JP7440017B2 - 金融情報管理分析システム - Google Patents

Description

この発明は、複数の個人の基本情報や資産情報を含む個人登録情報に基づいて分析を行うことにより、個人を複数の区分のいずれかに分類する金融情報管理分析システムに関するものである。

従来、保険などの特定の金融商品について、収入や資産、将来の予定などの個人データを分析することにより、将来の収支推移をシミュレーションし、購入パターン等を提案する金融分析システムがある。

例えば、下記特許文献１には、家族構成、現在及び将来の収入・支出、資産・負債、住宅購入予定、住宅積立等からなる個人データに基づいて、現状分析や対策分析を行い、お勧めの保険加入パターンを提示したり、住宅ローン計画を作成して提示したりするライフプラニングシステムが記載されている。

特開平１１－２５１５５号公報

しかしながら、特許文献１の発明では、対応する金融商品が、保険と住宅ローンに限られており、あくまで特定の個人を対象とした分析を行うのみである。このようなシステムでは、対象外の他の金融商品に対する分析を行うことはできず、また、その金融商品に対する関心度などその特定の個人の傾向が多数の個人の中でどの程度に位置づけられるのかを分析することもできない。

そこで、本発明の課題は、分析する金融商品を指定することができ、その指定した金融商品に対する傾向が近い個人を複数の区分に分類して、多数の個人の中での位置づけを分析できる金融情報管理分析システムを提供することである。

かかる課題を解決するために、請求項１に記載の発明は、複数の個人から入力される属性情報により構成される基本情報や資産情報を含む個人登録情報に基づいて、前記個人を複数の区分のいずれかに分類する金融情報管理分析システムであって、前記個人からの入力を受け付ける入力情報受付部と、前記入力情報受付部で受け付けられる前記基本情報や前記資産情報を含む前記個人登録情報が記憶される個人情報データベースと、分析対象となる金融商品を含む分析条件を受け付ける分析条件受付部と、前記分析条件受付部で受け付けた前記分析条件の下で前記個人情報データベースに記憶されている前記個人登録情報に基づいて前記個人を前記複数の区分のいずれかに分類する個人登録情報分析部と、前記個人登録情報分析部により前記複数の区分のいずれかに割り当てられた前記個人に対して、前記個人の属する区分から異なる区分に移行するために推奨される金融行動を含む金融行動アドバイスを生成する金融行動助言生成部とを含む金融情報管理分析システムサーバを備え、前記基本情報には、生年月日、性別、居住地、職業、職種、勤続年数、年収または家族構成のうちの少なくとも一つを含み、前記資産情報には、預貯金、年金または投資信託のうちの少なくとも一つを含み、前記個人登録情報分析部は、前記基本情報や前記資産情報を含む前記個人登録情報を用いて前記分析条件の下で分析を行うことにより、前記個人を前記複数の区分のいずれかに割り当て、前記金融行動助言生成部は、あらかじめ用意されている複数の前記金融行動アドバイスの中から、前記個人の属する前記区分に応じて、自動的に前記金融行動アドバイスを抽出する金融情報管理分析システムとしたことを特徴とする。

請求項４に係る発明は、請求項１乃至３の何れか１項に記載の構成に加えて、前記個人登録情報には、前記個人が前記個人登録情報を閲覧した履歴または前記個人登録情報を更新した履歴を含む金融資産への関心を示す心理的情報をさらに含み、前記個人登録情報分析部は、前記心理的情報を含めて、前記分析を行うことにより、前記個人を前記複数の区分のいずれかに割り当てる金融情報管理分析システムとしたことを特徴とする。

請求項２に係る発明は、複数の個人から入力される属性情報により構成される基本情報や資産情報を含む個人登録情報に基づいて、前記個人を複数の区分のいずれかに分類する金融情報管理分析システムであって、前記個人からの入力を受け付ける入力情報受付部と、前記入力情報受付部で受け付けられる前記基本情報や前記資産情報を含む前記個人登録情報が記憶される個人情報データベースと、分析対象となる金融商品を含む分析条件を受け付ける分析条件受付部と、前記分析条件受付部で受け付けた前記分析条件の下で前記個人情報データベースに記憶されている前記個人登録情報に基づいて前記個人を前記複数の区分のいずれかに分類する個人登録情報分析部とを含む金融情報管理分析システムサーバを備え、前記基本情報には、生年月日、性別、居住地、職業、職種、勤続年数、年収または家族構成のうちの少なくとも一つを含み、前記資産情報には、預貯金、年金または投資信託のうちの少なくとも一つを含み、前記個人登録情報分析部は、前記基本情報や前記資産情報を含む前記個人登録情報を用いて前記分析条件の下で分析を行うことにより、前記個人を前記複数の区分のいずれかに割り当てるようになっており、前記個人登録情報分析部は、前記個人登録情報に含まれる特定情報に基づいて、前記個人を前記複数の区分のうちの一の区分に分類する特定情報分類部を有し、前記特定情報とは、あらかじめ定められた前記個人登録情報に含まれる１以上の所定の情報であって、前記所定の情報を参照することによって前記個人を前記一の区分に分類できる前記所定の情報のことであり、前記特定情報分類部では、前記個人登録情報に含まれる前記特定情報が、前記特定情報に基づいて前記個人を前記複数の区分のうちの前記一の区分に分類する所定の条件を満たしていれば、前記個人を前記一の区分に割り当てる金融情報管理分析システムとしたことを特徴とする。

請求項３に係る発明は、請求項２に記載の構成に加えて、前記個人登録情報分析部は、前記個人登録情報に含まれる複数の情報を複合して数値化したスコアリング情報に基づいて、前記個人を前記一の区分以外の他の区分に分類するスコアリング情報分類部を有し、前記スコアリング情報分類部では、前記個人登録情報から算出された前記スコアリング情報が、前記スコアリング情報に基づいて前記個人を前記一の区分以外の前記他の区分に分類する所定の条件を満たしていれば、前記個人を前記他の区分に割り当てる金融情報管理分析システムとしたことを特徴とする。

請求項５に係る発明は、請求項１乃至４の何れか１項に記載の構成に加えて、前記個人登録情報分析部は、前記個人登録情報に基づいて、機械学習を用いたクラスタリング分析を行い、前記複数の前記個人を複数のクラスタに分類することにより、前記個人を前記複数の区分のいずれかに分類するクラスタリング分析分類部を有し、前記クラスタリング分析分類部では、前記クラスタリング分析の結果、前記個人が属する前記クラスタに基づいて、前記個人を前記複数の区分のうちのいずれかに割り当てる金融情報管理分析システムとしたことを特徴とする。

請求項６に係る発明は、請求項１乃至５の何れか１項に記載の構成に加えて、前記金融情報管理分析システムサーバは、前記個人登録情報分析部により前記個人を前記複数の区分のいずれかに分類した分析結果の表示画面を作成する分析結果画面作成部を有し、前記分析結果画面作成部は、前記複数の区分のいずれかに割り当てられた前記個人を、割り当てられた前記複数の区分のいずれかと関連づけて表示する画面を作成する金融情報管理分析システムとしたことを特徴とする。

