JP4996242B2

JP4996242B2 - データ統合方法

Info

Publication number: JP4996242B2
Application number: JP2006502895A
Authority: JP
Inventors: エルストーカーサンドラ; タリークシャリフアハマッド; イープレヴォズナクマイケル; ジョンルーカスクリストファー; アールベンケチャールズ; ピーセクラーマリア; ダックワースアラン
Original assignee: Dun&bradstreet inc
Current assignee: Dun&bradstreet inc
Priority date: 2003-02-18
Filing date: 2004-01-21
Publication date: 2012-08-08
Anticipated expiration: 2024-01-21
Also published as: AU2004214217A1; EP1599778A2; KR101006889B1; KR20050115238A; SG157229A1; US20110055173A1; WO2004074981A3; US20060004595A1; US20040162742A1; JP2006518512A; CA2516390A1; WO2004074981A2; EP1599778A4; CN1826578B; AU2004214217B2; US7822757B2; CN1826578A; CA2516390C; US8346790B2

Description

発明の背景
１．１発明の技術分野
本発明はデータ処理方法に関し、詳しくはビジネス関連ないしは企業関連のデータを処理する方法に関する。
２．関連する技術の説明
成果を挙げるためにビジネスないしは企業にとって必要とされるのは、インフォームドディシジョンすなわち情報に基づく判断である。リスクマネージメントにおいてビジネスないしは企業により必要とされるのは、晒されるリスク全体を理解しかつ管理することである。その際、ハイリスクの勘定を同定し、それに対して積極的に回収を行う必要がある。これに加えて企業にとって、信用貸しを即座にかつ矛盾なく承認または承諾する必要がある。また、セールスならびにマーケッティングにおいてビジネスないしは企業のために必要とされるのは、最も有益なカスタマおよびターゲットに対するプロスペクトならびに既存のカスタマベースにおいて増大している好機について判定することである。さらにサプライマネージメントにおいてビジネスないしは企業が必要とするのは、商議向上のためサプライヤにより費やされる総額を理解することである。さらには企業にとっては、サプライヤの失敗に晒される状況を少なくするためにサプライヤに対するリスクならびに依存状態を見つけ出すことも必要とされる。

これらのビジネス判定ないしは企業判定の成功は、それらの背後にある情報の品質に大きく左右される。この場合に品質は、情報が正確であるか、完全なものであるか、時宜に適っているのか、さらには首尾一貫しているのかによって決まる。利用可能な情報源が数１０００もあれば、決定を下すのに企業が信頼すべき品質情報がどれであるのかを判断するのは難題である。このことは、企業が頻繁に変化する場合に殊にあてはまる。次の３０分間で１２０の企業の住所が変更され７５の企業の電話番号が変更されるか不通になり、３０の新たな企業が営業を開始し、２０の最高経営責任者（ＣＥＯ）がその職務を離れてしまい、１５の会社がその名称を変更し、さらに１０の企業が閉鎖されてしまう。

企業データを提供する慣用の方法は不完全である。いくつかの提供元は不完全なデータを収集し、実体に完全にはマッチさせることができず、不完全なナンバリングシステム（numbering system）をもつことになり、コーポレーションファミリー（企業系列）情報を提供することができなくなり、あるいは不完全なコーポレーションファミリー情報を提供することになり、かえって不備のある付加価値予測データを提供することになってしまう。

本発明の課題は、いっそう完全かつ正確なビジネスデータないしは企業データを提供することにある。これには完全かつ正確なデータ収集、実体とのマッチング、識別ナンバーの割り当て、コーポレーションリンケージならびに予測インジケータが含まれる。このような完全性ならびに正確性によって、ビジネス判定ないしは企業判定を下すために企業が信頼しかつ依存する高品質の企業情報が生み出される。

発明の概要
本発明は、企業がビジネス判定を下せるようにする品質情報を提供するデータ統合方法に関し、たとえば企業情報が１次データとして収集される方法に関する。この場合、完全を期すため１次データが精度についてテストされて処理され、２次データが生成される。２次データを生成するために１次データを処理する際、コーポレーションリンケージないしは企業リンケージの実行と予測インジケータの供給が行われる。その後、結合された１次データと２次データが強化された企業情報として供給される。１次データおよび／または２次データは周期的にサンプリングされ、まえもって決められた条件に照らし合わせて評価される。その結果、品質を保証するためにテストおよび／または処理が調整される。

１次データのテストにおいて、１次データが事前に格納されているデータとマッチしているか否かが判定される。マッチングしていれば、コーポレーションリンケージ（すなわち複数の会社間の系列関係ないしは提携関係についてのチェック）が実行される。マッチしていないのであれば、１次データが第１の閾値条件を満たしているか否かの判定が行われ、これが満たされるのは、少なくとも２つのソースにより１次データに関連する企業の存在が裏付けられた場合などである。１次データが第１の閾値条件を満たしているのであれば識別番号が割り当てられ、２次データが生成されて格納される。識別番号によってある企業が一意に同定され、これは１回しか用いられず再利用されない。１次データが第１の閾値条件を満たしていないのであれば、新たなデータが取得されるまで１次データがレポジトリに格納される。新たなデータを受け取ればテストにおいて、この新たなデータとともに１次データが第１の閾値条件を満たしているか否かが判定される。満たしているのであれば識別番号が割り当てられ、２次データが格納される。

コーポレーションリンケージの実行において、１次データがまえもって決められているセールス量のような第２の閾値条件を満たしているか否かの判定が行われる。満たしているのであれば１次データが分析されて処理され、コーポレーションファミリーを１次データと関連づけるために２次データが生成されて格納される。コーポレーションファミリーは、合併または買収が行われた後には更新される。１次データが第２の閾値条件を満たしていないのであれば、付加的な２次データとして予測インジケータが生成される。

予測インジケータは、１次データがまえもって決められたカスタマ照会レベルのような第３の閾値条件を満たしているときにのみ生成される。満たしているのであれば、１次データが分析されて処理され、付加的な２次データが生成されて格納され、たとえば記述による格付け、スコアあるいは需要推定量のような予測インジケータが形成される。

