JPH08161287A - データ分析支援システム - Google Patents

Abstract

(57)【要約】 【目的】 データ分析の作業時間を短縮すること。 【構成】 データベースに格納される多数の項目のデー
タについて、分析対象とする項目である分析対象項目内
の分析目的のデータを基にして分析するデータ分析支援
システムであって、前記データベースの多数項目を分析
に必要とされる項目である分析項目に絞り込む分析項目
絞り込み手段と、前記分析項目絞り込み手段により絞り
込まれた分析項目のデータと分析目的データとから分析
に用いる分析用ルールを生成する分析用ルール生成出力
手段と、前記分析用ルール生成手段により生成された分
析用ルールを評価し、分析に用いる分析用ルールを選択
して出力する分析用ルール評価選択出力手段とを備え
る。

Description

【発明の詳細な説明】

【０００１】

【産業上の利用分野】本発明は、複数の項目を持つデー
タベースを分析し、データベースの中に含まれるデータ
間の関係を抽出することによって、データ分析を行うデ
ータ分析支援システムに関し、特に、金融機関における
マーケティング業務、例えば、金融商品のマーケティン
グ、ダイレクトメールや電話によるセールス等のよう
に、データベースに格納された数多くの顧客属性のデー
タを分析するデータ分析支援システムに適用して有効な
技術に関するものである。

【０００２】

【従来の技術】従来、データベースに格納されたデータ
を分析し、マーケティングを行うデータベースマーケテ
ィングに関しては、「荒川著：データベースマーケティ
ングの戦略と戦術、ダイヤモンド社」の１１６頁から１
６４頁に記載されている。

【０００３】それは、データベースマーケティングの展
開方法として、リレーショナルデータベース上で、表や
グラフを表示できる意思決定システムを用いることによ
り様々な角度からデータを分析するということが提案さ
れている（従来技術１とする）。

【０００４】これらのデータ分析を統計解析的に実現す
る技術としては、「奥野他、多変量解析法、倍風館」に
おいて論じられている統計解析的な技術がある（従来技
術２とする）。

【０００５】また、「Christopher J. Matheus, etal :
Systems for Knowledge Discoveryin databases,IEEE
Trans. on Knowledge and Data Engineering, Vol.5, N
o.6, December 1993, pp903-913」で論じられているよ
うに、データマイニング技術としてデータベースから様
々なデータ間の関係を分析用ルールを抽出することによ
って、分析を行うものがある（従来技術３とする）。

【０００６】

【発明が解決しようとする課題】本発明者は、上記従来
技術を検討した結果、以下の問題点を見いだした。

【０００７】前記従来技術１〜従来技術３は、金融機関
におけるマーケティング業務、例えば、金融商品のマー
ケティング、ダイレクトメールや電話によるセールス等
のように、データベースに格納された数多くの顧客属性
のデータを分析するには下記の問題点がある。

【０００８】従来技術１では、どのような角度からデー
タを分析するか、どの項目を組み合わせてデータ分析を
行うかという手順が考慮されておらず、特に、新しい項
目を用いて分析を行う場合、分析者がその組み合わせを
全て分析する必要があり、数多くの項目を分析対象とし
た場合、組み合わせ爆発が起こり、手作業では分析しき
れないという問題点がある。

【０００９】従来技術２では、上述の従来技術１の問題
点を解決できるが、全体の傾向を数量的に分析すること
しかできず、きめ細かくデータを分析し、顧客抽出ルー
ルを生成して分析することができないという問題点があ
る。

【００１０】従来技術３では、上述の従来技術２の問題
点を解決できるが、数多くの項目のデータを格納したデ
ータベースからデータ間の関係を抽出し、数多くの顧客
抽出ルール（分析用ルール）を生成することができる
が、生成された抽出ルールのうち、どれを用いれば良い
かを検証するために多大の作業時間を要するという問題
点がある。

