JP5523574B2 - オペレーショナルリスク分析サーバおよびオペレーショナルリスク分析システム - Google Patents
オペレーショナルリスク分析サーバおよびオペレーショナルリスク分析システム Download PDFInfo
- Publication number
- JP5523574B2 JP5523574B2 JP2012534971A JP2012534971A JP5523574B2 JP 5523574 B2 JP5523574 B2 JP 5523574B2 JP 2012534971 A JP2012534971 A JP 2012534971A JP 2012534971 A JP2012534971 A JP 2012534971A JP 5523574 B2 JP5523574 B2 JP 5523574B2
- Authority
- JP
- Japan
- Prior art keywords
- pattern
- abnormal
- event occurrence
- combination pattern
- combination
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q40/00—Finance; Insurance; Tax strategies; Processing of corporate or income taxes
- G06Q40/08—Insurance
Landscapes
- Business, Economics & Management (AREA)
- Accounting & Taxation (AREA)
- Finance (AREA)
- Engineering & Computer Science (AREA)
- Development Economics (AREA)
- Economics (AREA)
- Marketing (AREA)
- Strategic Management (AREA)
- Technology Law (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Description
本発明は、データベースに格納されているオペレーショナルリスク事象から頻出増加傾向にある事象発生要因を抽出するオペレーショナルリスク分析サーバおよびオペレーショナルリスク分析システムに関する。
金融機関では、事務処理のミスである事務事故や顧客からのクレームである苦情相談等を迅速に把握して対応する、オペレーショナルリスク管理が必須である。
このため、発生した事務事故や苦情相談等の内容を、オペレーショナルリスク事象としてデータベースに登録する。例えば、事象発生要因として、事務事故が発生した年・月・店および事務処理の種類・工程を格納したオペレーショナルリスク事象テーブルをデータベースに格納する。そして、データベースに格納されているオペレーショナルリスク事象から頻出増加傾向にある事象発生要因を抽出することで、オペレーショナルリスクの要対策点を把握することが望まれる。
このため、発生した事務事故や苦情相談等の内容を、オペレーショナルリスク事象としてデータベースに登録する。例えば、事象発生要因として、事務事故が発生した年・月・店および事務処理の種類・工程を格納したオペレーショナルリスク事象テーブルをデータベースに格納する。そして、データベースに格納されているオペレーショナルリスク事象から頻出増加傾向にある事象発生要因を抽出することで、オペレーショナルリスクの要対策点を把握することが望まれる。
特許文献１に記載の技術では、例えば「Ａ支店の為替業務の送金操作の取消率が所定の基準に対し悪い値、かつ、他店の為替業務の送金操作の取消率に対して３０％以上高い値」といった比較で抽出している。すなわち、特定の事象発生要因の組合せ「為替業務の送金操作の取消率」について、「所定の基準」といった基準値や「他店に対して３０％以上」といった固定値に対する比較で抽出している。
しかしながら、特許文献１に記載の技術では、データベースに格納されているオペレーショナルリスク事象から頻出増加傾向にある事象発生要因を抽出する際に、抽出対象が特定の事象発生要因の組合せに限定されるという問題点や、オペレーション量が多い事象発生要因が抽出されやすいという問題点や、頻出増加傾向にある事象発生要因の組合せよりさらに頻出増加傾向にある事象発生要因を深掘りして抽出できないという問題点がある。
抽出対象が特定の事象発生要因の組合せに限定されるのは、抽出条件である基準値や固定値を、事象発生要因の組合せ毎に設定する必要があるからである。
例えば、「為替業務の送金操作の訂正率」は「他店に対して３０％以上」であるのに対して、「為替業務の送金操作の取消率」は「他店に対して２０％以上」と設定する必要がある。
例えば、「為替業務の送金操作の訂正率」は「他店に対して３０％以上」であるのに対して、「為替業務の送金操作の取消率」は「他店に対して２０％以上」と設定する必要がある。
オペレーション量が多い事象発生要因が抽出されやすいのは、抽出条件である基準値が、事象発生要因の発生しやすさを考慮していないからである。
例えば、「Ａ支店」が「他店」よりも規模が大きく、オペレーション量が多い店であった場合、規模に比例して「為替業務の送金操作の訂正や取消」が増えやすいため、「Ａ支店」が抽出されやすくなる。
例えば、「Ａ支店」が「他店」よりも規模が大きく、オペレーション量が多い店であった場合、規模に比例して「為替業務の送金操作の訂正や取消」が増えやすいため、「Ａ支店」が抽出されやすくなる。
頻出増加傾向にある事象発生要因の組合せよりさらに頻出増加傾向にある事象発生要因を深掘りして抽出できないのは、抽出条件を、事象発生要因の組合せの項目数を増やす毎に設定していないからである。
例えば、「為替業務の送金操作の訂正率」は「他店に対して３０％以上」と設定して、「為替業務の送金操作のＧＰＴ端末での訂正率」は「他店に対して５０％以上」と設定すれば、頻出増加傾向にある事象発生要因の組合せ「為替業務の送金操作の訂正率」よりさらに頻出増加傾向にある事象発生要因「ＧＰＴ端末」を深掘りして抽出することはできるであろう。
しかし、事象発生要因の組合せの項目数を増やす毎に抽出条件を設定するのは、抽出条件が多くなりすぎ現実的でない。
例えば、「為替業務の送金操作の訂正率」は「他店に対して３０％以上」と設定して、「為替業務の送金操作のＧＰＴ端末での訂正率」は「他店に対して５０％以上」と設定すれば、頻出増加傾向にある事象発生要因の組合せ「為替業務の送金操作の訂正率」よりさらに頻出増加傾向にある事象発生要因「ＧＰＴ端末」を深掘りして抽出することはできるであろう。
しかし、事象発生要因の組合せの項目数を増やす毎に抽出条件を設定するのは、抽出条件が多くなりすぎ現実的でない。
本発明の目的は、データベースに格納されているオペレーショナルリスク事象から頻出増加傾向にある事象発生要因を抽出する際に、抽出対象が特定の事象発生要因の組合せに限定されず、事象発生要因のオペレーション量によらず、その事象発生要因以外に対する相対的な多さに応じて抽出することができ、頻出増加傾向にある事象発生要因の組合せよりさらに頻出増加傾向にある事象発生要因を深掘りして抽出することができるオペレーショナルリスク分析サーバおよびオペレーショナルリスク分析システムを提供することである。
上記目的を達成するため、本発明のオペレーショナルリスク分析サーバは、
複数の事象発生要因で構成されるオペレーショナルリスク事象を格納したオペレーショナルリスク事象テーブルと、事象発生要因毎にオペレーション量を格納したオペレーション量テーブルとを記憶する記憶手段と、
事象発生要因の組合せパターンの項目数閾値を受け付ける項目数閾値受付手段と、
前記オペレーショナルリスク事象テーブルから、出現頻度が高い事象発生要因を前記受け付けた項目数閾値以下の項目数含む組合せパターンを抽出するバスケット分析を行い、当該抽出された組合せパターンから異常頻出パターンを抽出する適合度検定を行う異常頻出パターン抽出手段と、
を備え、
前記異常頻出パターン抽出手段が、
項目数が１の前記組合せパターンについて、当該組合せパターンに含まれる事象発生要因のリスク事象件数が当該事象発生要因以外のリスク事象件数より、かつ当該組合せパターンに含まれる事象発生要因のリスク事象件数がオペレーション量より有意に多いならば、当該組合せパターンを異常頻出パターンとして抽出し、
項目数が２の前記組合せパターンについて、当該組合せパターンの１項目目の事象発生要因を含むリスク事象件数が当該事象発生要因以外を含むリスク事象件数より、かつ当該組合せパターンのリスク事象件数が少数項目数での当該組合せパターンのリスク事象件数より有意に多いならば、当該組合せパターンを異常頻出パターンとして抽出し、
項目数が３以上の前記組合せパターンについて、当該組合せパターンの１項目目の事象発生要因を含むリスク事象件数が当該事象発生要因以外を含むリスク事象件数より、かつ当該組合せパターンのリスク事象件数が少数項目数で異常抽出された当該組合せパターンのリスク事象件数より有意に多いならば、当該組合せパターンを異常頻出パターンとして抽出する、
ことを特徴とする。
複数の事象発生要因で構成されるオペレーショナルリスク事象を格納したオペレーショナルリスク事象テーブルと、事象発生要因毎にオペレーション量を格納したオペレーション量テーブルとを記憶する記憶手段と、
事象発生要因の組合せパターンの項目数閾値を受け付ける項目数閾値受付手段と、
前記オペレーショナルリスク事象テーブルから、出現頻度が高い事象発生要因を前記受け付けた項目数閾値以下の項目数含む組合せパターンを抽出するバスケット分析を行い、当該抽出された組合せパターンから異常頻出パターンを抽出する適合度検定を行う異常頻出パターン抽出手段と、
を備え、
前記異常頻出パターン抽出手段が、
項目数が１の前記組合せパターンについて、当該組合せパターンに含まれる事象発生要因のリスク事象件数が当該事象発生要因以外のリスク事象件数より、かつ当該組合せパターンに含まれる事象発生要因のリスク事象件数がオペレーション量より有意に多いならば、当該組合せパターンを異常頻出パターンとして抽出し、
項目数が２の前記組合せパターンについて、当該組合せパターンの１項目目の事象発生要因を含むリスク事象件数が当該事象発生要因以外を含むリスク事象件数より、かつ当該組合せパターンのリスク事象件数が少数項目数での当該組合せパターンのリスク事象件数より有意に多いならば、当該組合せパターンを異常頻出パターンとして抽出し、
項目数が３以上の前記組合せパターンについて、当該組合せパターンの１項目目の事象発生要因を含むリスク事象件数が当該事象発生要因以外を含むリスク事象件数より、かつ当該組合せパターンのリスク事象件数が少数項目数で異常抽出された当該組合せパターンのリスク事象件数より有意に多いならば、当該組合せパターンを異常頻出パターンとして抽出する、
ことを特徴とする。
好ましくは、本発明のオペレーショナルリスク分析サーバは、
前記異常頻出パターン抽出手段が、前記組合せパターンの項目数毎、かつ前記少数項目数での組合せパターンの異常抽出の有無毎に異なる有意水準閾値に基づいて、前記組合せパターンを異常頻出パターンとして抽出する適合度検定を行うことを特徴とする。
前記異常頻出パターン抽出手段が、前記組合せパターンの項目数毎、かつ前記少数項目数での組合せパターンの異常抽出の有無毎に異なる有意水準閾値に基づいて、前記組合せパターンを異常頻出パターンとして抽出する適合度検定を行うことを特徴とする。
好ましくは、本発明のオペレーショナルリスク分析サーバは、
各行が各前記異常頻出パターンであり、各列が前記異常頻出パターンの各項目目の事象発生要因である異常頻出パターンリストを作成する異常頻出パターンリスト作成手段を備えることを特徴とする。
各行が各前記異常頻出パターンであり、各列が前記異常頻出パターンの各項目目の事象発生要因である異常頻出パターンリストを作成する異常頻出パターンリスト作成手段を備えることを特徴とする。
好ましくは、本発明のオペレーショナルリスク分析サーバは、
前記異常頻出パターンリストについて、前記異常頻出パターンを１項目目から順に同一項目目の同一事象発生要因毎に集約することで階層化した異常頻出パターンツリーを作成する異常頻出パターンツリー作成手段を備えることを特徴とする。