本発明の別の形態はデータ統合システムである。このシステムにはデータベース、データ収集コンポーネント、識別番号コンポーネントならびに予測インジケータコンポーネントが含まれている。データベースコンポーネントは、ビジネスないしは企業に関連する情報が格納されている。データ収集コンポーネントは、ビジネスないしは企業に関連する１次データを収集する。識別番号コンポーネントは１次データに識別番号を付加し、データベースコンポーネント内に２次データを格納する。予測インジケータコンポーネントはビジネスないしは企業に関連する予測インジケータを供給し、やはり２次データをデータベースコンポーネントに格納する。このシステムにはさらに、実体マッチングコンポーネントとコーポレーションリンケージコンポーネントも含まれている。実体マッチングコンポーネントにより、データベースコンポーネント内のビジネスないしは企業が重複してエントリされるのが回避される。コーポレーションリンケージコンポーネントによって、あるコーポレーションファミリーがデータベースコンポーネント内のビジネスないしは企業と対応づけられる。

本発明のさらに別の形態は、データ統合のための実行可能な命令を記憶するための機械で読み取り可能な媒体である。この命令には、ビジネスないしは企業に関する１次データを収集する命令、ビジネスないしは企業に対して実体マッチングを実行する命令、ビジネスないしは企業に識別情報を付加する命令、ビジネスないしは企業に関してコーポレーションリンケージを実行する命令、ビジネスないしは企業に関して予測インジケータを供給する命令が含まれている。

識別番号の付加は、要求を受け取ったときにスタートするプロセスである。この要求には識別番号と１次データが含まれている。その識別番号がまだ存在していなければ、それが割り当てられる。そうでなければ、識別番号が別のデータとリンクされてバリデーションが実行され、その識別番号が用意される。

コーポレーションリンケージの実行には、ファミリーツリーの保守、調査の実施、ファミリーツリーの処理ならびにその格納が含まれている。ファミリーツリーの保守は、何らかの標準産業分類の精査ならびに更新、取引スタイルの精査ならびに標準化、何らかの重複の分析ないしは解消によって行われる。調査によって情報が集められる。ファミリーツリーの処理は、集められた情報の精査ならびに処理、マッチングの精査ならびに更新、ルックアライク（look-a-like 紛らわしいもの）またはリンクされていない外国のデータの分析ないしは解消によって行われる。

予測インジケータの供給にあたり、予測のためにモデルならびに結果が判定される。この場合、開発サンプルが選択され、プロファイルが生成され、統計分析が実行される。最終的に、モデル、結果、サンプル、プロファイルならびに統計分析に基づき予測インジケータが供給される。

本発明のこれらの特徴および他の特徴ならびに利点は、図面、以下の説明ならびに特許請求の範囲を参照することでいっそう理解できるようになる。

図面の簡単な説明
図１は、本発明によるデータ統合方法を示すブロック図である。

図２は、本発明によるデータ統合システムを示すブロック図である。

図３は、本発明によるデータ統合システムを示すブロック図である。

図４は、本発明によるデータ統合方法を描いたロジック図である。

図５は、本発明によるデータ収集における例示的なソースを示すブロック図である。

図６は、本発明によるデータ収集におけるもっと多くの例示的なソースを示すブロック図である。

図７および図８は、本発明による実体マッチングを示すブロック図である。

図９は実体マッチングを示すブロック図であり、この場合、マッチしているデータは１つのデータベースへ供給され、マッチしていないデータは本発明に従い新たな企業識別ナンバーを割り当てるために送信される。

図１０は実体マッチングを示すブロック図であり、この場合、マッチしているデータは１つのデータベースへ供給され、マッチしていないデータは本発明に従い新たな企業識別ナンバー割り当てのために送られるかまたは、付加的なデータを収集できるまでデータベースレポジトリに格納される。

図１１および図１２は、本発明による実体マッチング方法を示すブロック図である。

図１３〜図１６は、本発明によるコーポレーションリンケージを示すブロック図である。

図１７は、本発明によるコーポレーションリンケージ方法の一例を示すブロック図である。

図１８Ａおよび図１８Ｂは、本発明による予測インジケータ供給方法の一例を示すブロック図である。

発明の説明
次に、図面を参照しながら本発明について詳しく説明する。これらの図面は本明細書の一部分を成すものであり、これらの図面には本発明を実施することのできる有利な実施形態が例示されている。これらの実施形態は、当業者が本発明を実施できる程度に十分詳しく述べられている。他の実施形態を適用することができ、本発明の範囲を逸脱することなく構造的、論理的ならびに電気的な変更を施すことができる。したがって以下の詳細な説明は限定として捉えられるものではなく、本発明の範囲は特許請求の範囲によってのみ規定されるものである。

図１には、本発明によるデータ処理方法の概観が示されている。本発明による方法の基礎となるのは品質保証手段１０２であり、これにより継続的なデータの監査、バリデーション、正規化、補正ならびに更新が行われ、これらはプロセス全体にわたり品質を確保するために実行される。ここには５つの品質ドライバが設けられており、これらは到来した情報１０４を強化しすなわちその質を高めて品質情報１０６に変えるために順次連続して動作する。これら５つのドライバとは、データ収集ドライバ１０８、実体マッチングドライバ１１０、識別（ＩＤ）番号ドライバ１１２、コーポレーションリンケージドライバ１１４ならびに予測インジケータドライバ１１６である。これら５つのドライバはデータベース１１８にアクセスする。データベース１１８は、系統立てられてまとめられたデータ収集とデータベースマネージメントツールから成り、これはたとえばリレーショナルデータベース、オブジェクト指向データベース、あるいは他の種類のデータベースである。データベース１１８内のデータは、品質保証ならびにグローバルデータ収集におけるカスタマフィードバックに基づき継続的に洗練され強化されその質が高められる。