請求項７に係る発明は、請求項１乃至６の何れか１項に記載の構成に加えて、前記複数の区分には、あらかじめ定義される優良顧客に該当する区分が含まれている金融情報管理分析システムとしたことを特徴とする。

請求項１及び２の発明によれば、分析対象となる金融商品を含む分析条件の下で基本情報や資産情報を含む個人登録情報を用いて分析を行うことにより、個人を複数の区分のいずれかに割り当てるため、分析できる金融商品が限定されることなく、多くの金融商品の中から分析する金融商品を指定することができる。

また、その指定された金融商品に対する傾向が近い個人同士が同じ区分に分類されるため、多数の個人の中でのそれぞれの個人の位置づけを認識することができる。

請求項４の発明によれば、金融資産への関心を示す心理的情報を含めて分析を行うことにより、個人を複数の区分のいずれかに割り当てるため、その指定された金融商品に対する関心や態度など心理的要因を含めて傾向が近い個人同士が同じ区分に分類される。このため、多数の個人の中でのそれぞれの個人の位置づけをより正確に認識することができる。

請求項２の発明によれば、個人登録情報に含まれる特定情報に基づいて、個人を複数の区分のうちの一の区分に割り当てるため、その区分に割り当てられた理由を明確に認識することができる。

請求項３の発明によれば、個人登録情報に含まれる複数の情報を複合して数値化したスコアリング情報に基づいて、個人を一の区分以外の他の区分に割り当てるため、多様な観点から区分に分類することができる。

請求項５の発明によれば、機械学習を用いたクラスタリング分析を行い、複数の個人を複数のクラスタに分類し、その結果に基づいて個人を複数の区分のうちのいずれかに割り当てるため、分類が困難な場合でも、確実に区分に分類することができる。

請求項６の発明によれば、複数の区分のいずれかに割り当てられた個人を、割り当てられた複数の区分のいずれかと関連づけて表示する画面を作成するため、個人がどの区分に属しているのかを容易に認識することができる。

請求項１の発明によれば、複数の区分のいずれかに割り当てられた個人に対して、その個人の属する区分から異なる区分に移行するために推奨される金融行動を含む金融行動アドバイスが生成されるため、その個人へのアプローチを明確に認識することができる。

請求項７の発明によれば、複数の区分には、優良顧客に該当する区分が含まれているため、各区分に属する個人が、優良顧客に対して、どのような位置にあるかを認識することができる。

この発明の実施の形態に係る金融情報管理分析システムの全体構成を概略的に示すブロック図である。 同実施の形態に係る金融情報管理分析システムサーバの構成を概略的に示すブロック図である。 同実施の形態に係る金融情報管理分析システムサーバの個人情報データベースに含まれる情報の例を示す図である。 同実施の形態に係る金融情報管理分析システムサーバの個人登録情報分析部の構成を概略的に示すブロック図である。 同実施の形態に係る金融機関情報端末に表示される新規作成画面の例を示す図である。 同実施の形態に係る金融機関情報端末に表示される金融商品選択画面の例を示す図である。 同実施の形態に係る金融機関情報端末に表示される分析条件設定画面の例を示す図である。 同実施の形態に係る金融機関情報端末に表示される分析結果表示画面の例を示す図である。 同実施の形態に係る金融機関情報端末に表示される分析結果表示画面の例を示す図である。 同実施の形態に係る金融機関情報端末に表示される金融行動アドバイス表示画面の例を示す図である。 同実施の形態に係る金融機関情報端末に表示される比較検討画面の例を示す図である。 同実施の形態に係る金融機関情報端末に表示される比較検討画面の例を示す図である。 同実施の形態に係る金融機関情報端末に表示される比較検討画面の例を示す図である。 同実施の形態に係る金融情報管理分析システムサーバの個人登録情報分析部における分析に用いられる情報の例を示す図である。 同実施の形態に係る金融情報管理分析システムサーバの個人登録情報分析部における分析に用いられるスコアリング情報の算出方法の例を説明する図である。 同実施の形態に係る金融情報管理分析システムサーバの個人登録情報分析部における分析に用いられるスコアリング情報のスコアの例を示す図である。 同実施の形態に係る金融情報管理分析システムサーバの個人登録情報分析部における分析に用いられるライフスタイルスコアを作成する際の入力画面の例を示す図である。 同実施の形態に係る金融情報管理分析システムサーバの個人登録情報分析部における分析の一例を説明する図である。 同実施の形態に係る金融情報管理分析システムサーバの個人登録情報分析部における分析に使用されるクラスタリング分析の手法の例を示す図である。 同実施の形態に係る個人情報端末に表示されるアドバイス画面の一例を示す図である。 同実施の形態に係る個人情報端末に表示されるアドバイス画面を生成する構成を概略的に示す図である。 同実施の形態に係るチャットボットサーバの人工知能チャットエンジンの構成を概略的に示す図である。

この発明の実施の形態について、図１から図２２を用いて説明する。

本発明に係る金融情報管理分析システム５００は、複数の個人の基本情報５３０や資産情報５３１を含む個人登録情報５３８を記録して管理すると共に、金融商品について個人が分析対象となる集団の中でどのような位置づけにいるのか分析を行い、推奨される金融行動のアドバイスを提示するシステムである。この分析では、個人登録情報５３８に基づいて、個人を複数の区分のいずれかに分類することが行われる。

＜金融情報管理分析システムの構成＞
図１には、本発明に係る金融情報管理分析システム５００の全体構成を示す概略ブロック図が示されている。

このシステム５００は、金融情報管理分析システムサーバ５０１、複数の個人情報端末５０２_１、５０２_２、・・・、５０２_ｎ、金融機関情報端末５０３、チャットボットサーバ５０４を含む構成をしており、それぞれがインターネットやローカルエリアネットワーク（ＬＡＮ:Local Area Network）などのネットワーク５０５によって接続されている。

個人情報端末５０２_１、５０２_２、・・・、５０２_ｎは、このシステム５００のユーザである個人が、生年月日、性別、職業などを含む属性情報である基本情報５３０や、預貯金、年金などを含む資産情報５３１等の入力に使用される。また、このシステム５００に記憶されている基本情報５３０や資産情報５３１などを閲覧したり、それらの情報に基づいて行われる将来の資産推移などのシミュレーション結果を表示したりするために使用される。個人情報端末５０２_１、５０２_２、・・・、５０２_ｎとしては、ＰＣ（Personal Computer）、スマートフォン、タブレットなどの情報端末が使用される。

なお、個人情報端末５０２_１、５０２_２、・・・、５０２_ｎの表記を、以下では、代表して個人情報端末５０２と記載する。

金融機関情報端末５０３は、このシステム５００のユーザである金融機関が、このシステム５００に記憶されている多数の個人の個人登録情報５３８に基づいて分析する際の金融商品の選択や設定条件の入力、分析結果の表示などに使用される。

チャットボットサーバ５０４は、個人情報端末５０２を介して個人が対話形式でこのシステム５００と情報の入出力を行う際の対話を行うために機能する。

金融情報管理分析システムサーバ５０１では、個人登録情報５３８の記憶や管理、個人登録情報５３８に基づく分析、分析結果の表示、推奨される金融行動のアドバイスの生成などが行われる。

＜金融情報管理分析システムサーバの構成＞
図２には、この金融情報管理分析システムサーバ５０１の構成を概略的に示すブロック図が示されている。

このサーバ５０１は、金融情報管理分析システムサーバ制御部５１０、入力情報受付部５１１、登録情報出力部５１２、分析条件受付部５１３、個人登録情報分析部５１４、分析結果画面作成部５１５、分析結果画面出力部５１６、金融行動助言生成部５１７、金融行動助言出力部５１８、個人向けアドバイス発生部５１９、個人情報データベース５２０、統計情報データベース５２１、ＦＰ(Financial Planner)情報データベース５２２を含む構成になっている。

金融情報管理分析システムサーバ制御部５１０は、このサーバ５０１に含まれている各要素が、機能を発揮するように制御する。この制御部５１０は、ＣＰＵ（Central Processing Unit）、ＲＡＭ（Random Access Memory）などの主記憶部、ハードディスクなどの補助記憶部などを含むように構成される。補助記憶部には、プログラムやデータが記憶される。主記憶部には、データを一時的に記憶できる揮発性メモリが使用される。ＣＰＵは、主記憶部を用いて、補助記憶部に記憶されているプログラムを実行したり、データ処理を行ったりする。

入力情報受付部５１１は、個人が個人情報端末５０２を用いて入力した基本情報５３０や資産情報５３１などの入力情報を受け付ける。個人情報端末５０２からネットワーク５０５を介して送信されてくるデータを、入力情報受付部５１１で受信することにより取得する。このようにして取得された情報は、個人情報データベース５２０に記憶されるようになっている。

登録情報出力部５１２は、個人情報データベース５２０に記憶されている個人登録情報５３８などを個人情報端末５０２に向けて送信する。このようにして送信された情報を個人情報端末５０２が受信して、表示することにより個人が確認できるようになる。

分析条件受付部５１３は、金融機関情報端末５０３に入力される分析対象となる金融商品を含む分析条件を受け付ける。金融機関情報端末５０３からネットワーク５０５を介して送信されてくる分析条件を示すデータを、分析条件受付部５１３で受信することにより、分析条件を取得する。

個人登録情報分析部５１４は、分析条件受付部５１３で受け付けた金融商品を含む分析条件の下、個人情報データベース５２０に記憶されている基本情報５３０や資産情報５３１などで構成される個人登録情報５３８に基づいて分析を行うことにより、個人を複数の区分のいずれかに割り当てる。このような処理を行うことにより、指定された金融商品について個人が分析対象となる集団の中でどのように位置づけられるのか分析することができる。

分析結果画面作成部５１５は、個人登録情報分析部５１４により個人を複数の区分のいずれかに分類した分析結果の表示画面を作成する。複数の区分のいずれかに割り当てられた個人を、割り当てられた区分と関連づけて表示する画面を作成することにより、その個人の集団における位置づけが明確に表示されるようになる。

分析結果画面出力部５１６は、分析結果画面作成部５１５で作成された分析結果の表示画面データを、金融機関情報端末５０３に向けて送信する。金融機関情報端末５０３では、ネットワーク５０５を介して送信されてくる分析結果の表示画面データを受信して、画面表示することで、分析結果を確認することができる。

金融行動助言生成部５１７は、個人登録情報分析部５１４により複数の区分のいずれかに割り当てられた個人に対して、その個人の属する区分から異なる区分に移行するために推奨される金融行動を含む金融行動アドバイスを生成する。このように分析結果に基づいて、その区分に属する個人にとって適切なアドバイスが生成されるようになっている。

金融行動助言出力部５１８は、金融行動助言生成部５１７で生成された金融行動アドバイスデータを金融機関情報端末５０３に向けて送信する。金融機関情報端末５０３では、金融行動アドバイスデータを受信して表示することにより、その区分に属する個人に対してどのようなアドバイスをすればよいか具体的な内容を把握することができる。

個人向けアドバイス発生部５１９は、チャットボットサーバ５０４と連携して、個人情報端末５０２に対話形式のアドバイス画面６１０を発生させ、金融行動助言生成部５１７で生成された金融行動アドバイスを提供する。こうすることにより、分析結果に基づいて生成された金融行動アドバイスを、金融機関を介さずに、直接、個人に通知することができる。

個人情報データベース５２０には、複数の個人の個人登録情報５３８が記憶される。この個人情報データベース５２０に記憶されている個人登録情報５３８からは、各個人の情報がいつでも取り出せるようになっている。

統計情報データベース５２１には、公的統計データを基本として、企業規模別の給与や退職金、加入保険額、生活費、都道府県別の生活費などの統計情報５７０が記憶される。公的統計データは、厚生労働省、総務省、日本年金機構などの公的機関から取得される。

ＦＰ情報データベース５２２には、ファイナンシャルプランナーが知識として保有する、収入に対する食費、教育費、貯蓄などの割合や保険加入診断などの各種情報を含むＦＰ情報５７１が記憶される。

図３には、個人情報データベース５２０に記憶される個人登録情報５３８を構成する各種の情報の例が示されている。個人登録情報５３８は、基本情報５３０、資産情報５３１、ライフイベント情報５３２、家計情報５３３、アンケート情報５３４、ログ情報５３５などから構成される。

基本情報５３０は、生年月日、性別、居住地、職業、職種、勤続年数、年収、家族構成などの属性情報により構成される。

資産情報５３１は、預貯金、年金、投資信託などにより構成される。

インターネットバンキングで連携することにより、普通預金、定期預金、外貨預金などの情報は、開設している口座情報から取得することもできる。もちろん資産情報５３１を構成する資産の情報を個人情報端末５０２に入力することにより登録や変更をすることもできる。また、資産情報５３１には、不動産などの資産も含めることができる。

ライフイベント情報５３２は、子供の進学コース、住宅購入、結婚、老後、旅行などのイベントや夢の計画等のライフイベントに関わる情報により構成される。

家計情報５３３は、食費や遊興費、住居費、教育費などの生活費関連情報により構成される。

アンケート情報５３４は、お金に対する意識やライフスタイルに関する考え方などユーザである個人に対する質問を通じて取得する情報により構成される。

ログ情報５３５は、ユーザである個人がこの金融情報管理分析システム５００にアクセスした際の情報や、申し込み、問合せなどの行動に関する記録蓄積情報により構成される。その個人が個人登録情報５３８を閲覧した履歴や個人登録情報５３８を更新した履歴などの情報なども、このログ情報５３５に含まれる。

この個人登録情報５３８に含まれる情報のうち、ライフイベント情報５３２、家計情報５３３、アンケート情報５３４、ログ情報５３５は、ライフスタイルに対する価値観、お金に対する価値観などを反映している情報と想定できる。