前記異常頻出パターンリストについて、前記異常頻出パターンを１項目目から順に同一項目目の同一事象発生要因毎に集約することで階層化した異常頻出パターンツリーを作成する異常頻出パターンツリー作成手段を備えることを特徴とする。
また、本発明のオペレーショナルリスク分析システムは、
上述したオペレーショナルリスク分析サーバと、
前記異常頻出パターンの抽出量を調節するため選択肢である度合の入力画面を表示するクライアント端末と、
を備え、
前記異常頻出パターン抽出手段が、前記度合に対応する有意水準閾値に基づいて、前記組合せパターンを異常頻出パターンとして抽出する適合度検定を行う、
ことを特徴とする。
上述したオペレーショナルリスク分析サーバと、
前記異常頻出パターンの抽出量を調節するため選択肢である度合の入力画面を表示するクライアント端末と、
を備え、
前記異常頻出パターン抽出手段が、前記度合に対応する有意水準閾値に基づいて、前記組合せパターンを異常頻出パターンとして抽出する適合度検定を行う、
ことを特徴とする。
また、本発明のオペレーショナルリスク分析サーバは、
複数の事象発生要因で構成されるオペレーショナルリスク事象を格納したオペレーショナルリスク事象テーブルと、事象発生要因毎に前期間と現期間のオペレーション量を格納したオペレーション量テーブルとを記憶する記憶手段と、
事象発生要因の組合せパターンの項目数閾値を受け付ける項目数閾値受付手段と、
前記オペレーショナルリスク事象テーブルから、出現頻度が高い事象発生要因を前記受け付けた項目数閾値以下の項目数含む組合せパターンを抽出するバスケット分析を行い、当該抽出された組合せパターンから異常増加パターンを抽出する適合度検定を行う異常増加パターン抽出手段と、
を備え、
前記異常増加パターン抽出手段が、
項目数が１の前記組合せパターンについて、当該組合せパターンの現期間のリスク事象件数が前期間のリスク事象件数より、かつ当該組合せパターンのリスク事象件数がオペレーション量より有意に多いならば、当該組合せパターンを異常増加パターンとして抽出し、
項目数が２の前記組合せパターンについて、当該組合せパターンの現期間のリスク事象件数が前期間のリスク事象件数より、かつ当該組合せパターンのリスク事象件数が少数項目数での当該組合せパターンのリスク事象件数より有意に多いならば、当該組合せパターンを異常増加パターンとして抽出し、
項目数が３以上の前記組合せパターンについて、当該組合せパターンの現期間のリスク事象件数が前期間のリスク事象件数より、かつ当該組合せパターンのリスク事象件数が少数項目数で異常抽出された当該組合せパターンのリスク事象件数より有意に多いならば、当該組合せパターンを異常増加パターンとして抽出する、
ことを特徴とする。
複数の事象発生要因で構成されるオペレーショナルリスク事象を格納したオペレーショナルリスク事象テーブルと、事象発生要因毎に前期間と現期間のオペレーション量を格納したオペレーション量テーブルとを記憶する記憶手段と、
事象発生要因の組合せパターンの項目数閾値を受け付ける項目数閾値受付手段と、
前記オペレーショナルリスク事象テーブルから、出現頻度が高い事象発生要因を前記受け付けた項目数閾値以下の項目数含む組合せパターンを抽出するバスケット分析を行い、当該抽出された組合せパターンから異常増加パターンを抽出する適合度検定を行う異常増加パターン抽出手段と、
を備え、
前記異常増加パターン抽出手段が、
項目数が１の前記組合せパターンについて、当該組合せパターンの現期間のリスク事象件数が前期間のリスク事象件数より、かつ当該組合せパターンのリスク事象件数がオペレーション量より有意に多いならば、当該組合せパターンを異常増加パターンとして抽出し、
項目数が２の前記組合せパターンについて、当該組合せパターンの現期間のリスク事象件数が前期間のリスク事象件数より、かつ当該組合せパターンのリスク事象件数が少数項目数での当該組合せパターンのリスク事象件数より有意に多いならば、当該組合せパターンを異常増加パターンとして抽出し、
項目数が３以上の前記組合せパターンについて、当該組合せパターンの現期間のリスク事象件数が前期間のリスク事象件数より、かつ当該組合せパターンのリスク事象件数が少数項目数で異常抽出された当該組合せパターンのリスク事象件数より有意に多いならば、当該組合せパターンを異常増加パターンとして抽出する、
ことを特徴とする。
好ましくは、本発明のオペレーショナルリスク分析サーバは、
前記異常増加パターン抽出手段が、前記組合せパターンの項目数毎、かつ前記少数項目数での組合せパターンの異常抽出の有無毎に異なる有意水準閾値に基づいて、前記組合せパターンを異常増加パターンとして抽出する適合度検定を行うことを特徴とする。
前記異常増加パターン抽出手段が、前記組合せパターンの項目数毎、かつ前記少数項目数での組合せパターンの異常抽出の有無毎に異なる有意水準閾値に基づいて、前記組合せパターンを異常増加パターンとして抽出する適合度検定を行うことを特徴とする。
好ましくは、本発明のオペレーショナルリスク分析サーバは、
各行が各前記異常増加パターンであり、各列が前記異常増加パターンの各項目目の事象発生要因である異常増加パターンリストを作成する異常増加パターンリスト作成手段を備えることを特徴とする。
各行が各前記異常増加パターンであり、各列が前記異常増加パターンの各項目目の事象発生要因である異常増加パターンリストを作成する異常増加パターンリスト作成手段を備えることを特徴とする。
好ましくは、本発明のオペレーショナルリスク分析サーバは、
前記異常増加パターンリストについて、前記異常増加パターンを１項目目から順に同一項目目の同一事象発生要因毎に集約することで階層化した異常増加パターンツリーを作成する異常増加パターンツリー作成手段を備えることを特徴とする。
前記異常増加パターンリストについて、前記異常増加パターンを１項目目から順に同一項目目の同一事象発生要因毎に集約することで階層化した異常増加パターンツリーを作成する異常増加パターンツリー作成手段を備えることを特徴とする。
また、本発明のオペレーショナルリスク分析システムは、
上述したオペレーショナルリスク分析サーバと、
前記異常増加パターンの抽出量を調節するため選択肢である度合の入力画面を表示するクライアント端末と、
を備え、
前記異常増加パターン抽出手段が、前記度合に対応する有意水準閾値に基づいて、前記組合せパターンを異常増加パターンとして抽出する適合度検定を行う、
ことを特徴とする。
上述したオペレーショナルリスク分析サーバと、
前記異常増加パターンの抽出量を調節するため選択肢である度合の入力画面を表示するクライアント端末と、
を備え、
前記異常増加パターン抽出手段が、前記度合に対応する有意水準閾値に基づいて、前記組合せパターンを異常増加パターンとして抽出する適合度検定を行う、
ことを特徴とする。
本発明によれば、データベースに格納されているオペレーショナルリスク事象から頻出増加傾向にある事象発生要因を抽出する際に、抽出対象が特定の事象発生要因の組合せに限定されず、事象発生要因のオペレーション量によらず、その事象発生要因以外に対する相対的な多さに応じて抽出することができ、頻出増加傾向にある事象発生要因の組合せよりさらに頻出増加傾向にある事象発生要因を深掘りして抽出することができる。
以下、本発明の実施形態に係るオペレーショナルリスク分析システムについて図面を参照しながら説明する。
図１は、本発明の実施形態に係るオペレーショナルリスク分析システムの構成の一例を示す。
本発明の実施形態に係るオペレーショナルリスク分析システムは、オペレーショナルリスク分析サーバとして機能する分析サーバ１と、クライアント端末２とで構成される。分析サーバ１とクライアント端末２はネットワーク３を介して相互に通信することができる。
分析サーバ１は、ＣＰＵ（Ｃｅｎｔｒａｌ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）１１と、メモリ１２と、記憶装置１３と、ネットワーク通信装置１４とを備えたコンピュータである。ＣＰＵ１１と、メモリ１２と、記憶装置１３と、ネットワーク通信装置１４とはデータバスで接続されている。
メモリ１２は、ＲＡＭ（Ｒａｎｄｏｍ Ａｃｃｅｓｓ Ｍｅｍｏｒｙ）やＲＯＭ（Ｒｅａｄ Ｏｎｌｙ Ｍｅｍｏｒｙ）等で構成される。
記憶装置１３は、ハードディスク装置や光磁気ディスク装置等で構成される。分析サーバ１の記憶装置は、オペレーショナルリスク分析プログラム１５とデータベース４とを記憶している。データベース４にはオペレーショナルリスク事象テーブル５とオペレーション量テーブル６が格納される。
分析サーバ１のＣＰＵ１１が、記憶装置１３からメモリ１２にオペレーショナルリスク分析プログラム１５を読み込んで実行することにより、異常頻出パターン抽出部１５１と、異常頻出パターンリスト作成部１５２と、異常頻出パターンツリー作成部１５３と、異常増加パターン抽出部１５４と、異常増加パターンリスト作成部１５５と、異常増加パターンツリー作成部１５６の各機能が実現される。
ネットワーク通信装置１４は、ネットワーク３を経由してクライアント端末２とデータを送受信する。
クライアント端末２は、ＣＰＵ２１と、メモリ２２と、記憶装置２３と、表示装置２４と、入力装置２５と、ネットワーク通信装置２６とを備えたコンピュータである。ＣＰＵ２１と、メモリ２２と、記憶装置２３と、表示装置２４と、入力装置２５と、ネットワーク通信装置２６とはデータバスで接続されている。
本発明の実施形態に係るオペレーショナルリスク分析システムは、オペレーショナルリスク分析サーバとして機能する分析サーバ１と、クライアント端末２とで構成される。分析サーバ１とクライアント端末２はネットワーク３を介して相互に通信することができる。
分析サーバ１は、ＣＰＵ（Ｃｅｎｔｒａｌ Ｐｒｏｃｅｓｓｉｎｇ Ｕｎｉｔ）１１と、メモリ１２と、記憶装置１３と、ネットワーク通信装置１４とを備えたコンピュータである。ＣＰＵ１１と、メモリ１２と、記憶装置１３と、ネットワーク通信装置１４とはデータバスで接続されている。
メモリ１２は、ＲＡＭ（Ｒａｎｄｏｍ Ａｃｃｅｓｓ Ｍｅｍｏｒｙ）やＲＯＭ（Ｒｅａｄ Ｏｎｌｙ Ｍｅｍｏｒｙ）等で構成される。
記憶装置１３は、ハードディスク装置や光磁気ディスク装置等で構成される。分析サーバ１の記憶装置は、オペレーショナルリスク分析プログラム１５とデータベース４とを記憶している。データベース４にはオペレーショナルリスク事象テーブル５とオペレーション量テーブル６が格納される。
分析サーバ１のＣＰＵ１１が、記憶装置１３からメモリ１２にオペレーショナルリスク分析プログラム１５を読み込んで実行することにより、異常頻出パターン抽出部１５１と、異常頻出パターンリスト作成部１５２と、異常頻出パターンツリー作成部１５３と、異常増加パターン抽出部１５４と、異常増加パターンリスト作成部１５５と、異常増加パターンツリー作成部１５６の各機能が実現される。
ネットワーク通信装置１４は、ネットワーク３を経由してクライアント端末２とデータを送受信する。
クライアント端末２は、ＣＰＵ２１と、メモリ２２と、記憶装置２３と、表示装置２４と、入力装置２５と、ネットワーク通信装置２６とを備えたコンピュータである。ＣＰＵ２１と、メモリ２２と、記憶装置２３と、表示装置２４と、入力装置２５と、ネットワーク通信装置２６とはデータバスで接続されている。
図２は、オペレーショナルリスク分析システムにおける処理の流れの一例を示す。
クライアント端末２は、入力装置２５から表示装置２４に表示されている閾値入力画面に閾値が入力されると、分析サーバ１に閾値を送信する。分析サーバ１は、閾値を受信する（Ｓ１０１）。
異常頻出パターン抽出部１５１は、最初に異常パターン抽出処理のうち異常頻出パターン抽出の場合の処理を行なう。異常頻出パターン抽出部１５１は、閾値を入力として、オペレーショナルリスク事象テーブル５とオペレーション量テーブル６を参照して、異常頻出パターンを抽出する（Ｓ１０２）。
異常頻出パターンリスト作成部１５２は、抽出された異常頻出パターンについて、各行が各異常頻出パターンであり、各列が異常頻出パターンの各項目目の事象発生要因である異常頻出パターンリストを作成する（Ｓ１０３）。