データ収集ドライバ１０８は、全世界的な種々のソースからデータを呼び集める。ついでそれらのデータは実体マッチングドライバ１１０を介してデータベース１１８に組み込まれて統合され、その結果、ただ１つのいっそう精確な各企業の実体の像ないしは様相が得られる。次に識別番号ドライバ１１２により、企業を同定しかつ発生するいかなる変化に対してもグローバルに企業を追従する一意の手段として、識別番号が適用される。その後、コーポレーションリンケージドライバ１１４によって、トータルな企業リスクならびに好機の考察を可能にするコーポレーションファミリーが構築される。最後に予測インジケータドライバ１１６が統計分析を利用して企業の過去の業績を評価し、将来も同じような業績を上げる見込みを予測する。

図２および図３には、本発明によるデータ統合システムの２つの実施形態が示されている。もっとも、本発明の実施に関してはこれとは別のシステムも適している。図２にはネットワークのコンフィギュレーションが示されている一方、図３にはコンピュータシステムのコンフィギュレーションが示されている。

図２によればネットワーク２００は、コンピュータシステム２０２を含む他のシステムコンポーネント間で通信を行わせる。データ収集ドライバ１０８、実体マッチングドライバ１１０、識別番号ドライバ１１２、コーポレーションリンケージドライバ１１４、予測インジケータドライバ１１６から成る５つの品質ドライバと品質保証手段１０２はシーケンシャルに動作して、到来したデータ１０４を強化してデータベース２０４内に格納される品質情報１０６に変換する。図３によればコンピュータシステム３００は、バス３０６を介してメモリ３０４にアクセス可能なプロセッサ３０２を有している。メモリ３０４には、オペレーティングシステムプログラム３０８とデータ統合プログラム３１０とデータ３１２とが記憶されている。

図４には、本発明によるデータ統合方法の別の実施形態が示されている。この方法には５つの主要なデータ統合コンポーネントが含まれており、すなわちデータ収集コンポーネント４００、実体マッチングコンポーネント４０２、識別番号コンポーネント４０４、コーポレーションリンケージコンポーネント４０６、高品質データ４１０を生成する予測インジケータ処理コンポーネント４０８が含まれている。この場合、１次データが精度についてテストされて処理され、２次データが生成される。１次データの処理にあたり、コーポレーションリンケージないしは企業リンケージ４０６の実行と予測インジケータ４０８の供給が行われる。この場合、結合された１次データと２次データが、強化された企業情報または高品質データ４１０として供給される。その結果、品質を保証するためにテストと処理が調節される。

１次データのテストにあたり、１次データが実体マッチングコンポーネント４０２に先行して記憶されているデータとマッチしているか否かの判定４１２が行われる。マッチしているのであれば、コーポレーションリンケージ４０６が実行される。マッチしていないのであれば、１次データが第１の閾値条件を満たしているか否かの判定４１４が行われ、これが満たされるのは、少なくとも２つのソースにより１次データに関連する企業の存在が裏付けられた場合などである。１次データが第１の閾値条件を満たしていれば制御は識別番号コンポーネント４０４へ移り、そこにおいて識別番号が割り当てられ（４２０）、２次データが格納される（４２２）。識別番号によって１つの企業が一意に識別され、この番号は一度だけ使用され、再利用されない。１次データが第１の閾値条件を満たしていなければ、次のデータを取得できるまで（４１８）、その１次データがレポジトリ４１６に格納される。新たなデータを受け取るとただちにテストにおいて、１次データが新たなデータとともに第１の閾値条件を満たしているか否かの判定が行われる。満たしているのであれば識別番号が割り当てられ、２次データが格納される。

コーポレーションリンケージ４０６の実行において、１次データがまえもって決められているセールス量のような第２の閾値条件を満たしているか否かの判定４２４が行われる。満たしているのであれば１次データが分析されて処理され（４２６）、コーポレーションファミリーを１次データと関連づけるために２次データが格納される（４２８）。コーポレーションファミリーは合併または取得後に更新される。１次データが第２の閾値条件を満たしていないのであれば、制御は予測インジケータコンポーネント４０８へ進む。

予測インジケータ４０８の供給にあたり、１次データがまえもって決められたカスタマ照会レベルのような第３の閾値条件を満たしているか否かの判定（４３０）が行われる。満たしているのであれば、１次データが分析されて処理され（４３２）、２次データが格納され（４３４）、記述による格付け、スコアあるいは需要推定量のような予測インジケータが生成される。このように５つの主要なコンポーネントまたはドライバが共働して、収集されたデータが統合されて企業判定を下すのに有益な強化されたデータが形成される。以下で５つのドライバ各々についてさらに詳しく説明する。はじめにデータ収集ドライバ１０８について説明する。

図５には、データ収集ドライバ１０８において使用されるいくつかのデータソースが示されている。できるかぎり完全なデータを収集する目的で、カスタマ、プロスペクト、サプライヤに関してデータが収集される。いくつかのデータソースはたとえば直接調査５０２、取引データ５０４、公記録５０６、ウェブソース５０８などである。直接調査５０２には、企業に電話をかけることが含まれる。取引データ５０４には取引記録の更新が含まれる。公記録５０６には訴訟、担保権、判決、破産の書類、企業登記等が含まれる。さらにウェブソース５０８には、ユニフォームリソースロケータ（uniform resource locator, URL）、ドメインからのアップデート、カスタマが提供するオンラインアップデートならびにインターネットからの他のウェブデータである。

ウェブデータは、"Whois（フーイズ）"ファイルからの情報、VeriSign Registry（ベリサイン・レジストリ）と呼ばれる登録済みドメインに関する中央レポジトリからの情報、ならびその他のデータによって構成されている。Whoisとは、VeriSignにより登録されているあらゆる第２レベルドメイン名の所有者を教えてくれるプログラムのことである。VeriSignは、Mountain View, CA に本部が置かれている会社である。ドメイン名のベースリファレンスファイルは識別番号とマッチしており、データマイニングにより拡張されている。いくつかのＵＲＬは手動で候補に割り当てられる。"Whois"ファイルおよびデータマイニングによる情報は、データベース１１８内のデータにマッチングされる。ベースリファレンスファイルは、ステータス、セキュリティデータ、証明データならびに他のデータのような付加的なウェブサイトデータに関するデータマイニングにより強化される。

ファイル範囲が拡張される。識別番号とＵＲＬのすべてのマッチングが合理化される。ファミリーツリーメンバー全体にわたりＵＲＬ範囲を拡張するために、ワンアップ one-up、ワンダウン one-downのリンケージが使用される。ＵＲＬはステータスとマッチング形式に基づき順番に並べられる。所定数のＵＲＬたとえばトップファイブが出力ファイルに含まれる。ＵＲＬすべてとマッチングした識別番号（リンクなし）により、別の出力ファイルが生成される。

ＵＲＬベースファイルデータ要素にはＵＲＬ／ドメイン名、マッチコード、ステータスインジケータ、リダイレクトインジケータならびに識別番号あたりのＵＲＬ総数が含まれている。マッチコードは、サイトまたは支店にマッチしている。ステータスインジケータは、「存在している」「作成中」などである。リダイレクトインジケータは、他のサイトにリダイレクトされているときにリストアップされた現存するＵＲＬである。

また、ＵＲＬ＋ファイル要素というのもあり、これはＵＲＬベースファイルとは別個のファイルである。これにはすべてのＵＲＬとＵＲＬベースファイルからのデータ、ウェブサイトソフィスティケーションにおけるサマリーデータ、ならびにアクティブな／存在するＵＲＬ上のセキュリティが含まれている。さらにこれには外部リンクおよび内部リンクの総数、メタタグインジケータ、セキュリティインジケータ、プレゼンスセキュアソケットレイヤ（ＳＳＬ）のような暗号化強度、認証インジケータも含まれている。

ＵＲＬ＋拡張された要素は、ＵＲＬベースファイルおよびＵＲＬ＋ファイルとは別個のスタンドアローンのファイルである。これらにはすべてのＵＲＬベースとＵＲＬ＋データが、現存するＵＲＬ、ウェブサイトソフィスティケーションにおける詳細データならびにセキュリティとともに含まれている。これらにはセキュリティ保護されたウェブサーバタイプ、認証発行会社、認証オーナーまたは認証利用者であるオーナーフラグ、認証ユーザ数、外部ＵＲＬリンク数たとえば５つ、ならびにキーワード、記述、作成者およびジェネレータのようなメータデータが含まれている。

図６には、精度を高めるためにデータ収集ドライバ１０８により使用されるいくつかの付加的なデータソースが示されており、それらはたとえば電話帳ないしはイエローページ６０２、ニュースおよびメディア６０４、直接調査６０６、会社の財政情報６０８、支払いデータ６１０、裁判・法律関係の書類を扱うオフィス６１２、行政登記所６１４である。このような情報の完全性によって、有益な企業判定ないしはビジネス判定が支援される。リスクマネージメントにおいて、ユーザは結果として得られた情報によりアメリカ合衆国（ＵＳ）以外の会社からのリスクを評価する。この場合、小規模な企業カスタマからのリスクをいっそう完全に識別することができる。ユーザは、いっそう完全な情報に基づくならば、いっそう多くの情報を利用したリスク判定を下すことができる。また、セールスおよびマーケッティングにおいて、ユーザは複数のソースから引き出されたデータにより、新たなプロスペクトを識別することができる。ユーザは、国外のカスタマおよびプロスペクトに対してアクセスすることができ、標準産業分類（ＳＩＣ）やコンタクト名のような付加価値情報とともにプロスペクトリストをチェリーピックすなわち選り好みすることができる。サプライマネージメントにおいて、ユーザは結果として得られた情報により外国のサプライヤからのリスクを評価することができ、サプライヤからのリスクをいっそう徹底的に識別することができる。データベース１１８が日ごとに更新されることから、ユーザはカスタマ、プロスペクトおよびサプライヤについていっそう新しくいっそう徹底した像を得ることができる。

図７には、マッチしていない複数のばらばらなデータ７０２をどのようにして単一の完全な企業７０４に変えることができるのかが示されている。実体マッチングドライバ１１０は到来データ１０４をチェックして、それがデータベース１１８内の何らかの既存の企業に属するか否かを調べる。この例によればABC, Inc.とChuck's Mini-MartとCharles Smithはそれぞれ別々の会社のように見えるけれども実体マッチング後、それらはすべて１つの企業であるABC, Inc + Chuck's Mini-Martの一部門であることが明らかとなる。複数の異なるアドレスならびに他の関連情報も調和がとられて、完全な単一の企業７０４が形成される。

図８には、データベース１１８における企業とマッチした到来データ１０４を、実体マッチングドライバ１１０によりどのようにしてその企業に追加するのかが示されている。図９には別の事例が示されており、この事例ではデータベース１１８内のいかなる企業にもマッチしていない到来データ１０４が新たな企業として表され、あるいは図１０に示されているように、それが新たな企業であることを証明する別のデータが到来するのを待つためにレポジトリ１００２に保持される。実体マッチングドライバ１１０はそのつどデータを正当な企業にマッチさせるように設計されており、したがって効率が高められる。実体マッチングドライバ１１０はいっそう完全かつ精確なカスタマ、プロスペクトおよびサプライヤのプロファイルを供給し、企業の重複を著しく少なくさせることができる。

図１１には、実体マッチングドライバ１１０を介したマッチング方法の一例が示されている。この方法にはクリーニングcleaningおよびパーシングparsing １１０２、候補検索実行１１０４、意思決定１１０６が含まれる。クリーニングおよびパーシング１１０２には、照会データのキーコンポーネントの同定１１０８、名称、住所、都市の正規化１１１０、名称一貫性の実行１１１２、住所標準化の実行１１１４が含まれている。候補検索１１０４において、検索の品質と速度を向上させるためのキー１１１８を使用した参照データベースからの可能なマッチ候補の収集１１６と、照会データにおいて得られたデータに基づくキーの最適化１１２０が行われる。さらに意思決定１１０６において、一貫した標準に従うマッチングの評価１１２２、マッチグレードの付加１１２４、信任コード１１２６の付加、ならびに信頼度パーセンタイルの付加１１２８が行われる。