また、アンケート情報５３４やログ情報５３５などからは、金融資産に関する関心度を読み取ることができる。例えば、アンケート情報５３４に含まれる投資に関する考え方の情報や、ログ情報５３５に含まれるこの金融情報管理分析システム５００にアクセスする頻度の情報や、このシステム５００のどの画面を閲覧したかの情報、個人登録情報５３８を閲覧した履歴や個人登録情報５３８を更新した履歴などの情報等は、金融資産に関する関心の高さを反映していると想定できる。このように「金融資産への関心を示す心理的情報」として、アンケート情報５３４やログ情報５３５などに含まれる情報があげられる。

図４には、個人登録情報分析部５１４を構成する概略ブロック図が示されている。この個人登録情報分析部５１４は、特定情報分類部５４０、スコアリング情報分類部５４１、クラスタリング分析分類部５４２を含む構成になっている。

特定情報分類部５４０は、個人登録情報５３８に含まれる特定情報に基づいて、個人を複数の区分のうちの一の区分に分類する。

特定情報とは、あらかじめ定められた個人登録情報５３８に含まれる１以上の所定の情報であって、その所定の情報を参照することによって個人を一の区分に分類できるその所定の情報のことである。

そして、特定情報分類部５４０では、個人登録情報５３８に含まれる特定情報が、特定情報に基づいて個人を複数の区分のうちの一の区分に分類する所定の条件を満たしていれば、その個人をその一の区分に割り当てる。例えば、金融商品として教育ローンについて分析する場合、個人登録情報５３８に含まれる基本情報５３０の家族構成に子供がおらず、かつ、ライフイベント情報５３２に出産予定がなければ、教育ローンの対象顧客として想定されないと分析し、その個人を最も低い区分に割り当てる。または、このような条件に該当する場合には、分析の対象から除外するようにしてもよい。この家族構成における子供の有無の情報と、出産予定の有無の情報が、この場合の特定情報に該当する。

スコアリング情報分類部５４１は、個人登録情報５３８に含まれる複数の情報を複合して数値化したスコアリング情報に基づいて、上述の特定情報分類部５４０によって割り当てた一の区分以外の他の区分に個人を分類する。

クラスタリング分析分類部５４２は、個人登録情報５３８に基づいて、機械学習を用いたクラスタリング分析を行い、複数の個人を複数のクラスタに分類することにより、個人を複数の区分のいずれかに分類する。

＜金融機関情報端末の画面表示＞
図５から図１３には、この金融情報管理分析システム５００により分析を行う際の開始から分析条件の設定、そして分析結果の表示までの金融機関情報端末５０３に表示される画面の一例が示されている。

図５には、新規作成画面５５０の例が示されている。この画面５５０には、すでに作成した分析条件設定の一覧が表示されている。いずれかの分析条件設定を選択することにより、その分析条件での分析が行える。また、新規に分析条件設定を行う場合には、この画面５５０右上部の新規作成ボタンをクリックし、分析条件を設定する。

図６には、金融商品選択画面５５２の例が示されている。この画面５５２には、住宅ローン、教育費、ｉＤｅＣｏ（個人型確定拠出年金）、ＮＩＳＡ（少額投資非課税制度）、投資信託、相続のボタンが表示されている。これらのボタンをクリックすることにより分析対象となる金融商品が選択される。このようにして選択された金融商品の種類は、金融機関情報端末５０３から送信され、金融情報管理分析システムサーバ５０１の分析条件受付部５１３で受信され分析条件として取得される。

なお、分析対象となる金融商品は、図６に示した以外にも、金融機関が取り扱うその他の商品やセミナーへの申し込みなど、様々な商品を対象とすることができる。そして、分析対象となる金融商品が増加するにつれて、図６に示されるような金融商品選択画面５５２に順次、ボタンが追加されていく。

図７には、金融商品選択画面５５２において教育費を選択したときの分析条件設定画面５５４の例が示されている。

この画面５５４は、左から右方向に向かって、ステージ１の無関心、ステージ２の気づき・関心、ステージ３の情報収集、ステージ４の比較、ステージ５の検討・相談、ステージ６の意思決定の６個に区分されている。分析を行うことによって、このシステム５００のユーザである個人が、この６個の区分のうちのいずれかに分類されるようになる。ただし、区分されるステージ数は、６個に限らずそれ以外の個数に区分してもよい。

また、これらステージ１から６に分類される個人は、基本情報５３０などの個人登録情報５３８により、ふるい分けた上で、対象となる個人のみを分類するようにしてもよい。例えば、教育費について分析する場合、子供がいない２０代前半の男性は、子供の教育費の対象とならないと判定して、この分析の対象から除外するようにしてもよい。

この画面５５４では、ステージ６の意思決定に分類される個人が、金融商品の購入に最も近く、ステージ１の無関心に分類される個人が、その金融商品の購入から最も遠いと判断される。そして、ステージ１からステージ６に向かうにつれて、その金融商品に対する購入意欲が高くなっていくと判断される。このように複数の区分に個人を分類することにより、その商品に対する意識や関心などの観点から、その個人が分析対象となる集団の中のどのような位置にあるかを確認することができる。また、同じステージに属する個人は、その金融商品に対する関心が似た傾向を示していると判断できる。このため、同じステージに属する個人に対しては、同じアドバイスやアクションを実施すればよく、施策が効率的に行える。

また、金融機関からは、ステージ６に属する個人が、優良顧客と判断される。優良顧客とは、あらかじめ定義により決定されるものであるが、例えば、金融商品の購入に最も近い個人と定義することもできる。または、優良顧客として、その金融機関の金融商品を購入済みの個人と定義することもできる。

なお、ステージ１から６の各区分がどのような内容に基づいて分類分けされるかについて、金融機関が各ステージの条件をどのような条件として設定するかによって自由度をもって決定できるようになっている。

この画面５５４の各ステージには、複数の分析条件設定項目が表示されている。例えば、ステージ１（無関心）では、ライフイベントの登録がない、金融機関との外部連携がない、１週間以内でのログインがない、独身である、家族情報が登録されていない、普通預金残高が登録されていない、または１０万円以下であるなどの項目が表示されている。また、ステージ２（気づき・関心）では、直近１年以内のライフイベントが登録されている、資産管理の閲覧履歴が高い、保険の登録を行っている、ポートフォリオの閲覧履歴がある、定期的にダッシュボードを閲覧している、ライフイベントに結婚が登録されている、直近半年以内でライフイベントに子供関連の情報が登録されている、直近半年以内で年金受取予測を実行したなどの項目が表示されている。このように、各ステージに対して分析条件設定項目が設定可能に表示されている。これら複数の項目の設定を行うことにより、分析条件が設定される。そして、設定されたこの分析条件の下で分析が行われる。このようにして設定された分析条件のデータは、金融機関情報端末５０３から送信され、サーバ５０１の分析条件受付部５１３で受信され分析条件として取得される。

