JP6955889B2 - 情報処理装置、情報処理方法、及び情報処理プログラム - Google Patents

Description

本発明は、情報処理装置、情報処理方法、及び情報処理プログラムに関する。

ユーザに関する予測或いは判断（例えば、ユーザの将来の経済状態の予測、或いは、ユーザに対する与信判断）を行うにあたり、ユーザの特徴を判別する技術が望まれている。例えば、ユーザの特徴の判別は、ユーザの現在の職業或いは現在の収入に基づいて行われる。

特開２０１５−１０８８６９号公報

しかしながら、ユーザの現在の職業或いは現在の収入は、将来に渡って同じとは限らず、必ずしもユーザの特徴を反映したものとは言えない。

本願は、上記に鑑みてなされたものであって、ユーザの特徴を判別可能にすることを目的とする。

本願に係る情報処理装置は、ユーザの行動情報を取得する取得部と、取得部で取得した行動情報に基づいて、ユーザの環境変化への対応力を示すスコアを算出する算出部と、を備えている。

実施形態の一態様によれば、ユーザの特徴を判別可能にできる。

図１は、実施形態に係る情報処理装置の動作の概要を示す図である。 図２は、実施形態に係る情報処理装置の構成例を示す図である。 図３は、ユーザ情報記憶部の構成例を示す図である。 図４は、行動情報記憶部の構成例を示す図である。 図５は、重み記憶部の構成例を示す図である。 図６は、スコア記憶部の構成例を示す図である。 図７は、経済状態記憶部の構成例を示す図である。 図８は、制御部の機能ブロック図である。 図９は、経済状態予測処理のフローチャートである。 図１０は、資産運用に関する情報の一例を示す図である。 図１１は、与信判別処理のフローチャートである。 図１２は、情報処理装置の機能を実現するコンピュータの一例を示すハードウェア構成図である。

以下に、本願に係る情報処理装置、情報処理方法、及び情報処理プログラムを実施するための形態（以下、「実施形態」と呼ぶ）について図面を参照しつつ詳細に説明する。なお、以下の実施形態により本願に係る情報処理装置、情報処理方法、及び情報処理プログラムが限定されるものではない。また、以下の各実施形態において同一の部位には同一の符号を付し、重複する説明は省略される。

〔１．情報処理装置の動作の概要〕
最初に、本実施形態の情報処理装置１０の動作の概要を説明する。情報処理装置１０は、ユーザの環境変化への対応力をスコアとして算出する装置である。環境変化への対応力とは、これまでと異なる環境下に置かれたときに、新しい環境にてプレゼンスを発揮する能力である。或いは、対応力とは、適応能力があり、どのような状況に置かれても柔軟性高く対応できることをいう。情報処理装置１０は、対応力のスコアに基づいてユーザの将来の経済状態を予測する。或いは、情報処理装置１０は、対応力のスコアに基づいて与信（例えば、ユーザとの取引の可否或いはユーザに与える信用枠）を判別する。

図１は、実施形態に係る情報処理装置１０の動作の概要を示す図である。情報処理装置１０は、ネットワークを介して端末装置１及びサーバ２と接続されている。情報処理装置１０に接続される端末装置１及びサーバ２は、それぞれ複数あってもよい。情報処理装置１０は、例えば、スマートフォン、携帯電話、タブレット端末、パーソナルコンピュータ等のユーザ端末である。また、サーバ２は、端末装置１を操作するユーザに対してＳＮＳ（Social Network Service）、決済サービス等の各種サービスを提供するサーバ用ホストコンピュータである。サーバ２は、各種ユーザ情報を記憶している。以下、図１を参照しながら、情報処理装置１０の動作の概要を説明する。

まず、情報処理装置１０は、サーバ２から、ユーザ情報を取得する（ステップＳ１ａ）。情報処理装置１０は、端末装置１から、直接、ユーザ情報を取得してもよい（ステップＳ１ｂ）。ユーザ情報は、運転情報、決済情報等、ユーザに関する情報である。ユーザ情報には、ユーザの職業、収入、年齢、価値観、ライフスタイル等、ユーザの属性情報（例えば、デモグラフィック情報やサイコグラフィック情報）が含まれていてもよい。情報処理装置１０は、取得したユーザ情報を記憶装置に記憶する。なお、情報処理装置１０は、複数のユーザのユーザ情報を取得してもよい。図１の例では、情報処理装置１０は、ユーザＡのユーザ情報として運転情報、決済情報等を記憶している。また、情報処理装置１０は、ユーザＢのユーザ情報として運転情報、決済情報等を記憶している。ユーザ情報については後述する。

続いて、情報処理装置１０は、ユーザ情報の中から行動情報を抽出する（ステップＳ２）。行動情報は、ユーザの行動に関する特徴（或いは、行動を決定づける要素）が含まれた情報である。行動情報は、例えば、ユーザの移動距離の情報、転職前と比較した転職後の給与水準の情報、自活開始後（就職後）デフォルト（債務不履行）を起こしたことがあるか否かの情報である。ユーザの移動距離の情報は、活発に行動するユーザの特徴を示しているので、行動情報の一種である。転職前と比較した転職後の給与水準の情報は、仕事に対して機能的に行動するユーザの特徴を示しているので、行動情報の一種である。また、デフォルトを起こしたことがあるか否かの情報は、計画性のある行動をするユーザの特徴を示しているので、行動情報の一種である。行動情報については後述する。

情報処理装置１０は、運転情報等に基づき、一定期間（例えば、去年１年間）におけるユーザの移動距離を判別（抽出）する。また、情報処理装置１０は、ユーザの属性情報に基づき転職後に給与水準が向上したか否かを判別（抽出）する。また、情報処理装置１０は、決済情報等に基づき、自活生活を開始してから（就職してから）、ユーザがデフォルトを起こしたことがあるか否かを判別（抽出）する。情報処理装置１０は、判別した行動情報を記憶装置に記憶する。図１の例では、情報処理装置１０は、ユーザＡの行動情報として“移動距離＝８０００ｋｍ”、“転職後給与水準向上”、“自活後デフォルトなし”を記憶している。また、情報処理装置１０は、ユーザＢの行動情報として“移動距離＝７００ｋｍ”、“転職後給与水準低下”、“自活後デフォルトあり”を記憶している。

続いて、情報処理装置１０は、ステップＳ２で抽出した行動情報に基づいて、ユーザの環境変化への対応力をスコアとして算出する（ステップＳ３）。情報処理装置１０は、スコア算出のための複数の考慮要素それぞれに付与される重みを記憶している。考慮要素は、例えば、“１年間のユーザの移動距離が長い”、“転職後に給与が向上した”、“自活開始後、デフォルトを起こしたことがない”等である。環境変化への対応力と相関が大きい考慮要素には、大きな重みが付与され、環境変化への対応力と相関が小さい考慮要素には、小さな重みが付与される。例えば、“１年間のユーザの移動距離が長い”と“転職後に給与が向上した”にはそれぞれ５ｐｔの重みが付与され、“自活開始後、デフォルトを起こしたことがない”には２ｐｔの重みが付与される。考慮要素が成立するか否かは、行動情報に基づき判別する。例えば、ステップＳ２で抽出された移動距離が予め設定された閾値以上であれば、情報処理装置１０は、“１年間のユーザの移動距離が長い”が成立したと判別する。そして情報処理装置１０は、成立した考慮要素に付与されている重みに基づいてスコアを算出する。例えば、情報処理装置１０は、成立した複数の考慮要素それぞれに付与されている重みを積算したものをユーザの対応力のスコアとする。情報処理装置１０は、算出したスコアを記憶装置に記憶する。図１の例では、情報処理装置１０は、ユーザＡの対応力のスコアとして“２０ｐｔ”を記憶している。また、情報処理装置１０は、ユーザＢの対応力のスコアとして“０ｐｔ”を記憶している。

続いて、情報処理装置１０は、ステップＳ３で算出したスコアに基づいて、ユーザの将来の経済状態（例えば、収入）を予測する（ステップＳ４）。情報処理装置１０は、例えば、ユーザの属性情報に基づいて判別されるユーザの見込み収入にスコアに応じた掛目を乗じることによりユーザの将来の収入を予測する。情報処理装置１０は、予測した将来の収入を記憶装置に記憶する。図１の例では、情報処理装置１０は、ユーザＡの将来の収入として“７５０万円”を記憶している。また、情報処理装置１０は、ユーザＢの将来の収入として“９０万円”を記憶している。なお、情報処理装置１０は、スコアに基づいて与信（例えば、お金を貸す際の与信）を判別してもよい。例えば、情報処理装置１０は、スコアが予め設定された閾値より低い場合は、変化への対応力が低いユーザとして、ユーザとの取引を否定する。情報処理装置１０は、スコアが予め設定された閾値より高い場合は、変化への対応力が高いユーザとして、ユーザとの取引を肯定する。

以上のように、情報処理装置１０は、ユーザの行動情報に基づいて、ユーザの環境変化への対応力をスコアとして算出する。ユーザの収入予測或いは与信の判別を行う装置（或いは人）は、ユーザの特徴をスコアとして把握することが可能となる。また、情報処理装置１０は、対応力のスコアに基づいてユーザの将来の経済状態の予測を行っている。予測にあたりユーザの対応力を加味することができるので、情報処理装置１０はユーザの将来の経済状態を精度よく予測できる。また、情報処理装置１０は、対応力のスコアに基づいてユーザの与信を判別している。判別にあたりユーザの対応力を加味することができるので、情報処理装置１０はユーザの与信を精度よく判別できる。

〔２．情報処理装置の構成例〕
次に、本実施形態の情報処理装置１０の構成を詳細に説明する。情報処理装置１０は、各種情報を処理するコンピュータである。例えば、情報処理装置１０は、クライアント端末（例えば、端末装置１或いはサーバ２）からの要求を処理するサーバ用ホストコンピュータ（以下、単に「サーバ」という。）である。情報処理装置１０は、ＰＣサーバであってもよいし、ミッドレンジサーバであってもよいし、メインフレームサーバであってもよい。また、情報処理装置１０は、１つのサーバにより構成されていてもよいし、協同して処理を実行する複数のサーバにより構成されていてもよい。情報処理装置１０を複数のサーバで構成する場合、これらサーバの設置場所は離れていてもよい。設置場所が離れていたとしても、協同して処理を実行するのであれば、これらサーバは１つの情報処理装置１０とみなすことができる。

図２は、実施形態に係る情報処理装置１０の構成例を示す図である。情報処理装置１０は、通信部１１と、出力部１２と、記憶部１３と、制御部１４と、を備える。なお、図２に示した構成は機能的な構成であり、ハードウェア構成はこれとは異なっていてもよい。

（通信部１１）
通信部１１は、外部の装置と通信する通信インタフェースである。通信部１１は、ネットワークインタフェースであってもよいし、機器接続インタフェースであってもよい。例えば、通信部１１は、ＮＩＣ（Network Interface Card）等のＬＡＮインタフェースであってもよいし、ＵＳＢ（Universal Serial Bus）ホストコントローラ、ＵＳＢポート等により構成されるＵＳＢインタフェースであってもよい。また、通信部１１は、有線インタフェースであってもよいし、無線インタフェースであってもよい。通信部１１は、情報処理装置１０の通信手段として機能する。通信部１１は、制御部１４の制御に従って外部の装置と通信する。

（出力部１２）
出力部１２は、ユーザに情報を通知するための出力装置である。出力部１２は、例えば、液晶ディスプレイ（Liquid Crystal Display）、有機ＥＬディスプレイ(Organic Electroluminescence Display)等の表示装置である。勿論、出力部１２は表示装置に限定されない。例えば、出力部１２は、スピーカー、ブザー等の音響発生装置であってもよいし、ＬＥＤ（Light Emitting Diode）ランプ等の点灯装置であってもよい。出力部１２は、情報処理装置１０の出力手段（通知手段）として機能する。出力部１２は、制御部１４の制御に基づいて、ユーザに対し各種情報を出力する。

（記憶部１３）
記憶部１３は、ＤＲＡＭ（Dynamic Random Access Memory）、ＳＲＡＭ（Static Random Access Memory）、フラッシュメモリ、ハードディスク等のデータ読み書き可能な記憶装置である。記憶部１３は、情報処理装置１０の記憶手段として機能する。記憶部１３は、ユーザ情報記憶部１３１と、行動情報記憶部１３２と、重み記憶部１３３と、スコア記憶部１３４と、経済状態記憶部１３５と、を有している。

（ユーザ情報記憶部１３１）
ユーザ情報記憶部１３１は、ユーザ情報を記憶する記憶領域である。ユーザ情報は、例えば、生体情報、遺伝情報、決済情報、投資情報、ＳＮＳ（Social Networking Service）情報、購買情報、検索情報、運転情報、或いは位置情報である。生体情報は、身長、体重、筋力といったユーザの身体に関する情報である。遺伝情報は、ユーザの体質、健康リスク等、遺伝子検査等により取得されるユーザの遺伝に関する情報である。遺伝情報には、性別の情報が含まれていてもよい。決済情報は、口座やクレジットカード等の決済の情報（決済履歴）である。投資情報は、株、不動産、外貨等への投資に関する情報（投資履歴）である。ＳＮＳ情報は、ＳＮＳを利用するユーザの情報（例えば、ユーザの自己紹介）である。購買情報は、商品、サービスの購入に関する情報（購買履歴）である。検索情報は、ユーザのウェブページの検索に関する情報（検索履歴）である。運転情報は、１年間の車の走行距離等、ユーザの運転に関する情報である。運転情報は、ユーザの事故歴の情報が含まれていてもよい。位置情報は、ユーザが現在或いは過去に位置していた場所の情報である。例えば、位置情報は、一定時間毎のユーザが位置していた場所を示す情報（すなわち、移動履歴）である。位置情報は、ＧＰＳ（Global Positioning System）等により把握されるユーザ端末の位置であってもよい。なお、ユーザ情報はこれら以外の情報であってもよい。例えば、ユーザ情報は、職業、収入、年齢等、ユーザの属性情報であってもよい。図３は、ユーザ情報記憶部１３１の構成例を示す図である。ユーザ情報記憶部１３１には、ユーザ情報として、運転情報、決済情報、購買情報等が記憶されている。