図１２には、ドライバ１１０を介したマッチングに関する詳細な方法について示されている。この方法にはウェブサービス１２０２、クリーニング、パーシングおよび標準化１２０４、候補検索１２０６、測定、評価、判定１２０８が含まれている。ウェブサービス１２０２において、ＨＴＴＰサーバはリクエストを受理し、ＨＴＴＰによりＸＭＬ形式でレスポンスを供給し（１２１０）、アプリケーションサーバはＸＭＬリクエストを処理してそれをＪＡＶＡオブジェクトに変換し、ついでこのＪＡＶＡオブジェクトを処理してＸＭＬ１２１２へ変換して戻す（１２１２）。クリーニング、パーシングおよび標準化１２０４において、名称と住所の要素がパーシングされ、無関係な語を除去する（１２１４）。ついで、通り名と都市名が適正となるよう住所がバリデートされ、さらにＺＩＰコード＋４および緯度と経度が割り当てられる（１２１６）。この場合、参照テーブルには無意味な都市名と無意味な通り名が保持される。候補検索１２０６において、参照データベースから候補を検索するために使用されるキーが生成される（１２２０）。その後、サーチストラテジおよび候補検索において効果的なデータベース検索が行われるようキーが最適化される（１２２２）。参照データベースをサーチするため、参照テーブルが作成されて保持される（１２２４）。測定、評価、判定１２０８において信頼度スコア測定量が導出され、これによって照会と候補との間におけるマッチングの度合いが表される。ついで候補各々をオンラインで表示するための順序が作成され、このバッチにおいて得られた最良候補が選択される。当業者のいずれかに考えられるような他のマッチング実施方法であっても、本発明を実装するために使用することができる。

識別（ＩＤ）番号ドライバ１１２は一意の識別番号をすべての企業に付加し、それによって簡単かつ精確にそれらの企業を同定することができる。一意の識別番号の一例はDun & Bradstreet（本社Short Hillsin, NJ）から得られるD-U-N-S（登録商標）Numberなどであって、これは９桁の数字をもち、変更および更新を通じて企業を簡単に追跡することができる。識別番号は企業が存続している間、維持される。同じ識別番号を受ける企業は２つとなく、この識別番号が再利用されることは決してない。また、この識別番号は、複数のデータソースにより企業が存在していることが確認されるまでは割り当てられない。この識別番号は企業を同定するための産業標準として機能する。これは国際連合、国際標準化機構（ＩＳＯ）、欧州委員会、５０を上回る産業団体によって支持されている。

識別番号は、本発明によるデータ処理方法における主要なコンセプトである。品質を保証するため、識別番号によってプロセスのどの段階においても情報の検証が可能となる。データ収集ドライバ１０８についていえば、データが既存の識別番号とリンクされていない場合には、それによって新たな企業の可能性があることが表される。実体マッチングドライバ１１０についていえば、識別番号により新たなデータを既存の企業に精確にマッチさせることができる。コーポレーションリンケージドライバ１１４についていえば、企業識別番号各々に基づきコーポレーションファミリーが構築される。予測インジケータドライバ１１６についていえば、予測ツールを構築するために識別番号が用いられる。

これに加えて識別番号により、ある企業の存在に対する検証の支援によってユーザの企業に対する好機の新たな領域が開かれる。この場合、プロスペクト、カスタマ、サプライヤに関する完全な展望がユーザに提供される。既存のデータがいっそう明確にされ、重複が排除され、関連する企業どうしが関連づけられて呈示される。識別番号がユーザの情報に付加されれば、ユーザはいっそう簡単に大規模なカスタマまたはサプライヤのグループを管理することができる。ユーザ情報に識別番号が付加されれば、それによって迅速かつ簡単なデータ更新が実現される。

図１３には、識別番号ドライバ１１２の一例を示す方法が描かれている。このプロセスは、名称、住所、都市、国等を含む識別番号の要求から始まる（１３０２）。たとえば、これまでデータベース１１８内に存在していない新しい企業に関してレコードが生成されると、識別番号が要求される。ルックアップオペレーション１３０４において、この要求における識別番号についてデータベース１１８がサーチされる。この識別番号が見つかれば（１３０６）、カスタマがその識別番号を利用できるようにされる。見つからなければ要求から入力情報が捕捉され（１３１０）、１つの識別番号が割り当てられ、その際にMod 10 バリデーションが行われる（１３１２）。番号をクリーンに維持するために、Mod 10 バリデーションは末尾に検査数字を割り当てる。他の識別番号ステップへのリンケージ（１３１４）において、リンケージが存在するのであれば、フロントエンドバリデーション（１３１８）が実行される前にバリデーションが行われる（１３１６）。その後、二重のバリデーション１３２０とメインフレームバリデーション１３２２が実行されて、カスタマがその識別番号を利用できるようにする（１３０８）。リンケージバリデーションによって、ある部門が他の部門とリンクしているといったエラーが回避される。

図１４〜図１６には、会社が関連している様子を明らかにするためにコーポレーションリンケージドライバ１１４がどのようにしてコーポレーションリンケージを構築するのかが描かれている。コーポレーションリンケージを行わないと、図１４に示されている会社すなわちL Refinery Div. １４０２、C Stores Inc. １４０４、G Storage Div 1 １４０６は互いに関連していないように見える。しかしながら図１５に示されているようにコーポレーションリンケージを適用すると、階層の深さや広がりについて制約されることなく、コーポレーションファミリー全体の様子を見ることができるようになる。

この場合、親会社はU Products Group Corp. １５０２であって、この会社はその配下に３つの子会社すなわちL Inc. １５０４、C Inc １５０６および G Inc. １５０８を有している。１５０４は２つの部門 L Storage Div. １５１０および（図１４に示した）L Refinery Div. １４０２をもっている。C Inc. １５０６は２つの部門すなわちIndustrial Co. １５１２およびBuilding Co. １５１４ならびに（図１４に示した）１つの子会社C Stores Inc. １４０４を有している。G Inc. １５０８は２つの部門すなわち（図１４に示した）G Storage Div.１４０６とG Refinery Div. １５１６を有している。C Stores Inc. は４つのブランチすなわちNorth Store Inc. １５１８、South Store Inc. １５２０、West Store Inc. １５２２およびEast Store Inc. １５２４を有している。広範囲にわたるコーポレーションリンケージを構築することによって、企業情報提供側はこのような徹底的な詳細の提供により産業のリーダーとなることができる。