異常頻出パターンツリー作成部１５３は、異常頻出パターンリストについて、異常頻出パターンを１項目目から順に同一項目目の同一事象発生要因毎に集約することで階層化して、異常頻出パターンツリーを作成する（Ｓ１０４）。
クライアント端末２は、入力装置２５から表示装置２４に表示されている閾値入力画面に閾値が入力されると、分析サーバ１に閾値を送信する。分析サーバ１は、閾値を受信する（Ｓ１０１）。
異常頻出パターン抽出部１５１は、最初に異常パターン抽出処理のうち異常頻出パターン抽出の場合の処理を行なう。異常頻出パターン抽出部１５１は、閾値を入力として、オペレーショナルリスク事象テーブル５とオペレーション量テーブル６を参照して、異常頻出パターンを抽出する（Ｓ１０２）。
異常頻出パターンリスト作成部１５２は、抽出された異常頻出パターンについて、各行が各異常頻出パターンであり、各列が異常頻出パターンの各項目目の事象発生要因である異常頻出パターンリストを作成する（Ｓ１０３）。
異常頻出パターンツリー作成部１５３は、異常頻出パターンリストについて、異常頻出パターンを１項目目から順に同一項目目の同一事象発生要因毎に集約することで階層化して、異常頻出パターンツリーを作成する（Ｓ１０４）。
異常増加パターン抽出部１５４は、次に異常パターン抽出処理のうち異常増加パターン抽出の場合の処理を行なう。異常増加パターン抽出部１５４は、閾値を入力として、オペレーショナルリスク事象テーブル５とオペレーション量テーブル６を参照して、異常増加パターンを抽出する（Ｓ１０５）。
異常増加パターンリスト作成部１５５は、抽出された異常増加パターンについて、各行が各異常増加パターンであり、各列が異常増加パターンの各項目目の事象発生要因である異常増加パターンリストを作成する（Ｓ１０６）。
異常増加パターンツリー作成部１５６は、異常増加パターンリストについて、異常増加パターンを１項目目から順に同一項目目の同一事象発生要因毎に集約することで階層化して、異常増加パターンツリーを作成する（Ｓ１０７）。
異常増加パターンリスト作成部１５５は、抽出された異常増加パターンについて、各行が各異常増加パターンであり、各列が異常増加パターンの各項目目の事象発生要因である異常増加パターンリストを作成する（Ｓ１０６）。
異常増加パターンツリー作成部１５６は、異常増加パターンリストについて、異常増加パターンを１項目目から順に同一項目目の同一事象発生要因毎に集約することで階層化して、異常増加パターンツリーを作成する（Ｓ１０７）。
分析サーバ１は、クライアント端末２に異常頻出パターンリストと異常増加パターンリスト、または異常頻出パターンツリーと異常増加パターンツリーを送信する（Ｓ１０８）。
そして、クライアント端末２は、分析サーバ１から異常頻出パターンリストと異常増加パターンリスト、または異常頻出パターンツリーと異常増加パターンツリーを受信すると、表示装置２４に表示する。
そして、クライアント端末２は、分析サーバ１から異常頻出パターンリストと異常増加パターンリスト、または異常頻出パターンツリーと異常増加パターンツリーを受信すると、表示装置２４に表示する。
なお、分析サーバ１は、最初に異常増加パターン抽出の場合の処理を行い、次に異常頻出パターン抽出の場合の処理を行ってもよい。
また、分析サーバ１は、異常頻出パターン抽出の場合の処理だけを行い、クライアント端末２に異常頻出パターンリストまたは異常頻出パターンツリーだけを送信してもよい。この場合、クライアント端末２は、分析サーバ１から異常頻出パターンリストまたは異常頻出パターンツリーを受信すると、表示装置２４に表示する。
また、分析サーバ１は、異常増加パターン抽出の場合の処理だけを行い、クライアント端末２に異常増加パターンリストまたは異常増加パターンツリーだけを送信してもよい。この場合、クライアント端末２は、分析サーバ１から異常増加パターンリストまたは異常増加パターンツリーを受信すると、表示装置２４に表示する。
また、分析サーバ１は、異常頻出パターン抽出の場合の処理だけを行い、クライアント端末２に異常頻出パターンリストまたは異常頻出パターンツリーだけを送信してもよい。この場合、クライアント端末２は、分析サーバ１から異常頻出パターンリストまたは異常頻出パターンツリーを受信すると、表示装置２４に表示する。
また、分析サーバ１は、異常増加パターン抽出の場合の処理だけを行い、クライアント端末２に異常増加パターンリストまたは異常増加パターンツリーだけを送信してもよい。この場合、クライアント端末２は、分析サーバ１から異常増加パターンリストまたは異常増加パターンツリーを受信すると、表示装置２４に表示する。
図３は、データベース４に格納されているオペレーショナルリスク事象テーブル５の一例を示す。
オペレーショナルリスク事象テーブル５には、発生した事務事故や苦情相談等の内容が格納される。例えば、図３のオペレーショナルリスク事象テーブル５は、事象発生要因として、事務事故が発生した年・月・店および事務処理の種類・工程を格納している。
オペレーショナルリスク事象テーブル５には、発生した事務事故や苦情相談等の内容が格納される。例えば、図３のオペレーショナルリスク事象テーブル５は、事象発生要因として、事務事故が発生した年・月・店および事務処理の種類・工程を格納している。
図４は、データベース４に格納されているオペレーション量テーブル６の一例を示す。
オペレーション量テーブル６には、オペレーショナルリスク事象テーブル５の事象発生要因毎に、事象発生要因の項目名と要因名、および過去一定期間（前期間）と最近一定期間（現期間）に発生したオペレーション量が格納される。例えば、図４のオペレーション量テーブル６は、事務事故が発生した月・店および事務処理の種類・工程毎に、2008年（前期間）と2009年（現期間）に発生した事務処理の件数を格納している。ただし、オペレーション量として、店毎の口座総数や預金総残高といった、オペレーション量にほぼ比例すると考えられる値を格納してもよい。
オペレーション量テーブル６には、オペレーショナルリスク事象テーブル５の事象発生要因毎に、事象発生要因の項目名と要因名、および過去一定期間（前期間）と最近一定期間（現期間）に発生したオペレーション量が格納される。例えば、図４のオペレーション量テーブル６は、事務事故が発生した月・店および事務処理の種類・工程毎に、2008年（前期間）と2009年（現期間）に発生した事務処理の件数を格納している。ただし、オペレーション量として、店毎の口座総数や預金総残高といった、オペレーション量にほぼ比例すると考えられる値を格納してもよい。
分析サーバ１が実行する異常パターン抽出処理で用いられる、事象発生要因に関する定数を以下に示す。
事象発生要因のN個の項目をA[i]（1≦i≦N）とする。図３と図４の例では、N＝4、A[1]＝"発生月"、A[2]＝"発生店"、A[3]＝"事故種類"、A[4]＝"原因工程"である。
項目のインデックス集合をAI＝｛i｜1≦i≦N｝とする。図３と図４の例では、AI＝｛1,2,3,4｝である。
項目A[i]に属するN[i]個の事象発生要因をB[i][j]（1≦j≦N[i]）とする。図３と図４の例では、項目A[1]＝"発生月"に属するN[1]＝12個の事象発生要因はB[1][1]＝"1月"、B[1][2]＝"2月"、...、B[1][12]＝"12月"である。また、項目A[2]＝"発生店"に属するN[2]＝26個の事象発生要因はB[2][1]＝"A店"、B[2][2]＝"B店"、...、B[2][26]＝"Z店"である。
項目A[i]に属する要因のインデックス集合をBI[i]＝｛j｜1≦j≦N[i]｝とする。図３と図４の例では、項目A[1]＝"発生月"に属する要因のインデックス集合はBI[1]＝｛1,2,...,12｝である。また、項目A[2]＝"発生店"に属する要因のインデックス集合はBI[2]＝｛1,2,...,26｝である。
事象発生要因のN個の項目をA[i]（1≦i≦N）とする。図３と図４の例では、N＝4、A[1]＝"発生月"、A[2]＝"発生店"、A[3]＝"事故種類"、A[4]＝"原因工程"である。
項目のインデックス集合をAI＝｛i｜1≦i≦N｝とする。図３と図４の例では、AI＝｛1,2,3,4｝である。
項目A[i]に属するN[i]個の事象発生要因をB[i][j]（1≦j≦N[i]）とする。図３と図４の例では、項目A[1]＝"発生月"に属するN[1]＝12個の事象発生要因はB[1][1]＝"1月"、B[1][2]＝"2月"、...、B[1][12]＝"12月"である。また、項目A[2]＝"発生店"に属するN[2]＝26個の事象発生要因はB[2][1]＝"A店"、B[2][2]＝"B店"、...、B[2][26]＝"Z店"である。
項目A[i]に属する要因のインデックス集合をBI[i]＝｛j｜1≦j≦N[i]｝とする。図３と図４の例では、項目A[1]＝"発生月"に属する要因のインデックス集合はBI[1]＝｛1,2,...,12｝である。また、項目A[2]＝"発生店"に属する要因のインデックス集合はBI[2]＝｛1,2,...,26｝である。
分析サーバ１が実行する異常パターン抽出処理で用いられる、データベース４に対する操作関数を以下に示す。
分析サーバ１は、データベース４に格納されているオペレーショナルリスク事象テーブル５から、事象発生要因の組合せの集合Xを含むデータ件数を取得する。ただし、X＝φ（空集合）ならば、全データ件数を取得する。
現期間のオペレーショナルリスク事象データ件数をFCI(X)、前期間のオペレーショナルリスク事象データ件数をFPI(X)とする。図３と図４の例では、FCI(φ)＝8380、FCI(B[1][1])＝651、FCI(B[1][1]∪B[2][1])＝27、FPI(φ)＝7944、FPI(B[1][1])＝705、FPI(B[1][1]∪B[2][1])＝35である。
分析サーバ１は、データベース４に格納されているオペレーション量テーブル６から、事象発生要因Xに対応するオペレーション量を取得する。ただし、X＝φ（空集合）ならば、後述する異常パターン抽出処理のステップ４の適合度検定において、項目A[i]に属する全事象発生要因B[i][k]（1≦k≦N[i]）に対応するオペレーション量の総和を取得する。
現期間のオペレーション量をFCO(X)、前期間のオペレーション量をFPO(X)とする。図３と図４の例では、i＝1とすると、FCO(φ)＝Σ（1≦k≦N[i]）FCO(B[i][k])＝28302＋…＋52546 、FCO(B[1][1])＝28302、FPO(φ)＝Σ（1≦k≦N[i]）FPO(B[i][k])＝30479＋…＋49016、FPO(B[1][1])＝30479である。
分析サーバ１は、データベース４に格納されているオペレーショナルリスク事象テーブル５から、事象発生要因の組合せの集合Xを含むデータ件数を取得する。ただし、X＝φ（空集合）ならば、全データ件数を取得する。
現期間のオペレーショナルリスク事象データ件数をFCI(X)、前期間のオペレーショナルリスク事象データ件数をFPI(X)とする。図３と図４の例では、FCI(φ)＝8380、FCI(B[1][1])＝651、FCI(B[1][1]∪B[2][1])＝27、FPI(φ)＝7944、FPI(B[1][1])＝705、FPI(B[1][1]∪B[2][1])＝35である。
分析サーバ１は、データベース４に格納されているオペレーション量テーブル６から、事象発生要因Xに対応するオペレーション量を取得する。ただし、X＝φ（空集合）ならば、後述する異常パターン抽出処理のステップ４の適合度検定において、項目A[i]に属する全事象発生要因B[i][k]（1≦k≦N[i]）に対応するオペレーション量の総和を取得する。
現期間のオペレーション量をFCO(X)、前期間のオペレーション量をFPO(X)とする。図３と図４の例では、i＝1とすると、FCO(φ)＝Σ（1≦k≦N[i]）FCO(B[i][k])＝28302＋…＋52546 、FCO(B[1][1])＝28302、FPO(φ)＝Σ（1≦k≦N[i]）FPO(B[i][k])＝30479＋…＋49016、FPO(B[1][1])＝30479である。
図５は、クライアント端末２が表示装置に表示する閾値入力画面の一例を示す。
クライアント端末２は、表示装置の閾値入力画面にパターン項目数閾値と最小頻度閾値と各有意水準閾値が入力されると、分析サーバ１にそれらの閾値を送信する。
図５の閾値入力画面は、パターン項目数閾値と最小頻度閾値と各有意水準閾値を直接入力できるテキストボックスと、異常抽出感度度合と異常抽出深掘度合をプルダウンメニュー形式で表示された候補の中からそれぞれ選択するコンボボックスとを備える画面である。図６を参照して後で説明するように、異常抽出感度度合と異常抽出深掘度合を選択することにより、最小頻度閾値と各有意水準閾値を自動入力することができる。
クライアント端末２は、表示装置の閾値入力画面にパターン項目数閾値と最小頻度閾値と各有意水準閾値が入力されると、分析サーバ１にそれらの閾値を送信する。
図５の閾値入力画面は、パターン項目数閾値と最小頻度閾値と各有意水準閾値を直接入力できるテキストボックスと、異常抽出感度度合と異常抽出深掘度合をプルダウンメニュー形式で表示された候補の中からそれぞれ選択するコンボボックスとを備える画面である。図６を参照して後で説明するように、異常抽出感度度合と異常抽出深掘度合を選択することにより、最小頻度閾値と各有意水準閾値を自動入力することができる。
各々の閾値では、オペレーショナルリスク事象から頻出増加傾向にある事象発生要因の組合せパターンである、異常パターンを抽出するための条件を指定する。なお、異常パターンには、異常頻出パターンと異常増加パターンの２種類がある。
パターン項目数閾値TPNでは、異常パターンとなるには、パターンに含まれる事象発生要因の組合せの項目数が何項目以下かを指定する。例えば、パターン項目数閾値TPN＝3ならば、3項目以下を指定したことになる。
最小頻度閾値TFでは、異常パターンとなるには、パターンの出現頻度が何件以上かを指定する。例えば、最小頻度閾値TF＝5ならば、5件以上を指定したことになる。
有意水準閾値TPVでは、異常パターンとなるには、パターンのｐ値がいくつ以下かを指定する。ｐ値とは、パターンのリスク事象件数がどの程度の確率で多いかを、後述する適合度検定により計算した値である。例えば、有意水準閾値TPV＝0.10ならば、ｐ値が0.10以下、すなわちパターンのリスク事象件数がより多くなる確率が10％以下を指定したことになる。
ただし、有意水準閾値TPVは、パターンに含まれる事象発生要因の組合せの項目数PN（1≦PN≦TPN）毎、かつ少数項目数でのパターンの異常抽出の有無PF[n]（1≦n≦PN-1、異常有PF[n]＝true、異常無PF[n]＝false）毎に指定する。例えば、パターン項目数閾値が3の場合では、有意水準閾値は、パターンの項目数が1の場合と、パターンの項目数が2の場合は1項目目の異常有無毎に指定し、パターンの項目数が3の場合は1項目目の異常有無毎かつ2項目目の異常有無毎に指定する。
なお、組合せパターンに対して、少数項目数でのパターンとは、その組合せパターンより事象発生要因の組合せの項目数が少ないパターンのことである。
パターン項目数閾値TPNでは、異常パターンとなるには、パターンに含まれる事象発生要因の組合せの項目数が何項目以下かを指定する。例えば、パターン項目数閾値TPN＝3ならば、3項目以下を指定したことになる。
最小頻度閾値TFでは、異常パターンとなるには、パターンの出現頻度が何件以上かを指定する。例えば、最小頻度閾値TF＝5ならば、5件以上を指定したことになる。
有意水準閾値TPVでは、異常パターンとなるには、パターンのｐ値がいくつ以下かを指定する。ｐ値とは、パターンのリスク事象件数がどの程度の確率で多いかを、後述する適合度検定により計算した値である。例えば、有意水準閾値TPV＝0.10ならば、ｐ値が0.10以下、すなわちパターンのリスク事象件数がより多くなる確率が10％以下を指定したことになる。
ただし、有意水準閾値TPVは、パターンに含まれる事象発生要因の組合せの項目数PN（1≦PN≦TPN）毎、かつ少数項目数でのパターンの異常抽出の有無PF[n]（1≦n≦PN-1、異常有PF[n]＝true、異常無PF[n]＝false）毎に指定する。例えば、パターン項目数閾値が3の場合では、有意水準閾値は、パターンの項目数が1の場合と、パターンの項目数が2の場合は1項目目の異常有無毎に指定し、パターンの項目数が3の場合は1項目目の異常有無毎かつ2項目目の異常有無毎に指定する。
なお、組合せパターンに対して、少数項目数でのパターンとは、その組合せパターンより事象発生要因の組合せの項目数が少ないパターンのことである。
図６は、クライアント端末２の記憶装置に記憶されている閾値変換テーブルの一例を示す。
閾値変換テーブルは、クライアント端末２の記憶装置に記憶されている。閾値変換テーブルには、異常抽出感度度合および異常抽出深掘度合と、最小頻度閾値および各有意水準閾値との対応関係が格納されている。図６にはパターン項目数閾値が3の場合、かつ異常抽出感度度合および異常抽出深掘度合の各々の度合に2つの選択肢として「少量抽出」と「多量抽出」がある場合の例が示されている。
図５の閾値入力画面の異常抽出感度度合と異常抽出深掘度合のコンボボックスで、利用者は異常パターンの抽出量を調節するための条件を選択する。クライアント端末２は、閾値入力画面において異常抽出感度度合と異常抽出深掘度合が選択されると、閾値変換テーブルから各々の度合に対応する最小頻度閾値と各有意水準閾値を取得して、テキストボックスにそれらを設定する。
閾値変換テーブルは、クライアント端末２の記憶装置に記憶されている。閾値変換テーブルには、異常抽出感度度合および異常抽出深掘度合と、最小頻度閾値および各有意水準閾値との対応関係が格納されている。図６にはパターン項目数閾値が3の場合、かつ異常抽出感度度合および異常抽出深掘度合の各々の度合に2つの選択肢として「少量抽出」と「多量抽出」がある場合の例が示されている。
図５の閾値入力画面の異常抽出感度度合と異常抽出深掘度合のコンボボックスで、利用者は異常パターンの抽出量を調節するための条件を選択する。クライアント端末２は、閾値入力画面において異常抽出感度度合と異常抽出深掘度合が選択されると、閾値変換テーブルから各々の度合に対応する最小頻度閾値と各有意水準閾値を取得して、テキストボックスにそれらを設定する。
異常抽出感度度合では、「少量抽出」を選択した場合は「多量抽出」を選択した場合に比べて、全ての有意水準閾値にはより小さい値が設定される。これにより、後述する異常パターンツリーの階層構造の横方向の抽出量を調節できる。
異常抽出深掘度合では、「少量抽出」を選択した場合は「多量抽出」を選択した場合に比べて、最小頻度閾値にはより大きい値が、少数項目数での異常抽出が有の場合の有意水準閾値にはより小さい値が設定される。これにより、異常パターンツリーの階層構造の縦方向の抽出量を調節できる。
また、少数項目数での異常抽出が有の場合は無の場合に比べて、有意水準閾値にはより大きい値が記憶される。これにより、異常パターン抽出処理において、異常パターンの項目数を増やした時に、異常抽出されやすく調節できる。
異常抽出深掘度合では、「少量抽出」を選択した場合は「多量抽出」を選択した場合に比べて、最小頻度閾値にはより大きい値が、少数項目数での異常抽出が有の場合の有意水準閾値にはより小さい値が設定される。これにより、異常パターンツリーの階層構造の縦方向の抽出量を調節できる。
また、少数項目数での異常抽出が有の場合は無の場合に比べて、有意水準閾値にはより大きい値が記憶される。これにより、異常パターン抽出処理において、異常パターンの項目数を増やした時に、異常抽出されやすく調節できる。
図７は、分析サーバ１（異常頻出パターン抽出の場合は異常頻出パターン抽出部１５１と異常頻出パターンリスト作成部１５２、異常増加パターン抽出の場合は異常増加パターン抽出部１５４と異常増加パターンリスト作成部１５５）が実行する異常パターン抽出処理の一例を示す。
ただし、異常頻出パターン抽出部１５１または異常増加パターン抽出部１５４が実行するのは、異常パターン抽出処理のうち、ステップ４の適合度検定の「異常パターンリストに異常パターンとしてパターンの事象発生要因の組合せ"PA[n]＝PB[n]"（1≦n≦PN）を追加する」の処理以外である。
また、異常頻出パターンリスト作成部１５２または異常増加パターンリスト作成部１５５が実行するのは、異常パターン抽出処理のうち、ステップ４の適合度検定の「異常パターンリストに異常パターンとしてパターンの事象発生要因の組合せ"PA[n]＝PB[n]"（1≦n≦PN）を追加する」の処理だけである。
ただし、異常頻出パターン抽出部１５１または異常増加パターン抽出部１５４が実行するのは、異常パターン抽出処理のうち、ステップ４の適合度検定の「異常パターンリストに異常パターンとしてパターンの事象発生要因の組合せ"PA[n]＝PB[n]"（1≦n≦PN）を追加する」の処理以外である。
また、異常頻出パターンリスト作成部１５２または異常増加パターンリスト作成部１５５が実行するのは、異常パターン抽出処理のうち、ステップ４の適合度検定の「異常パターンリストに異常パターンとしてパターンの事象発生要因の組合せ"PA[n]＝PB[n]"（1≦n≦PN）を追加する」の処理だけである。
分析サーバ１は、クライアント端末２からパターン項目数閾値、最小頻度閾値、および各有意水準閾値を受信すると、異常頻出パターン抽出と異常増加パターン抽出の場合に分けて、異常パターン抽出処理を独立に実行し、オペレーショナルリスク事象テーブル５を参照して図１６に示すような異常頻出パターンリストと図１７に示すような異常増加パターンリストとを作成する。
ステップ１の変数の初期化では、以下の処理を実行する。
事象発生要因のパターンの項目数をPN＝0にする。
事象発生要因のパターンの項目のインデックス集合をPAI＝φにする。
事象発生要因のパターンの項目数をPN＝0にする。
事象発生要因のパターンの項目のインデックス集合をPAI＝φにする。
ステップ２のバスケット分析では、以下の処理を実行する。
事象発生要因の全項目から事象発生要因のパターンに含まれる項目を除いた項目毎（∀i∈AI＼PAI）に、項目に属する要因毎（∀j∈BI[i]）について、以下の条件文と処理文を独立に実行する。
パターンに更に事象発生要因を追加した時のオペレーショナルリスク事象データ件数が最小頻度閾値以上（FCI((∪（1≦n≦PN）PB[n])∪B[i][j])≧TF）ならば、ステップ３以降を実行する。
パターンに更に事象発生要因を追加した時のオペレーショナルリスク事象データ件数が最小頻度閾値未満（FCI((∪（1≦n≦PN）PB[n])∪B[i][j])＜TF）ならば、終了する。
事象発生要因の全項目から事象発生要因のパターンに含まれる項目を除いた項目毎（∀i∈AI＼PAI）に、項目に属する要因毎（∀j∈BI[i]）について、以下の条件文と処理文を独立に実行する。
パターンに更に事象発生要因を追加した時のオペレーショナルリスク事象データ件数が最小頻度閾値以上（FCI((∪（1≦n≦PN）PB[n])∪B[i][j])≧TF）ならば、ステップ３以降を実行する。
パターンに更に事象発生要因を追加した時のオペレーショナルリスク事象データ件数が最小頻度閾値未満（FCI((∪（1≦n≦PN）PB[n])∪B[i][j])＜TF）ならば、終了する。
ステップ３のパターンへの事象発生要因の追加では、以下の処理を実行する。
パターンの項目数をインクリメント（PN＝PN＋1）する。
パターンの項目のインデックス集合に、事象発生要因が属する項目のインデックスを追加（PAI＝PAI∪{i}）する。
パターンのPN項目目の項目をPA[PN]＝A[i]にする。
パターンのPN項目目の事象発生要因をPB[PN]＝B[i][j]にする。
パターンの項目数をインクリメント（PN＝PN＋1）する。
パターンの項目のインデックス集合に、事象発生要因が属する項目のインデックスを追加（PAI＝PAI∪{i}）する。
パターンのPN項目目の項目をPA[PN]＝A[i]にする。
パターンのPN項目目の事象発生要因をPB[PN]＝B[i][j]にする。
ステップ４の適合度検定では、以下の処理を実行する。
パターンの項目数PNとパターンの異常有無フラグPF[n]（1≦n≦PN-1）に応じて、分割表を生成して、ｐ値PV[i][j]を計算して、有意水準閾値TPVを取得する。
ｐ値が有意水準閾値以下（PV[i][j]≦TPV）ならば、パターンの異常有無フラグを異常有PF[PN]＝trueにして、異常パターンリストに異常パターンとしてパターンの事象発生要因の組合せ"PA[n]＝PB[n]"（1≦n≦PN）を追加する。
ｐ値が有意水準閾値超過（PV[i][j]＞TPV）ならば、パターンの異常有無フラグを異常無PF[PN]＝falseにする。
パターンの項目数PNとパターンの異常有無フラグPF[n]（1≦n≦PN-1）に応じて、分割表を生成して、ｐ値PV[i][j]を計算して、有意水準閾値TPVを取得する。
ｐ値が有意水準閾値以下（PV[i][j]≦TPV）ならば、パターンの異常有無フラグを異常有PF[PN]＝trueにして、異常パターンリストに異常パターンとしてパターンの事象発生要因の組合せ"PA[n]＝PB[n]"（1≦n≦PN）を追加する。
ｐ値が有意水準閾値超過（PV[i][j]＞TPV）ならば、パターンの異常有無フラグを異常無PF[PN]＝falseにする。
ステップ５のパターンの項目数の制約条件チェックでは、以下の処理を実行する。
パターンの項目数がパターン項目数閾値未満（PN＜TPN）ならば、ステップ２に戻って、異常パターン抽出処理を再帰的に実行する。
パターンの項目数がパターン項目数閾値未満（PN＜TPN）ならば、ステップ２に戻って、異常パターン抽出処理を再帰的に実行する。
ステップ４における分割表の生成について、異常頻出パターン抽出と異常増加パターン抽出の場合に分けて、事象発生要因のパターンの項目数PNに応じて説明する。
ただし、ｐ値の計算は、分割表の１行１列目のパターンのリスク事象件数がより多くなる確率を、カイ２乗適合度検定または一般化カイ２乗適合度検定またはフィッシャーの正確確率検定で用いられる計算方法に基づいて計算する。
ただし、ｐ値の計算は、分割表の１行１列目のパターンのリスク事象件数がより多くなる確率を、カイ２乗適合度検定または一般化カイ２乗適合度検定またはフィッシャーの正確確率検定で用いられる計算方法に基づいて計算する。
図８は、異常頻出パターン抽出かつパターンの項目数PNが1の場合の適合度検定の分割表を示す。
１行目は、パターンのリスク事象件数FCI(PB[1])とその期待値FCI(φ)×(FCO(PB[1])÷FCO(φ))である。
２行目は、パターンの１項目目の項目に属する事象発生要因PB[1]以外を含むリスク事象件数FCI(φ)−FCI(PB[1])とその期待値FCI(φ)×((FCO(φ)−FCO(PB[1]))÷FCO(φ))である。
１列目は、リスク事象件数である。
２列目は、リスク事象件数の期待値であり、期待値はオペレーション量の割合に比例する値である。
図８の分割表に基づいて、パターンの１項目目の事象発生要因のリスク事象件数が当該事象発生要因以外のリスク事象件数より、かつパターンのリスク事象件数がオペレーション量の割合に比例する期待値より、有意に多いかを検定する。
１行目は、パターンのリスク事象件数FCI(PB[1])とその期待値FCI(φ)×(FCO(PB[1])÷FCO(φ))である。
２行目は、パターンの１項目目の項目に属する事象発生要因PB[1]以外を含むリスク事象件数FCI(φ)−FCI(PB[1])とその期待値FCI(φ)×((FCO(φ)−FCO(PB[1]))÷FCO(φ))である。
１列目は、リスク事象件数である。
２列目は、リスク事象件数の期待値であり、期待値はオペレーション量の割合に比例する値である。
図８の分割表に基づいて、パターンの１項目目の事象発生要因のリスク事象件数が当該事象発生要因以外のリスク事象件数より、かつパターンのリスク事象件数がオペレーション量の割合に比例する期待値より、有意に多いかを検定する。
図９は、異常頻出パターン抽出かつパターンの項目数が2の場合の適合度検定の分割表を示す。
１行目は、パターンのリスク事象件数FCI(PB[1]∪PB[2])とその期待値FCI(PB[2])×(FCI(PB[1])÷FCI(φ))である。
２行目は、パターンの１項目目の項目に属する事象発生要因PB[1]以外かつ２項目目の事象発生要因PB[2]を含むリスク事象件数FCI(PB[2])−FCI(PB[1]∪PB[2])とその期待値FCI(PB[2])×((FCI(φ)−FCI(PB[1]))÷FCI(φ))である。
１列目は、リスク事象件数である。
２列目は、リスク事象件数の期待値であり、期待値は比較対象とする少数項目数でのパターン、すなわち項目数が1の場合のパターンのリスク事象件数の割合に比例する値である。
少数項目数でのパターンのリスク事象件数の割合に比例する期待値と比較することで、少数項目数でのパターンよりさらに頻出傾向にあるパターンを抽出する。
図９の分割表に基づいて、パターンの１項目目の事象発生要因を含むリスク事象件数が当該事象発生要因以外を含むリスク事象件数より、かつパターンのリスク事象件数が少数項目数でのパターンのリスク事象件数の割合に比例する期待値より、有意に多いかを検定する。
１行目は、パターンのリスク事象件数FCI(PB[1]∪PB[2])とその期待値FCI(PB[2])×(FCI(PB[1])÷FCI(φ))である。
２行目は、パターンの１項目目の項目に属する事象発生要因PB[1]以外かつ２項目目の事象発生要因PB[2]を含むリスク事象件数FCI(PB[2])−FCI(PB[1]∪PB[2])とその期待値FCI(PB[2])×((FCI(φ)−FCI(PB[1]))÷FCI(φ))である。
１列目は、リスク事象件数である。
２列目は、リスク事象件数の期待値であり、期待値は比較対象とする少数項目数でのパターン、すなわち項目数が1の場合のパターンのリスク事象件数の割合に比例する値である。
少数項目数でのパターンのリスク事象件数の割合に比例する期待値と比較することで、少数項目数でのパターンよりさらに頻出傾向にあるパターンを抽出する。
図９の分割表に基づいて、パターンの１項目目の事象発生要因を含むリスク事象件数が当該事象発生要因以外を含むリスク事象件数より、かつパターンのリスク事象件数が少数項目数でのパターンのリスク事象件数の割合に比例する期待値より、有意に多いかを検定する。
次に、異常頻出パターン抽出かつパターンの項目数が3以上の場合の適合度検定について、パターンの項目数が3の場合を例に説明する。図１０は、異常頻出パターン抽出かつパターンの項目数が3の場合の適合度検定の分割表を示す。
１行目は、パターンのリスク事象件数FCI(PB[1]∪PB[2]∪PB[3])とその期待値（PF[2]＝trueの場合FCI(PB[2]∪PB[3])×(FCI(PB[1]∪PB[2])÷FCI(PB[2]))、PF[2]＝falseの場合FCI(PB[2]∪PB[3])×(FCI(PB[1])÷FCI(φ))）である。
２行目は、パターンの１項目目の項目に属する事象発生要因PB[1]以外かつ２項目目の事象発生要因PB[2]かつ３項目目の事象発生要因PB[3]を含むリスク事象件数FCI(PB[2]∪PB[3])−FCI(PB[1]∪PB[2]∪PB[3])とその期待値（PF[2]＝trueの場合FCI(PB[2]∪PB[3])×((FCI(PB[2])−FCI(PB[1]∪PB[2]))÷FCI(PB[2]))、PF[2]＝falseの場合FCI(PB[2]∪PB[3])×((FCI(φ)−FCI(PB[1]))÷FCI(φ))）である。
１行目は、パターンのリスク事象件数FCI(PB[1]∪PB[2]∪PB[3])とその期待値（PF[2]＝trueの場合FCI(PB[2]∪PB[3])×(FCI(PB[1]∪PB[2])÷FCI(PB[2]))、PF[2]＝falseの場合FCI(PB[2]∪PB[3])×(FCI(PB[1])÷FCI(φ))）である。
２行目は、パターンの１項目目の項目に属する事象発生要因PB[1]以外かつ２項目目の事象発生要因PB[2]かつ３項目目の事象発生要因PB[3]を含むリスク事象件数FCI(PB[2]∪PB[3])−FCI(PB[1]∪PB[2]∪PB[3])とその期待値（PF[2]＝trueの場合FCI(PB[2]∪PB[3])×((FCI(PB[2])−FCI(PB[1]∪PB[2]))÷FCI(PB[2]))、PF[2]＝falseの場合FCI(PB[2]∪PB[3])×((FCI(φ)−FCI(PB[1]))÷FCI(φ))）である。
１列目は、リスク事象件数である。
２列目の比較対象とする少数項目数でのパターンは、少数項目数でのパターンの異常有無に応じて決める。すなわち、パターンの異常有無フラグPF[2]＝trueの場合では、２列目は項目数が2の場合のパターンのリスク事象件数の割合に比例する値、パターンの異常有無フラグPF[2]＝falseの場合では、２列目は項目数が1の場合のパターンのリスク事象件数の割合に比例する値である。
少数項目数で異常抽出されたパターンのリスク事象件数の割合に比例する期待値と比較することで、少数項目数での異常パターンよりさらに頻出傾向にあるパターンを抽出する。
図１０の分割表に基づいて、パターンの１項目目の事象発生要因を含むリスク事象件数が当該事象発生要因以外を含むリスク事象件数より、かつパターンのリスク事象件数が少数項目数で異常抽出されたパターンのリスク事象件数の割合に比例する期待値より、有意に多いかを検定する。
２列目の比較対象とする少数項目数でのパターンは、少数項目数でのパターンの異常有無に応じて決める。すなわち、パターンの異常有無フラグPF[2]＝trueの場合では、２列目は項目数が2の場合のパターンのリスク事象件数の割合に比例する値、パターンの異常有無フラグPF[2]＝falseの場合では、２列目は項目数が1の場合のパターンのリスク事象件数の割合に比例する値である。
少数項目数で異常抽出されたパターンのリスク事象件数の割合に比例する期待値と比較することで、少数項目数での異常パターンよりさらに頻出傾向にあるパターンを抽出する。
図１０の分割表に基づいて、パターンの１項目目の事象発生要因を含むリスク事象件数が当該事象発生要因以外を含むリスク事象件数より、かつパターンのリスク事象件数が少数項目数で異常抽出されたパターンのリスク事象件数の割合に比例する期待値より、有意に多いかを検定する。
図１１は、異常増加パターン抽出かつパターンの項目数が1の場合の適合度検定の分割表を示す。
１行目は、パターンの現期間のリスク事象件数FCI(PB[1])とその期待値FCI(φ)×(FCO(PB[1])÷FCO(φ))である。
２行目は、パターンの前期間のリスク事象件数FPI(PB[1])とその期待値FPI(φ)×(FPO(PB[1])÷FPO(φ))である。
１列目は、パターンのリスク事象件数である。
２列目は、パターンのリスク事象件数の期待値であり、期待値はオペレーション量の割合に比例する値である。
図１１の分割表に基づいて、パターンの現期間のリスク事象件数が前期間のリスク事象件数より、かつパターンのリスク事象件数がオペレーション量の割合に比例する期待値より、有意に多いかを検定する。
１行目は、パターンの現期間のリスク事象件数FCI(PB[1])とその期待値FCI(φ)×(FCO(PB[1])÷FCO(φ))である。
２行目は、パターンの前期間のリスク事象件数FPI(PB[1])とその期待値FPI(φ)×(FPO(PB[1])÷FPO(φ))である。
１列目は、パターンのリスク事象件数である。
２列目は、パターンのリスク事象件数の期待値であり、期待値はオペレーション量の割合に比例する値である。
図１１の分割表に基づいて、パターンの現期間のリスク事象件数が前期間のリスク事象件数より、かつパターンのリスク事象件数がオペレーション量の割合に比例する期待値より、有意に多いかを検定する。
図１２は、異常増加パターン抽出かつパターンの項目数が2の場合の適合度検定の分割表を示す。
１行目は、パターンの現期間のリスク事象件数FCI(PB[1]∪PB[2])とその期待値FCI(PB[2])×(FCI(PB[1])÷FCI(φ))である。
２行目は、パターンの前期間のリスク事象件数FPI(PB[1]∪PB[2])とその期待値FPI(PB[2])×(FPI(PB[1])÷FPI(φ))である。
１列目は、パターンのリスク事象件数である。
２列目は、パターンのリスク事象件数の期待値であり、期待値は比較対象とする少数項目数でのパターン、すなわち項目数が1の場合のパターンのリスク事象件数の割合に比例する値である。
少数項目数でのパターンのリスク事象件数の割合に比例する期待値と比較することで、少数項目数でのパターンよりさらに増加傾向にあるパターンを抽出する。
図１２の分割表に基づいて、パターンの現期間のリスク事象件数が前期間のリスク事象件数より、かつパターンのリスク事象件数が少数項目数でのパターンのリスク事象件数の割合に比例する期待値より、有意に多いかを検定する。
１行目は、パターンの現期間のリスク事象件数FCI(PB[1]∪PB[2])とその期待値FCI(PB[2])×(FCI(PB[1])÷FCI(φ))である。
２行目は、パターンの前期間のリスク事象件数FPI(PB[1]∪PB[2])とその期待値FPI(PB[2])×(FPI(PB[1])÷FPI(φ))である。
１列目は、パターンのリスク事象件数である。
２列目は、パターンのリスク事象件数の期待値であり、期待値は比較対象とする少数項目数でのパターン、すなわち項目数が1の場合のパターンのリスク事象件数の割合に比例する値である。
少数項目数でのパターンのリスク事象件数の割合に比例する期待値と比較することで、少数項目数でのパターンよりさらに増加傾向にあるパターンを抽出する。
図１２の分割表に基づいて、パターンの現期間のリスク事象件数が前期間のリスク事象件数より、かつパターンのリスク事象件数が少数項目数でのパターンのリスク事象件数の割合に比例する期待値より、有意に多いかを検定する。
次に、異常増加パターン抽出かつパターンの項目数が3以上の場合の適合度検定について、パターンの項目数が3の場合を例に説明する。図１３は、異常増加パターン抽出かつパターンの項目数が3の場合の適合度検定の分割表を示す。
１行目は、パターンの現期間のリスク事象件数FCI(PB[1]∪PB[2]∪PB[3])とその期待値（PF[2]＝trueの場合FCI(PB[2]∪PB[3])×(FCI(PB[1]∪PB[2])÷FCI(PB[2]))、PF[2]＝falseの場合FCI(PB[2]∪PB[3])×(FCI(PB[1])÷FCI(φ))）である。
２行目は、パターンの前期間のリスク事象件数FPI(PB[1]∪PB[2]∪PB[3])とその期待値（PF[2]＝trueの場合FPI(PB[2]∪PB[3])×(FPI(PB[1]∪PB[2])÷FPI(PB[2]))、PF[2]＝falseの場合FPI(PB[2]∪PB[3])×(FPI(PB[1])÷FPI(φ))）である。
１列目は、パターンのリスク事象件数である。
２列目の比較対象とする少数項目数でのパターンは、少数項目数でのパターンの異常有無に応じて決める。すなわち、パターンの異常有無フラグPF[2]＝trueの場合では、２列目は項目数が2の場合のパターンのリスク事象件数の割合に比例する値、パターンの異常有無フラグPF[2]＝falseの場合では、２列目は項目数が1の場合のパターンのリスク事象件数の割合に比例する値である。
少数項目数で異常抽出されたパターンのリスク事象件数の割合に比例する期待値と比較することで、少数項目数での異常パターンよりさらに増加傾向にあるパターンを抽出する。
図１３の分割表に基づいて、パターンの現期間のリスク事象件数が前期間のリスク事象件数より、かつパターンのリスク事象件数が少数項目数で異常抽出されたパターンのリスク事象件数の割合に比例する期待値より、有意に多いかを検定する。
１行目は、パターンの現期間のリスク事象件数FCI(PB[1]∪PB[2]∪PB[3])とその期待値（PF[2]＝trueの場合FCI(PB[2]∪PB[3])×(FCI(PB[1]∪PB[2])÷FCI(PB[2]))、PF[2]＝falseの場合FCI(PB[2]∪PB[3])×(FCI(PB[1])÷FCI(φ))）である。
２行目は、パターンの前期間のリスク事象件数FPI(PB[1]∪PB[2]∪PB[3])とその期待値（PF[2]＝trueの場合FPI(PB[2]∪PB[3])×(FPI(PB[1]∪PB[2])÷FPI(PB[2]))、PF[2]＝falseの場合FPI(PB[2]∪PB[3])×(FPI(PB[1])÷FPI(φ))）である。
１列目は、パターンのリスク事象件数である。
２列目の比較対象とする少数項目数でのパターンは、少数項目数でのパターンの異常有無に応じて決める。すなわち、パターンの異常有無フラグPF[2]＝trueの場合では、２列目は項目数が2の場合のパターンのリスク事象件数の割合に比例する値、パターンの異常有無フラグPF[2]＝falseの場合では、２列目は項目数が1の場合のパターンのリスク事象件数の割合に比例する値である。
少数項目数で異常抽出されたパターンのリスク事象件数の割合に比例する期待値と比較することで、少数項目数での異常パターンよりさらに増加傾向にあるパターンを抽出する。
図１３の分割表に基づいて、パターンの現期間のリスク事象件数が前期間のリスク事象件数より、かつパターンのリスク事象件数が少数項目数で異常抽出されたパターンのリスク事象件数の割合に比例する期待値より、有意に多いかを検定する。
図１４は、カイ２乗適合度検定および一般化カイ２乗適合度検定で用いられる計算方法に基づくｐ値の計算の一例を示す。
セル期待値は、行の合計値と列の合計値の積を全体の合計値で割った値である。図１４の例では、１行１列目のセル期待値は、（30＋30）×（30＋15）÷（30＋30＋15＋45）＝22.5と計算される。
カイ２乗値は、各セルについてセル値とセル期待値の差の平方をセル期待値で割った値の総和である。図１４の例では、カイ２乗値は、｛（30−22.5）＾2÷22.5｝＋｛（30−37.5）＾2÷37.5｝＋｛（15−22.5）＾2÷22.5｝＋｛（45−37.5）＾2÷37.5｝＝2.5＋1.5＋2.5＋1.5＝8と計算される。
セル期待値は、行の合計値と列の合計値の積を全体の合計値で割った値である。図１４の例では、１行１列目のセル期待値は、（30＋30）×（30＋15）÷（30＋30＋15＋45）＝22.5と計算される。
カイ２乗値は、各セルについてセル値とセル期待値の差の平方をセル期待値で割った値の総和である。図１４の例では、カイ２乗値は、｛（30−22.5）＾2÷22.5｝＋｛（30−37.5）＾2÷37.5｝＋｛（15−22.5）＾2÷22.5｝＋｛（45−37.5）＾2÷37.5｝＝2.5＋1.5＋2.5＋1.5＝8と計算される。
先に、カイ２乗適合度検定で用いられる計算方法に基づくｐ値の計算について説明する。
分割表が２行２列より自由度が１なので、カイ２乗値の平方根を偏差として、偏差から標準正規分布の上側累積確率密度UCDを計算する。
ｐ値は、１行１列目のセル値がセル期待値以上ならばUCD、１行１列目のセル値がセル期待値未満ならば1−UCDである。
図１４の例では、偏差＝√8＝2.828、標準正規分布の上側累積確率密度UCD＝0.0023、１行１列目のセル値がセル期待値以上（30≧22.5）なのでｐ値＝0.0023と計算される。
分割表が２行２列より自由度が１なので、カイ２乗値の平方根を偏差として、偏差から標準正規分布の上側累積確率密度UCDを計算する。
ｐ値は、１行１列目のセル値がセル期待値以上ならばUCD、１行１列目のセル値がセル期待値未満ならば1−UCDである。
図１４の例では、偏差＝√8＝2.828、標準正規分布の上側累積確率密度UCD＝0.0023、１行１列目のセル値がセル期待値以上（30≧22.5）なのでｐ値＝0.0023と計算される。
次に、一般化カイ２乗適合度検定で用いられる計算方法に基づくｐ値の計算について説明する。
帰無仮説の逸脱量を定数として決めておき、非心度を帰無仮説の逸脱量と全体の合計値の積として、カイ２乗値から自由度１の非心カイ２乗分布の上側累積確率密度UCDを計算する。
ｐ値は、１行１列目のセル値がセル期待値以上ならばUCD、１行１列目のセル値がセル期待値未満ならば1−UCDである。
図１４の例では、帰無仮説の逸脱量＝0.0009、非心度＝0.0009×（30＋30＋15＋45）＝0.108、非心カイ２乗分布の上側累積確率密度UCD＝0.0070、１行１列目のセル値がセル期待値以上（30≧22.5）なのでｐ値＝0.0070と計算される。
帰無仮説の逸脱量を定数として決めておき、非心度を帰無仮説の逸脱量と全体の合計値の積として、カイ２乗値から自由度１の非心カイ２乗分布の上側累積確率密度UCDを計算する。
ｐ値は、１行１列目のセル値がセル期待値以上ならばUCD、１行１列目のセル値がセル期待値未満ならば1−UCDである。
図１４の例では、帰無仮説の逸脱量＝0.0009、非心度＝0.0009×（30＋30＋15＋45）＝0.108、非心カイ２乗分布の上側累積確率密度UCD＝0.0070、１行１列目のセル値がセル期待値以上（30≧22.5）なのでｐ値＝0.0070と計算される。
図１５は、フィッシャーの正確確率検定で用いられる計算方法に基づくｐ値の計算の一例を示す。
ｐ値は、フィッシャーの正確確率の上側累積確率密度、すなわち、分割表の１行１列目のパターンのリスク事象件数がより多くなる分割表の生起確率の総和である。
図１５の例では、１行１列目のパターンのリスク事象件数x＝13、１行目の合計値（13＋4＝17）および１列目の合計値（13＋6＝19）の最小値＝17より、ｐ値＝（x＝13の分割表の生起確率）＋（x＝14の分割表の生起確率）＋・・・＋（x＝17の分割表の生起確率）＝0.0058と計算される。
ｐ値は、フィッシャーの正確確率の上側累積確率密度、すなわち、分割表の１行１列目のパターンのリスク事象件数がより多くなる分割表の生起確率の総和である。
図１５の例では、１行１列目のパターンのリスク事象件数x＝13、１行目の合計値（13＋4＝17）および１列目の合計値（13＋6＝19）の最小値＝17より、ｐ値＝（x＝13の分割表の生起確率）＋（x＝14の分割表の生起確率）＋・・・＋（x＝17の分割表の生起確率）＝0.0058と計算される。
図１６は異常頻出パターンリストの一例を示し、図１７は異常増加パターンリストの一例を示す。
異常頻出パターンリストの各行は各異常頻出パターンであり、異常頻出パターンリストの各列は異常頻出パターンの各項目目の事象発生要因である。
また、異常増加パターンリストの各行は各異常増加パターンであり、異常増加パターンリストの各列は異常増加パターンの各項目目の事象発生要因である。
さらに、異常頻出パターンリストまたは異常増加パターンリストの列として、パターンの現期間のリスク事象件数や、パターンの前期間から現期間にかけてのリスク事象件数の増減を追加してもよい。
異常頻出パターンリストの各行は各異常頻出パターンであり、異常頻出パターンリストの各列は異常頻出パターンの各項目目の事象発生要因である。
また、異常増加パターンリストの各行は各異常増加パターンであり、異常増加パターンリストの各列は異常増加パターンの各項目目の事象発生要因である。
さらに、異常頻出パターンリストまたは異常増加パターンリストの列として、パターンの現期間のリスク事象件数や、パターンの前期間から現期間にかけてのリスク事象件数の増減を追加してもよい。
図１８は異常頻出パターンツリーの一例を示し、図１９は異常増加パターンツリーの一例を示す。
分析サーバ１（異常頻出パターンツリー作成部１５３）は、異常頻出パターンリストについて、異常頻出パターンを１項目目から順に同一項目目の同一事象発生要因毎に集約することで階層化して、異常頻出パターンツリーを作成する。
また、分析サーバ１（異常増加パターンツリー作成部１５６）は、異常増加パターンリストについて、異常頻出パターンリストと同様に、異常増加パターンを１項目目から順に同一項目目の同一事象発生要因毎に集約することで階層化して、異常増加パターンツリーを作成する。
分析サーバ１（異常頻出パターンツリー作成部１５３）は、異常頻出パターンリストについて、異常頻出パターンを１項目目から順に同一項目目の同一事象発生要因毎に集約することで階層化して、異常頻出パターンツリーを作成する。
また、分析サーバ１（異常増加パターンツリー作成部１５６）は、異常増加パターンリストについて、異常頻出パターンリストと同様に、異常増加パターンを１項目目から順に同一項目目の同一事象発生要因毎に集約することで階層化して、異常増加パターンツリーを作成する。
図１６と図１８の例では、まず最初に、異常頻出パターンリストの１項目目の事象発生要因「発生月＝1月」について、異常頻出パターンツリーの最上位の階層に集約する。
次に、１項目目の事象発生要因が「発生月＝1月」である異常頻出パターンリストの２項目目の事象発生要因には「発生店＝Ａ店」と「事務処理種類＝出納事務」があるので、「発生店＝Ａ店」と「事務処理種類＝出納事務」を異常頻出パターンツリーの第２位の階層に集約する。
そして、１項目目の事象発生要因が「発生月＝1月」かつ２項目目の事象発生要因が「発生店＝Ａ店」である異常頻出パターンリストの３項目目の事象発生要因には「事務処理種類＝為替事務」と「事務処理工程＝顧客事務工程」があるので、「事務処理種類＝為替事務」と「事務処理工程＝顧客事務工程」を異常頻出パターンツリーの第３位の階層に集約する。
また、１項目目の事象発生要因が「発生月＝1月」かつ２項目目の事象発生要因が「事務処理種類＝出納事務」である異常頻出パターンリストの３項目目の事象発生要因には「事務処理工程＝現金授受工程」があるので、「事務処理工程＝現金授受工程」を異常頻出パターンツリーの第３位の階層に集約する。
次に、１項目目の事象発生要因が「発生月＝1月」である異常頻出パターンリストの２項目目の事象発生要因には「発生店＝Ａ店」と「事務処理種類＝出納事務」があるので、「発生店＝Ａ店」と「事務処理種類＝出納事務」を異常頻出パターンツリーの第２位の階層に集約する。
そして、１項目目の事象発生要因が「発生月＝1月」かつ２項目目の事象発生要因が「発生店＝Ａ店」である異常頻出パターンリストの３項目目の事象発生要因には「事務処理種類＝為替事務」と「事務処理工程＝顧客事務工程」があるので、「事務処理種類＝為替事務」と「事務処理工程＝顧客事務工程」を異常頻出パターンツリーの第３位の階層に集約する。
また、１項目目の事象発生要因が「発生月＝1月」かつ２項目目の事象発生要因が「事務処理種類＝出納事務」である異常頻出パターンリストの３項目目の事象発生要因には「事務処理工程＝現金授受工程」があるので、「事務処理工程＝現金授受工程」を異常頻出パターンツリーの第３位の階層に集約する。
例えば、図１８に示すように、１項目目の事象発生要因が「発生月＝1月」かつ２項目目の事象発生要因が「発生店＝Ａ店」である異常頻出パターンリストの３項目目の事象発生要因に「事務処理種類＝為替事務」と「事務処理工程＝顧客事務工程」がある場合に、異常頻出パターンツリーの階層構造の横方向に２パターンが抽出されているといい、異常頻出パターンツリーの階層構造の縦方向に３項目目までが抽出されているという。
また、例えば、１項目目の事象発生要因が「発生月＝4月」である異常頻出パターンには２項目目の事象発生要因「事務処理工程＝窓口工程」だけがある場合に、異常頻出パターンツリーの階層構造の縦方向に２項目目までが抽出されているという。
また、例えば、１項目目の事象発生要因が「発生月＝4月」である異常頻出パターンには２項目目の事象発生要因「事務処理工程＝窓口工程」だけがある場合に、異常頻出パターンツリーの階層構造の縦方向に２項目目までが抽出されているという。
最後に、分析サーバ１は、クライアント端末２に異常頻出パターンリストと異常増加パターンリスト、または異常頻出パターンツリーと異常増加パターンツリーを送信する。そして、クライアント端末２は、分析サーバ１から異常頻出パターンリストと異常増加パターンリスト、または異常頻出パターンツリーと異常増加パターンツリーを受信すると、表示装置２４に表示する。
以上説明したように、本発明では、出現頻度が最小頻度閾値以上の事象発生要因の組合せパターンについて、パターンのリスク事象件数が有意に有意水準閾値以下に多いならば抽出する。これにより、事象発生要因の組合せによらず、最小頻度閾値以上や有意水準閾値以下といった同じ抽出条件のため、抽出対象が特定の事象発生要因の組合せに限定されない。
また、本発明では、パターンのリスク事象件数がオペレーション量より有意に多いならば抽出する。これにより、事象発生要因のオペレーション量に比例した抽出条件となるため、事象発生要因のオペレーション量によらず、事象発生要因の当該事象発生要因以外に対する相対的な多さや、現期間の前期間に対する相対的な多さに応じて抽出できる。
また、本発明では、パターンのリスク事象件数が少数項目数で異常抽出されたパターンのリスク事象件数より有意に多いならば抽出する。これにより、少数項目数での異常パターンのリスク事象件数に比例した抽出条件となるため、少数項目数での異常パターンよりさらに頻出増加傾向にあるパターンを深掘りして抽出できる。
１ …分析サーバ
１１ …ＣＰＵ
１２ …メモリ
１３ …記憶装置
１４ …ネットワーク通信装置
１５ …オペレーショナルリスク分析プログラム
１５１…異常頻出パターン抽出部
１５２…異常頻出パターンリスト作成部
１５３…異常頻出パターンツリー作成部
１５４…異常増加パターン抽出部
１５５…異常増加パターンリスト作成部
１５６…異常増加パターンツリー作成部
２ …クライアント端末
２１ …ＣＰＵ
２２ …メモリ
２３ …記憶装置
２４ …表示装置
２５ …入力装置
２６ …ネットワーク通信装置
３ …ネットワーク
４ …データベース
５ …オペレーショナルリスク事象テーブル
６ …オペレーション量テーブル
１１ …ＣＰＵ
１２ …メモリ
１３ …記憶装置
１４ …ネットワーク通信装置
１５ …オペレーショナルリスク分析プログラム
１５１…異常頻出パターン抽出部
１５２…異常頻出パターンリスト作成部
１５３…異常頻出パターンツリー作成部
１５４…異常増加パターン抽出部
１５５…異常増加パターンリスト作成部
１５６…異常増加パターンツリー作成部
２ …クライアント端末
２１ …ＣＰＵ
２２ …メモリ
２３ …記憶装置
２４ …表示装置
２５ …入力装置
２６ …ネットワーク通信装置
３ …ネットワーク
４ …データベース
５ …オペレーショナルリスク事象テーブル
６ …オペレーション量テーブル
Claims (10)
- 複数の事象発生要因で構成されるオペレーショナルリスク事象を格納したオペレーショナルリスク事象テーブルと、事象発生要因毎にオペレーション量を格納したオペレーション量テーブルとを記憶する記憶手段と、
事象発生要因の組合せパターンの項目数閾値を受け付ける項目数閾値受付手段と、
前記オペレーショナルリスク事象テーブルから、出現頻度が高い事象発生要因を前記受け付けた項目数閾値以下の項目数含む組合せパターンを抽出するバスケット分析を行い、当該抽出された組合せパターンから異常頻出パターンを抽出する適合度検定を行う異常頻出パターン抽出手段と、
を備え、
前記異常頻出パターン抽出手段が、
項目数が１の前記組合せパターンについて、当該組合せパターンに含まれる事象発生要因のリスク事象件数が当該事象発生要因以外のリスク事象件数より、かつ当該組合せパターンに含まれる事象発生要因のリスク事象件数がオペレーション量より有意に多いならば、当該組合せパターンを異常頻出パターンとして抽出し、
項目数が２の前記組合せパターンについて、当該組合せパターンの１項目目の事象発生要因を含むリスク事象件数が当該事象発生要因以外を含むリスク事象件数より、かつ当該組合せパターンのリスク事象件数が少数項目数での当該組合せパターンのリスク事象件数より有意に多いならば、当該組合せパターンを異常頻出パターンとして抽出し、
項目数が３以上の前記組合せパターンについて、当該組合せパターンの１項目目の事象発生要因を含むリスク事象件数が当該事象発生要因以外を含むリスク事象件数より、かつ当該組合せパターンのリスク事象件数が少数項目数で異常抽出された当該組合せパターンのリスク事象件数より有意に多いならば、当該組合せパターンを異常頻出パターンとして抽出する、
ことを特徴とするオペレーショナルリスク分析サーバ。 - 前記異常頻出パターン抽出手段が、前記組合せパターンの項目数毎、かつ前記少数項目数での組合せパターンの異常抽出の有無毎に異なる有意水準閾値に基づいて、前記組合せパターンを異常頻出パターンとして抽出する適合度検定を行うことを特徴とする請求項１に記載のオペレーショナルリスク分析サーバ。
- 各行が各前記異常頻出パターンであり、各列が前記異常頻出パターンの各項目目の事象発生要因である異常頻出パターンリストを作成する異常頻出パターンリスト作成手段を備えることを特徴とする請求項１または２に記載のオペレーショナルリスク分析サーバ。
- 前記異常頻出パターンリストについて、前記異常頻出パターンを１項目目から順に同一項目目の同一事象発生要因毎に集約することで階層化した異常頻出パターンツリーを作成する異常頻出パターンツリー作成手段を備えることを特徴とする請求項３に記載のオペレーショナルリスク分析サーバ。
- 請求項１ないし４のいずれか１項に記載のオペレーショナルリスク分析サーバと、
前記異常頻出パターンの抽出量を調節するため選択肢である度合の入力画面を表示するクライアント端末と、
を備え、
前記異常頻出パターン抽出手段が、前記度合に対応する有意水準閾値に基づいて、前記組合せパターンを異常頻出パターンとして抽出する適合度検定を行う、
ことを特徴とするオペレーショナルリスク分析システム。 - 複数の事象発生要因で構成されるオペレーショナルリスク事象を格納したオペレーショナルリスク事象テーブルと、事象発生要因毎に前期間と現期間のオペレーション量を格納したオペレーション量テーブルとを記憶する記憶手段と、
事象発生要因の組合せパターンの項目数閾値を受け付ける項目数閾値受付手段と、
前記オペレーショナルリスク事象テーブルから、出現頻度が高い事象発生要因を前記受け付けた項目数閾値以下の項目数含む組合せパターンを抽出するバスケット分析を行い、当該抽出された組合せパターンから異常増加パターンを抽出する適合度検定を行う異常増加パターン抽出手段と、
を備え、
前記異常増加パターン抽出手段が、
項目数が１の前記組合せパターンについて、当該組合せパターンの現期間のリスク事象件数が前期間のリスク事象件数より、かつ当該組合せパターンのリスク事象件数がオペレーション量より有意に多いならば、当該組合せパターンを異常増加パターンとして抽出し、
項目数が２の前記組合せパターンについて、当該組合せパターンの現期間のリスク事象件数が前期間のリスク事象件数より、かつ当該組合せパターンのリスク事象件数が少数項目数での当該組合せパターンのリスク事象件数より有意に多いならば、当該組合せパターンを異常増加パターンとして抽出し、
項目数が３以上の前記組合せパターンについて、当該組合せパターンの現期間のリスク事象件数が前期間のリスク事象件数より、かつ当該組合せパターンのリスク事象件数が少数項目数で異常抽出された当該組合せパターンのリスク事象件数より有意に多いならば、当該組合せパターンを異常増加パターンとして抽出する、
ことを特徴とするオペレーショナルリスク分析サーバ。 - 前記異常増加パターン抽出手段が、前記組合せパターンの項目数毎、かつ前記少数項目数での組合せパターンの異常抽出の有無毎に異なる有意水準閾値に基づいて、前記組合せパターンを異常増加パターンとして抽出する適合度検定を行うことを特徴とする請求項６に記載のオペレーショナルリスク分析サーバ。
- 各行が各前記異常増加パターンであり、各列が前記異常増加パターンの各項目目の事象発生要因である異常増加パターンリストを作成する異常増加パターンリスト作成手段を備えることを特徴とする請求項６または７に記載のオペレーショナルリスク分析サーバ。
- 前記異常増加パターンリストについて、前記異常増加パターンを１項目目から順に同一項目目の同一事象発生要因毎に集約することで階層化した異常増加パターンツリーを作成する異常増加パターンツリー作成手段を備えることを特徴とする請求項８に記載のオペレーショナルリスク分析サーバ。
- 請求項６ないし９のいずれか１項に記載のオペレーショナルリスク分析サーバと、
前記異常増加パターンの抽出量を調節するため選択肢である度合の入力画面を表示するクライアント端末と、
を備え、
前記異常増加パターン抽出手段が、前記度合に対応する有意水準閾値に基づいて、前記組合せパターンを異常増加パターンとして抽出する適合度検定を行う、
ことを特徴とするオペレーショナルリスク分析システム。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2012534971A JP5523574B2 (ja) | 2010-09-24 | 2011-08-25 | オペレーショナルリスク分析サーバおよびオペレーショナルリスク分析システム |
Applications Claiming Priority (6)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2010214108 | 2010-09-24 | ||
| JP2010214108 | 2010-09-24 | ||
| JP2011140762 | 2011-06-24 | ||
| JP2011140762 | 2011-06-24 | ||
| PCT/JP2011/069172 WO2012039232A1 (ja) | 2010-09-24 | 2011-08-25 | オペレーショナルリスク分析サーバおよびオペレーショナルリスク分析システム |
| JP2012534971A JP5523574B2 (ja) | 2010-09-24 | 2011-08-25 | オペレーショナルリスク分析サーバおよびオペレーショナルリスク分析システム |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JPWO2012039232A1 JPWO2012039232A1 (ja) | 2014-02-03 |
| JP5523574B2 true JP5523574B2 (ja) | 2014-06-18 |
Family
ID=45873722
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2012534971A Active JP5523574B2 (ja) | 2010-09-24 | 2011-08-25 | オペレーショナルリスク分析サーバおよびオペレーショナルリスク分析システム |
Country Status (3)
| Country | Link |
|---|---|
| JP (1) | JP5523574B2 (ja) |
| CN (1) | CN103124984A (ja) |
| WO (1) | WO2012039232A1 (ja) |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP6085497B2 (ja) * | 2013-03-06 | 2017-02-22 | 株式会社日立ソリューションズ西日本 | オペレーショナルリスク分析サーバ装置 |
| CN110032490A (zh) * | 2018-12-28 | 2019-07-19 | 中国银联股份有限公司 | 用于检测系统异常的方法及其装置 |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2005044163A (ja) * | 2003-07-23 | 2005-02-17 | Internatl Business Mach Corp <Ibm> | 分類因子検出装置、分類因子検出方法、プログラム、及び記録媒体 |
| JP2006011492A (ja) * | 2004-06-21 | 2006-01-12 | Fuji Xerox Co Ltd | 分布適合度検定装置、消耗品補給タイミング判定装置、画像形成装置、分布適合度検定方法及びプログラム |
| JP2007066058A (ja) * | 2005-08-31 | 2007-03-15 | Toshiba Corp | 時系列データ分析装置、時系列データ分析方法、及び時系列データ分析プログラム |
| JP2010165384A (ja) * | 2010-05-06 | 2010-07-29 | Toshiba Solutions Corp | 情報処理システム、情報処理プログラムおよび情報処理方法 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1538334A (zh) * | 2003-04-18 | 2004-10-20 | 鸿富锦精密工业（深圳）有限公司 | 报价策略分析系统及方法 |
-
2011
- 2011-08-25 CN CN2011800459106A patent/CN103124984A/zh active Pending
- 2011-08-25 WO PCT/JP2011/069172 patent/WO2012039232A1/ja active Application Filing
- 2011-08-25 JP JP2012534971A patent/JP5523574B2/ja active Active
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2005044163A (ja) * | 2003-07-23 | 2005-02-17 | Internatl Business Mach Corp <Ibm> | 分類因子検出装置、分類因子検出方法、プログラム、及び記録媒体 |
| JP2006011492A (ja) * | 2004-06-21 | 2006-01-12 | Fuji Xerox Co Ltd | 分布適合度検定装置、消耗品補給タイミング判定装置、画像形成装置、分布適合度検定方法及びプログラム |
| JP2007066058A (ja) * | 2005-08-31 | 2007-03-15 | Toshiba Corp | 時系列データ分析装置、時系列データ分析方法、及び時系列データ分析プログラム |
| JP2010165384A (ja) * | 2010-05-06 | 2010-07-29 | Toshiba Solutions Corp | 情報処理システム、情報処理プログラムおよび情報処理方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| WO2012039232A1 (ja) | 2012-03-29 |
| JPWO2012039232A1 (ja) | 2014-02-03 |
| CN103124984A (zh) | 2013-05-29 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108256691A (zh) | 还款概率预测模型构建方法及装置 | |
| US20020032645A1 (en) | System and method for score calculation | |
| US8583408B2 (en) | Standardized modeling suite | |
| CN102812462A (zh) | 数据库，数据管理服务器和数据管理程序 | |
| CN102262664A (zh) | 一种质量评价的方法和装置 | |
| US20210125272A1 (en) | Using Inferred Attributes as an Insight into Banking Customer Behavior | |
| CN112070603A (zh) | 评分卡模型及其配置系统、进行评分处理的方法 | |
| CN113076200A (zh) | 一种基于多路支付通道的通道流量动态调控的方法 | |
| CN102934106A (zh) | 数据库、管理服务器和管理程序 | |
| CN111506876A (zh) | 一种数据预测分析方法、系统、设备及可读存储介质 | |
| JP5523574B2 (ja) | オペレーショナルリスク分析サーバおよびオペレーショナルリスク分析システム | |
| CN102496126A (zh) | 一种托管资产交易数据监控设备 | |
| JP2017084229A (ja) | 投資シミュレーション装置および方法 | |
| CN110110885A (zh) | 信息预测方法、装置、计算机设备和存储介质 | |
| JP6353612B1 (ja) | 経営情報システム、方法、およびプログラム | |
| CN115658320A (zh) | 一种业务数据的处理方法及相关设备 | |
| US10235719B2 (en) | Centralized GAAP approach for multidimensional accounting to reduce data volume and data reconciliation processing costs | |
| Li et al. | Learning to bundle proactively for on-demand meal delivery | |
| CN113822660A (zh) | 数据处理的方法、装置、电子设备及介质 | |
| CN114418736A (zh) | 一种银行零售信贷客户分层方法、存储介质和服务器 | |
| JP6861176B2 (ja) | プロジェクト見積り支援方法およびプロジェクト見積り支援装置 | |
| KR100650348B1 (ko) | 자동화 기기의 현송 금액 최적화 방법 | |
| CN115063187B (zh) | 一种电子商务数据处理方法、系统、电子设备及介质 | |
| JP6085497B2 (ja) | オペレーショナルリスク分析サーバ装置 | |
| JP2014067263A (ja) | 顧客属性別事務量の集計方法およびシステム |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A131 | Notification of reasons for refusal |
Free format text: JAPANESE INTERMEDIATE CODE: A131 Effective date: 20131224 |
|
| A521 | Request for written amendment filed |
Free format text: JAPANESE INTERMEDIATE CODE: A523 Effective date: 20140214 |
|
| TRDD | Decision of grant or rejection written | ||
| A01 | Written decision to grant a patent or to grant a registration (utility model) |
Free format text: JAPANESE INTERMEDIATE CODE: A01 Effective date: 20140318 |
|
| A61 | First payment of annual fees (during grant procedure) |
Free format text: JAPANESE INTERMEDIATE CODE: A61 Effective date: 20140408 |
|
| R150 | Certificate of patent or registration of utility model |
Ref document number: 5523574 Country of ref document: JP Free format text: JAPANESE INTERMEDIATE CODE: R150 |
|
| S111 | Request for change of ownership or part of ownership |
Free format text: JAPANESE INTERMEDIATE CODE: R313113 |
|
| R350 | Written notification of registration of transfer |
Free format text: JAPANESE INTERMEDIATE CODE: R350 |
|
| R250 | Receipt of annual fees |
Free format text: JAPANESE INTERMEDIATE CODE: R250 |