この画面５５４の下部にある、作成すると表示されているボタンをクリックすると、分析条件が確定して分析が開始される。

なお、この画面５５４の上部には、「教育費」のカスタマージャーニーを作成しましょうという表示がされている。カスタマージャーニーとは、一般に、顧客が商品やサービスを知り、最終的に購買するまでの、カスタマーの行動、思考、感情などのプロセスのことをいう。そして、これらのプロセスを図示化したものがカスタマージャーニーマップと呼ばれている。

図８には、分析結果表示画面５５６の例が示されている。分析条件設定画面５５４で設定した分析条件の下、サーバ５０１の個人登録情報分析部５１４にて分析が行われ、個人をステージ１から６までのいずれかの区分に割り当てた結果が表示されている。この画面５５６は、サーバ５０１の分析結果画面作成部５１５で作成された表示画面のデータが、分析結果画面出力部５１６から送信され、金融機関情報端末５０３がこの表示画面のデータを受信して表示したものである。

この画面５５６の左上部には、多数のプロットが表示されているがこの１個のプロットが特定の個人を表示している。これらのプロットは、ステージ数に対応する６種類の色に分かれており、その色がステージ１から６に対応している。このように、個人が属するステージと、その個人がプロットの色によって関連づけられて表示されている。

この画面５５６の下部には、各ステージに属する個人に対して、ＰＣ、スマートフォン、窓口相談などのどのような方法で連絡すればよいのかが示されている。

また、この画面５５６の右上部には、合計人数や、この分析の対象となった個人の属性情報などが表示されている。例えば、男女の比率、年齢の分布、平均年齢、年収の分布、平均年収、世帯構成の分布などが表示されている。

図９にも、分析結果表示画面５５６の例が示されている。図８との違いは、ステージ２を選択した画面になっていることである。ステージ２を選択することにより、合計人数や属性情報などが、ステージ２に属する個人に該当する表示になっている。

図１０には、金融行動アドバイス表示画面５５８の例が示されている。サーバ５０１の個人登録情報分析部５１４にて分析が行われた結果、ステージ１から６のいずれかに割り当てられた個人に対して、その個人の属するステージからより上位のステージに移行するために推奨される金融行動を含む金融行動アドバイスが金融行動助言生成部５１７にて生成される。このようにして生成された金融行動アドバイスのデータが、このサーバ５０１の金融行動助言出力部５１８から送信され、金融機関情報端末５０３がこの金融行動アドバイスのデータを受信して画面表示される。

この画面５５８には、問題点、解決策、その個人に対するアクションプランの提案などが表示されている。金融行動アドバイスは、解決策の中などに表示される。例えば、マネーシミュレーションの再構築や保険の見直しなどとして提示される。

金融機関は、この画面５５８に提案されているアクションプランを選択することができる。アクションプランとしては、例えば、チャットボットなどを利用して個人に質問するとか、メールで商品についてのお知らせをする、マネーシミュレーションの実行を促すプッシュ通知を行う、ライフイベントの登録情報を確認するなどの複数の施策が用意されている。画面５５８下部の実行ボタンをクリックして、アクションプランを承認することで、そのステージに属しているすべての個人に、その施策が実行されるようになっている。

図１１から図１３には、比較検討画面５６０の例が示されている。施策を実行して一定期間経過後の変化を比較観察することができる。この画面５６０の左側に表示されているプロットが試作を実行する前であり、右側のプロットが施策を実行して一定期間経過した後の分布を示している。施策の実行前後で同じステージに属する個人のプロットの色は変化しないが、施策の実行により属するステージが変化した個人を示すプロットは、属するステージに応じて変化している。また、この画面５６０下部には、実行された施策が表示される。

図１１には、分析対象となったすべての個人の結果が示されている。また、図１２には、施策の実行前にステージ２に属していた個人の結果が示されている。この画面５６０を参照することにより、ステージ２に属していた個人が、施策によってどのようにステージが変化したかを比較することができ、実行した施策の効果を評価することができる。図１３には、特定の個人（この画面５６０では、たなかたろう）についての結果が示されている。図１３に示されているように、指定された特定の個人を示すプロットが、その他のプロットに比べて大きく強調して表示されている。また、図１３の画面５６０の左下部には、氏名、年齢、年収、家族構成、仕事、居住地、保有資産、契約情報などが表示されている。

＜分析方法＞
次に、分析対象となる個人をステージ１から６のいずれかの区分に分類する分析方法について図１４から図１９を用いて説明する。上述のようにこの分析は、金融情報管理分析システムサーバ５０１の個人登録情報分析部５１４によって実行される。

図１４には、この分析に用いられる情報の一例が示されている。個人登録情報５３８を構成する基本情報５３０、資産情報５３１、ライフイベント情報５３２、家計情報５３３、アンケート情報５３４、ログ情報５３５に加えて、統計情報や、ＦＰ情報なども用いられて分析が行われる。上述のように、アンケート情報５３４やログ情報５３５などに含まれる「金融資産への関心を示す心理的情報」も分析に用いられる。ただし、ここに挙げた情報はあくまで一例であり、分析には、これ以外の情報も用いられる。

この図１４に示されているような未加工の情報のことを一次データと呼ぶ。分析は、一次データのみによって行われるのでなく、未加工の複数の情報を複合して数値化してスコアリングしたスコアリング情報も用いて行われる。このように求められるスコアリング情報が、「個人登録情報に含まれる複数の情報を複合して数値化したスコアリング情報」に該当する。このように、未加工の複数の情報を複合して数値化して算出されたスコアリング情報のことを二次データと呼ぶ。

図１５には、スコアリング情報の算出方法の例について説明する図が示されている。図１５（ａ）には、スコアリング情報であるリテラシースコア（金融リテラシー）についての算出方法の考え方の一例が示されている。例えば、アンケート情報５３４に含まれる情報として投資に対する考え方の質問に対する回答があったとする。この回答としては、リスクを負ってでも大きなリターンを得たい、リスクを最小限にして多少のリターンを得たい、リスクは負いたくないなどが想定される。このような複数の質問に対する回答に基づいて、あらかじめ定められた所定のロジックにより、数値化を行っていく。図１５（ｂ）には、スコアリング情報であるファイナンスバランススコア（収入×支出バランス）についての算出方法の考え方の一例が示されている。このスコアは、収入と支出のバランスが適正か否かを数値化する。例えば、家計情報５３３に含まれる世帯収入に対して、同じく家計情報５３３に含まれる食費や遊興費などの割合が、ＦＰ情報５７１に含まれる平均的な理想とされる収支バランスと比較して健全か否かを、あらかじめ定められた所定のロジックにより数値化する。以上に示した例のように、複数の一次データを用いて、あらかじめ定められた所定のロジックにより数値化し、二次データであるスコアリング情報を算出する。

図１６には、スコアリング情報のスコアの例が示されている。この図には、項目の一例として、ユーザーＩＤ５８０、フィナンシャルスコア５８２、フィナンシャルバランススコア５８４、セグメントスコア５８６、ライフスコア５８８、リテラシースコア５９０が記載されている。