（行動情報記憶部１３２）
行動情報記憶部１３２は、行動情報を記憶する記憶領域である。行動情報は、ユーザの行動に関する特徴（或いは、行動を決定づける要素）が含まれた情報である。行動情報は、例えば、“一定期間内のユーザの移動距離の情報”、“転職前と比較した転職後の給与水準の情報”、“スキルセットのバランスに関する情報”、“自活開始後デフォルトを起こしたことがあるか否かの情報”、“身体能力が高いか否かに関する情報”、“資格取得までにかかった時間の情報”、“共通言語のない人と交流に関する情報”、“離婚経験の情報、“就寝時間が安定しているか否かに関する情報”、“見知らぬ場所での自動車の運転が安定しているか否かに関する情報”、“新車での自動車の運転が安定しているか否かに関する情報”、“学習意欲に関する情報”である。図４は、行動情報記憶部１３２の構成例を示す図である。行動情報記憶部１３２には、行動情報として、“移動距離＝８０００ｋｍ”、“自活開始後にデフォルトなし”、“資格取得時間＝２０００時間”等が記憶されている。行動情報は後述の取得部１４１によって取得され保存される。

（重み記憶部１３３）
重み記憶部１３３は、スコア算出のための複数の考慮要素それぞれに付与される重みを記憶する記憶領域である。図５は、重み記憶部１３３の構成例を示す図である。重み記憶部１３３が記憶対象とする考慮要素は、“１年間の移動距離が長い”、“転職後に給与水準が向上した”、“スキルセットのバランスがよい”、・・・、“自活開始後、デフォルトを起こしたことない”、“身体能力が高い”、“資格取得までにかかる時間が短い”、“共通言語のない人と交流がある”、“離婚経験がない”、・・・、“就寝時間が安定している”、“見知らぬ場所又は新車での運転が安定している”、“学習意欲が高い”である。これら考慮要素にはそれぞれ重みが付与されている。環境変化への対応力と相関が大きい考慮要素には、大きな重みが付与され、環境変化への対応力と相関が小さい考慮要素には、小さな重みが付与される。図５の例では、“１年間の移動距離が長い”及び“転職後に給与水準が向上した”、“スキルセットのバランスがよい”には、それぞれ５ｐｔの重みが付与されている。“自活開始後、デフォルトを起こしたことない”、“身体能力が高い”、“資格取得までにかかる時間が短い”、“共通言語のない人と交流がある”、及び“離婚経験がない”には２ｐｔの重みが付与されている。“就寝時間が安定している”、“見知らぬ場所又は新車での運転が安定している”、及び“学習意欲が高い”には１ｐｔの重みが付与されている。勿論、重みは、５ｐｔ、２ｐｔ、１ｐｔに限られない。重みは少数点以下の数値であってもよい。重みは装置設計者等により予め情報処理装置１０に保存される。

（スコア記憶部１３４）
スコア記憶部１３４は、ユーザの環境変化への対応力のスコアを記憶する記憶領域である。スコアは数値であってもよいし、Ａ、Ｂ、Ｃといったランクであってもよい。図６は、スコア記憶部１３４の構成例を示す図である。図６の例では、スコア記憶部１３４には、対応力のスコアとして“２０ｐｔ”が記憶されている。スコアは後述の算出部１４２によって算出され保存される。

（経済状態記憶部１３５）
経済状態記憶部１３５は、ユーザの現在或いは将来の経済状態を記憶する記憶領域である。経済状態は、例えば、ユーザの収入であってもよいし、ユーザの支出であってもよい。経済状態記憶部１３５に記憶される経済状態は、複数年に渡る経済状態であってもよい。図７は、経済状態記憶部１３５の構成例を示す図である。図７の例では、経済状態記憶部１３５には、複数年（２０１６年、２０１７年、２０１８年、・・・）に渡るユーザの収入（６００万円、７００万円、７５０万円、・・・・）が記憶されている。経済状態は、後述の予測部１４３によって予測され保存される。

（制御部１４）
制御部１４は、情報処理装置１０の各部を制御するコントローラである。制御部１４は、ＣＰＵ（Central Processing Unit）、ＭＰＵ（Micro Processing Unit）等のプロセッサであってもよいし、ＦＰＧＡ（Field Programmable Gate Array）、ＡＳＩＣ（Application Specific Integrated Circuit）等の集積回路であってもよい。制御部１４は、情報処理装置１０の制御手段として機能する。制御部１４は、１つの素子で構成されていてもよいし、複数の素子で構成されていてもよい。例えば、制御部１４は、１つのプロセッサで構成されていてもよいし、複数のプロセッサで構成されていてもよい。制御部１４が複数の素子で構成される場合、これら複数の素子は、情報処理装置１０内の離れた場所に配置されていてもよい。例えば、複数の素子が別々の基板に実装されていてもよい。制御部１４は、制御部１４内もしくは制御部１４外のＲＯＭ（Read Only Memory）或いはＲＡＭ（Random Access Memory）に格納されているプログラムに従って動作することで、後述の「経済状態予測処理」「与信判別処理」を含む種々の動作を実現する。なお、プログラムという概念には、ＯＳ（Operating System）やアプリケーションプログラムのみならず、マイクロプログラムも含まれる。

図８は、制御部１４の機能ブロック図である。制御部１４は、取得部１４１と、算出部１４２と、予測部１４３と、情報生成部１４４と、与信判別部１４５と、を備える。制御部１４を構成するブロック（取得部１４１〜与信判別部１４５）はそれぞれ制御部１４の機能を示す機能ブロックである。これら機能ブロックはソフトウェアブロックであってもよいし、ハードウェアブロックであってもよい。例えば、上述の機能ブロックが、それぞれ、ソフトウェア（マイクロプログラムを含む。）で実現される１つのソフトウェアモジュールであってもよいし、半導体チップ（ダイ）上の１つの回路ブロックであってもよい。勿論、各機能ブロックがそれぞれ１つのプロセッサ或いは１つの集積回路であってもよい。機能ブロックの構成方法は任意である。なお、「経済状態予測処理」「与信判別処理」が実現されるのであれば、制御部１４はこれら機能ブロックとは異なる機能単位で構成されていてもよい。

（取得部１４１）
取得部１４１は、端末装置１、サーバ２等からユーザ情報を取得する。また、取得部１４１は、ユーザ情報に基づいてユーザの行動情報を取得する。取得部１４１の動作は、後述の経済状態予測処理の説明の箇所で詳述する。

（算出部１４２）
算出部１４２は、取得部１４１で取得した行動情報に基づいて、ユーザの環境変化への対応力をスコアとして算出する。算出部１４２の動作は、後述の経済状態予測処理の説明の箇所で詳述する。

（予測部１４３）
予測部１４３は、算出部１４２で算出したスコアに基づいて、前記ユーザの将来の経済状態を予測する。例えば、予測部１４３は、算出部１４２で算出したスコアに基づいて、ユーザの将来の収入を予測する。また、予測部１４３は、ユーザの現在の支出に基づいてユーザの将来の支出を予測する。予測部１４３の動作は、後述の経済状態予測処理の説明の箇所で詳述する。

（情報生成部１４４）
情報生成部１４４は、算出部１４２で算出したスコアと、予測部１４３で予測したユーザの将来の収入と、予測部１４３で予測したユーザの将来の支出と、に基づいて、資産運用に関する情報を生成する。情報生成部１４４の動作は、後述の経済状態予測処理の説明の箇所で詳述する。

（与信判別部１４５）
与信判別部１４５は、算出部１４２で算出したスコアに基づいて、ユーザとの取引の可否或いはユーザに与える信用枠を判別する。与信判別部１４５の動作は、後述の与信判別処理の説明の箇所で詳述する。

〔３．情報処理装置の動作の詳細〕
次に、情報処理装置１０の動作を説明する。情報処理装置１０の動作は、図９に示す経済状態予測処理と、図１１に示す与信判別処理と、に分けられる。情報処理装置１０はマルチタスクＯＳを備え、これらの処理を並行して実行可能である。

（経済状態予測処理）
最初に、登録処理について説明する。図９は経済状態予測処理のフローチャートである。経済状態予測処理は、ユーザの将来の経済状態を予測する処理である。情報処理装置１０の制御部１４は、通信部１１を介してユーザから処理開始指示を受け取ると、経済状態予測処理を開始する。以下、図９を参照しながら経済状態予測処理を説明する。

まず、取得部１４１は、端末装置１、サーバ２等からユーザ情報を取得する（ステップＳ１１）。ユーザ情報は、生体情報、遺伝情報、決済情報、投資情報、ＳＮＳ情報、購買情報、検索情報、運転情報、位置情報等の情報である。ユーザ情報には、ユーザの属性情報が含まれていてもよい。属性情報は、個人の属性に関する情報（例えば、デモグラフィック情報やサイコグラフィック情報）である。属性情報は、例えば、年齢、職業、収入、資産、住所、勤務先の住所、使用言語数、家族構成、友人関係、ライフサイクル、価値観、ライフスタイル、性格、好み等の情報である。取得部１４１は、取得したユーザ情報をユーザ情報記憶部１３１に記憶する。

次に、取得部１４１は、ユーザ情報に基づいてユーザの行動情報を抽出する（ステップＳ１２）。行動情報は、例えば、“一定期間内のユーザの移動距離の情報”、“自活開始後デフォルトを起こしたことがあるか否かの情報”、“資格取得までにかかった時間の情報”、“転職前と比較した転職後の給与水準の情報”、“共通言語のない人と交流に関する情報”、“学習意欲に関する情報”、“離婚経験の情報”、“スキルセットのバランスに関する情報”、身体能力が高いか否かに関する情報”、“就寝時間が安定しているか否かに関する情報”、“見知らぬ場所での自動車の運転が安定しているか否かに関する情報”、“新車での自動車の運転が安定しているか否かに関する情報”である。身体能力も、ユーザの行動に影響を与えるので行動情報の一種である。

行動情報の抽出は種々の方法を使用可能である。例えば、取得部１４１は、ステップＳ１１で取得した運転情報に基づき、一定期間（例えば、去年１年間）におけるユーザの車での走行距離を判別する。そして、取得部１４１は、判別した走行距離をユーザの行動情報（例えば、“移動距離＝８０００ｋｍ”）として取得する。また、取得部１４１は、ステップＳ１１で取得した決済情報等に基づき、自活生活を開始してから（就職してから）、ユーザがデフォルトを起こしたことがあるか否かを判別する。そして、取得部１４１は、判別結果をユーザの行動情報（例えば、“自活開始ごデフォルトなし”）として取得する。また、取得部１４１は、決済情報、ＳＮＳ情報等に基づき学習を開始してから試験合格までの時間を判別する。そして、取得部１４１は、判別結果をユーザの行動情報（例えば、“資格取得時間＝２０００時間”）として取得する。

なお、“転職前と比較した転職後の給与水準の情報”については、取得部１４１は、ＳＮＳ情報或いは属性情報から抽出してもよい。取得部１４１は、転職前と転職後の給与情報をそのまま行動情報（“転職前と比較した転職後の給与水準の情報”）としてもよい。また、取得部１４１は、転職後に給与が上がったか否かの判別結果を行動情報（“転職前と比較した転職後の給与水準の情報”）としてもよい。

また、“共通言語のない人と交流に関する情報”、“学習意欲に関する情報”、“離婚経験の情報”、“スキルセットのバランスに関する情報”については、取得部１４１は、ＳＮＳ情報から抽出してもよい。例えば、取得部１４１は、ＳＮＳ情報に基づきユーザの使用言語と、そのユーザに友達登録されている他のユーザの使用言語と、を判別する。取得部１４１は、ユーザの友達の中にユーザの使用言語と異なる使用言語の友達がいるか否かを判別する。取得部１４１は、判別結果を行動情報（“共通言語のない人と交流に関する情報”）として取得する。また、取得部１４１は、ＳＮＳ情報に基づき直近の一定期間内に専門学校の通学経験や通信教育の受講経験があるか否かを判別する。取得部１４１は、判別結果を行動情報（“学習意欲に関する情報”）として取得する。また、取得部１４１は、ＳＮＳ情報に基づき離婚経験があるか否かを判別する。そして、取得部１４１は、判別結果を行動情報（“離婚経験の情報”）として取得する。また、取得部１４１は、ＳＮＳ情報に基づきユーザが保持するスキル（資格、語学スキル、ＩＴ（Information Technology）スキル等）を判別する。そして、取得部１４１は、予め保持するスキルと点数とを関連付けた情報に基づいて、スキルの種類別（例えば、語学に関する能力、コンピュータに関する能力）に点数化し、点数差に基づいてスキルバランスが良いか否かを判別する。取得部１４１は、判別結果を（“スキルセットのバランスに関する情報”）として取得する。

また、“身体能力が高いか否かに関する情報”については、取得部１４１は、生体情報から抽出してもよい。例えば、取得部１４１は、ユーザの生体情報から身体能力に関する複数の数値（例えば、身長、体重、筋力、持久走のタイム）を取得する。そして、取得部１４１は、それら数値をそれぞれ正規化したうえで重みづけ加算する。こうして算出された値を、取得部１４１は、行動情報（“身体能力が高いか否かに関する情報”）として取得する。

また、“就寝時間が安定しているか否かに関する情報”については、取得部１４１は、ユーザの属性情報（例えば、ライフサイクル情報）から抽出してもよい。判別してもよい。例えば、取得部１４１は、ライフサイクル情報から判断されるユーザの就寝時間が一定の範囲に収まっているか否かを判別する。取得部１４１は、判別結果を行動情報（“就寝時間が安定しているか否かに関する情報”）として取得する。

また、“見知らぬ場所での自動車の運転が安定しているか否かに関する情報”については、取得部１４１は、ＳＮＳ情報（或いは属性情報）と運転情報から抽出してもよい。例えば、取得部１４１は、ＳＮＳ情報（或いは属性情報）に基づきユーザの引っ越しの時期を特定する。そして、取得部１４１は、運転情報に基づき引っ越しから一定期間内にユーザが事故を起こしたか否かを判別する。取得部１４１は、判別結果を行動情報（“見知らぬ場所での自動車の運転が安定しているか否かに関する情報”）として取得する。

また、“新車での自動車の運転が安定しているか否かに関する情報”については、取得部１４１は、購買情報（或いは決済情報）と運転情報から抽出してもよい。例えば、取得部１４１は、購買情報（或いは決済情報）に基づきユーザの新車購入の時期を特定する。そして、取得部１４１は、運転情報に基づき引っ越しから一定期間内にユーザが事故を起こしたか否かを判別する。そして、取得部１４１は、判別結果を行動情報（“新車での自動車の運転が安定しているか否かに関する情報”）として取得する。

算出部１４２は、取得部１４１で取得した行動情報に基づいて、ユーザの環境変化への対応力をスコアとして算出する（ステップＳ１３）。上述したように、重み記憶部１３３には、スコア算出のための複数の考慮要素それぞれに付与される重みが記憶されている。算出部１４２は、ステップＳ１２で抽出した行動情報に基づいて、考慮要素が成立するか否かを判別する。例えば、図５に示す“１年間のユーザの移動距離が長い”については、算出部１４２は、ユーザの移動距離（例えば、８０００ｋｍ）が予め設定された閾値より大きいか否かで判別する。また、“資格取得までにかかる時間が短い”については、算出部１４２は、ユーザの資格取得時間（例えば、２０００時間）が予め設定された閾値より大きいか否かで判別する。行動情報がそのまま判別結果となっている考慮要素（例えば、“自活開始後、デフォルトを起こしたことない”）については、算出部１４２は、行動情報（例えば、“デフォルト＝なし”）をそのまま判別結果としてもよい。

そして算出部１４２は、成立と判別された考慮要素に付与されている重みに基づいてスコアを算出する。算出部１４２は、成立と判別された考慮要素に付与されている重みを積算した値をスコアとして算出してもよい。例えば、重みが５ｐｔの“１年間の移動距離が長い”、重みが２ｐｔの“自活開始後、デフォルトを起こしたことない”、及び、重みが２ｐｔの“資格取得までにかかる時間が短い”が成立したとすると、算出部１４２は、９ｐｔ（＝５ｐｔ＋２ｐｔ＋２ｐｔ）をスコアとして算出する。算出部１４２は、算出したスコアをスコア記憶部１３４に保存する。

予測部１４３は、算出部１４２で算出したスコアに基づいて、ユーザの将来の経済状態を予測する（ステップＳ１４）。将来の経済状態は、将来のある年におけるユーザの経済状態（例えば、１５年後の経済状態）であってもよいし、複数年に渡る個人の経済状態（例えば、１年毎の３０年分の経済状態）であってもよい。経済状態は収入であってもよいし、支出であってもよい。例えば、予測部１４３は、算出部１４２で算出したスコアに基づいて、ユーザの将来の収入（例えば、設定年における収入）を予測する。このとき、予測部１４３は、算出部１４２で算出したスコアに基づいて掛目値を判別し、ユーザの見込み収入に掛目値を乗じた値をユーザの将来の収入として予測してもよい。具体的には、予測部１４３は、次の通りユーザの将来の収入を予測する。

まず、予測部１４３は、ユーザの属性情報（職業、現在の収入、年齢等）に基づいて、設定年におけるユーザの見込み収入を判別する。このとき、予測部１４３は、例えば、同様の属性を有する他のユーザの該当年齢における収入の平均値を見込み収入としてもよい。その後、予測部１４３は、ステップＳ１３で算出したスコアに基づいて見込み収入に乗じる掛目値を判別する。掛目値は、対応力のスコアが高い場合に高い値となり、対応力のスコアが低い場合に低い値となる。例えば、対応力のスコアが予め設定された閾値より高い場合には、予測部１４３は掛目値を例えば１．２（１２０％）と判別し、対応力のスコアが予め設定された閾値より低い場合には、情報処理装置１０は掛目値を例えば０．８（８０％）と判別する。掛目値は１．２と０．８の二段階に限られず、複数段階あってもよい。例えば、スコアが０ｐｔの場合の掛目値は０．２（２０％）、スコアが１ｐｔの場合の掛目値は０．２２（２２％）、スコアが２ｐｔの場合の掛目値は０．２４（２４％）、・・・・、というように、スコアと１対１で掛目値が対応付けられていてもよい。そして、情報処理装置１０は、見込み収入に掛目値を乗じた値をユーザの将来の収入として予測する。予測部１４３は、将来の収入を、基本給と残業代とに分けて算出してもよい。

なお、予測部１４３は、ユーザの将来の支出を予測してもよい。例えば、予測部１４３は、ユーザの現在の支出に基づいてユーザの将来の支出を予測してもよい。予測部１４３は、ユーザの見込みの支出をユーザの将来の支出としてもよい。或いは、予測部１４３は、ユーザの見込みの支出にスコアに応じた掛目値を乗じたものをユーザの将来の支出としてもよい。このとき、予測部１４３は、ユーザ情報（例えば、検索情報、決済情報、位置情報、健康情報）に基づいて見込みの支出を判別してもよい。予測部１４３は、同様の属性を有する他のユーザの該当年齢における支出の平均値を見込みの支出としてもよい。

また、予測部１４３は、ユーザの将来の収入に基づいてユーザの将来の支出を予測してもよい。例えば、予測部１４３は、ユーザの将来の収入にユーザの属性に応じた係数（例えば０．８）を乗じたものをユーザの将来の支出としてもよい。このとき、ユーザの将来の収入は、算出部１４２で算出したスコアに基づいて算出されたものであってもよい。

情報生成部１４４は、算出部１４２で算出したスコアと、予測部１４３で予測したユーザの経済状態（将来の収入及び/又は将来の支出）と、に基づいて、資産運用に関する情報（推奨情報等）を生成する（ステップＳ１５）。資産運用に関する情報は、資産運用の提案等に使用される情報である。図１０は、資産運用に関する情報の一例を示す図である。図１０は、２０１６年以降１年毎のユーザの収入、支出、及び資金繰りを棒グラフにしたものである。資金繰りは、収入から支出を引いたものである。収入の棒グラフ中に示されたＡは基本給であり、Ｂは残業代である。

情報生成部１４４は、ユーザの将来の経済状態（収支予測）に基づいて資産運用に関する推奨情報（提案情報）を生成してもよい。推奨情報は、例えば、いつ、いくら投資すべきなのかをユーザに提案（推奨）する情報である。例えば、図１０に示す例では、２０１８年から２０３５年まで資金繰りが＋５０万円で安定する。そこで、情報生成部１４４は、“２０１８年から２０３５年にて、掛け金５０万円／年で、運用利回り２％／年を目指す”等の情報を生成する。また、図１０に示す例では、２０３５年から２０６０年まで資金繰りが＋２００万円で安定する。そこで、情報生成部１４４は、“２０３５年から２０６０年にて、掛け金２００万円／年で、運用利回り３％／年を目指す”等の情報を生成する。このとき、情報生成部１４４は、運用のためのポートフォリオ情報を生成してもよい。例えば、情報生成部１４４は、２０１８年から２０３５年では、“日本株５０％、外国株式２５％、保険２５％”等の情報を生成してもよい。情報生成部１４４は、２０３５年から２０６０年では、“外国債券７５％、外国株式２５％”等の情報を生成してもよい。

なお、定年後に必要となる資金の情報も資産運用に関する推奨情報の１つである。情報生成部１４４は、定年後に必要となる資金の情報として、例えば、“１００歳まで生きるとして、定年時点（図１０の例では、２０６１年時点）で１億円の資産形成が必要”等の情報を生成してもよい。このとき、情報生成部１４４は、必要資金の内訳を生成してもよい。例えば、必要資金が１億円なのであれば、情報生成部１４４は“５０００万円の生活費、３０００万円の養育費、２０００万円の娯楽費”等の情報を生成してもよい。

なお、情報生成部１４４は、ステップＳ１３で算出したスコアに応じて推奨情報の内容を変化させてもよい。スコアが低い人（すなわち、環境変化への対応力が低い人）は、将来の大きな環境変化が起こった場合に、収支が大きく悪化する可能性が高い。そこで、情報生成部１４４は、スコアが低いユーザに対しては、通常時に分厚く投資して環境変化に備えるような推奨情報を生成する。例えば、情報生成部１４４は、ステップＳ１３で算出したスコアに応じて、資金繰りで示される金額（例えば、５０万円／年）のうち、投資に回すウェイトを算出する。例えば、スコアが予め設定された閾値より小さい場合には、情報生成部１４４は、投資に回すウェイトを１００％にする。一方、スコアが予め設定された閾値より小さい場合には、情報生成部１４４は、投資に回すウェイトを５０％にする。

情報生成部１４４は、生成した情報を出力部１２に出力する。情報生成部１４４は、図１０に示すグラフに推奨情報を付加して出力部１２に出力してもよい。出力が完了したら、制御部１４は、経済状態予測処理を終了する。

（与信判別処理）
次に、与信判別処理について説明する。図１１は、与信判別処理のフローチャートである。与信判別処理は、ユーザの与信を判断する処理である。情報処理装置１０の制御部１４は、通信部１１を介してユーザから処理開始指示を受け取ると、与信判別処理を開始する。処理開始指示を行うユーザと与信判断の対象となるユーザは別人であってもよい。以下、図１１を参照しながら紐付処理を説明する。

取得部１４１は、端末装置１、サーバ２等からユーザ情報を取得する（ステップＳ２１）。その後、取得部１４１は、ユーザ情報に基づいてユーザの行動情報を取得する（ステップＳ２２）。そして、算出部１４２は、取得部１４１で取得した行動情報に基づいて、ユーザの環境変化への対応力をスコアとして算出する（ステップＳ２３）。ステップＳ２１〜ステップＳ２３の動作は、経済状態予測処理のステップＳ１１〜ステップＳ１３と同じである。

与信判別部１４５は、算出部１４２で算出したスコアに基づいて、ユーザの与信（ユーザとの取引の可否、或いはユーザに与える信用枠）を判別する（ステップＳ２４）。例えば、与信判別部１４５は、ステップＳ２３で算出したスコアが予め設定された閾値より低い場合は、変化への対応力が低いユーザとして、ユーザとの取引を否定する。一方、与信判別部１４５は、スコアが予め設定された閾値より高い場合は、変化への対応力が高いユーザとして、ユーザとの取引を肯定する。

また、与信判別部１４５は、ステップＳ２３で算出したスコアに基づいてユーザに与える信用枠を判別してもよい。例えば、与信判別部１４５は、ステップＳ２３で算出したスコアに基づいて掛目値を判別し、ユーザの現在の収入或いは将来の収入に掛目値を乗じた値をユーザに与える信用枠として判別してもよい。なお、将来の収入は、ユーザの属性情報に基づき判別される見込み収入であってもよいし、経済状態予測処理のステップＳ１４
で予測される将来の収入であってもよい。

なお、掛目値は、対応力のスコアが高い場合に高い値となり、対応力のスコアが低い場合に低い値となる。例えば、対応力のスコアが予め設定された閾値より高い場合には、予測部１４３は掛目値を例えば１．２（１２０％）と判別し、対応力のスコアが予め設定された閾値より低い場合には、情報処理装置１０は掛目値を例えば０．８（８０％）と判別する。掛目値は１．２と０．８の二段階に限られず、複数段階あってもよい。

与信判別部１４５は、判別結果を出力部１２に出力する。出力が完了したら、制御部１４は、与信判別処理を終了する。

〔４．効果〕
本実施形態によれば、情報処理装置１０は、取得部１４１と、算出部１４２と、を備える。取得部１４１は、ユーザの行動情報を取得する。算出部１４２は、取得部１４１で取得した行動情報に基づいて、ユーザの環境変化への対応力を示すスコアを算出する。

これにより、ユーザの収入予測或いは与信の判別を行う装置（或いは人）は、ユーザの特徴（ユーザの環境変化への対応力）をスコアとして把握することが可能となる。

また、情報処理装置１０は、算出部１４２で算出したスコアに基づいて、ユーザの将来の経済状態を予測する予測部１４３、をさらに備える。予測部１４３は、算出部１４２で算出したスコアに基づいて、ユーザの将来の収入を予測する。

これにより、ユーザの対応力を予測に加味することができるので、情報処理装置１０はユーザの将来の経済状態を精度よく予測できる。

また、予測部１４３は、算出部１４２で算出したスコアに基づいて掛目値を判別し、前記ユーザの見込み収入に前記掛目値を乗じた値をユーザの将来の収入として予測する。

これにより、予測部１４３は、さらに精度よくユーザの将来の収入を予測することができる。

また、予測部１４３は、ユーザの現在の支出に基づいてユーザの将来の支出を予測する。そして、情報処理装置１０は、算出部１４２で算出したスコアと、予測部１４３で予測した前記ユーザの将来の収入と、予測部１４３で予測したユーザの将来の支出と、に基づいて、資産運用に関する情報を生成する情報生成部１４４をさらに備える。

これにより、ユーザは資産運用に関して必要な情報を得ることができる。

また、情報処理装置１０は、算出部１４２で算出したスコアに基づいて、ユーザとの取引の可否或いはユーザに与える信用枠を判別する与信判別部１４５をさらに備える。

これにより、ユーザの対応力を判別に加味することができるので、情報処理装置１０はユーザの与信を精度よく判別できる。

また、情報処理装置１０は、スコア算出のための複数の考慮要素それぞれに付与される重みを記憶する重み記憶部、をさらに備える。取得部１４１で取得される前記行動情報には、前記考慮要素に関する情報が少なくとも１つ含まれる。算出部１４２は、行動情報に基づき前記考慮要素が成立するか否かを判別し、成立した考慮要素に付与されている重みに基づいてユーザの環境変化への対応力をスコアとして算出する。

これにより、情報処理装置１０は、さらに精度よくスコアを算出することができる。

また、行動情報には、考慮要素に関する情報として、一定期間内のユーザの移動距離の情報、転職前と比較した転職後の給与水準の情報、スキルセットのバランスに関する情報、自活開始後デフォルトを起こしたことがあるか否かの情報、身体能力が高いか否かに関する情報、資格取得までにかかった時間の情報、共通言語のない人と交流に関する情報、離婚経験の情報、就寝時間が安定しているか否かに関する情報、見知らぬ場所での自動車の運転が安定しているか否かに関する情報、新車での自動車の運転が安定しているか否かに関する情報、学習意欲に関する情報、の中から選択される少なくとも１つの情報が含まれる。

これにより、情報処理装置１０は、さらに精度よくスコアを算出することができる。

また、取得部１４１は、ユーザ情報の中から行動情報を抽出する。そして、ユーザ情報には、生体情報、遺伝情報、決済情報、投資情報、ＳＮＳ情報、購買情報、検索情報、運転情報、位置情報の中から選択される少なくとも１つの情報が含まれる。

これにより、情報処理装置１０は、さらに精度よくスコアを算出することができる。

〔５．変形例〕
上述の実施形態は一例を示したものであり、種々の変更及び応用が可能である。

例えば、上述の実施形態では、スコア算出のための重みは、装置設計者等により予め重み記憶部１３３に保存されるものとした。しかし、重みは情報処理装置１０が算出してもよい。重みは、例えば、情報処理装置１０の取得部１４１及び／又は算出部１４２が算出してもよい。このとき、取得部１４１及び／又は算出部１４２は、複数の人のユーザ情報に基づいて各考慮要素に付与する重みを算出してもよい。取得部１４１及び／又は算出部１４２は、例えば、次の通り重みを算出してもよい。

まず、取得部１４１は、複数の人それぞれについて、ユーザ情報から行動情報を抽出する。ユーザ情報は、取得部１４１が端末装置１或いはサーバ２から取得してもよい。抽出方法はステップＳ１２で示した方法と同じであってもよい。

その後、算出部１４２は、取得部１４１が抽出した行動情報に基づいて、例えば、図５に示した各考慮要素が成立するか否かを判別する。算出部１４２は、複数のユーザそれぞれについて各考慮要素が成立するか否かを判別する。判別方法は、ステップＳ１３で示した方法と同じであってもよい。

そして、算出部１４２は、環境変化に対して対応力を示した人の判別結果（例えば、各考慮要素が成立するか否かのデータ）を正解データ、対応力を示せていない人の判別結果を不正解データとして機械学習することにより、各考慮要素に付与する重みを算出する。

機械学習の方法は種々の方法を使用可能である。例えば、算出部１４２は、下記式（１）を学習式として考慮要素に付与する重みを算出してもよい。
Ｙ＝ｗ_１Ｘ_１＋ｗ_２Ｘ_２＋ｗ_３Ｘ_３＋・・・ｗ_ｎＸ_ｎ （１）

なお、上記式（１）において、Ｘ_１〜Ｘ_ｎは、各考慮要素の値（例えば、成立＝１、不成立＝０）であり、ｗ_１〜ｗ_ｎは各考慮要素に付与する重みである。ｎは任意の整数である。学習式は複数のユーザそれぞれについて生成される。環境変化に対して対応力を示した人のＹは例えば１となり、環境変化に対して対応力を示せていない人のＹは例えば０となる。

環境変化への対応力を示した人は、例えば、“転職後に給与が上がった人（すなわち、新しい職場にて、期待以上のプレゼンスを発揮した人）”、“就業する産業規模が大幅縮小した時にすぐ転職できた人”、“海外勤務者或いは帰国子女で海外引越し時に異文化に対応、帰国時に日本文化に対応するのに時間がかからなかった人”、“自然災害発生時に適切な対応した人”、“投資リスクへ適切な対応をした人”である。これらの者に該当するか否かは人が主観で判別してもよいし、予め設定された基準に従って装置（例えば、算出部１４２）が判別してもよい。

なお、重みの判別は、算出部１４２以外の機能ブロック（例えば、取得部１４１、情報生成部１４４等）が行ってもよい。また、重みの判別は、情報処理装置１０以外の装置（例えば、サーバ２）が行ってもよい。

また、上述の実施形態では、一定期間（例えば、去年１年間）におけるユーザの車での走行距離をユーザの行動情報“一定期間内のユーザの移動距離の情報”とした。しかし、ユーザの移動距離は、ユーザの車での走行距離に限られず、例えば、ユーザの徒歩での移動距離が含まれていてもよい。移動距離は、例えば、携帯端末で把握されるユーザの移動履歴（例えば、ＧＰＳを使って把握される移動履歴）に基づき判別されたものであってもよい。

また、上述の実施形態（ステップＳ２４）では、与信判別部１４５は、スコアが予め設定された閾値より低い場合はユーザとの取引を否定し、スコアが予め設定された閾値より高い場合はユーザとの取引を肯定した。しかし、ユーザとの取引の可否の判別には、スコアに加えて、ユーザの現在或いは将来の収入が加味されていてもよい。例えば、与信判別部１４５は、ステップＳ２３で算出したスコアに基づいて掛目値を判別し、ユーザの現在の収入或いは将来の収入に掛目値を乗じてユーザの信用を示す金額を算出する。将来の収入は見込み収入であってもよい。そして、与信判別部１４５は、算出した金額が予め設定された金額より小さい場合はユーザとの取引を否定し、算出した金額が予め設定された閾値より高い場合はユーザとの取引を肯定する。

また、上述の実施形態（ステップＳ１４）では、ユーザの将来の経済状態を予測した。また、上述の実施形態（ステップＳ１５）では、情報生成部１４４は、資産運用に関する情報（例えば、推奨情報）を生成した。また、上述の実施形態（ステップＳ２４）では、与信判別部１４５は、ユーザの与信を判別した。しかし、これらの処理は必ずしも実行されなくてもよい。

本実施形態の情報処理装置１０を制御する制御装置は、専用のコンピュータシステムによって実現してもよいし、通常のコンピュータシステムにより実現してもよい。例えば、上述の動作を実行するためのプログラムを、光ディスク、半導体メモリ、磁気テープ、フレキシブルディスク等のコンピュータ読み取り可能な記録媒体に格納して配布し、該プログラムをコンピュータにインストールし、上述の処理を実行することによって制御装置を構成してもよい。制御装置は、情報処理装置１０の外部の装置（例えば、パーソナルコンピュータ）であってもよいし、内部の装置（例えば、制御部１４）であってもよい。また、上記プログラムをインターネット等のネットワーク上のサーバ装置が備えるディスク装置に格納しておき、コンピュータにダウンロード等できるようにしてもよい。また、上述の機能を、ＯＳ（Operating System）とアプリケーションソフトとの協働により実現してもよい。この場合には、ＯＳ以外の部分を媒体に格納して配布してもよいし、ＯＳ以外の部分をサーバ装置に格納しておき、コンピュータにダウンロード等できるようにしてもよい。

〔６．ハードウェア構成〕
実施形態及び変形例に係る情報処理装置１０は、例えば図１２に示すような構成のコンピュータ１０００によっても実現可能である。図１２は、情報処理装置１０の機能を実現するコンピュータの一例を示すハードウェア構成図である。コンピュータ１０００は、ＣＰＵ（Central Processing Unit）１１００、ＲＡＭ１２００、ＲＯＭ１３００、ＨＤＤ（Hard Disk Drive）１４００、通信インタフェース（Ｉ／Ｆ）１５００、入出力インタフェース（Ｉ／Ｆ）１６００、及びメディアインタフェース（Ｉ／Ｆ）１７００を有する。

ＣＰＵ１１００は、ＲＯＭ１３００またはＨＤＤ１４００に格納されたプログラムに基づいて動作し、各部の制御を行う。ＲＯＭ１３００は、コンピュータ１０００の起動時にＣＰＵ１１００によって実行されるブートプログラムや、コンピュータ１０００のハードウェアに依存するプログラム等を格納する。

ＨＤＤ１４００は、ＣＰＵ１１００によって実行されるプログラム、及び、かかるプログラムによって使用されるデータ等を格納する。通信インタフェース１５００は、ネットワークＮを介して他の機器からデータを受信してＣＰＵ１１００へ送り、ＣＰＵ１１００が生成したデータをネットワークＮを介して他の機器へ送信する。

ＣＰＵ１１００は、入出力インタフェース１６００を介して、ディスプレイやプリンタ等の出力装置、及び、キーボードやマウス等の入力装置を制御する。ＣＰＵ１１００は、入出力インタフェース１６００を介して、入力装置からデータを取得する。また、ＣＰＵ１１００は、生成したデータを入出力インタフェース１６００を介して出力装置へ出力する。

メディアインタフェース１７００は、記録媒体１８００に格納されたプログラムまたはデータを読み取り、ＲＡＭ１２００を介してＣＰＵ１１００に提供する。ＣＰＵ１１００は、かかるプログラムを、メディアインタフェース１７００を介して記録媒体１８００からＲＡＭ１２００上にロードし、ロードしたプログラムを実行する。記録媒体１８００は、例えばＤＶＤ（Digital Versatile Disc）、ＰＤ（Phase change rewritable Disk）等の光学記録媒体、ＭＯ（Magneto-Optical disk）等の光磁気記録媒体、テープ媒体、磁気記録媒体、または半導体メモリ等である。

例えば、コンピュータ１０００が実施形態に係る情報処理装置１０として機能する場合、コンピュータ１０００のＣＰＵ１１００は、ＲＡＭ１２００上にロードされたプログラムを実行することにより、制御部１４の機能を実現する。コンピュータ１０００のＣＰＵ１１００は、これらのプログラムを記録媒体１８００から読み取って実行するが、他の例として、他の装置からネットワークＮを介してこれらのプログラムを取得してもよい。

以上、本願の実施形態のいくつかを図面に基づいて詳細に説明したが、これらは例示であり、発明の開示の行に記載の態様を始めとして、当業者の知識に基づいて種々の変形、改良を施した他の形態で本発明を実施することが可能である。

〔７．その他〕
また、上記各実施形態において説明した各処理のうち、自動的に行われるものとして説明した処理の全部または一部を手動的に行うこともでき、あるいは、手動的に行われるものとして説明した処理の全部または一部を公知の方法で自動的に行うこともできる。この他、上記文書中や図面中で示した処理手順、具体的名称、各種のデータやパラメータを含む情報については、特記する場合を除いて任意に変更することができる。例えば、各図に示した各種情報は、図示した情報に限られない。

また、図示した各装置の各構成要素は機能概念的なものであり、必ずしも物理的に図示の如く構成されていることを要しない。すなわち、各装置の分散・統合の具体的形態は図示のものに限られず、その全部または一部を、各種の負荷や使用状況などに応じて、任意の単位で機能的または物理的に分散・統合して構成することができる。

また、上述してきた各実施形態は、処理内容を矛盾させない範囲で適宜組み合わせることが可能である。

また、上述してきた「部（section、module、unit）」は、「手段」や「回路」などに読み替えることができる。例えば、算出部は、算出手段や算出回路に読み替えることができる。

１…端末装置
２…サーバ
１０…情報処理装置
１１…通信部
１２…出力部
１３…記憶部
１３１…ユーザ情報記憶部
１３２…行動情報記憶部
１３３…重み記憶部
１３４…スコア記憶部
１３５…経済状態記憶部
１４…制御部
１４１…取得部
１４２…算出部
１４３…予測部
１４４…情報生成部
１４５…与信判別部

Claims (11)

1. ユーザの行動情報を取得する取得部と、
   前記取得部で取得した前記行動情報に基づいて、前記ユーザの環境変化への対応力を示すスコアを算出する算出部と、
   前記算出部で算出したスコアに基づいて掛目値を判別し、前記ユーザの見込み収入に前記掛目値と乗じた値を前記ユーザの将来の収入として予測する予測部と、
   を備えたことを特徴とする情報処理装置。
2. ユーザの行動情報を取得する取得部と、
   前記取得部で取得した前記行動情報に基づいて、前記ユーザの環境変化への対応力を示すスコアを算出する算出部と、
   前記算出部で算出したスコアに基づいて前記ユーザの将来の収入を予測し、前記ユーザの現在の支出に基づいて前記ユーザの将来の支出を予測する予測部と、
   前記算出部で算出したスコアと、前記予測部で予測した前記ユーザの将来の収入と、前記予測部で予測した前記ユーザの将来の支出と、に基づいて、資産運用に関する情報を生成する情報生成部と、
   を備えたことを特徴とする情報処理装置。
3. 前記予測部は、前記算出部で算出したスコアに基づいて掛目値を判別し、前記ユーザの見込み収入に前記掛目値と乗じた値を前記ユーザの将来の収入として予測する、
   ことを特徴とする請求項２に記載の情報処理装置。
4. 前記算出部で算出したスコアに基づいて、前記ユーザとの取引の可否或いは前記ユーザに与える信用枠を判別する与信判別部、
   をさらに備えたことを特徴とする請求項１又は２に記載の情報処理装置。
5. スコア算出のための複数の考慮要素それぞれに付与される重みを記憶する重み記憶部、をさらに備え、
   前記取得部で取得される前記行動情報には、前記考慮要素に関する情報が少なくとも１つ含まれており、
   前記算出部は、前記行動情報に基づき前記考慮要素が成立するか否かを判別し、成立した前記考慮要素に付与されている重みに基づいて前記ユーザの環境変化への対応力をスコアとして算出する、
   ことを特徴とする請求項１〜４のいずれか１項に記載の情報処理装置。
6. 前記行動情報には、前記考慮要素に関する情報として、一定期間内のユーザの移動距離の情報、転職前と比較した転職後の給与水準の情報、スキルセットのバランスに関する情報、自活開始後デフォルトを起こしたことがあるか否かの情報、身体能力が高いか否かに関する情報、資格取得までにかかった時間の情報、共通言語のない人と交流に関する情報、離婚経験の情報、就寝時間が安定しているか否かに関する情報、見知らぬ場所での自動車の運転が安定しているか否かに関する情報、新車での自動車の運転が安定しているか否かに関する情報、学習意欲に関する情報、の中から選択される少なくとも１つの情報が含まれる、
   ことを特徴とする請求項５に記載の情報処理装置。
7. 前記取得部は、ユーザ情報の中から前記行動情報を抽出し、
   前記ユーザ情報には、生体情報、遺伝情報、決済情報、投資情報、ＳＮＳ（Social Networking Service）情報、購買情報、検索情報、運転情報、位置情報の中から選択される少なくとも１つの情報が含まれる、
   ことを特徴とする請求項１〜６のいずれか１項に記載の情報処理装置。
8. 情報処理装置が実行する情報処理方法であって、
   ユーザの行動情報を取得する取得工程と、
   前記取得工程で取得した前記行動情報に基づいて、前記ユーザの環境変化への対応力を示すスコアを算出する算出工程と、
   前記算出工程で算出したスコアに基づいて掛目値を判別し、前記ユーザの見込み収入に前記掛目値と乗じた値を前記ユーザの将来の収入として予測する予測工程と、
   を含むことを特徴とする情報処理方法。
9. ユーザの行動情報を取得する取得手順と、
   前記取得手順で取得した前記行動情報に基づいて、前記ユーザの環境変化への対応力を示すスコアを算出する算出手順と、
   前記算出手順で算出したスコアに基づいて掛目値を判別し、前記ユーザの見込み収入に前記掛目値と乗じた値を前記ユーザの将来の収入として予測する予測工程と、
   をコンピュータに実行させることを特徴とする情報処理プログラム。
10. 情報処理装置が実行する情報処理方法であって、
    ユーザの行動情報を取得する取得工程と、
    前記取得工程で取得した前記行動情報に基づいて、前記ユーザの環境変化への対応力を示すスコアを算出する算出工程と、
    前記算出工程で算出したスコアに基づいて前記ユーザの将来の収入を予測し、前記ユーザの現在の支出に基づいて前記ユーザの将来の支出を予測する予測工程と、
    前記算出工程で算出したスコアと、前記予測工程で予測した前記ユーザの将来の収入と、前記予測工程で予測した前記ユーザの将来の支出と、に基づいて、資産運用に関する情報を生成する情報生成工程と、
    を含むことを特徴とする情報処理方法。
11. ユーザの行動情報を取得する取得手順と、
    前記取得手順で取得した前記行動情報に基づいて、前記ユーザの環境変化への対応力を示すスコアを算出する算出手順と、
    前記算出手順で算出したスコアに基づいて前記ユーザの将来の収入を予測し、前記ユーザの現在の支出に基づいて前記ユーザの将来の支出を予測する予測手順と、
    前記算出手順で算出したスコアと、前記予測手順で予測した前記ユーザの将来の収入と、前記予測手順で予測した前記ユーザの将来の支出と、に基づいて、資産運用に関する情報を生成する情報生成手順と、
    をコンピュータに実行させることを特徴とする情報処理プログラム。

Images