【００１１】本発明の目的は、データ分析の作業時間を
短縮することが可能な技術を提供することにある。

【００１２】本発明の前記ならびにその他の目的と新規
な特徴は、本明細書の記述及び添付図面によって明らか
になるであろう。

【００１３】

【課題を解決するための手段】本願において開示される
発明のうち、代表的なものの概要を簡単に説明すれば、
下記のとおりである。

【００１４】データベースに格納される多数の項目のデ
ータについて、分析対象とする項目である分析対象項目
内の分析目的のデータを基にして分析するデータ分析支
援システムであって、前記データベースの多数項目を分
析に必要とされる項目である分析項目に絞り込む分析項
目絞り込み手段と、前記分析項目絞り込み手段により絞
り込まれた分析項目のデータと分析目的データとから分
析に用いる分析用ルールを生成する分析用ルール生成出
力手段と、前記分析用ルール生成手段により生成された
分析用ルールを評価し、分析に用いる分析用ルールを選
択して出力する分析用ルール評価選択出力手段とを備え
る。

【００１５】

【作用】上述した手段によれば、分析項目絞り込み手段
を備えることにより、分析用ルールを生成する前に、不
要となる項目を削除でき、分析する項目が少なくなるの
で、分析用ルール生成時間を削減することができ、分析
用ルール評価選択出力手段を設けることにより、抽出さ
れた分析用ルールの評価ができ、かつ、その評価に対す
る有効順位を出力することができ、生成された分析用ル
ールのうち、どれを用いれば良いかを検証するための作
業時間を削減することができるので、データ分析の作業
時間を短縮することが可能となる。

【００１６】以下、本発明の構成について、実施例とと
もに説明する。

【００１７】なお、実施例を説明するための全図におい
て、同一機能を有するものは同一符号を付け、その繰り
返しの説明は省略する。

【００１８】

【実施例】以下、本発明の一実施例として、金融業にお
けるデータベースマーケティングの業務の中で、学資ロ
ーンのセールス展開を取り挙げ、図面に基づいて詳細に
説明する。

【００１９】図１は、本実施例のデータ分析を支援する
データ分析支援システムの構成を説明するためのブロッ
ク図である。

【００２０】図１において、１００は反応データなどを
入力、データを分析、顧客抽出ルールを出力するデータ
分析支援システム、１０１は分析対象となる反応データ
ベース、１０２は分析のために顧客の属性を参照する顧
客データベース、１０３は顧客抽出ルールである。

【００２１】本実施例のデータ分析支援システム１００
は、反応データベース１０１および顧客データベース１
０２より各項目のデータを入力する項目データ入力部１
１１、各項目のデータの分散、相関係数を計算して分析
する項目を絞り込む分析項目絞り込み部１１２（分析項
目絞り込み手段）、絞り込まれた項目からその項目のデ
ータ間の因果関係を分析用ルール（以下、ルールと略
す）として生成するルール生成部１１３（分析用ルール
生成出力手段）、生成されたルールを評価し、顧客抽出
ルールを選択格納するルール評価部１１４（分析用ルー
ル評価選択出力手段）と、反応データベース１０１と顧
客データベース１０２から得られる対象データ１２１、
対象データに含まれる項目間の関係を示す項目関係デー
タ１２２、対象データをの項目を絞り込み、データ量が
削減されたルール生成に用いる分析データ１２３、デー
タ間の因果関係を生成した生成ルール１２４をそれぞれ
格納する格納手段と、分析データを生成するための分析
項目選択部１３１、ルール生成用のパラメータ（条件）
を設定するパラメータ設定部１３２、顧客抽出ルールを
選択するためのルール選択部１３３とから構成される。

【００２２】前述の１１１から１１４の各部は計算機の
中央処理装置、１２１から１２４のデータ記憶部は計算
機の主記憶装置もしくは補助記憶装置、１３１から１３
３はディスプレイやキーボードなどの計算機の入出力装
置などから実現される。