ユーザーＩＤ５８０は、このシステム５００のユーザである個人に割り当てられたＩＤ（identification）である。

フィナンシャルスコア５８２は、年収などの収入や生活費などの支出の金額から数値化されるスコアであり、収入、支出、資産などで構成される。

フィナンシャルバランススコア５８４は、２個以上のファイナンス関連の一次データを複合して数値化したスコアである。複数のファイナンス関連の一次データを組み合わせることで、どの程度バランスが取れているかを表すことができる。フィナンシャルバランススコア５８４は、収支バランスを示す収入×支出バランス、資産と支出のバランスを示す資産×支出バランス、資産とローン（負債）のバランスを示す資産×ローンバランスなどで構成される。

セグメントスコア５８６は、例えば性別、年代、地理的条件などの属性値に基づいて数値化したスコアであり、デモグラフィック（人口統計学的属性）、ジオグラフィック（地理学的属性）、サイコグラフィック（心理学的属性）、ビヘイビアル（行動学的属性）などで構成される。デモグラフィック（人口統計学的属性）は、性別、年齢、収入、世帯規模所得、職業、学歴などを組み合わせて数値化される。ジオグラフィック（地理学的属性）は、気候、人口密度、住居所在地、勤務地などを組み合わせて数値化される。サイコグラフィック（心理学的属性）は、嗜好性、好み、価値観、興味関心などを組み合わせて数値化される。ビヘイビアル（行動学的属性）は、行動パターン、態度、挙動、振る舞いなどを組み合わせて数値化される。

ライフスコア５８８は、ライフステージやライフスタイルに基づいて数値化したスコアであり、ライフステージ、ライフスタイルなどで構成される。ライフステージは、年齢や家族構成などで数値化される。ライフスタイルは、例えば、図１７に示されているようなライフスタイル判定項目入力画面６０２に入力することにより、数値が算出される。図１７の画面６０２には、あなたのライフスタイルを教えてくださいという質問が表示されており、年に２、３回は旅行に行く、家事全般が苦手、ヨガをやっている、週に２回は外食などの項目にチェックを入力して回答するようになっている。

リテラシースコア５９０は、この金融情報管理分析システム５００の利用状況に基づいて、その個人のリテラシーを数値化したスコアであり、金融リテラシー、デジタルリテラシーなどで構成される。

図１８には、この金融情報管理分析システムサーバ５０１の個人登録情報分析部５１４で行われる分析の一例を説明する図が示されている。上述した一次データと二次データによって、図８に示されているステージ１から６のいずれかに個人を分類していく。図１８は、分析対象となる金融商品として教育ローンを例にした説明である。

まず、個人登録情報５３８に含まれる基本情報５３０の家族構成に子供がおらず、かつ、ライフイベント情報５３２に出産予定がなければ、教育ローンの対象顧客として想定されないと分析し、その個人を最も低い区分であるステージ１に割り当てる。または、このような条件に該当する場合には、分析の対象から除外する。一方で、家計情報５３３に教育ローンが組まれている情報があれば、その個人を最も高い区分であるステージ６に割り当てる。

このように、所定の情報に基づいて個人をステージに分類できるような、家族構成における子供の有無の情報、出産予定の有無の情報、教育ローンの有無の情報などが、特定情報に該当する。そして、この特定情報に基づいて個人をステージに割り当てる分析は、この個人登録情報分析部５１４に含まれる特定情報分類部５４０において行われる。

次に、まだステージに分類されていない個人に対して、例えば、基本情報５３０の家族構成に直近で学齢期を迎える子供がおり、ライフイベント情報５３２に子供が私立大学入学の予定であり、基本情報５３０の収入や資産情報５３１からキャッシュフローが不足しそうな個人を絞り込む。そして、その絞り込まれた個人の中でフィナンシャルバランススコア５８４の資産×ローンバランスのスコアが健全な個人をステージ２の気づきを与える区分に割り当てる。また、その絞り込まれた個人の中で、ログ情報５３５に含まれる教育ローンの情報を閲覧していたなどの情報がある個人をステージ５の検討の区分に割り当てる。以上のように、あらかじめ定められた所定の条件により、個人を各ステージに分類していく。

フィナンシャルバランススコア５８４のようなスコアリング情報に基づいて、あらかじめ定められた所定の条件を満たしていれば個人を各ステージに割り当てる分析処理は、個人登録情報分析部５１４に含まれるスコアリング情報分類部５４１において行われる。

図１８に示されている分析例は、ほんの一例にすぎず、様々な条件により、分析が行われ、個人がステージに分類される。

図１８の例では、一次データと二次データに対して、あらかじめ定められた所定の条件を適用していくことで、分析が行われる様子を説明したが、これ以外の手法で分析を行ってもよい。例えば、個人登録情報５３８に基づいて、機械学習を用いたクラスタリング分析を行って複数の個人を複数のクラスタに分類し、クラスタに応じて、そのクラスタに属する個人を各ステージに分類するようにしてもよい。このように、機械学習を用いたクラスタリング分析を利用する分析は、個人登録情報分析部５１４に含まれるクラスタリング分析分類部５４２において行われる。

図１９には、機械学習によるクラスタリング分析の手法の例が示されている。この図には、ｋ－ｍｅａｎｓ、ｋ－ｍｅａｎｓ＋＋、ｘ－ｍｅａｎｓ、ｋ－ｍｅｄｏｉｄｓ、隠れマルコフモデル（復号化問題）、スペクトラムクラスタリング、ＤＢＳＣＡＮ（Density-Based Spatial Clustering of Applications with Noise）、ソフトｋ－ｍｅａｎｓ、ファジィＣ平均法、自己組織化写像（マップ）、ｐＬＳＩ（トピックモデル）、ＮＭＦが示されている。この図に示されているようなクラスタリング分析の手法が適用できる可能性がある。例えば、ｋ－ｍｅａｎｓは、ｋ平均法ともよばれる教師なし学習のクラスタリング分析の一つの手法である。

複数の個人の個人登録情報５３８に含まれる複数の情報を数値化して、この数値化したデータに対して、ｋ平均法を適用し、ステージ数である６個のクラスタに個人を分類していく。まず、各個人のデータに対して、ランダムに６個のクラスタのうちのいずれかを割り振る。次に、各クラスタを割り振ったデータをもとに、各クラスタの中心を計算する。そして、各個人のデータと、算出した各クラスタの中心との距離を求め、個人のデータを最も近い中心のクラスタに割り当て直す。このような各クラスタを割り振ったデータをもとに各クラスタの中心を計算する処理と、各個人のデータと算出した各クラスタの中心との距離を求め個人のデータを最も近い中心のクラスタに割り当て直す処理を収束するまで繰り返す。以上のような処理を行うことにより、各個人を６個のクラスタのいずれかに分類することができる。

その後、優良顧客としてステージ６に対応するクラスタが設定され、このクラスタからの距離を基準として、各クラスタと各ステージの対応付けを行い、クラスタに属する個人をステージに割り当てるようにしてもよい。

＜個人情報端末のアドバイス画面表示＞
上述のように個人登録情報分析部５１４において分析が行われた結果、ステージ１から６のいずれかに割り当てられた個人に対して、その個人の属するステージからより上位のステージに移行するために推奨される金融行動を含む金融行動アドバイスが金融行動助言生成部５１７にて生成される。金融行動助言生成部５１７は、あらかじめ用意されている複数の金融行動アドバイスの中から、個人の属するステージに応じて、自動的に金融行動アドバイスを抽出する。このとき、あるステージ含まれる個人の個人登録情報５３８と、それよりも上位のステージに含まれる個人の個人登録情報５３８とを比較して、上位のステージに含まれる個人が行っている金融行動を推奨するような金融行動アドバイスが生成される。また、下位と上位のステージに属する個人を比較する際、傾向スコアマッチングの手法を取り入れて、下位と上位のステージに属する個人の属性などの傾向を揃えた上で、比較するようにしてもよい。こうすることにより、より正確で適切な金融行動アドバイスを生成することができる。

このように生成された金融行動アドバイスのデータが、このサーバ５０１の金融行動助言出力部５１８から送信され、金融機関情報端末５０３がこの金融行動アドバイスのデータを受信して図１０に示されているような画面表示が行われる。この画面５５８に提案されているアクションプランのうち、チャットボットを利用して個人に対応する施策を選択すると、そのステージに属しているすべての個人に対して、このサーバ５０４に含まれる個人向けアドバイス発生部５１９が、チャットボットサーバ５０４と連携して、個人情報端末５０２に対話形式のアドバイス画面６１０を発生させ、金融行動助言生成部５１７で生成された金融行動アドバイスを提供する。

図２０には、個人情報端末５０２に表示される対話形式のアドバイス画面６１０の例が示されている。この画面６１０の左側には、金融情報管理分析システム５００から送られてくる対話の内容が表示される。また、この画面６１０の右側には、対話の内容に関連する図や表が表示されたり、質問に対する回答を選択する入力ボタンが表示されたりする。そして、この画面６１０の右側に表示される図や表を示しながら、この画面６１０の左側に表示される対話の内容により、図や表の説明が行われる。また、この画面６１０の左側に表示される質問に対して、回答を入力したり、この画面６１０の右側に表示される入力ボタンを選択してクリックしたりすることにより、その入力データが金融情報管理分析システムサーバ５０１に向けて送信される。この入力データは、サーバ５０１の入力情報受付部５１１で受信され、個人情報データベース５２０に記憶されている個人登録情報５３８の登録や更新が行われる。

なお、対話の方式は、限定されず、テキストで行ってもよいし、音声で行ってもよい。

＜アドバイス画面の作成＞
図２１には、図２０に示したようなアドバイス画面６１０を生成する構成が、概略的に示されている。

上述のように個人登録情報分析部５１４で行われた分析結果に基づいて、金融行動助言生成部５１７において各ステージに分類された個人に対する金融行動アドバイスが生成される（図２１（ａ））。次に、この金融行動アドバイスを含むような設問シナリオが自動的に生成される（図２１（ｂ））。この設問シナリオは、チャットボットサーバ５０４に記憶される。また、チャットボットサーバ５０４に記憶されている対話設定の中から、金融情報に関する対話設定が選択される（図２１（ｃ））。また、チャットボットサーバ５０４は、機械学習による学習済みの自然言語データベースを有している（図２１（ｄ））。以上のような設問シナリオ、対話設定、学習済み自然言語データベースを使用しながら人工知能チャットボットが、個人情報端末５０２に向けて対話データを出力する（図２１（ｅ））。

また、分析結果に基づいて生成された設問シナリオに対応する図や表などが、金融情報管理分析システムサーバ５０１から個人情報端末５０２に向けて出力されるようになっている（図２１（ｆ））。

そして、チャットボットサーバ５０４から出力される対話データと、金融情報管理分析システムサーバ５０１から出力される図や表などが合成されて、図２０に示されるようなアドバイス画面６１０が生成され個人情報端末５０２に表示される。

金融情報管理分析システムサーバ５０１の個人向けアドバイス発生部５１９は、金融行動アドバイスを含むような設問シナリオの生成や、図や表の提供を行い、チャットボットサーバ５０４と連携して、個人情報端末５０２に対話形式のアドバイス画面６１０を発生させる。このシステム５００のユーザである個人は、このアドバイス画面６１０を通して、対話したり設問に回答したりすることができる。

図２２には、チャットボットサーバ５０４に含まれる人工知能チャットエンジンの構成が概略的に示されている。

ユーザである個人がアドバイス画面６１０から入力する発言データについて、発言の内容が対話か設問シナリオかを判定して、発言内容に応じた対話データをアドバイス画面６１０に表示させる。設問シナリオデータとしては、分析結果に基づいて自動的に生成された設問シナリオが採用され、金融行動アドバイスに沿った内容の対話や質問が、ユーザである個人との間で展開されるようになっている。

＜本実施形態の効果＞
以上に示したように、この実施の形態によれば、分析対象となる金融商品を含む分析条件の下で基本情報５３０や資産情報５３１を含む個人登録情報５３８を用いて分析を行うことにより、個人を６個のステージのいずれかに割り当てるため、分析できる金融商品が限定されることなく、住宅ローン、教育費、ｉＤｅＣｏ、ＮＩＳＡ、投資信託、相続など多くの金融商品の中から分析する金融商品を指定することができる。

また、その指定された金融商品に対する傾向が近い個人同士が同じステージに分類されるため、多数の個人の中でのそれぞれの個人の位置づけを認識することができる。

また、この実施の形態によれば、アンケート情報５３４やログ情報５３５などに含まれる金融資産への関心を示す心理的情報を含めて分析を行うことにより、個人を複数のステージのいずれかに割り当てるため、その指定された金融商品に対する関心や態度など心理的要因を含めて傾向が近い個人同士が同じ区分に分類される。このため、多数の個人の中でのそれぞれの個人の位置づけをより正確に認識することができる。

また、この実施の形態によれば、個人登録情報５３８に含まれる特定情報に基づいて、個人を６個のステージのうちの一のステージに割り当てるため、そのステージに割り当てられた理由を明確に認識することができる。

また、この実施の形態によれば、個人登録情報５３８に含まれる複数の情報を複合して数値化したスコアリング情報に基づいて、個人を一のステージ以外の他のステージに割り当てるため、多様な観点からステージに分類することができる。

また、この実施の形態によれば、機械学習を用いたクラスタリング分析を行い、複数の個人を６個のクラスタに分類し、その結果に基づいて個人を６個のステージのうちのいずれかに割り当てるため、分類が困難な場合でも、確実にステージに分類することができる。

また、この実施の形態によれば、６個のステージのいずれかに割り当てられた個人を、割り当てられたステージと関連づけて表示する画面を作成するため、個人がどのステージ
に属しているのかを容易に認識することができる。

また、この実施の形態によれば、６個のステージのいずれかに割り当てられた個人に対して、その個人の属するステージからより上位のステージに移行するために推奨される金融行動を含む金融行動アドバイスが生成されるため、その個人へのアプローチを明確に認識することができる。

また、この実施の形態によれば、６個のステージには、優良顧客に該当するステージが含まれているため、各ステージに属する個人が、優良顧客に対して、どのような位置にあるかを認識することができる。

５００ 金融情報管理分析システム
５０１ 金融情報管理分析システムサーバ
５０２，５０２_１，５０２_２，５０２_ｎ 個人情報端末
５０３ 金融機関情報端末
５０４ チャットボットサーバ
５０５ ネットワーク
５１０ 金融情報管理分析システムサーバ制御部
５１１ 入力情報受付部
５１２ 登録情報出力部
５１３ 分析条件受付部
５１４ 個人登録情報分析部
５１５ 分析結果画面作成部
５１６ 分析結果画面出力部
５１７ 金融行動助言生成部
５１８ 金融行動助言出力部
５１９ 個人向けアドバイス発生部
５２０ 個人情報データベース
５２１ 統計情報データベース
５２２ ＦＰ(Financial Planner)情報データベース
５３０ 基本情報
５３１ 資産情報
５３２ ライフイベント情報
５３３ 家計情報
５３４ アンケート情報
５３５ ログ情報
５３８ 個人登録情報
５４０ 特定情報分類部
５４１ スコアリング情報分類部
５４２ クラスタリング分析分類部
５７０ 統計情報
５７１ ＦＰ情報

Claims (7)

1. 複数の個人から入力される属性情報により構成される基本情報や資産情報を含む個人登録情報に基づいて、前記個人を複数の区分のいずれかに分類する金融情報管理分析システムであって、
   前記個人からの入力を受け付ける入力情報受付部と、前記入力情報受付部で受け付けられる前記基本情報や前記資産情報を含む前記個人登録情報が記憶される個人情報データベースと、分析対象となる金融商品を含む分析条件を受け付ける分析条件受付部と、前記分析条件受付部で受け付けた前記分析条件の下で前記個人情報データベースに記憶されている前記個人登録情報に基づいて前記個人を前記複数の区分のいずれかに分類する個人登録情報分析部と、前記個人登録情報分析部により前記複数の区分のいずれかに割り当てられた前記個人に対して、前記個人の属する区分から異なる区分に移行するために推奨される金融行動を含む金融行動アドバイスを生成する金融行動助言生成部とを含む金融情報管理分析システムサーバを備え、
   前記基本情報には、
   生年月日、性別、居住地、職業、職種、勤続年数、年収または家族構成のうちの少なくとも一つを含み、
   前記資産情報には、
   預貯金、年金または投資信託のうちの少なくとも一つを含み、
   前記個人登録情報分析部は、
   前記基本情報や前記資産情報を含む前記個人登録情報を用いて前記分析条件の下で分析を行うことにより、前記個人を前記複数の区分のいずれかに割り当て、
   前記金融行動助言生成部は、
   あらかじめ用意されている複数の前記金融行動アドバイスの中から、前記個人の属する前記区分に応じて、自動的に前記金融行動アドバイスを抽出することを特徴とする金融情報管理分析システム。
2. 複数の個人から入力される属性情報により構成される基本情報や資産情報を含む個人登録情報に基づいて、前記個人を複数の区分のいずれかに分類する金融情報管理分析システムであって、
   前記個人からの入力を受け付ける入力情報受付部と、前記入力情報受付部で受け付けられる前記基本情報や前記資産情報を含む前記個人登録情報が記憶される個人情報データベースと、分析対象となる金融商品を含む分析条件を受け付ける分析条件受付部と、前記分析条件受付部で受け付けた前記分析条件の下で前記個人情報データベースに記憶されている前記個人登録情報に基づいて前記個人を前記複数の区分のいずれかに分類する個人登録情報分析部とを含む金融情報管理分析システムサーバを備え、
   前記基本情報には、
   生年月日、性別、居住地、職業、職種、勤続年数、年収または家族構成のうちの少なくとも一つを含み、
   前記資産情報には、
   預貯金、年金または投資信託のうちの少なくとも一つを含み、
   前記個人登録情報分析部は、
   前記基本情報や前記資産情報を含む前記個人登録情報を用いて前記分析条件の下で分析を行うことにより、前記個人を前記複数の区分のいずれかに割り当てるようになっており、
   前記個人登録情報分析部は、
   前記個人登録情報に含まれる特定情報に基づいて、前記個人を前記複数の区分のうちの一の区分に分類する特定情報分類部を有し、
   前記特定情報とは、
   あらかじめ定められた前記個人登録情報に含まれる１以上の所定の情報であって、前記所定の情報を参照することによって前記個人を前記一の区分に分類できる前記所定の情報のことであり、
   前記特定情報分類部では、
   前記個人登録情報に含まれる前記特定情報が、前記特定情報に基づいて前記個人を前記複数の区分のうちの前記一の区分に分類する所定の条件を満たしていれば、前記個人を前記一の区分に割り当てることを特徴とする金融情報管理分析システム。
3. 前記個人登録情報分析部は、
   前記個人登録情報に含まれる複数の情報を複合して数値化したスコアリング情報に基づいて、前記個人を前記一の区分以外の他の区分に分類するスコアリング情報分類部を有し、
   前記スコアリング情報分類部では、
   前記個人登録情報から算出された前記スコアリング情報が、前記スコアリング情報に基づいて前記個人を前記一の区分以外の前記他の区分に分類する所定の条件を満たしていれば、前記個人を前記他の区分に割り当てることを特徴とする請求項２に記載の金融情報管理分析システム。
4. 前記個人登録情報には、
   前記個人が前記個人登録情報を閲覧した履歴または前記個人登録情報を更新した履歴を含む金融資産への関心を示す心理的情報をさらに含み、
   前記個人登録情報分析部は、
   前記心理的情報を含めて、前記分析を行うことにより、前記個人を前記複数の区分のいずれかに割り当てることを特徴とする請求項１乃至３の何れか１項に記載の金融情報管理分析システム。
5. 前記個人登録情報分析部は、
   前記個人登録情報に基づいて、機械学習を用いたクラスタリング分析を行い、前記複数の前記個人を複数のクラスタに分類することにより、前記個人を前記複数の区分のいずれかに分類するクラスタリング分析分類部を有し、
   前記クラスタリング分析分類部では、
   前記クラスタリング分析の結果、前記個人が属する前記クラスタに基づいて、前記個人を前記複数の区分のうちのいずれかに割り当てることを特徴とする請求項１乃至４の何れか１項に記載の金融情報管理分析システム。
6. 前記金融情報管理分析システムサーバは、
   前記個人登録情報分析部により前記個人を前記複数の区分のいずれかに分類した分析結果の表示画面を作成する分析結果画面作成部を有し、
   前記分析結果画面作成部は、
   前記複数の区分のいずれかに割り当てられた前記個人を、割り当てられた前記複数の区分のいずれかと関連づけて表示する画面を作成することを特徴とする請求項１乃至５の何れか１項に記載の金融情報管理分析システム。
7. 前記複数の区分には、あらかじめ定義される優良顧客に該当する区分が含まれていることを特徴とする請求項１乃至６の何れか１項に記載の金融情報管理分析システム。