JP4669467B2 - クレジットカード発行可否判定方法およびコンピュータプログラム - Google Patents

Description

本発明は、クレジットカードの発行可否を判定する方法およびコンピュータプログラムに関し、より詳細にはクレジットカード会社の加盟店に対するクレジットカードの発行可否を判定する方法およびコンピュータプログラムに関する。

従来、クレジットカード会社は、クレジットカードの発行に際して提供される情報に基づいて与信審査を行っている。与信審査に関して、例えば、利用者の事業（加盟店）に関しての経営情報や財務情報に基づいて与信審査を行うこと（例えば、特許文献１参照）、加盟店別にクレジットカードなどの取引情報を分類し、クレジット売上高情報及び所定の条件に応じて当該加盟店に対する与信情報を形成して与信審査を行うこと（例えば、特許文献２参照）、および日々の取引仕訳データを元にした決算データを集計し、これを用いて与信審査を行うこと（例えば、特許文献３参照）が知られている。

特開２００５−１０８００５号公報（要約、段落［００１１］） 特開２００４−１０２４７６号公報（要約、段落［００２７］） 特開２００１−３３１６４５号公報（要約）

しかしながら、従来の与信審査では、利用者の事業（加盟店）に関しての経営情報や財務情報、クレジットカードなどの取引情報、および日々の取引仕訳データに基づいて与信審査行う場合、与信審査の対象となる、すなわちクレジットカードの発行可否の判断の対象となる加盟店に関連した情報のみに依存してしまうという問題があった。

本発明は、このような問題に鑑みてなされたもので、その目的とするところは、クレジットカードの発行可否の判断の対象となる加盟店に関連した情報のみに依存しない、加盟店に対するクレジットカードの発行の可否を判定する方法およびプログラムを提供することにある。

本発明は、このような目的を達成するために、請求項１に記載の発明は、メモリ、プロセッサおよびクレジットカード会社の加盟店の加盟店属性情報を格納した加盟店データベースを有するコンピュータにおいて、前記クレジットカード会社の加盟店に対するクレジットカードの発行可否を判定する方法であって、前記加盟店データベースからクレジットカードの発行可否の判定の対象である加盟店の加盟店属性情報を読み出すステップと、前記メモリから前記クレジットカード会社の加盟店の類型についてのスコアを含むスコアリングモデルデータを読み出すステップと、読み出した前記スコアリングモデルデータと前記加盟店属性情報とを比較して、前記判定の対象である加盟店に対応する類型についてのスコアを判定するステップとを備えたことを特徴とする。

請求項２に記載の発明は、請求項１に記載の方法であって、前記スコアリングモデルデータは、前記類型を判定する判定項目として前記加盟店データベース内の項目情報を含み、前記スコアは、前記判定項目に含まれる分類項目毎に、当該分類項目のデフォルト確率に基づいて決定されていることを特徴とする。

請求項３に記載の発明は、請求項２に記載の方法であって、前記スコアリングモデルデータは、前記スコアにより決定する複合スコアと、当該複合スコアに対応するデフォルト確率および判定結果とをさらに含み、前記スコアを判定するステップは、前記複合スコアに対応する判定結果を判定することを特徴とする。

請求項４に記載の発明は、請求項１に記載の方法であって、前記スコアリングモデルデータは、ルートおよびノードとして前記加盟店データベース内の項目情報を含み、リーフとして前記スコアを含み、前記ルートからリーフまでの経路によって前記クレジットカード会社の加盟店の類型が表される木構造のデータであって、前記ノード毎のデフォルト確率を含むことを特徴とする。

請求項５に記載の発明は、請求項１乃至４のいずれかに記載の方法であって、前記デフォルト確率は、企業倒産、不渡、売上の急激な減少や売上の消滅、クレジットカードの不正利用、不当に高い売上単価、手数料率の急激な低下、保有しているクレジットカードの信用の低下、および加盟店の信用の低下が発生する確率であることを特徴とする。

請求項６に記載の発明は、メモリ、プロセッサおよびクレジットカード会社の加盟店の加盟店属性情報を格納した加盟店データベースを有するコンピュータに、前記クレジットカード会社の加盟店に対するクレジットカードの発行可否を判定させるプログラムであって、前記プロセッサに前記加盟店データベースから読み出したクレジットカードの発行可否の判定の対象である前記加盟店の加盟店属性情報と、前記メモリから読み出した前記クレジットカード会社の加盟店の類型についてのスコアを含むスコアリングモデルデータとを比較して、前記判定の対象である加盟店に対応する類型についてのスコアを判定する判定手段として機能させることを特徴とする。

請求項７に記載の発明は、請求項６に記載のプログラムであって、前記スコアリングモデルデータは、前記類型を判定する判定項目として前記加盟店データベース内の項目情報を含み、前記スコアは、前記判定項目に含まれる分類項目毎に、当該分類項目のデフォルト確率に基づいて決定されていることを特徴とする。

請求項８に記載の発明は、請求項７に記載のプログラムであって、前記スコアリングモデルデータは、前記スコアにより決定する複合スコアと、当該複合スコアに対応するデフォルト確率および判定結果とをさらに含み、前記判定手段は、前記複合スコアに対応する判定結果を判定することを特徴とする。

請求項９に記載の発明は、請求項６に記載のプログラムであって、前記スコアリングモデルデータは、ルートおよびノードとして前記加盟店データベース内の項目情報を含み、リーフとして前記判定値を含み、前記ルートからリーフまでの経路によって前記クレジットカード会社の加盟店の類型が表される木構造のデータであって、前記ノード毎のデフォルト確率を含むことを特徴とする。

請求項１０に記載の発明は、請求項７乃至９のいずれかに記載のプログラムであって、前記デフォルト確率は、企業倒産、不渡、売上の急激な減少や売上の消滅、クレジットカードの不正利用、不当に高い売上単価、手数料率の急激な低下、保有しているクレジットカードの信用の低下、および加盟店の信用の低下が発生する確率であることを特徴とする。

以上説明したように、本発明によれば、クレジットカードの発行申込をした当該クレジットカード会社の加盟店についての加盟店属性情報と、クレジットカード会社の複数の加盟店の加盟店属性情報から生成されたスコアリングモデルデータとを比較することにより、クレジットカードの発行申込をした加盟店に関する情報のみに依存しない、クレジットカードの発行の可否を判定する方法を提供することができる。

本発明は、クレジットカードの発行申込をした当該クレジットカード会社の加盟店についての加盟店属性情報と、クレジットカード会社の複数の加盟店の加盟店属性情報から生成されたスコアリングモデルデータとを比較することにより、クレジットカードの発行申込をした加盟店に対するクレジットカードの発行の可否を判定する方法およびコンピュータプログラムを提供する。スコアリングモデルデータは、クレジットカード会社の加盟店の類型および当該類型についてのスコアを含む。

以下、図面を参照しながら本発明の実施形態について詳細に説明する。

＜第１の実施形態＞
図１は、本発明の一実施形態にかかる方法を実施するシステムを示す構成図である。

このシステムは、クレジットカードの発行会社であるクレジットカードカード会社に設置されたコンピュータ３を含むカード会社システムと、複数の加盟店に各々設置された複数の加盟店端末１−１〜１−４とを備える。

加盟店端末１は、通信網２を介してコンピュータ３に接続されている。加盟店端末１は、クレジットカード会社が発行するクレジットカードを利用して、加盟店における代金の支払いをする際に用いられるものである。加盟店が実店舗を有する場合、通常、加盟店端末１は、クレジットカードに記録された情報をスキャンする機能、およびスキャンされた情報や支払い金額などの情報をクレジットカード会社のシステムへ送信する機能を有する。加盟店がインターネットや電話等による通信販売を営むものである場合、加盟店端末１は、クレジットカードに記録された情報をスキャンする機能を省略することができる。

本実施形態では、加盟店端末１−１〜１−４は、それぞれ加盟店Ａ〜Ｄに設置されているものとする。加盟店Ａ〜Ｂは、クレジットカード会社が発行するクレジットカードを保有する加盟店であるものとする。加盟店Ｃ〜Ｄは、クレジットカード会社が発行するクレジットカードを保有しない加盟店であるものとする。また、本実施形態は、クレジットカード会社が、加盟店Ｄからのクレジットカードの発行申込について、クレジットカードの発行可否を判定するものとする。

再び図１を参照すると、クレジットカード会社システムのコンピュータ３は、システムバスなどで相互に結合されたプロセッサ１０と、メモリ５０と、通信部４０と、加盟店情報データベース（ＤＢ）２０と、売上データベース（ＤＢ）３０と、入力装置７１と、出力装置７２とを備える。

加盟店情報ＤＢ２０は、以下で説明するスコアリングモデルデータの生成に用いる、加盟店に関する情報を格納したデータベースである。

図２は、加盟店情報ＤＢ２０に格納された情報の一例を示す図である。図２に示すように、加盟店情報ＤＢ２０は、加盟店毎に、加盟店名、業種、業歴、クレジットカード会社が発行するクレジットカードの保有の有無、当該加盟店の顧客のクレジットカードによる支払の額である売上月額、当該支払いに使用されたクレジットカードの種類別や特定の種類のクレジットカードに偏重しているかどうかについての情報、売上月額の推移についての情報、およびクレジットカードの不正利用の履歴、保有しているクレジットカードの信用状況、加盟店の信用状況などについての情報を含むその他の情報を格納している。売上月額の推移についての情報として、例えば、売上の急激な減少や売上の消滅（売上を他のクレジットカード会社へ通知するように変更した場合など）を示す情報を格納ことができる。また、クレジットカードの不正利用の履歴などについての情報に、例えば、売上単価が不当に高いことを示す情報を格納することができる。さらに、その他の情報として、加盟店契約の解除、閉店および営業権の譲渡（代表者の変更）に関する情報や官報に掲載された企業倒産や不渡りの情報を格納することができる。

加盟店情報ＤＢ２０に格納された加盟店名、業種および業歴は、クレジットカード会社が加盟店契約をする際に取得した情報である。加盟店情報ＤＢ２０に格納されたその他の情報については、当該加盟店契約以降のクレジットカードによる支払い実績等に基づいて追加・更新される情報である。本明細書では、加盟店情報ＤＢ２０に格納された各種情報のうち、業種、業歴、当該加盟店の顧客のクレジットカードによる支払の額である売上月額、当該支払いに使用されたクレジットカードの種類別や特定の種類のクレジットカードに偏重しているかどうかについての情報、売上月額の推移についての情報、およびクレジットカードの不正利用の履歴などについての情報を加盟店属性情報という。

売上ＤＢ３０は、加盟店端末１−１〜１−４から送信される情報を格納する。また、売上ＤＢ３０は、加盟店情報ＤＢ２０に格納された情報の一部を生成し追加・更新するための情報を提供する。

図３は、売上ＤＢ３０に格納された情報の一例を示す図である。図３に示すように、売上ＤＢ３０は、加盟店端末１−１〜１−４の各々から送信された、利用者、利用日、利用した加盟店、利用金額、利用したクレジットカードの種別等の会員属性情報を格納する。さらに、売上ＤＢ３０は、利用金額に関連する明細を格納することもできる。例えば、クレジットカードが商品の購入代金の支払いに使用される場合には、商品名などを明細として格納することができる。

再び図１を参照すると、通信部４０は、通信網２を介してコンピュータ３を加盟店端末１と接続するための機能を有する。

入力装置７１は、キーボード、マウス、マイクロフォンなど、コンピュータ３にデータまたは指示を入力する機能を有する。

出力装置７２は、ディスプレイ、プリンター、スピーカーなど、コンピュータ３からの情報を出力する機能を有する。また、出力装置７２は、コンピュータ３から出力する情報を磁気ディスクや光ディスクなどの記録媒体へ格納する機能を有する装置としてもよい。あるいは、出力装置７２は、コンピュータ３から出力する情報を別のコンピュータへ送信するための通信インターフェースとしてもよい。

メモリ５０は、半導体記憶装置、磁気記憶装置、光磁気記憶装置などを含み、各種プログラムおよびデータを格納する機能を有する。メモリ５０は、図４に示すスコアリングモデルデータ１８を格納する。また、メモリ５０は、スコアリングモデルデータ１８を生成するためにプロセッサ１０によって実行される判定項目抽出プログラムおよびデフォルト率算出プログラムを格納する。さらに、メモリ５０は、スコアリングモデルデータを用いて、クレジットカードの発行可否を判定するためにプロセッサ１０によって実行される判定プログラムを格納する。

判定項目抽出プログラムは、プロセッサ１０を、加盟店ＤＢ２０からスコアリングモデルデータ１８に含めるクレジットカード発行可否判定項目（以下、判定項目ともいう。）となる項目情報を抽出して、スコアリングモデルデータの判定項目として設定する判定項目抽出手段１２として機能させるプログラムである。判定項目は、加盟店Ｄの類型を判定するために用いられる。詳細には、図４に示すように、各判定項目は、分類項目を含む。図４の例では、判定項目２として加盟店ＤＢ２０からから抽出した項目情報の業種が設定され、当該判定項目２の分類項目として、歯科医、ゴルフ用品販売業、飲食店が設定されている。

デフォルト率算出プログラムは、プロセッサ１０を、加盟店ＤＢ２０を用いて各判定項目についてのデフォルト率を算出するデフォルト率算出手段１４として機能させるプログラムである。詳細には、図４に示すように、デフォルト率は、分類項目毎に算出される。また、デフォルト率算出プログラムは、スコアリングモデルデータ１８の分類項目毎に当該分類項目のデフォルト確率に対応する予め定められたスコアを設定する。

判定プログラムは、プロセッサ１０を、スコアリングモデルデータ１８を用いてクレジットカードの発行可否を判定する判定手段１６として機能させるプログラムである。

図６は、クレジットカード発行可否判定方法を説明するための図である。

判定項目抽出手段１２は、加盟店ＤＢ２０を用いて、スコアリングモデルデータの判定項目となる項目情報を抽出して、判定項目としてスコアリングモデルデータ内に設定してメモリ５０に格納する（ステップＳ１）。例えば、判定項目抽出手段１２は、加盟店ＤＢ２０内の項目情報「売上月額」を抽出して判定項目として設定することができる。より詳細には、抽出した項目情報「売上月額」を細分して「売上月額８０万円以下」、「売上月額１００万円以下」のように複数の分類項目を設定する。

また、判定項目抽出手段１２は、加盟店ＤＢ２０内の項目情報「業種」、「カード偏重」、「業歴」を抽出して、判定項目として設定する。より詳細には、例えば、抽出した項目情報「業歴」を細分して「業歴５年以上」、「業歴４年以上」、・・、「業歴１年以上」のように複数の分類項目を設定する。

次いで、デフォルト率算出手段１４は、加盟店ＤＢ２０を用いて、各分類項目についてのデフォルト率を計算し、スコアリングモデルデータ１８へ設定してメモリ５０に格納する（ステップＳ２）。さらに、スコアリングモデルデータ１８の分類項目毎に当該分類項目のデフォルト確率に対応する予め定められたスコアを設定する。

デフォルト率算出プログラムは、加盟店ＤＢ２０から、スコアリングモデルデータ内のノードデータに一致する情報をサンプルとして抽出し、当該ノードデータに対応するデフォルト率を算出するように構成されたプログラムとすることができる。より具体的には、このデフォルト率算出プログラムは、例えば、ロジスティック曲線への回帰式によってデフォルト率を算出（推定）するように構成されたプログラムとすることができる。

デフォルト確率とスコアとの対応についての情報は、メモリ５０内に独立して格納されてもよく、デフォルト率算出プログラム内に規定されて格納されてもよい。また、デフォルト確率は、企業倒産、不渡、売上の急激な減少や売上の消滅、クレジットカードの不正利用、不当に高い売上単価、手数料率の急激な低下、保有しているクレジットカードの信用の低下、および加盟店の信用の低下などが発生する確率とすることができる。

図４は、クレジットカードの発行可否の判定に用いられるスコアリングモデルデータ１８の一例を示す図である。図４に示すスコアリングモデルデータ１８は、加盟店ＤＢ２０内の売上月額、業種、カード偏重、および業歴を判定項目とし、各判定項目が分類項目を有する。スコアリングモデルデータの各分類項目にはデフォルト率と当該デフォルト率に基づいて決定されるスコアが設定されている。またスコアリングモデルデータの各分類項目はクレジットカード会社の加盟店の類型を表す。

再び図６を参照すると、判定手段１６は、加盟店ＤＢ２０から、クレジットカードの発行申込をした加盟店についての情報を読み出す（抽出する）（ステップＳ３）。また、判定手段１６は、メモリ５０から、スコアリングモデルデータ１８を読み出す（ステップＳ４）。ついで、判定手段１６は、読み出したクレジットカードの発行申込をした加盟店についての情報とスコアリングモデルデータ１８と比較し（ステップ５）、判定の対象である加盟店Ｄに対応する類型についてのスコアを判定する（ステップＳ５）。判定結果は出力手段７２に出力される。すなわち、判定手段１６は、クレジットカードの発行申込をした加盟店についての加盟店情報と、スコアリングモデルデータとを比較することにより、クレジットカードの発行申込をした加盟店がどの類型に当てはまるかを判定し、当該類型について設定されたスコアを判定する。判定手段１６は、１つまたは複数のスコアを判定するようにすることができる。

判定手段１６が複数のスコアを判定する場合、判定手段１６は、さらに、判定した１つまたは複数のスコアにより決定する複合スコアを判定し、当該複合スコアに対応する判定結果を出力手段７２に出力することができる。例えば、判定手段１６は、１つまたは複数のスコアについて重み付けや加算あるいはこれらの組み合わせ等の演算を施して複合スコアを決定し、当該複合スコアに対応する判定結果を判定することができる。

このように判定手段１６が複合スコアを判定する場合、ステップＳ１において、判定項目抽出手段１２は、図４に示すような、１つまたは複数のスコアにより決定する複合スコアを分類項目とする判定項目５をさらに設定する。

また、デフォルト率算出手段１４は、ステップＳ２において、加盟店ＤＢ２０を用いて、複合スコアについてのデフォルト率を計算し、デフォルト確率に対応する予め定められた判定結果とともに、スコアリングモデルデータ１８の判定項目５へ設定してメモリ５０に格納する。ここで、各加盟店の複合スコアは、図２に示すように、予め、判定手段１６等によって判定され、加盟店ＤＢ２０に格納されているものとしている。

このようにスコアリングモデルデータ１８に判定項目５を設定しておくことで、判定手段１６は、ステップ５において、加盟店Ｄに対応する複数の分類項目（類型）に対応するスコアを判定し、これらのスコアにより決定する複合スコアを判定し、判定した複合スコアに対応する判定結果を判定することができる。

本実施形態によれば、クレジットカードの発行申込をした当該クレジットカード会社の加盟店についての加盟店属性情報と、クレジットカード会社の複数の加盟店の加盟店属性情報から生成されたスコアリングモデルデータとを比較することにより、クレジットカードの発行申込をした加盟店に対するクレジットカードの発行の可否を判定することができる。

＜第２の実施形態＞
図５は、クレジットカードの発行可否の判定に用いられるスコアリングモデルデータ１８の別の一例を示す図である。図５に示すスコアリングモデルデータ１８は、加盟店ＤＢ２０内の項目情報のうちの売上月額、業種、カード偏重および業歴がそれぞれ判定項目１〜４として設定された、判定項目１および判定項目２〜４をそれぞれルートおよびノードとし末端のノードにリーフを有する階層的な木構造のデータである。図５に示すスコアリングモデルデータ１８では、ルートからノードまでの経路によってクレジットカード会社の加盟店の類型が表され、リーフによって類型に当てはまる加盟店に対する判定結果（スコア）が設定されている。判定結果は、直前のノードについて算出されたデフォルト確率に対応する予め定められた判定値とすることができる。

図５に示すスコアリングモデルデータ１８は、上記実施形態において図４および６を参照して説明したのと同様に、判定項目抽出手段１２およびデフォルト率算出手段１４によって生成することができる。

すなわち、ステップＳ１において、ノードデータ抽出手段１２は、加盟店ＤＢ２０を用いて、スコアリングモデルデータ１８のルートおよびノード（判定項目）となる項目情報を抽出して、スコアリングモデルデータ１８内に設定してメモリ５０に格納する。さらにノードデータ抽出手段１２は、分類項目を設定する。図５は、抽出した項目情報「売上月額」を判定項目１（ルート）とし、「売上月額１００万円以上」および「売上月額５０万円以上」を分類項目として設定した例を示している。

次いで、ステップＳ２において、デフォルト率算出手段１４は、加盟店ＤＢ２０を用いて、各判定項目についてのデフォルト率を計算し、スコアリングモデルデータ１８へ設定し、さらに、スコアリングモデルデータ１８の判定結果（リーフ）には、直前のノードについて算出されたデフォルト確率に対応する予め定められた判定値を設定してメモリ５０に格納する。デフォルト率は、上記実施形態と同様に算出できる。

本実施形態によっても、クレジットカードの発行申込をした当該クレジットカード会社の加盟店についての加盟店属性情報と、クレジットカード会社の複数の加盟店の加盟店属性情報から生成された比較データとを比較することにより、クレジットカードの発行申込をした加盟店に対するクレジットカードの発行の可否を判定することができる。

＜他の実施形態＞
上記実施形態では、スコアリングモデルデータ１８の生成に関し、判定項目抽出手段１２とデフォルト率算出手段１４とを分けて説明したが、判定項目抽出手段１２とデフォルト率算出手段１４とを一つの手段（本明細書では、スコアリングモデルデータ生成手段とも呼ぶ。）とすることができる。すなわち、プロセッサ１０を、加盟店ＤＢ２０から項目情報を抽出して判定項目および分類項目に設定するとともに、これらに一致する情報をサンプルとして抽出し、分類項目についてのデフォルト率を算出し、スコアリングモデルデータ１８に設定して、メモリ５０に格納するスコアリングモデルデータ生成手段として機能させるようの構成したプログラムをメモリ５０に格納すればよい。

また、上記実施形態では、加盟店Ｄについて、加盟店契約以降のクレジットカードによる支払い実績等に基づいて追加・更新された情報が加盟店属性情報にあるものとして説明したが、加盟店Ｄが、加盟直後または加盟契約とクレジットカードの発行申込を同時に行った加盟店であってもよい。実績等に基づいて追加・更新された情報が加盟店属性情報にない加盟店については、加盟店属性情報のうちクレジットカード会社が加盟店契約をする際に取得した業種および業歴などの加盟店属性情報や想定売上などの加盟店売上情報のみを用いてもよい。さらに、加盟店契約をする際に推定された売上月額などを対応する加盟店属性情報として用いてもよい。

本発明は、加盟店からのクレジットカードの発行申込に際して提供される情報に基づいて通常行われている与信審査の処理と組み合わせて実施することもできる。

また、加盟店からのクレジットカードの発行申込前に実施することができる。発行申込前に実施することにより、クレジットカード会社は、クレジットカードを発行することができる加盟店の候補のリストを作成し、これを活用することができる。

さらに、加盟店へのクレジットカードの発行後に実施することができる。クレジットカードの発行後に実施することにより、クレジットカード会社は、発行済みのクレジットカードの利用限度額などの途上与信を管理することができ、あるいは付加サービスの提供可否を判定することができる。

本発明の一実施形態にかかるシステムを示す構成図である。 本発明の一実施形態にかかる加盟店情報データベースに格納された情報の一例を示す図である。 本発明の一実施形態にかかる売上データベースに格納された情報の一例を示す図である。 本発明の一実施形態にかかるスコアリングモデルデータの一例を示す図である。 本発明の一実施形態にかかるスコアリングモデルデータの一例を示す図である。 本発明の一実施形態にかかるクレジットカード発行可否判定方法を説明するための図である。

符号の説明

１ 加盟店端末
２ 通信網
１０ プロセッサ
１２ 判定項目抽出手段
１４ デフォルト率算出手段
１６ 判定手段
１８ スコアリングモデルデータ（決定木モデル）
２０ 加盟店データベース
３０ 売上データベース
４０ 通信部
５０ メモリ
７１ 入力装置
７２ 出力装置

Claims (8)

1. メモリ、プロセッサ、クレジットカード会社の複数の加盟店の端末から送信された会員属性情報を格納する売上データベースおよび前記クレジットカード会社の加盟店毎の加盟店属性情報を格納した加盟店データベースを有するコンピュータにおいて、前記クレジットカード会社の既存の加盟店からのクレジットカード発行申込に対してクレジットカードの発行可否を判定する方法であって、
   前記会員属性情報は、クレジットカードが利用された加盟店、利用日、利用金額、および利用されたクレジットカードの種別を含み、
   前記加盟店属性情報は、前記加盟店についての、顧客がクレジットカードで支払いした売上月額、当該支払いに使用されたクレジットカードの種類別または特定の種類のクレジットカードに偏重しているかどうかについての情報、および前記売上月額の推移についての情報を含み、前記売上データベース内の当該加盟店の前記会員属性情報に基づいてそれぞれ更新されており、
   前記メモリは、前記加盟店属性情報に含まれる前記売上月額、前記クレジットカードの種類別または前記特定の種類のクレジットカードに偏重しているかどうかについての情報、および前記売上月額の推移についての情報の各々を前記クレジットカード会社の加盟店を類型分けする判定項目とし、前記加盟店データベース中の複数の加盟店属性情報を用いて当該判定項目に含まれる分類項目毎のデフォルト確率を求め、前記判定項目と前記分類項目と前記求めたデフォルト確率とを対応付けるスコアリングモデルデータを記憶しており、
   前記方法は、
   前記プロセッサが、前記加盟店データベースからクレジットカードの発行可否の判定の対象である加盟店の加盟店属性情報を読み出すステップと、
   前記プロセッサが、前記メモリから前記スコアリングモデルデータを読み出すステップと、
   前記プロセッサが、前記判定項目について、読み出した前記スコアリングモデルデータと前記加盟店属性情報とを比較して、前記判定の対象である加盟店に対応する類型についてのスコアを判定するステップと
   を備えたことを特徴とする方法。
   
2. 前記スコアリングモデルデータは、前記スコアにより決定する複合スコアと、当該複合スコアに対応するデフォルト確率および判定結果とをさらに含み、前記スコアを判定するステップは、前記複合スコアに対応する判定結果を判定することを特徴とする請求項１に記載の方法。
3. 前記スコアリングモデルデータは、ルートおよびノードとして前記加盟店データベース内の項目情報を含み、リーフとして前記スコアを含み、前記ルートからリーフまでの経路によって前記クレジットカード会社の加盟店の類型が表される木構造のデータであって、前記ノード毎のデフォルト確率を含むことを特徴とする請求項１に記載の方法。
4. 前記デフォルト確率は、企業倒産、不渡、売上の急激な減少や売上の消滅、クレジットカードの不正利用、不当に高い売上単価、手数料率の急激な低下、保有しているクレジットカードの信用の低下、および加盟店の信用の低下が発生する確率であることを特徴とする請求項１乃至３のいずれかに記載の方法。
5. メモリ、プロセッサ、クレジットカード会社の複数の加盟店の端末から送信された会員属性情報を格納する売上データベースおよび前記クレジットカード会社の加盟店毎の加盟店属性情報を格納した加盟店データベースを有するコンピュータに、前記クレジットカード会社の既存の加盟店からのクレジットカード発行申込に対してクレジットカードの発行可否を判定させるプログラムであって、
   前記会員属性情報は、クレジットカードが利用された加盟店、利用日、利用金額、および利用されたクレジットカードの種別を含み、
   前記加盟店属性情報は、前記加盟店についての、顧客がクレジットカードで支払いした売上月額、当該支払いに使用されたクレジットカードの種類別または特定の種類のクレジットカードに偏重しているかどうかについての情報、および前記売上月額の推移についての情報を含み、前記売上データベース内の当該加盟店の前記会員属性情報に基づいてそれぞれ更新されており、
   前記メモリは、前記加盟店属性情報に含まれる前記売上月額、前記クレジットカードの種類別または前記特定の種類のクレジットカードに偏重しているかどうかについての情報、および前記売上月額の推移についての情報の各々を前記クレジットカード会社の加盟店を類型分けする判定項目とし、前記加盟店データベース中の複数の加盟店属性情報を用いて当該判定項目に含まれる分類項目毎のデフォルト確率を求め、前記判定項目と前記分類項目と前記求めたデフォルト確率とを対応付けるスコアリングモデルデータを記憶しており、
   前記プログラムは、前記プロセッサに、
   前記判定項目について、前記加盟店データベースから読み出したクレジットカードの発行可否の判定の対象である前記加盟店の加盟店属性情報と、前記メモリから読み出した前記スコアリングモデルデータとを比較して、前記判定の対象である加盟店に対応する類型についてのスコアを判定する判定手段として機能させることを特徴とするプログラム。
   
6. 前記スコアリングモデルデータは、前記スコアにより決定する複合スコアと、当該複合スコアに対応するデフォルト確率および判定結果とをさらに含み、前記判定手段は、前記複合スコアに対応する判定結果を判定することを特徴とする請求項５に記載のプログラム。
7. 前記スコアリングモデルデータは、ルートおよびノードとして前記加盟店データベース内の項目情報を含み、リーフとして前記スコアを含み、前記ルートからリーフまでの経路によって前記クレジットカード会社の加盟店の類型が表される木構造のデータであって、前記ノード毎のデフォルト確率を含むことを特徴とする請求項５に記載のプログラム。
8. 前記デフォルト確率は、企業倒産、不渡、売上の急激な減少や売上の消滅、クレジットカードの不正利用、不当に高い売上単価、手数料率の急激な低下、保有しているクレジットカードの信用の低下、および加盟店の信用の低下が発生する確率であることを特徴とする請求項５乃至７のいずれかに記載のプログラム。

Images