインタフェースを提供する段階をさらに備える、請求項６に記載の信用スコアリングシステムで実行される方法。
8. 前記信用スコアを生成する段階は、
   前記特定の企業に関する前記定量的尺度を１つの値にコンパイルする段階を有する、請求項１から７のいずれか一項に記載の信用スコアリングシステムで実行される方法。
9. 前記信用スコアを生成する段階は、
   前記特定の企業に関する前記定性的データから導出された前記定量的尺度を第１の値にコンパイルして、前記特定の企業に関する前記定量的データからの前記定量的尺度を第２の値にコンパイルする段階を有する、請求項１から８のいずれか一項に記載の信用スコアリングシステムで実行される方法。
10. 前記定性的データと前記定量的データとを集約する段階は、各集約データを、前記集約データを１つの企業に関連付ける少なくとも１つの識別子にタグ付する段階を有する、請求項１から９のいずれか一項に記載の信用スコアリングシステムで実行される方法。
11. 前記信用スコアを生成する段階は、他の企業の信用スコアと比較可能な、標準化されたスコアを生成する段階を有する、請求項１から１０のいずれか一項に記載の信用スコアリングシステムで実行される方法。
12. 複数の企業のいずれかの評判を定量化可能に表す信用スコアを生成する信用スコアリングシステムであって、
    複数のデータソースとインタフェースして、前記複数のデータソースからの、（ｉ）前記複数の企業のうちの特定の企業を対象とするテキストステートメントをもつ定性的データと、（ｉｉ）複数の有界の値のスケールのうちの、異なる有界のスケールに従って、前記特定の企業の一部の側面を定量化可能に格付けする定量的尺度を有する定量的データとを取得するデータ集約器と、
    各取得された定性的データを、当該定性的データにおいて対象とされる前記特定の企業にマッチングして、各取得された定量的データを、当該定量的データにより格付けされる少なくとも１つの側面を有する前記特定の企業にマッチングするマスターデータマネージャと、
    各取得された定性的データの前記テキストステートメントで表されるテキスト数量詞に基づいて、前記特定の企業の定量化可能な格付け評価を行う定量的尺度セットを導出する、自然言語プロセッサと、
    （ｉ）前記定性的データから導出した前記定量的尺度セットを、特定の有界の値のスケールに正規化して、（ｉｉ）前記定量的尺度の、前記複数の有界の値のスケールを、前記特定の有界の値のスケールに調節することで、前記定量的データからの前記定量的尺度を正規化する、フィルタセットと、
    （ｉ）前記特定の企業にマッチングされている前記定性的データの前記テキストステートメントから得た定量的尺度と、（ｉｉ）前記特定の企業にマッチングされている前記定量的データの定量的尺度とを、前記特定の企業の評判を計測する標準化された信用スコアにコンパイルする生成器と
    を備え、
    前記信用スコアは、一端の値が、評判の悪い企業を特定しており、他端の値が、完全に評判のよい企業を特定している、値のスケールの範囲で定められる、
    信用スコアリングシステム。
13. 前記フィルタセットは、さらに、前記定性的データおよび前記定量的データをフィルタリングして、関連性のないデータ、偏ったデータ、異常なデータのうち少なくとも１つを取り除く、請求項１２に記載の信用スコアリングシステム。
14. 前記信用スコアリングシステムと交信するユーザのためにインタフェースを提供するインタフェースポータルをさらに備える、請求項１２または１３に記載の信用スコアリングシステム。
15. 前記信用スコアリングシステムとの交信には、前記マスターデータマネージャが前記信用スコアのコンパイルにおける利用のために含めるために、前記インタフェースポータルを介して様々な異なるエンティティが提出した定性的データおよび定量的データのうち少なくとも１つを受信することが含まれる、請求項１４に記載の信用スコアリングシステム。
16. 前記信用スコアリングシステムとの交信には、企業に誤ったマッチングをされている定量的データおよび定性的データのうちの少なくとも１つを特定することが含まれる、請求項１４または１５に記載の信用スコアリングシステム。
17. 前記信用スコアリングシステムとの交信には、エンティティが、見るために信用スコアにアクセスすることが含まれる、請求項１４から１６のいずれか一項に記載の信用スコアリングシステム。
18. 前記生成器は、さらに、前記特定の企業にマッチングされた定量的データおよび定性的データをコンパイルして、前記特定の企業の信用スコアを導出するために利用された要素を詳しく説明する信用報告を生成する、請求項１２から１７のいずれか一項に記載の信用スコアリングシステム。
19. 前記データ集約器は、複数のプラグインモジュールを含み、
    前記複数のプラグインモジュールのそれぞれは、前記複数のデータソースのうちの１つのデータソースのインタフェースおよびデータベースのうち少なくとも１つにアクセスして、前記１つのデータソースの少なくとも１つのインタフェースおよびデータベースから、定性的データまたは定量的データを自動抽出する、請求項１２から１８のいずれか一項に記載の信用スコアリングシステム。
20. 特定の企業の評判を定量化可能に示す信用スコアを生成するコンピュータプログラムであって、コンピュータに実行されると、
    複数のデータソースからの、（ｉ）前記特定の企業を対象とするテキストステートメントをもつ定性的データと、（ｉｉ）前記特定の企業の一部の側面を定量化可能に格付けしている定量的尺度を有する定量的データとを、複数の異なる定量的スケールのいずれかに従って、集約する手順と、
    前記複数のデータソースから集約された各定性的データの前記テキストステートメントで表されているテキスト数量詞に基づいて、前記特定の企業の定量化可能な格付け評価を行う定量的尺度セットを導出するべく前記定性的データを処理する手順と、
    前記定性的データから導出された前記定量的尺度セットを、特定の有界の定量的スケールに正規化する手順と、
    前記定量的尺度の、前記複数の異なる定量的スケールを、前記特定の有界の値のスケールに調節することで、前記定量的データからの前記定量的尺度を正規化する手順と、
    前記特定の企業に関しており、前記定性的データから導出された正規化された定量的尺度、および、前記複数のデータソースから集約された前記定量的データの正規化された定量的尺度に基づいて、前記特定の企業の評判を計測する信用スコアを生成する手順と
    を実行し、
    前記信用スコアは、一端の値が、評判の悪い企業を特定しており、他端の値が、完全に評判のよい企業を特定している、値のスケールの範囲で定められる、
    コンピュータプログラム。
21. さらに、（１）前記特定の企業について集約された前記定量的データの前記定量的尺度に基づいて、前記特定の企業の格付けスコアを計算する手順と、（ｉｉ）前記特定の企業について集約された前記定性的データから導出された前記定量的尺度に基づいて前記特定の企業の批評スコアを計算する手順とを実行する、請求項２０に記載のコンピュータプログラム。
22. 前記格付けスコアは、前記特定の企業の前記信用スコアを生成するために利用される第１のコンポーネントスコアであり、
    前記批評スコアは、前記特定の企業の前記信用スコアを生成するために利用される第２のコンポーネントスコアであり、
    前記信用スコアを生成する手順は、前記特定の企業について計算した前記批評スコアおよび前記格付けスコアに基づいて前記信用スコアを生成する手順を含む、請求項２１に記載のコンピュータプログラム。
23. さらに、前記複数のデータソースから集約された前記定量的データから前記定性的データを分離させる手順を実行する、請求項２０から２２のいずれか一項に記載のコンピュータプログラム。
24. 前記複数の異なる定量的スケールは、第１の値の範囲で定められる第１の有界スケールと、第２の値の範囲で定められる第２の有界スケールとを含み、
    前記第１の値の範囲は、前記第２の値の範囲と異なる、請求項２０から２３のいずれか一項に記載のコンピュータプログラム。
25. 前記定量的尺度のそれぞれは、特定の値の範囲内の数値を含む、請求項２０から２４のいずれか一項に記載のコンピュータプログラム。