図１６には、合併および買収後にコーポレーションリンケージドライバ１１４がどのようにしてファミリーツリーを更新するのかが描かれている。この例では、合併前には２つの別個の企業すなわちABC １６０２およびXYZ １６０４が存在しており、それらは各々自身の固有の子会社および部門をもっていた。合併後、ABC XYZ １６０６は２つの子会社すなわちABC子会社１６０８とXYZ子会社１６１０をもつことになり、各々が自身の部門および／または子会社を有している。

コーポレーションリンケージドライバ１１４はユーザのためにリスクマネージメント、セールスおよびマーケッティングならびにサプライマネージメントに関して、有益な可能な好機を利用できるようにする。これによってユーザは、あるコーポレーションファミリーが晒されているトータルなリスクを捉えることができるようになる。ユーザは１つの会社における破産または財政圧迫とそのコーポレーションファミリーとの関係を認識する。ユーザは、コーポレーションファミリー内における新たなカスタマと既存のカスタマによる好機の増大を見つけることができ、どれがその最良のカスタマおよびプロスペクトであるのかを捉えることができる。ユーザはよりよい交渉のため、コーポレーションファミリーによるトータルな費用を判定することができる。

図１７には、コーポレーションリンケージドライバ１１４を実行する方法の一例が示されている。この図には全体として、ファミリーツリーリンケージを更新する方法（１７００）が示されており、ここで最終目標は、すべてのルックアライクすなわち紛らわしいものあるいは類似したもの（look-a-like ＬＡＬ）を解消する一方、首尾一貫した名称、取引スタイルおよび正確な従業員数とともに識別番号を有する実体各々におけるすべての子会社と部門を適正にリンクすることである。

たとえば、ファイル作成および他のアクティビティによって、本来はリンクされていないレコードが生成される可能性があり、たとえば解消の必要とされる重複したレコードあるいはルックアライク（ＬＡＬ）が生成されてしまう可能性がある。たとえばだれかがLensCraftersについて１つのレコードを生成したがLensCrafters USAであったのにLensCrafters EyeGlassesと名付けたとしたら、ルックアライクレコードないしは重複したレコードが与えられてしまうことになる。これを避けるため、方法１７００によってルックアライクレコードすなわち紛らわしいレコードが解消される。この場合、ルックアライクレコードを解消するために３つの汎用ルールが存在する。はじめに、ルックアライクが住所録上にあったならば、あるいは本社において口頭でそれを確認できたならば、それが相応にリンクされる。次に、確認されなかったルックアライクのために電話による調査が必要とされる。さらにその次に、すべてのルックアライクを共働レベルとは無関係にツリーのログオフの前に解消する必要がある。

方法１７００のスタートにあたり、有利には電子版の住所録１７０２に関してある会社に対し接触が行われる。可能な接触の仕方としてあげられるのは事前接触、人的資源、法律部門、コントローラ、投資者関係等である。住所録が利用できるのであれば、オフショアキーイングを含むバルクプロセスポテンシャルに関してその住所録とツリーが評価される（１７０４）。他方、住所録が利用できなければ、ある会社のウェブサイトがインターネットでサーチされる（１７０６）。ウェブサイトが利用できるならば、オフショアキーイングを含むバルクプロセスポテンシャルについてウェブサイトの情報が評価され、それに応じてツリーが更新される（１７０８）。ウェブサイトが利用できなければ、その会社がおおやけに取引されているか否かが判定される（１７１０）。おおやけに取引されているならば、最新の１０−Ｋがチェックされる。そうでなければ、ツリー構造について口頭で検証するために子会社が呼び出される。ルックライクが解消されて、ツリーのログオフが実行される。

予測インジケータドライバ１１６により、企業について収集された情報が要約され、今後の業績を予測するためにそれが利用される。この場合、３つのタイプの予測インジケータが設けられており、すなわち記述による格付け、予測スコア、需要推定量が設けられている。記述的格付けは、ある会社の過去の業績の記述による全体的なグレードである。予測スコアは、ある企業に関してその将来がどのくらいの確率で信用できるかの予測である。さらに需要推定量は、ある企業が全体としてどれぐらいの量の製品を購入する可能性があるのかに関して推定するものである。

予測インジケータによって、ユーザはその企業のすべての分野の促進が支援される。リスクマネージメントにおいて、記述による格付けによってユーザによる信用の承認または同意が支援される。格付けにより表されるのは、ある会社について過去の財政上の業績に基づき信用貸しする価値があるかである。スコアによって表されるのは、過去の支払い履歴に基づき信用貸しする価値があるのかである。ユーザのポートフォリオ全体にわたりハイリスクのアカウントを迅速に識別し、ただちにアグレッシブな回収を始めるために、予測スコアを適用することができる。商業上の信用貸しスコアによって、次の１２ヶ月の間にのろのろと支払う企業の可能性が予測される。財務圧迫スコアによって、次の１２ヶ月の間に失敗する企業の可能性が予測される。セールスおよびマーケッティングにおいて需要推定量からユーザは、どの企業が購入する可能性があるのかを知ることができ、それによってカスタマまたはプロスペクトの中から好機を優先させることができる。需要推定量の例として、パーソナルコンピュータ数および地域的なまたは長期の支出などが挙げられる。サプライマネージメントにおいては、ユーザのサプライヤが将来の失敗に対する自身のリスクを迅速に捉えるために、予測スコアを適用することができる。

これに加えて、ユーザ固有のニーズおよび判定基準に従い予測スコアをカスタマイズすることができる。たとえば、１）どのような挙動をユーザが予測したいのか、２）ユーザがアクセスしたい企業のサイズはどのようなものか、３）リスク評価を信用貸し判定またはリスクマネージメントアクションに変換するためにユーザのリスク許容度に基づき何が判定ルールなのか、といった判定基準を用いることができる。

予測インジケータは、分析的ケイパビリティおよびデータケイパビリティによって可能になる。たとえば、熟練した企業間取引（business-to- business B2B）エキスパートPhDの専門チームによって、基礎を成す予測モデルを構築することができ、このチームは産業固有の知識、財政情報および支払い情報ならびに分析のための広範囲にわたる履歴情報にアクセスすることができる。

図１８Ａおよび図１８Ｂには、予測インジケータを生成するための方法の一例が示されている。この方法はマーケット分析１８０２からスタートし、ついでモデル開発の企業判定１８０４が行われる。この判定には開発すべきスコアと終端での出力のタイプが含まれており、たとえば失敗リスクスコア、不履行リスクスコア、あるいは産業固有のスコアなどである。失敗リスクスコアは、ある会社が活動を中止することになる可能性である。不履行リスクスコアは、ある会社が支払いを遅滞させる可能性である。産業固有のスコアによって、コピー機またはトラック運送業者を利用する公算や、ある会社が良好な信用貸しリスクであるか否かなどのように、何らかの特有の事柄が予測される。信用貸しに関する履歴データを提供する信用貸しデータベース１８０８のアーカイブおよび取引テープデータベース１８０１０から、入力データ１８０６が収集される。この場合、重要な２つの期間が存在し、その１つは要因すべてに対し履歴的にみた概観を成すアクティビティ周期であり、その１つは何が起こったのかが判明した直後の期間を成す結果として生じた期間である。たとえば、前年のデータがあるならば、ある会社は今年の所定の期間についてどのような業績を上げたか、などである。次のステップすなわち「不正確な定義」（予測すべき結果）の判定において評価すべきリスクが参照され、これはたとえば次の１２ヶ月における否定的な失敗の公算を予測する財政圧迫スコアなどである。

企業ユニバースから開発サンプルが選択され（１８１４）、企業ユニバースから人口統計学的プロファイルが生成され（１８１６）、説明によるデータ分析（すべての変量の単変量分析）が実行される（１８１８）。この場合、変量範囲、変量形式、変量を含めるか含めないか、ならびにモデルに何を入れるかの把握に関連する他のファンクションの決定などのようなタスクが実行される。その際に変量をアクティビティ周期および結果として得られた周期に従い選択することができ、さらに精度または代表性を表すために重みを割り当てることができる。トレンドがファクタに含められる。また、品質保証にあたり、企業ユニバースにおける何らかのものが初期モデルに作用を及ぼすか否かを調べるために、ならびにスコアをとるために周期的にチェックが行われ、さらに依然として暗示的（indicative）なのか予測的（predictive）なのかをチェックするために先行の周期に対してこのことが行われる。サンプルには欠陥が含まれている可能性がある。

続いて図１８Ｂを参照すると、統計分析およびモデル開発プロセスにおいて、論理回帰ならびに他の推定技術が実行される（１８２０）。このステップにいて、適切なモデルと式と統計が適用される。次に、統計係数がスコアカードに変換される（１８２２）。その際、モデルがテストされてバリデートされ（１８２４）、技術的な仕様が開発される（１８２６）。最後にこのモデルがインプリメントされ（１８２８）テストされる（１８３０）。そしてスコアを生成するため、このモデルにデータが投入される。スコアが依然として有効であることを検証するため、ならびにスコアカードの更新が必要か否かを判定するため、周期的にチェックが実行される。

これまでの説明は例示を意図したものであり、これらに限定されるものではないのは自明である。当業者であればこれまでの説明を参照することで他の多くの実施形態を考えることができる。データ収集の実施、実体マッチングの実行、識別番号の付加、コーポレーションリンケージの実施、予測インジケータの生成に関して種々の実施形態が考えられる。企業情報産業以外の用途にも本発明を適用することができる。したがって本発明の範囲は、特許請求の範囲ならびに各請求項に記載された構成と同等の範囲全般によって規定されるものである。

本発明によるデータ統合方法を示すブロック図本発明によるデータ統合システムを示すブロック図本発明によるデータ統合システムを示すブロック図本発明によるデータ統合方法を描いたロジック図本発明によるデータ収集における例示的なソースを示すブロック図本発明によるデータ収集におけるもっと多くの例示的なソースを示すブロック図本発明による実体マッチングを示すブロック図本発明による実体マッチングを示すブロック図実体マッチングを示すブロック図実体マッチングを示すブロック図本発明による実体マッチング方法を示すブロック図本発明による実体マッチング方法を示すブロック図本発明によるコーポレーションリンケージを示すブロック図本発明によるコーポレーションリンケージを示すブロック図本発明によるコーポレーションリンケージを示すブロック図本発明によるコーポレーションリンケージを示すブロック図本発明によるコーポレーションリンケージ方法の一例を示すブロック図本発明による予測インジケータ供給方法の一例を示すブロック図本発明による予測インジケータ供給方法の一例を示すブロック図