【００２３】また、１０１から１０３は計算機の主記憶
装置、補助記憶装置もしくは外部記憶装置から実現され
る。

【００２４】次に、本実施例のデータ分析支援システム
におけるマーケティング業務について説明する。

【００２５】図２は、本実施例のマーケティング業務の
処理の流れを示すフロー図である。

【００２６】本実施例で示す学資ローンのセールス展開
では、まず、顧客データベースの中から任意の顧客を抽
出し、抽出顧客に対して学資ローンの希望があるか否か
のマーケットリサーチを行い、顧客の反応データを収集
する（ステップ２０１）。

【００２７】次に、反応データが得られた顧客の属性デ
ータを参照し、良い反応が得られた顧客属性の因果関係
を分析、その関係をルールとして生成し、その生成ルー
ルの中から、セールス活動を行う顧客を抽出する顧客抽
出ルールを選択する（ステップ２０２）。

【００２８】そして、ルールにより、顧客データベース
からセールス活動を行う顧客を抽出し、その顧客に対し
て、訪問、電話、ダイレクトメールなどの手段によりセ
ールス活動を行う（ステップ２０３）。

【００２９】次に、本実施例のデータ分析支援システム
の処理について説明する。

【００３０】図３は、本実施例のデータ分析支援システ
ム１００の処理の流れを示すフロー図である。

【００３１】まず、データ分析支援システム１００の項
目データ入力部１１１は、分析したい項目（分析対象項
目）として反応データ１０１の内容を入力すると、顧客
データベース１０２の内容を参照して、その対象となる
対象データ１２１を格納する（ステップ３０１）。

【００３２】次に、分析項目絞り込み部１１２は、入力
した対象データの分散と相関係数を算出し、算出値や分
散図、相関図のグラフから分析項目選択部１３１の画面
を通して表示する。

【００３３】分析項目絞り込み部１１２は、データの全
体から、例えば、”反応の良い”のデータを判別する判
別率が任意の値以上となる項目のカテゴリを抽出し、そ
の項目を分析データ１２３へ追加するとともに、分析項
目選択部１３１の画面より指定された項目のデータを分
析データ１２３への追加し、分析項目選択部１３１の画
面を通して削除要求の項目を入力すると、その項目を分
析する項目（分析項目）から削除し、その削除した項目
とその相関係数をデータ関連項目１２２として格納する
（ステップ３０２）。

【００３４】次に、ルール生成部１１３は、パラメータ
設定部１３２の画面を通して、ルール生成のパラメータ
として、最大条件数（分析に必要とする項目の数）、生
成ルール数、処理時間を入力すると、最大条件数の範囲
で条件を組み合わせ、ルールに適合するデータの中に含
まれる”反応の良い”データの割合を濃度として計算す
る。処理時間が過ぎるとルール生成を中断し、濃度の高
いルールを生成ルール数分の生成ルール１２４に出力す
る（ステップ３０３）。

【００３５】次に、ルール評価部１１４は、ルールの出
力順すなわち濃度が高い順にルールに適合する”反応の
良い”データの割合を累積網羅率として計算し、累積網
羅率と濃度の推移グラフをルール選択部１３３の画面に
表示する。

【００３６】そして、ルール選択部１３３からルールの
表示範囲を入力すると、ルールの各条件の判別率を算
出、ルールの濃度と各条件の判別率の積算値による濃度
の予測値とを比較し、積算値が大きいルールを強調的に
表示するとともに、各ルールの条件の表示順序を制御
し、各条件の判別率の高い順に条件をルール選択部１３
３の画面に表示する。ルール評価部１１４は、ルールの
格納要求を入力すると、顧客抽出ルール１０３に格納す
る（ステップ３０４）。

【００３７】次に、前述の各データ、表示画面、判別
率、濃度、累積網羅率及び条件の判別率の積算値による
濃度の予測値について図４から図１０を用いて詳細に説
明する。

【００３８】図４は、本実施例の対象データを示した図
である。

【００３９】図４に示す対象データは、顧客データベー
スの中から任意の顧客を抽出し、その抽出顧客に対して
学資ローンの希望があるか否かのマーケットリサーチに
より得られた顧客の反応データとその顧客の属性であ
る。

【００４０】図４において、４１１は顧客を識別する”
CIF-NO"、４１２から４１８は顧客データベース１０２
のデータ、４１９および４２０は反応データベース１０
１のデータである。

【００４１】図５は、分析項目絞り込部１１２が算出し
た対象データの分散、相関係数から、分析項目選択部１
３１が分析項目を選択するときの画面の例を示す図であ
る。

【００４２】図５において、５００は分析項目選択画
面、５０１はデータ選択画面のコマンドライン、５０２
はデータ選択画面の表示エリアである。

【００４３】分析項目選択画面５００のコマンドライン
５０１のコマンドは、処理終了５１１、分析データへの
保管５１２、データの入力５１３、データ項目の参照５
１４、保管した分析データのルール生成実行５１５であ
る。

【００４４】表示エリア５０２内は、分析対象の表示エ
リア５２１、分析項目選択表示エリア５３１、関連項目
登録エリア５４１、カテゴリ化エリア５５１からなる。

【００４５】分析対象の表示エリア５２１は、この例で
は、分析データベースは”学資ローン．反応ＤＢ”、分
析対象項目として”反応”、そのデータ件数は全体数
が”３１０５”、”反応の良い”（分析目的のデータ）
のデータ件数が”２６４”件で平均濃度（反応のよいデ
ータ数／全体のデータ数）”８．５％”を占めているこ
とを示している。なお、分析データ作成に、”関東地
区．顧客ＤＢ”を参照していることを示す。

【００４６】分析項目選択のための表示エリア５３１
は、反応ＤＢ、参照ＤＢに格納されているデータ項目表
示エリア５３２と、分析項目及びその分散を表示する分
析項目分散表示エリア５３３と、関連項目と相関係数を
表示する関連項目相関係数表示エリア５３４とかなる。

【００４７】データ項目表示エリア５３２では、分析に
必要な項目が指定し、追加５３５のコマンドボタンを選
択することにより、その指定項目を分析項目として分析
項目分散表示エリア５３３追加する。

【００４８】分析項目分散表示エリア５３３は、分析項
目とその分析項目の分散の値を表示するエリアであり、
分散の値が”０”である項目は、分散がなく、顧客抽出
ルールの条件とならないので、図中の５３７のように色
を変えて強調的に表示し、オペレータに対して削除する
ことを要求する。

【００４９】また、図中の５３８に示すように、指示す
ることにより、その分散に関する分散グラフが後述する
サブ画面として表示される。

【００５０】そして、分析項目が指定され、削除５３６
のコマンドボタンが選択されると分析項目から削除す
る。

【００５１】関連項目相関係数表示エリア５３４は、分
析項目のどれか１つが指定されると、その項目とその他
の分析項目との相関係数との表示するエリアである。

【００５２】この例では、分析項目分散表示エリア５３
３の５３８に示すように、”預金残高”が指定され、そ
の”預金残高”に対する５４０で指定された”定期性預
金”の相関係数を表示すると、共に、その相関に関する
相関グラフが後述するサブ画面として表示される。

【００５３】相関係数が高い項目間では、どちらかの項
目を用いてルールを生成を行う（ただし、どちらの項目
を用いてルールを生成しても構わない）。

【００５４】これは、相関係数が高い２つの項目とも分
析項目に導入すると、処理時間がかかるとともに、結論
として得られるルールに類似した数多くのルールが得ら
れルールを選択する際の作業時間がかかるからである。

【００５５】そして、５４０に示すように、”定期性預
金”が指定され、削除のコマンドボタン５３９が選択さ
れると分析項目分散表示エリア５３３からその”定期性
預金”項目を削除するとともに、関連項目として削除項
目とその相関係数を項目関係データ１２２に格納する。

【００５６】関連項目登録エリア５４１は、項目関係デ
ータ１２２に格納したデータを表示するエリアである。
この例では、”預金残高”と”定期性預金残高”との間
には強い相関があることを示している。

【００５７】カテゴリ化エリア５５１は、分析項目のカ
テゴリを表示、入力するエリアである。この例では、預
金残高の値域をＡ〜Ｅで分割し、カテゴリ化している。

【００５８】次に、前述の分散、相関のグラフを表示し
たサブ画面について説明する。

【００５９】図６は、分散、相関のグラフを表示したサ
ブ画面の例を示した図である。

【００６０】図６（ａ）は、カテゴリ化された”預金残
高”の分散を示す図である。

【００６１】図６（ａ）に示すように、所定の条件で分
割された各カテゴリ（ここでは、Ａは１０００以上、Ｂ
は５００〜１０００、Ｃは１００〜５００、Ｄは５０〜
１００、Ｅは０〜５０であり、オペレータが各自目的に
応じて分割する）に含まれる全体のデータ件数Ｔと分析
目的である”反応の良い”データ件数Ｒからそれぞれの
カテゴリにおける判別率を表示する。

【００６２】なお、判別率Ｄは、Ｄ＝Ｒ／Ｔで示す。

【００６３】これは、１つの分析項目から表現されるカ
テゴリにより任意のデータが判別される割合である。

【００６４】図６（ｂ）は、分析項目”預金残高”と関
連項目”定期性預金”の分布を示したグラフであり、そ
の分析項目と関連項目の関連を確認するためのものであ
る。

【００６５】図６（ｂ）は、図５に示した分析項目分散
表示エリア５３３および関連項目相関係数表示エリア５
３４により指定された項目の分布とその回帰直線、カテ
ゴリ化した値域に対するデータの分布を表示する。

【００６６】相関が高いとして分析データから削除して
よいかを判断するためのグラフである。

【００６７】本実施例では、前述したように、この図
５、図６に示した画面入力により、分析項目を絞り込
む。

【００６８】図７は、分析項目絞り込み部１１２により
図４に示した対象データを絞り込んだ分析データ１２３
の例を示した図である。

【００６９】図７に示す７１３から７２０は、図４に示
す４１３から４２０のデータをカテゴリ化テーブル（預
金、借入残高）７３０、カテゴリ化テーブル（年齢）７
４０を用いてカテゴリ化したデータである。

【００７０】そして、図４の”CIF-No”４１１は”反応
が良い顧客”の抽出条件としては不要であり、また、”
性別”４１２は分散がない、さらに定期性預金残高４１
７は”預金残高”４１６と相関が高いため、図４に示し
た１０項目中、７項目に絞り込まれている。

【００７１】以下、本実施例では、”預金残高”と”定
期性預金残高”との相関が高いため、二つのうち”預金
残高”を選択し、それを用いてルールを生成するものと
する。

【００７２】次に、絞り込まれた分析項目から生成した
ルールについて説明する。

【００７３】図８は、最大条件数を３として前述した分
析データ１２３より、”良い反応の顧客”を抽出するル
ールを生成した例を示した図である。

【００７４】図８において、８０１から８０５は、抽出
されたルールを示したものであり、例えば、ルール８０
１は、”年齢が３５から４０、預金残高が１００から５
００、応対者が女”ならば、”反応が良い”確率が”
０．３”であることを示している。

【００７５】この確率を前述した判別率Ｄと識別するた
めに濃度Ｄｎとする。

【００７６】この濃度は、ルールの全ての条件（ここで
は、３つの分析項目）にヒットするデータのデータ数Ｔ
ｎに対し、そのデータに含まれる”良い反応”のデータ
のデータ件数Ｒｎの割合であり、濃度は、Ｄｎ＝Ｒｎ／
Ｔｎで示される。

【００７７】これは、複数の分析項目から表現されるカ
テゴリにより任意のデータが判別される割合である。

【００７８】次に、生成されたルールの評価、選択につ
いて説明する。

【００７９】図９は、生成したルールによって分析目的
が網羅される割合とそのルールの濃度の推移を示した図
である。

【００８０】図９において、９００はルールの網羅率と
濃度を示した画面、９０１はその画面９００のコマンド
ライン、９０２はグラフ表示エリアをそれぞれ示す。

【００８１】ここのグラフ表示エリアには、濃度の高い
順にルールの条件にