JP6587556B2 - 情報処理装置及び情報処理方法 - Google Patents

Description

本発明は、人工知能機能を有する生成部を有する情報処理装置及び情報処理方法に関する。

従来から、人工知能機能の活用が試みられており、研究分野も多岐に及んでいる（特許文献１参照）。他方、従来から、金融機関から顧客に対して様々な金融商品が提供されており、その内容も多岐に及んでいる。金融機関が金融商品を提供する際には、当該顧客が当該金融商品を利用する可能性があるか、また、当該顧客に金銭の貸し付けを行った際にどの程度のリスクがあるか等は非常に重要な要因となるが、それらの判断は一定の情報に基づいて金融機関の担当者等が自ら行っていた。

特開平１０−２０７５０４号

上記のような判断には相当程度の経験を要する上、用いられる情報も様々なものとなっており、必ずしも客観的なデータに基づくものとは言えなかった。

本発明は、客観的なデータに基づいて、顧客が所定の金融商品を利用する可能性に関するニーズ情報又は顧客に金銭を貸し付けた際の貸倒リスクもしくは延滞リスクに関するリスク情報を生成する情報処理装置及び情報処理方法を提供する。

本発明による情報処理装置は、
２つ以上の個別情報を統合して統合情報を作成する統合部と、
人工知能機能を有する生成部であって、前記統合情報を利用して顧客が所定の金融商品を利用する可能性に関するニーズ情報又は前記顧客に金銭を貸し付けた際の貸倒リスクもしくは延滞リスクに関するリスク情報を生成する生成部と、
を備え、
前記個別情報が、前記顧客の属性情報、前記顧客に関する審査情報又は前記顧客の取引情報を含む。

本発明による情報処理装置において、
前記統合部は、前記属性情報、前記審査情報及び前記取引情報を用いて、前記統合情報を作成してもよい。

本発明による情報処理装置において、
前記生成部は、前記ニーズ情報及び前記リスク情報を生成してもよい。

本発明による情報処理装置において、
前記個別情報は２つ以上の個別情報ファイルを有し、
前記統合部は、複数の個別情報ファイルをキー要素に基づいて統合し、サブ統合情報ファイルを作成してもよい。

本発明による情報処理装置において、
前記統合部は、複数の前記サブ統合情報ファイルをキー要素に基づいて統合し、前記統合情報ファイルを作成してもよい。

本発明による情報処理装置において、
前記属性情報の複数の前記個別情報ファイルに基づいて前記属性情報のサブ統合情報ファイルが作成され、前記審査情報の複数の前記個別情報ファイルに基づいて前記審査情報のサブ統合情報ファイルが作成され、又は、前記取引情報の複数の前記個別情報ファイルに基づいて前記取引情報のサブ統合情報ファイルが作成されてもよい。

本発明による情報処理装置において、
前記個別情報は個別情報ファイルを有し、
前記統合部は、複数の個別情報ファイルをキー要素に基づいて統合し、統合情報ファイル又はサブ統合情報ファイルを作成し、
同じ個別情報ファイル内に前記キー要素に基づく情報が複数ある場合であって、当該複数の情報が一つだけ存在すべき情報である場合には、前記統合部は、予め定まった条件に基づいて複数ある情報のうち不要と判断された情報を削除して、前記統合情報ファイル又は前記サブ統合情報ファイルを作成してもよい。

本発明による情報処理装置において、
前記個別情報は個別情報ファイルを有し、
前記統合部は、複数の個別情報ファイルをキー要素に基づいて統合し、統合情報ファイル又はサブ統合情報ファイルを作成し、
同じ個別情報ファイル内に前記キー要素に基づく情報が複数ある場合であって、当該複数の情報が存在することが許容される情報である場合には、前記統合部が当該複数の情報を用いて、前記統合情報ファイル又は前記サブ統合情報ファイルを作成してもよい。

本発明による情報処理装置において、
前記生成部は、前記統合情報から生成される採用変数及び前記採用変数に対する係数を用いて、前記ニーズ情報又は前記リスク情報を生成し、
前記採用変数及び前記係数は過去の実績データに基づき決定されてもよい。

本発明による情報処理装置において、
前記統合情報は、前記生成部では利用されない不要要素も含み、
前記生成部に前記統合情報が入力された場合に、前記生成部は前記不要要素を利用せずに前記ニーズ情報又は前記リスク情報を生成してもよい。

本発明による情報処理装置において、
前記統合部は、複数の金融機関における２つ以上の前記個別情報を統合して前記統合情報を作成してもよい。

本発明による情報処理方法は、
２つ以上の個別情報を統合して統合情報を作成することと、
人工知能機能を有する生成部によって、前記統合情報を利用して前記顧客が所定の金融商品を利用する可能性に関するニーズ情報又は前記顧客に金銭を貸し付けた際の貸倒リスクもしくは延滞リスクに関するリスク情報を生成することと、
を備える。

本発明によれば、２つ以上の個別情報を統合して統合情報が作成され、この統合情報に基づき、顧客が所定の金融商品を利用する可能性に関するニーズ情報又は顧客に金銭を貸し付けた際の貸倒リスクもしくは延滞リスクに関するリスク情報が生成される。このように統一された情報に基づいてニーズ情報又はリスク情報が生成されるので、客観的なデータに基づいて、ニーズ情報又はリスク情報を生成できる。また、このように統合情報を生成することで、容易にニーズ情報又はリスク情報を得ることができる。

図１は、本発明の実施の形態による情報処理装置を含むシステム概要を説明するための概略ブロック図である。 図２は、図１とは異なる観点から、本発明の実施の形態による情報処理装置を含むシステム概要を説明するための概略ブロック図である。 図３は、本発明の実施の形態による情報処理装置における情報処理の態様を説明するための図面である。 図４は、本発明の実施の形態による情報処理装置から出力される情報の一態様を示した図である。 図５（ａ）は、カードローンにおける採用変数、係数等を一例として示した図であり、図５（ｂ）は、自動車ローンにおける採用変数、係数等を一例として示した図である。 図６は、本発明の実施の形態において、個別情報ファイルからニーズ情報及びリスク情報が得られるまでの流れの一例を示した図である。 図７は、本発明の実施の形態において、統合情報ファイル又はサブ統合情報ファイルが作成されるまでの流れの一例を示した図である。 図８は、図７に示す態様において統合情報ファイル又はサブ統合情報ファイルを作成する際における、キー要素、一意化ルール及び分析システムでの挙動を示した表である。

実施の形態
《構成》
以下、本発明に係る情報処理装置の実施の形態について、図面を参照して説明する。ここで、図１乃至図８は本発明の実施の形態を説明するための図である。

図２に示すように、本実施の形態では情報処理装置が金融機関の外部機関に設置されている態様を用いて説明するが、これに限られることはなく、情報処理装置は金融機関内に設置されてもよく、この場合には、金融機関が当該情報処理装置を所有及び／又は管理してもよい。本実施の形態の情報処理装置は、一つの装置から構成されてもよいし複数の装置から構成されてもよい。また、複数の装置から情報処理装置が構成される場合には、各装置が同じ部屋等の同じ空間に設けられる必要はなく、異なる部屋、異なる建物、異なる地域等に設けられてもよい。また、複数の装置から情報処理装置が構成される場合には、その一部を金融機関が所有及び／又は管理し、残りを外部機関が所有及び／又は管理してもよい。本実施の形態では「及び／又は」を用いて説明することもあるが、「又は」という文言は「及び」の意味も含んでいる。つまり、Ａ又はＢという文言は、Ａ単独、Ｂ単独、並びに、Ａ及びＢを含んだ概念である。

図１に示すように、本実施の形態の情報処理装置は、２つ以上の個別情報を統合して統合情報を作成する統合部５０（図７に示す態様では「統合情報ファイル」及び「サブ統合情報ファイル」を作成している。）と、人工知能機能を有する生成部１１であって、統合情報を利用して顧客が所定の金融商品を利用する可能性に関するニーズ情報又は顧客に金銭を貸し付けた際の貸倒リスクもしくは延滞リスクに関するリスク情報を生成する生成部１１と、生成部１１により生成された情報を出力する出力部３０と、を有している。個別情報は、顧客の属性情報、顧客に関する審査情報及び／又は顧客の取引情報を含んでいる。

生成部１１は、銀行、郵便局等の金融機関を利用する顧客の属性情報、顧客に関する審査情報及び顧客の金融機関における取引情報のいずれか１つ以上から生成される採用変数及び当該採用変数に対する係数を用いて、ある顧客が所定の金融商品を利用する可能性に関するニーズ情報及び／又はある顧客に金銭を貸し付けた際の貸倒リスクもしくは延滞リスクに関するリスク情報を生成するようになってもよい。採用変数及び係数は、過去の実績データに基づき、生成部１１によって決定されてもよい。この過去の実績データには、予め入力された過去の実績データや後述する検証部１６による検証結果が含まれてもよい。当該ある顧客に対してニーズ情報やリスク情報を生成する前に検証された検証結果が含まれてもよい。

なお以下では、主として、生成部１１がニーズ情報及びリスク情報の両方を生成する態様を用いて説明するが、これに限られることはなく、生成部１１がニーズ情報又はリスク情報のいずれかのみを作成するようになっていてもよい。

情報処理装置は、様々な情報を記憶する装置記憶部２０と、様々な制御を行う装置制御部１０とを有している。前述した生成部１１、後述する算出部１５及び検証部１６はいずれも装置制御部１０に含まれている。装置記憶部２０には、自動でニーズ情報及びリスク情報を生成するために予め入力されたデータに加えて、後述する検証部１６による検証結果が記憶されてもよい。また、ある程度のデータが蓄積された場合には、ニーズ情報及びリスク情報を生成するために予め入力されたデータは削除されてもよい。また、一定期間（例えば２年）よりも古い検証結果を含むデータは削除されてもよい。このように一定期間内（例えば２年以内）のデータのみに基づいてニーズ情報及びリスク情報を生成する場合には、時代の流れに沿った正確性の高いニーズ情報及びリスク情報を生成して出力することができる。

上記人工知能機能の一例として、機械学習の手法を用いた分類器を用いることができる。この分類器によれば、ある過去期間（例えば２年）の顧客情報から、貸倒が生じる確率（リスクモデルの場合）、商品申込（ニーズモデルの場合）等の目標事象が生じる確率を顧客毎に出力することができる。この分類器では、過去の実績データから、目標事象が生じる確率が最も確からしくなるように、機械学習技術によって、利用する採用変数（要素）と、その係数（重み）が定められる。そして、定められた採用変数（要素）と、その係数（重み）を、対象となる顧客（＝「ある顧客」）に関するデータに適用することで、当該顧客に関する商品毎のニーズ率、ニーズに関する絶対的な数値等を含むニーズ情報と、リスク率、リスクに関する絶対的な数値等を含むリスク情報とが生成される（図４参照）。

対象となっている顧客に関して目標事象が生じる確率を出力するために、生成部１１は、商品単位でニーズモデルとリスクモデルの「学習」を行う。ここで「学習」とは、データの中から見つけたい「特徴」、すなわち金融商品を購入したといったニーズ事象やローンで延滞が発生したといったリスク事象を特定し、この「特徴」を最もよく分類できるような採用変数（要素）と、その係数（重み）を自動的な試行錯誤によって定めることを意味する。つまり、生成部１１では、過去の実績データに基づく属性情報、審査情報、取引情報等の情報が集約され、パラメータを変化させながら最も誤差が小さくなるよう繰り返し学習が行われ（ツリーモデルを採用するのであれば複数のツリーが作成され、過去の実績データとの誤差が小さくなるように繰り返し学習が行われ）、対象となっている顧客に適用するニーズモデル及びリスクモデルが定められる。そして、定められた採用変数（要素）と、その係数（重み）を、対象となる顧客に関するデータに適用することで、当該顧客に関する商品毎のニーズ情報及びリスク情報が算出される。

変化させるパラメータとしては、例えば、繰返し学習の回数（例えばツリーモデルにおけるツリーの本数を意味する。）、繰り返し学習時の直前までに得られた特徴量を次の学習の際に用いる際の係数（重み）、学習時のデータの利用割合（利用されるデータの量を意味し、例えば１００万件ある母数のうち１０万件を利用するのか２０万件を利用するのかというような割合を意味する。）、学習時の深さの水準（例えばツリーモデルにおけるツリーの分岐の数を意味する。）等を挙げることができる。一例ではあるが、繰返し学習の回数が多い場合にはツリーモデルにおけるツリーの本数が多くなり、他方、繰返し学習の回数が少ない場合にはツリーモデルにおけるツリーの本数が少なくなる。また、学習時の深さの水準が深い場合にはツリーモデルにおけるツリーの分岐が多くなり、学習時の深さの水準が浅い場合にはツリーモデルにおけるツリーの分岐が少なくなる。なお、前述したパラメータはあくまでも一例であり、これに限られることはなく、前述したパラメータを減らしたり、他の要素をパラメータとしたりすることもできる。

統合部５０は、属性情報、審査情報、取引情報及びその他の情報を用いて統合情報ファイル等の統合情報を作成してもよい。一例としては、複数年分を対象として数百万口座の情報を統合してもよい。なお、１口座あたりの情報項目は数十万項目に及ぶこともある。統合情報ファイル内の情報は、一定期間（例えば１年）毎に区切られて管理されてもよいし、対象となった期間の全てを含むようにして管理されてもよい。

用いられる属性情報（図３参照）としては、例えば、氏名、性別、生年月日、年齢、住所等を挙げることができる。

属性情報は、同一の顧客をまとめて管理するための名寄せ情報を含んでもよい。一つの金融機関に複数の口座を持つことがあり得る。この名寄せ情報を用いることで、複数の口座の名義人を一人の顧客として名寄せし、管理したり後工程の処理で用いたりすることができる。なお、名寄せ情報としては、店番号、ＣＩＦ番号（Customer Information File番号）、個人名寄せ番号等を挙げることができる。

また、属性情報は、顧客の家族に関する情報といった同じ世帯に属する人物の情報を含んでもよい。ここでいう家族には、顧客がローン等の各種申請書に記載した本人以外の人物、同一住所である本人以外の人物、同一電話番号である本人以外の人物等を挙げることができる。同じ世帯に属する人物の情報をまとめることを世帯名寄せということができる。この世帯名寄せによれば、一つの金融機関に複数の口座をある世帯が持つ場合に、当該口座に関する情報を一世帯のものとして名寄せし、その結果を用いてニーズモデルやリスクモデルを作成することができる。

用いられる審査情報（図３参照）は、金融機関に対する顧客の借入申し込みに関する情報及び顧客の信用情報のいずれか１つ以上を含んでもよい。より具体的には、審査情報としては、例えば、職業、勤務先、勤務先区分、年収等を挙げることができる。審査情報としては、その他として、審査の申込年月、諾否結果等の「消費性ローン申込関連情報」、ブラック情報、債務者区分、債務者格付といった「行内信用情報」等を挙げることができる。

用いられる取引情報（図３参照）は、預金取引情報、貸金取引情報、金融機関との契約情報、金融機関の提供するサービスの利用情報及び決済情報のいずれか１つ以上を含んでもよい。より具体的には、取引情報としては、例えば、入金、出金、振込、延滞等に関する情報を挙げることができる。取引情報には、流動固定別預金残高、入出金明細、入出金摘要欄等の「預金取引情報」、貸金残高、当貸極度額、貸金の延滞状況等の「貸金取引情報」、ローン保有有無、カードローン契約有無、ネットバンキングといったサービス利用有無等の「契約情報」・「利用情報」、公振引落不能有無、公振引落金額等の「決済情報」等が含まれる。上述した入出金明細には、入金頻度、入金金額、出金頻度、出金額、振込先、振込金等に関する情報を挙げることができる。

用いられるその他の情報（図３参照）としては、ダイレクトメールや電話によるコンタクトを希望するか否か等に関する情報（提案可否情報）を挙げることができる。コンタクトを希望しないということになっている場合には、最初からニーズ情報の作成を行わないか、ニーズ情報を作成するものの金融商品の提供の提案を当該顧客へ行わないようにしてもよい。

顧客は個人であってもよいし法人であってもよい。顧客に関する属性情報等の情報は、金融機関の店頭、ＡＴＭ等から取得されたり、Ｗｅｂ、電子メール、ダイレクトメール、電話等から取得されたりする。顧客が法人である場合には、上記の他に、訪問して属性情報等の情報が取得されることもある。なお、このようにして取得された属性情報等に対して、当該顧客の審査情報や取引情報等が金融制御部６０で関連付けられて金融記憶部６１に記憶される。図１に示すように、本実施の形態では、金融機関に金融制御部６０及び金融記憶部６１が設けられている態様を用いて説明しているが、これに限られることはなく、金融制御部６０及び／又は金融記憶部６１は外部機関に設けられてもよい。

また、金融記憶部６１及び金融制御部６０の機能を複数のシステムが担ってもよく、金融機関に金融制御部６０及び金融記憶部６１が設けられているという前提では、後述するMCIF、自動審査システム、基幹系、ＣＲＭシステム及びＥＢＭシステムのいずれか１つ以上が金融記憶部６１及び金融制御部６０の機能を担ってもよい。

属性情報、審査情報、取引情報及び／又はその他の情報を含む個別情報は２つ以上の個別情報ファイルを有してもよい。また、図６に示すように、属性情報、審査情報、取引情報及びその他の情報の各々が複数の個別情報ファイルを有してもよい。図６に示した態様では、属性情報ファイル１、属性情報ファイル２、審査情報ファイル１、審査情報ファイル２、取引情報ファイル１、取引情報ファイル２、その他の情報ファイル１、その他の情報ファイル２の各々が個別情報ファイルである。

また、図６の上側のルートで示すように、複数の個別情報ファイルに基づいて統合情報ファイル等の統合情報が生成されてもよい。また、図６の下側のルートで示すように、複数の個別情報ファイルがキー要素に基づいて統合されてサブ統合情報ファイル等のサブ統合情報が作成され、当該サブ統合情報に基づいて統合情報ファイル等の統合情報が作成されてもよい。

なお、図７に示す態様では、属性情報は２つの個別情報ファイル（図７に示す態様では「属性情報ファイル１」及び「属性情報ファイル２」）を有している。また、属性情報に含まれる２つの個別情報ファイル（図７に示す態様では「属性情報ファイル１」及び「属性情報ファイル２」）が統合されて属性情報に関するサブ統合情報ファイルが作成されている。

同じ個別情報ファイル内にキー要素に基づく情報が複数ある場合であって、当該複数の情報が一つだけ存在すべき情報である場合には、統合部５０が、予め定まった条件に基づいて複数ある情報のうち不要と判断された情報が削除して、統合情報ファイル又はサブ統合情報ファイルを作成してもよい。図７に示す態様では、キー要素として「顧客番号」が用いられている（図８も参照）。属性情報ファイル２において、顧客番号「３」は「Ｃ村」及び「Ｄ村」の２つの住所を有している。このため、例えば最新情報を優先するという「予め定まった条件」に基づいて「Ｃ村」に住所のあることが優先され、顧客番号「３」の住所が「Ｄ村」にあることは削除され「Ｃ村」のみに住所があるものとして、属性情報のサブ統合情報ファイルが作成されている。なお、図８においては、一意化ルールとして、年齢及び住所が「先出」とされており、最新情報を優先する態様となっている。

また、同じ個別情報ファイル内にキー要素に基づく情報が複数ある場合であって、当該複数の情報が存在することが許容される情報である場合には、統合部５０が当該複数の情報を用いて、統合情報ファイル又はサブ統合情報ファイルを作成してもよい。図７に示す取引情報ファイル１では、同じ計上月「2015/3」に同じ顧客「１」に関して商品「Ａ」及び商品「Ｂ」が挙げられている。この情報は商品の購入履歴であることから「存在することが許容される情報」にあたるので、顧客番号「１」が「2015/3」に商品「Ａ」及び商品「Ｂ」を購入したものとして、取引情報のサブ統合情報ファイルが作成されている。なお、顧客「２」は商品「Ｂ」及び商品「Ｃ」を購入しているが、計上月が異なるので、キー要素に基づく情報が複数ある場合にはあたらない。キー要素に基づく情報が複数ある場合とは、対象となっているファイルの項目で分類した場合に全く同じ枠にあてはまる場合のことを意味する。なお、図８においては、一意化ルールとして、商品は「マトリックス」とされており、並列に存在する態様となっている。

統合部５０は、複数のサブ統合情報ファイルをキー要素に基づいて統合し、統合情報ファイルを作成してもよい。キー要素は、サブ統合情報ファイルを作成する際に用いた要素であってもよいし、別の要素であってもよい。図７に示す態様では、顧客番号がキー要素となって、属性情報のサブ統合情報ファイルと取引情報のサブ統合情報ファイルとが統合されて、統合情報ファイルが作成されている。このような態様に限られることはなく、サブ統合情報ファイルそのものが統合情報となってもよい。

統合情報は、生成部１１では利用されない不要要素を含んでもよい。このような態様においては、生成部１１に統合情報が入力された場合に、生成部１１は不要要素を利用せずにニーズ情報及びリスク情報を生成してもよい。図７に示す態様では、「年齢」が不要要素となっており、図８に示す表では、分析システムの挙動として「非対象」とされている。このため、生成部１１に統合情報ファイルといった統合情報が入力された場合であっても、「年齢」は用いられることなく、生成部１１によってニーズ情報及びリスク情報が生成される。なお、この不要要素は必要な要素と変更されてもよく、このような必要な要素とされた場合には、生成部１１は当該要素に基づいてニーズ情報又はリスク情報を生成することになる。例えば、「年齢」が必要な要素とされた場合には、生成部１１は当該「年齢」も利用してニーズ情報又はリスク情報を生成することになる。

情報の流れとしては、図２に示すように、顧客等の利用者から取得された顧客情報に基づき当該顧客に対する金融機関内での審査が行われ、記帳勘定されて、取引情報等として金融記憶部６１（図１参照）に記憶されることになる。本実施の形態では顧客に関するあらゆる情報を「顧客情報」という。なお、「顧客情報」は、金融機関を利用する顧客データベースであるMCIF（Marketing Customer Information File）、自動審査システム、基幹系等から提供されてもよい。これらMCIF、自動審査システム、基幹系等に上記金融制御部６０及び金融記憶部６１が含まれてもよい。

金融機関には、顧客の属性や接触履歴を記録・管理するＣＲＭ（Customer Relationship Management）システムと、就職、結婚、住宅購入、退職等の顧客の身に起きた出来事（イベント）を推察し、最適のタイミングでふさわしい商品・サービスを提案するためのＥＢＭ（Event Based Marketing）システムとが設けられている（図２参照）。これらＣＲＭシステム及び／又はＥＢＭシステムに、上述した金融記憶部６１や金融制御部６０が含まれてもよい。

所定の金融商品としては、個人向けのものとして、カードローン、教育ローン、住宅ローン、カーローン、保険、投資信託等を挙げることができる。他方、法人向けのものとしては、運転資金融資、設備投資融資、保険、運用商品等を挙げることができる。

金融商品の内容に応じて、ニーズ情報及びリスク情報の作成の有無が決定されてもよい。図３に示す態様では、カードローン新規、カードローン極度増枠、教育ローン、カーローン、住宅ローン及びその他ローンについて、ニーズモデル及びリスクモデルを生成部１１が生成可能となっており、これらに関してはニーズ情報及びリスク情報の両方が作成されるようになっている。他方、保険及び投資信託について、ニーズモデルのみを生成部１１が生成するようになっており、これらに関してはニーズ情報のみが作成されリスク情報は作成されないようになっている。なお、図３における「ＡＩ」は「artificial intelligence」の頭文字であり、「人工知能」のことを意味している。

生成部１１は、異なる金融商品に対して、異なる採用変数と異なる係数を用いてニーズ情報及びリスク情報を生成するようになってもよい。一例を挙げるとすると、カードローン、教育ローン、住宅ローン、カーローン、保険、投資信託、運転資金融資、設備投資融資、運用商品といった異なる金融商品に対しては、異なる採用変数と異なる係数が用いられてもよい。図５（ａ）では、一例として、カードローンにおける採用変数（図中の「Feature」）及び係数（図中の「Gain」）が示され、図５（ｂ）では、別の例として、自動車ローンにおける採用変数（図中の「Feature」）及び係数（図中の「Gain」が示されている。図５（ａ）と図５（ｂ）とを比較することで、これらカードローン及び自動車ローンにおいて、異なる採用変数と異なる係数が用いられていることを理解できる。

図１に示すように、情報処理装置は、所定のデータを算出する算出部１５を有してもよい。この算出部１５は、対象となっている顧客の借入金額、当該借入に際しての金利及び経費情報等を用いて、当該顧客に対する収益を算出する機能を有してもよい。また、この機能に加えて又はこの機能に変えて、算出部１５は、生成部１１で生成されるリスク情報から、対象となっている顧客に対する与信可能額及び／又は対象となっている顧客に対する適用金利を算出する機能を有してもよい。なお、算出部１５が上記収益を算出する機能を有している場合には、上記借入金額が対象となっている顧客に対するリスク情報に基づいて決定された与信可能額の範囲内で決定され、金利（＝適用金利）もリスク情報に基づいて決定されてもよい。借入金額や金利が変更された場合には、変更された借入金額及び金利に基づいて、対象となっている顧客に対するリスク情報が再度生成されてもよい。与信可能額の範囲内とは、与信可能額における最高額であってもよいし、それ未満の任意の額であってもよい。算出部は、複数の額で借入金額を決定して、各借入金額に関して収益を算出してもよい。

図１に示すように、情報処理装置は、所定の金融商品がある顧客によって実際に利用されたか否か（「所定の金融商品に対して申し込みがあったか否か」を含む。）、又は、ある顧客に金銭を貸し付けた際に実際に貸倒れたかもしくは延滞が発生したか否かを検証する検証部１６をさらに有してもよい。このような検証部１６が設けられている場合には、生成部１１は、予め入力されていた情報に加えて又は代えて、検証部１６による検証結果（より正確には、当該ある顧客に対してニーズ情報やリスク情報を生成する前に検証された検証結果）を用いて、ニーズ情報及び／又はリスク情報を生成してもよい。なお、当該「ある顧客」に関する検証部１６による検証結果は、当該検証結果が出された後に生成されるニーズ情報及び／又はリスク情報に関して、過去の実績データとして利用されることになる。

情報処理装置は、金融機関が提供する複数の金融商品の各々に関して、生成部１１がニーズ情報及び／又はリスク情報を生成するようになっていてもよい。

出力されたニーズ情報及びリスク情報は、図２に示すように、金融機関に送られ、金融機関の金融記憶部６１（図１参照）で記憶されることになる。そして、金融機関のＣＲＭシステムやＥＢＭシステム等を介して顧客に対する金融商品の提供が提案される（図２参照）。この提案は、金融機関の担当者に対して行われてもよいし、直接、顧客に対して行われてもよい。金融機関の担当者に対して提案が行われる場合には、金融機関の窓口、コールセンター、ＡＴＭ等や、Ｗｅｂ上のネットバンキング、電子メール、ダイレクトメール等によって、当該担当者から顧客に対して金融商品の利用が提案される。他方、上記提案が顧客に対して直接行われる場合には、ＡＴＭや、Ｗｅｂ上のネットバンキング、電子メール、ダイレクトメール等によって、自動的に、顧客に対して金融商品の利用が提案される。

（一定期間内に）提案の行われた顧客から提案した金融商品の申し込みがあったか否か、また顧客に金銭を貸し付けた際に実際に貸倒れたかもしくは延滞が発生したか否かについては、例えば金融機関の自動審査システム、ＣＲＭシステム、ＥＢＭシステム等で管理され記憶される。また上記情報（提案の行われた顧客から提案した金融商品の申し込みがあったか否か、また顧客に金銭を貸し付けた際に実際に貸倒れたかもしくは延滞が発生したか否か）は、金融機関から検証部１６へと送られ（図２の「顧客情報」に含まれている。）、検証部１６による検証が行われる。このような検証は、随時行われてもよいし、一定期間ごと（例えば１週間ごと、１か月ごと等）にまとめて行われてもよい。検証結果は、装置記憶部２０で記憶されることになる。

生成部１１はランダムに対象となる顧客を選択し、当該顧客に対するニーズ情報及びリスク情報を生成してもよい。その結果は出力部３０によって全て出力されてもよいが、一定の要件をクリアーしたものだけが出力部３０によって出力されるようにしてもよい。一例としては、出力部３０は、ニーズ率、ニーズに関する絶対的な数値等のニーズの値が一定の閾値（ニーズ閾値）以上となっている顧客、及び／又は、リスク率、リスクに関する絶対的な数値等のリスクの値が一定の閾値（リスク閾値）以下となっている顧客のみを出力の対象としていてもよい。特に、ニーズの値がニーズ閾値以上となり、かつ、リスクの値がリスク閾値以下となっている顧客のみが出力の対象とされる態様によれば、オペレータは金融商品を提供すべき厳選された顧客を一目で確認することができる点で有益である。なお、上記要件を満たして出力の対象となった顧客であっても、コンタクトを希望しない場合には、金融商品の提供の提案を当該顧客へ行わないようにしてもよい。

算出部１５は、顧客の借入金額や口座における残高の推移、顧客に貸付時に適用される適用金利や処理にかかる経費、貸し倒れリスク等から、仮に当該顧客に貸付を実行した場合に、どれだけ収益額を期待できるかも計算してもよい。また、貸倒リスクが第一閾値を超える場合には、算出部１５は、適用金利を高く設定し直したり与信金額を小さくしたりし、具体的な適用金利及び／又は与信金額を算出してもよい。逆に、貸倒リスクが第二閾値（なお、第二閾値＜第一閾値となっている。）を下回る場合には、算出部１５は、適用金利を低く設定し直したり与信金額を大きくしたりし、具体的な適用金利及び／又は与信金額を算出してもよい。適用金利及び／又は与信金額を算出する際には、特定の金利及び／又は金額を算出してもよいし、一定の幅を持った金利及び／又は金額を算出してもよい。

また、金融機関が例えば銀行と保証会社とをグループとして持っている場合には、算出部１５は、予想される銀行収益と保証会社収益とからグループとしての収益を算出してもよい。一例としては、貸し付けた金銭の累積残高と、金利から保証料率、調達コスト率、事務コスト率等のコスト率を差し引いた数字（一例として、金利−保証料率−調達コスト率−事務コスト率）とから銀行収益を算出してもよい。また、貸し付けた金銭の累積残高と、保証料率から事務コスト率等のコスト率を差し引いた数字（一例として、保証料率−事務コスト率）と、信用コストとから保証会社の収益を算出してもよい。

算出部１５が収益を算出する機能を有する場合には、期待収益を計算し、与信した場合の期待収益率及び期待収益額が出力されてもよい（図３参照）。

生成部１１は、名寄せされた顧客又は当該顧客の属する世帯に基づき、属性情報、審査情報及び取引情報から生成される採用変数と、採用変数に対する係数とを用いて、ニーズ情報及リスク情報を顧客毎に「リスト」として生成し、当該「リスト」を出力部３０が出力してもよい。この際には、複数の金融商品に対するニーズ情報及びリスク情報を「リスト」として生成し、当該「リスト」を出力部３０が出力してもよい（図４参照）。このように「リスト」にすることで、対象となっている顧客にどの金融商品を提案すべきかをオペレータが一目で確認できる。

図４に示すように、ニーズ情報としては例えばニーズ率及びニーズ格付が出力されてもよい。リスク情報としては例えばリスク率及びリスク格付が出力されてもよい。また、ニーズ率及びリスク率は「％」で示されてもよいが、一目でわかるにグラフ形式で示されてもよい。なお、ニーズ格付及びリスク格付は該当する顧客がどの格付けにあるかを容易に認識できるように付されているものである。また、算出部１５が与信可能額及び適用金利を算出する場合には、図４に示すように、これら与信可能額及び適用金利もリストとして出力されてもよい。図４に示す態様では、顧客毎かつ金融商品毎に、ニーズ率及びニーズ格付、リスク率及びリスク格付、並びに、与信可能額（図４では「事前与信額」として示されている。）及び適用金利（図４では「適用利率」として示されている。）が示されている。

統合部５０は、複数の金融機関における２つ以上の個別情報を統合して統合情報又はサブ統合情報を生成してもよい。つまり、統合情報又はサブ統合情報は、複数の金融機関における属性情報、審査情報又は取引情報に基づいて生成されてもよい。この際には、系列関係にある金融機関だけではなく、何ら資本関係のない金融機関が保有している情報が互いに利用されるようになってもよい。

《方法》
本実施の形態の情報処理装置がニーズ情報又はリスク情報を生成し出力する際には、以下の工程を経ることになる。なお、上記と重複することになるので簡単に説明するに留めるが、上記「構成」で述べた全ての態様及び下記「作用・効果」で述べる全ての態様を「方法」において適用することができる。

統合部５０によって、２つ以上の個別情報が統合されて、統合情報が作成される（図６参照）。個別情報は、属性情報、審査情報又は取引情報を含んでいる。なお、統合部は、属性情報、審査情報及び取引情報を用いて統合情報を作成してもよい。

統合情報が作成されると、生成部１１によって、当該統合情報を利用してある顧客が所定の金融商品を利用する可能性に関するニーズ情報及び／又は顧客に金銭を貸し付けた際の貸倒リスクもしくは延滞リスクに関するリスク情報が生成される。

そして、生成部１１により生成された情報が出力部３０によって出力される。

そして、出力された情報に基づき、対象となっている顧客（ある顧客）に対して、金融商品の提供が提案される（図２参照）。

なお、所定の金融商品が対象となっている顧客によって実際に利用されたか否か、又は、対象となっている顧客に金銭を貸し付けた際に実際に貸倒れたかもしくは延滞が発生したか否かといった結果が検証部１６によって検証されてもよい（図１参照）。そして、この検証部１６による検証結果も用いて、それ以降のニーズ情報及び／又はリスク情報が生成されてもよい。

《作用・効果》
次に、上述した構成からなる本実施の形態による作用・効果であって、未だ説明していないものを中心に説明する。

本実施の形態によれば、２つ以上の個別情報を統合して統合情報が作成され、この統合情報に基づき、顧客が所定の金融商品を利用する可能性に関するニーズ情報又は顧客に金銭を貸し付けた際の貸倒リスクもしくは延滞リスクに関するリスク情報が生成される。このように統一された情報に基づいてニーズ情報又はリスク情報が生成されるので、客観的なデータに基づいて、ニーズ情報又はリスク情報を生成できる。また、このように統合情報を生成することで、容易にニーズ情報又はリスク情報を得ることができる。

特に、数百万口座の情報といった大量の情報を取り扱う場合には、本実施の形態のように統合部５０で統合情報を予め作成しておくことで、作業効率を高めることができる。また、大量の情報であるにも関わらず、予め定まった項目からなる統合情報を用いて人工知能機能を有する生成部１１が学習するので、学習結果に高い客観性を実現でき、より信頼性の高いニーズ情報やリスク情報を生成することができる。

さらに、統合部５０で随時又は定期的に統合情報を作成する場合には、最新の情報に基づき統合情報を生成することができ、より正確なデータに基づいて、ニーズ情報又はリスク情報を生成できる。統合部５０は、例えば、１日毎、１週間毎、１か月毎等に統合情報ファイル又はサブ統合情報ファイルを作成してもよい。また、統合部５０が統合情報ファイルを作成するタイミングとサブ統合情報ファイルを作成するタイミングとは異なってもよく、例えば、統合部５０はサブ統合情報ファイルを毎日作成し、２週間毎に統合情報ファイルを作成してもよい。このように統合情報ファイル又はサブ統合情報ファイルを作成する場合には、追加された情報のみを用いて、既存の統合情報ファイル又はサブ統合情報ファイルに継ぎ足すようにして、更新された統合情報ファイル又はサブ統合情報ファイルを作成してもよい。

統合部５０は、一定の期間の情報に基づいて、統合情報ファイル又はサブ統合情報ファイルを作成してもよい。この態様によれば、統合情報ファイル又はサブ統合情報ファイルが更新される度に、更新された期間と同じ期間だけ、古い情報が削除されたり、生成部５０で使用されなくなったりしてもよい。

統合部５０が統合情報ファイル又はサブ統合情報ファイルを作成する際には、個別情報ファイルの型（数値型、文字型又は日付型）を確認するようにしてもよい。このような態様によれば、統合情報ファイル又はサブ統合情報ファイルを作成する前に個別情報ファイルの型を認識でき、効率よく統合情報ファイル又はサブ統合情報ファイルを作成できる点で有益である。

統合部５０が統合情報ファイル又はサブ統合情報ファイルを作成する際には、個別情報ファイルに含まれる情報の桁数等の大きさを確認するようにしてもよい。このような態様によれば、統合情報ファイル又はサブ統合情報ファイルを作成する前に個別情報ファイルの大きさを認識でき、必要に応じて作成の順番を変えることもできる点で有益である。

統合部５０が、属性情報、審査情報及び取引情報を用いて統合情報を作成する態様を採用した場合には、より多くの種類の情報を用いてニーズ情報又はリスク情報を生成することができる。このため、より客観的なデータに基づいて、ニーズ情報又はリスク情報を生成できる。なお、統合部５０が、属性情報、審査情報、取引情報及びその他の情報を用いて統合情報を作成する態様を採用した場合には、さらに多くの種類の情報を用いてニーズ情報又はリスク情報を生成することができる。

また、属性情報、審査情報及び取引情報といった種類の異なる情報を統合することで、従来と比べて客観性を高めることができる。つまり、属性情報、審査情報及び取引情報といった種類の異なる情報から作業者がマニュアルで情報を作成する際には、データを作成する担当者又は担当部署が異なる場合がある。このように担当者又は担当部署が異なる場合には、取得される情報の視点が属性情報、審査情報及び取引情報の間で異なることもあり、その結果、当初意図していたものと異なる統合情報ファイル又はサブ統合情報ファイルが作成されてしまう可能性がある。この点、統合部５０が、属性情報、審査情報及び取引情報から統合情報ファイル又はサブ統合情報ファイルを作成する態様によれば、担当者又は担当部署が異なることによる視点のずれをなくすことができる点で有益である。

生成部１１がニーズ情報及びリスク情報の両方を生成する場合には、これらの両方に関する情報を得ることができる。

属性情報、審査情報及び取引情報の各々が複数の個別情報ファイルを有し、複数の個別情報ファイルがキー要素に基づいて統合されてサブ統合情報ファイルが作成される態様を用いた場合には、多数かつ多種類の個別情報ファイルを用いる場合でも情報を効率よく統合することができる。また、一旦、サブ統合情報ファイルが作成されるので、当該サブ統合情報ファイルを用いた分析も別途行うことができる点で有益である。

また、属性情報の複数の個別情報ファイルに基づいて属性情報のサブ統合情報ファイルが作成され、審査情報の複数の個別情報ファイルに基づいて審査情報のサブ統合情報ファイルが作成され、取引情報の複数の個別情報ファイルに基づいて取引情報のサブ統合情報ファイルが作成されてもよい。このように、情報の種類に応じてサブ統合情報ファイルを作成することで、効率よくサブ統合情報ファイルを作成することができる。また、このように種類毎にサブ統合情報ファイルを作成することで、種類毎の分析のためにサブ統合情報ファイルを用いることもできる。

また、必ずしもこのような態様である必要はなく、属性情報、審査情報及び取引情報の２つ以上が混ざってサブ統合情報ファイルが作成されてもよい。必要に応じて、属性情報、審査情報及び取引情報の２つ以上を混ぜてサブ統合情報ファイルを作成した方がよい場合もあるためである。

同じ個別情報ファイル内にキー要素に基づく情報が複数ある場合であって、当該複数の情報が一つだけ存在すべき情報である場合に、予め定まった条件に基づいて複数ある情報のうち不要と判断された情報が削除される態様を採用した場合には、古い情報等の不要な情報を用いることなく、最新の情報等の適切な情報に基づき統合情報を生成することができる。このため、より正確なデータに基づいて、ニーズ情報又はリスク情報を生成できる。

同じ個別情報ファイル内にキー要素に基づく情報が複数ある場合であって、当該複数の情報が（並列に）存在することが許容される情報である場合に、当該複数の情報が（並列に）存在するものとして用いられる態様を採用した場合には、より多数かつ多種類の情報を用いて統合情報を生成することができる。このため、より正確なデータに基づいて、ニーズ情報又はリスク情報を生成できる。

複数のサブ統合情報ファイルがキー要素に基づいて統合されて統合情報ファイルとなる態様を採用した場合には、統合情報ファイルと別途作成された複数のサブ統合情報ファイルを統合することで統合情報ファイル等の統合情報を作成できる点で有益である。

統合情報は、生成部１１では利用されない不要要素を含んでもよい。この場合、生成部１１に統合情報が入力された場合に不要要素を利用せずに生成部１１がニーズ情報又はリスク情報を生成する態様を採用することができる。この態様によれば、結果にあまり影響を及ぼさない情報を用いることなくニーズ情報又はリスク情報を生成できる。その結果、生成部１１は不要要素を用いることなくニーズ情報又はリスク情報を生成することができ、時間を無駄に費やすことなく迅速にニーズ情報又はリスク情報を生成することができる。

生成部１１が、金融機関を利用する顧客の属性情報、顧客に関する審査情報及び顧客の金融機関における取引情報のいずれか１つ以上から生成される採用変数及び採用変数に対する係数を用いて、ニーズ情報及び／又はリスク情報を生成し、採用変数及び係数が過去の実績データに基づき決定される態様を採用した場合には、過去の実績に基づいてニーズ情報及び／又はリスク情報を出力できる。このため、情報の信頼性を高めることができる。

属性情報が、同一の顧客をまとめて管理するための名寄せ情報を含む場合には、仮に複数の口座を顧客が持っている場合であっても、それらを一人の顧客として管理し、情報を収集することができる。このため、より多くの情報に基づきニーズ情報及び／又はリスク情報を生成することができるので、より精度の高いニーズ情報及び／又はリスク情報を出力できる。

属性情報が、顧客の家族といった世帯に関する情報を含む場合には、同一世帯における情報に基づきニーズ情報及び／又はリスク情報を生成することができるので、より精度の高いニーズ情報及び／又はリスク情報を出力できる。なお、このように家族に関する情報を用いる場合には、顧客個人の情報に基づきニーズ情報及び／又はリスク情報を生成するとともに、顧客の家族の情報に基づきニーズ情報及び／又はリスク情報を生成してもよい。このような態様によれば、２つのパターンのニーズ情報及び／又はリスク情報に基づいた結果を出力できる。

取引情報は、預金取引情報、貸金取引情報、金融機関との契約情報、金融機関の提供するサービスの利用情報又は決済情報を含んでいるが、多くの種類の情報から適宜選択することで、より精度の高いニーズ情報及び／又はリスク情報を出力できる。

審査情報は、金融機関に対する顧客の借入申し込みに関する情報又は顧客の信用情報を含んでいるが、多くの種類の情報から適宜選択することで、より精度の高いニーズ情報及び／又はリスク情報を出力できる。

なお、一般には情報量が多いほど精度の高いニーズ情報及び／又はリスク情報を得ることを期待できるが、情報量が多すぎると処理に時間がかかったり、重要でない情報も取り込まれてしまったりする可能性もあることから、一定程度の歯止めが必要であることには留意が必要である。

生成部１１の人工知能機能が、異なる金融商品に対して、異なる採用変数と異なる係数を用いてニーズ情報及び／又はリスク情報を生成する場合には、金融商品に応じたより適切な採用変数と係数を用いることができる。このため、より精度の高いニーズ情報及び／又はリスク情報を出力できる。

対象となっている顧客の借入金額、当該借入に際しての金利及び経費情報等を用いて算出部１５が収益を算出する場合には、オペレータは、収益に関する情報も取得することができ、得られた収益に関する情報に基づき、金融商品を提供するか否かを判断できる。また、上記借入金額が当該顧客に対するリスク情報に基づいて決定された与信可能額の範囲内で決定され、金利（＝適用金利）も当該顧客に対するリスク情報に基づいて決定される場合には、適切にカスタマイズされた金融商品を提供するとともに、適切な範囲の収益確保を期待できる。

また、算出部１５が生成部１１で生成されるリスク情報から、顧客に対する与信可能額及び／又は顧客に対する適用金利を算出する場合には、当該与信可能額及び／又は適用金利に基づき当該顧客に対して金融商品を提供することを提案できる。このため、やはり、適切にカスタマイズされた金融商品を提供するとともに、適切な範囲の収益確保を期待できる。

生成部１１が、金融機関が提供する複数の金融商品の各々に関して、ニーズ情報及び／又はリスク情報を生成して出力する場合には、オペレータは出力された金融商品の各々に関してのニーズ情報及び／又はリスク情報を把握することができ、どの金融商品の提供を提案すべきかを比較して判断できる。

統合部５０が、複数の金融機関における２つ以上の個別情報を統合して統合情報を作成する場合には、複数の金融機関における属性情報、審査情報及び取引情報に基づいて、統合情報を作成できる。その結果、複数の金融機関における属性情報、審査情報及び取引情報に基づいて、ニーズ情報及び／又はリスク情報を生成できる。このため、より広範かつ全体的な情報に基づきニーズ情報及び／又はリスク情報を生成することができ、さらに精度の高いニーズ情報及び／又はリスク情報を出力できる。

検証部１６が、所定の金融商品が顧客によって実際に利用されたか否か、又は、顧客に金銭を貸し付けた際に実際に貸倒れたかもしくは延滞が発生したか否かを検証する場合には、随時更新される検証結果を過去の実績データとして用いることができるので、より信頼度の高い情報に基づきニーズ情報及び／又はリスク情報を生成し出力できる。前述したように、一定期間内（例えば２年以内）のデータのみに基づいてニーズ情報及びリスク情報を生成してもよく、この場合には、時代の流れに沿った正確性の高いニーズ情報及び／又はリスク情報を生成して出力することができる。

ちなみに、カードローンのニーズ率が高くなる場合としては、預金残高が少ない場合、少額での出金が多い場合等を挙げることができる。教育ローンのニーズ率が高くなる場合としては、振込口座に「中学」「高校」の文字が含まれている場合、世帯名寄せによって顧客に教育ローンが必要になりそうな年齢の子供がいることが分かっている場合等を挙げることができる。住宅ローンのニーズ率が高くなる場合としては、現時点で高い金利の住宅ローンを支払っている場合等を挙げることができる。

最後になったが、上述した各実施の形態の記載及び図面の開示は、特許請求の範囲に記載された発明を説明するための一例に過ぎず、上述した実施の形態の記載又は図面の開示によって特許請求の範囲に記載された発明が限定されることはない。例えば、ニーズ情報やリスク情報以外の情報を提供するものであっても、本願における情報処理装置に該当することになる。

１０ 装置制御部
１１ 生成部
１５ 算出部
１６ 検証部
２０ 装置記憶部
３０ 出力部
５０ 統合部
６０ 金融制御部
６１ 金融記憶部

Claims (11)

1. ２つ以上の個別情報を統合して統合情報を作成する統合部と、
   人工知能機能を有する生成部であって、前記統合情報を利用して顧客が所定の金融商品を利用する可能性に関するニーズ情報又は前記顧客に金銭を貸し付けた際の貸倒リスクもしくは延滞リスクに関するリスク情報を生成する生成部と、
   を備え、
   前記個別情報は、前記顧客の属性情報、前記顧客に関する審査情報又は前記顧客の取引情報を含み、
   前記個別情報は、複数の顧客に関する情報を含む個別情報ファイルを有し、
   前記統合部は、２つ以上の個別情報ファイルをキー要素に基づいて統合して複数の顧客に対する統合情報を作成し、
   前記統合部は、審査情報に関する複数の個別情報ファイルから複数の顧客に対する審査情報に関するサブ統合情報ファイル、又は、取引情報に関する複数の個別情報ファイルから複数の顧客に対する取引情報に関するサブ統合情報ファイルを作成し、
   前記統合部は、審査情報に関するサブ統合情報ファイル又は取引情報に関するサブ統合情報ファイルを含む複数のサブ統合情報ファイルを統合して統合情報ファイルを作成し、
   前記生成部は前記統合情報ファイルを用いてニーズモデル又はリスクモデルを生成することを特徴とする情報処理装置。
2. 前記統合部は、前記属性情報、前記審査情報及び前記取引情報を用いて、前記統合情報を作成することを特徴とする請求項１に記載の情報処理装置。
3. 前記生成部は、前記ニーズ情報及び前記リスク情報を生成することを特徴とする請求項１又は２のいずれかに記載の情報処理装置。
4. 前記統合部は、複数の前記サブ統合情報ファイルをキー要素に基づいて統合し、統合情報ファイルを作成することを特徴とする請求項１乃至３のいずれか１項に記載の情報処理装置。
5. 前記属性情報の複数の前記個別情報ファイルに基づいて前記属性情報のサブ統合情報ファイルが作成され、前記審査情報の複数の前記個別情報ファイルに基づいて前記審査情報のサブ統合情報ファイルが作成され、及び、前記取引情報の複数の前記個別情報ファイルに基づいて前記取引情報のサブ統合情報ファイルが作成されることを特徴とする請求項１乃至４のいずれか１項に記載の情報処理装置。
6. 前記個別情報は個別情報ファイルを有し、
   前記統合部は、複数の個別情報ファイルをキー要素に基づいて統合し、統合情報ファイル又はサブ統合情報ファイルを作成し、
   同じ個別情報ファイル内に前記キー要素に基づく情報が複数ある場合であって、当該複数の情報が一つだけ存在すべき情報である場合には、前記統合部は、予め定まった条件に基づいて複数ある情報のうち不要と判断された情報を削除して、前記統合情報ファイル又は前記サブ統合情報ファイルを作成することを特徴とする請求項１乃至５のいずれか１項に記載の情報処理装置。
7. 前記個別情報は個別情報ファイルを有し、
   前記統合部は、複数の個別情報ファイルをキー要素に基づいて統合し、統合情報ファイル又はサブ統合情報ファイルを作成し、
   同じ個別情報ファイル内に前記キー要素に基づく情報が複数ある場合であって、当該複数の情報が存在することが許容される情報である場合には、前記統合部が当該複数の情報を用いて、前記統合情報ファイル又は前記サブ統合情報ファイルを作成することを特徴とする請求項１乃至６のいずれか１項に記載の情報処理装置。
8. 前記生成部は、前記統合情報から生成される採用変数及び前記採用変数に対する係数を用いて、前記ニーズ情報又は前記リスク情報を生成し、
   前記採用変数及び前記係数は過去の実績データに基づき決定されることを特徴とする請求項１乃至７のいずれか１項に記載の情報処理装置。
9. 前記統合情報は、前記生成部では利用されない不要要素も含み、
   前記生成部に前記統合情報が入力された場合に、前記生成部は前記不要要素を利用せずに前記ニーズ情報又は前記リスク情報を生成することを特徴とする請求項１乃至８のいずれか１項に記載の情報処理装置。
10. 前記統合部は、複数の金融機関における２つ以上の前記個別情報を統合して前記統合情報を作成することを特徴とする請求項１乃至９のいずれか１項に記載の情報処理装置。
11. ２つ以上の個別情報を統合して統合情報を作成することであって、複数の顧客に対する統合情報を作成することと、
    人工知能機能を有する生成部によって、前記統合情報を利用して顧客に対して所定の金融商品を利用する可能性に関するニーズ情報又は金銭を貸し付けた際の貸倒リスクもしくは延滞リスクに関するリスク情報を生成することと、
    を備え、
    前記個別情報は、複数の顧客に関する情報を含む、２つ以上の個別情報ファイルを有し、
    複数の個別情報ファイルをキー要素に基づいて統合することで前記統合情報を作成し、
    統合部によって、審査情報に関する複数の個別情報ファイルから複数の顧客に対する審査情報に関するサブ統合情報ファイル、又は、取引情報に関する複数の個別情報ファイルから複数の顧客に対する取引情報に関するサブ統合情報ファイルを作成し、
    前記統合部によって、審査情報に関するサブ統合情報ファイル又は取引情報に関するサブ統合情報ファイルを含む複数のサブ統合情報ファイルを統合して統合情報ファイルを作成し、
    前記生成部によって、前記統合情報ファイルを用いてニーズモデル又はリスクモデルを生成することを特徴とする情報処理方法。