Claims

コンピュータシステムにおいて、
プロセッサと、該プロセッサにより読み取り可能であり該プロセッサに以下のステップを実行させる命令が含まれているメモリが設けられており、すなわち該メモリに含まれている命令によってプロセッサは、
ａ）データ収集ドライバにより、少なくとも１つのデータソースから、企業に関連する１次データから成る情報を収集するステップと、
ｂ）該１次データが記憶されている実体データとマッチしているか否かを判定するステップと、
ｃ）前記１次データに識別番号を割り当て、以下のルールに従い割り当てられた識別番号を生成するステップを実行し、すなわち
i）前記１次データが記憶されている実体データとマッチしているならば、既存の識別番号を有する識別番号を前記１次データに割り当てるステップと、
ii）前記１次データが記憶されている実体データとマッチしていないならば、新たな識別番号を有する識別番号を前記１次データに割り当てるステップが実行され、
さらに前記メモリに含まれている命令によって前記プロセッサは、
ｄ）コーポレーションリンケージドライバによって、前記企業と企業の実体との関係を検出することによりコーポレーションリンケージデータを生成するステップを実行し、該コーポレーションリンケージデータは複数の企業間の系列関係または提携関係を表し、
ｅ）２次データを生成するステップを実行し、該２次データは、前記割り当てられた識別番号と前記コーポレーションリンケージデータを有しており、
さらに前記メモリに含まれている命令によってプロセッサは、
ｆ）前記１次データと前記２次データとを結合して強化された情報を形成するステップと、
ｇ）前記強化された情報をデータベースに格納するステップと、
ｈ）以下のステップを含むルーチンを周期的に実行し、すなわち、
１）前記強化された情報をサンプリングして、サンプルデータを生成するステップと、
２）前記サンプルデータに基づき前記企業の過去の業績を分析して、該企業の将来の業績を表すデータを生成するステップと、
３）前記データベース内の前記強化された情報を、前記企業の将来の業績を表すデータにより更新するステップ
を含むルーチンを周期的に実行し、
さらに前記メモリに含まれている命令によってプロセッサは、
ｉ）前記更新された強化された情報を前記データベースに格納するステップを実行することを特徴とする、
コンピュータシステム。
請求項１記載のコンピュータシステムにおいて、
前記メモリに含まれている命令によってプロセッサは、
前記ステップｂ）において前記１次データが記憶されているデータとマッチしていなければ、前記ステップｃ）において識別番号を割り当てる前に、前記１次データが第１の閾値条件を満たしているか否かを判定するステップを実行し、
前記第１の閾値条件は、前記データ収集ドライバにより収集され前記１次データに関連づけられている企業の存在を裏付ける少なくとも２つのソースであることを特徴とするコンピュータシステム。
請求項２記載のコンピュータシステムにおいてプロセッサは、
前記メモリに含まれている命令によって、
前記１次データが前記第１の閾値条件を満たしていなければ、前記１次データを記憶するステップを実行することを特徴とするコンピュータシステム。
請求項３記載のコンピュータシステムにおいて、
前記メモリに含まれている命令によってプロセッサは、
i）前記１次データが前記格納されている実体データとマッチしておらず、かつii）前記１次データが前記第１の閾値条件を満たしていなければ、
付加的な１次データを受け取るステップと、
前記１次データと該付加的な１次データが前記第１の閾値条件を満たしているか否かを判定するステップと、
前記１次データと前記付加的な１次データが前記第１の閾値条件を満たしているならば、前記ステップｃ）において識別番号を割り当てるステップと、
前記１次データと前記付加的な１次データが前記第１の閾値条件を満たしてなければ、前記１次データと前記付加的な１次データをレポジトリへ送信するステップを実行することを特徴とするコンピュータシステム。
実行可能なコンピュータプログラムを有するコンピュータ読み取り可能な媒体において、
前記コンピュータプログラムがプロセッサにより読み取られると、該プロセッサにより以下のステップが実行され、すなわち、
ａ）データ収集ドライバにより、少なくとも１つのデータソースから、企業に関連する１次データから成る情報を収集するステップと、
ｂ）該１次データが記憶されている実体データとマッチしているか否かを判定するステップと、
ｃ）前記１次データに識別番号を割り当て、以下のルールに従い割り当てられた識別番号を生成するステップが実行され、すなわち
i）前記１次データが記憶されている実体データとマッチしているならば、既存の識別番号を有する識別番号を前記１次データに割り当てるステップと、
ii）前記１次データが記憶されている実体データとマッチしていないならば、新たな識別番号を有する識別番号を前記１次データに割り当てるステップが実行され、
さらに前記プロセッサにより、
ｄ）コーポレーションリンケージドライバによって、前記企業と企業の実体との関係を検出することによりコーポレーションリンケージデータを生成するステップを有しており、該コーポレーションリンケージデータは複数の企業間の系列関係または提携関係を表し、
ｅ）２次データを生成するステップが実行され、該２次データは、前記割り当てられた識別番号と前記コーポレーションリンケージデータを有しており、
さらに前記プロセッサにより、
ｆ）前記１次データと前記２次データとを結合して強化された情報を形成するステップと、
ｇ）前記強化された情報をデータベースに格納するステップと、
ｈ）以下のステップを含むルーチンが周期的に実行され、すなわち、
１）前記強化された情報をサンプリングして、サンプルデータを生成するステップと、
２）前記サンプルデータに基づき前記企業の過去の業績を分析して、該企業の将来の業績を表すデータを生成するステップと、
３）前記データベース内の強化された情報を、前記企業の将来の業績を表すデータにより更新するステップ
を含むルーチンが周期的に実行され、
さらに前記プロセッサにより、
ｉ）前記更新された強化された情報を前記データベースに格納するステップが実行されることを特徴とする、
コンピュータ読み取り可能な媒体。
請求項５記載のコンピュータ読み取り可能な媒体において、
前記プロセッサにより、
前記ステップｂ）において前記１次データが記憶されているデータとマッチしていなければ、前記ステップｃ）において識別番号を割り当てる前に、前記１次データが第１の閾値条件を満たしているか否かを判定するステップが実行され、
前記第１の閾値条件は、前記データ収集ドライバにより収集され前記１次データに関連づけられている企業の存在を裏付ける少なくとも２つのソースであることを特徴とする、
コンピュータ読み取り可能な媒体。
請求項６記載のコンピュータ読み取り可能な媒体において、
前記プロセッサにより、
前記１次データが前記第１の閾値条件を満たしていなければ、前記１次データを記憶するステップが実行されることを特徴とする、
コンピュータ読み取り可能な媒体。
請求項７記載のコンピュータ読み取り可能な媒体において、
前記プロセッサにより、
i）前記１次データが前記格納されている実体データとマッチしておらず、かつii）前記１次データが前記第１の閾値条件を満たしていなければ、
付加的な１次データを受け取るステップと、
前記１次データと該付加的な１次データが前記第１の閾値条件を満たしているか否かを判定するステップと、
前記１次データと前記付加的な１次データが前記第１の閾値条件を満たしているならば、前記ステップｃ）において識別番号を割り当てるステップが実行され、
前記１次データと前記付加的な１次データが前記第１の閾値条件を満たしてなければ、前記１次データと前記付加的な１次データをレポジトリへ送信するステップが実行されることを特徴とする、
コンピュータ読み取り可能な媒体。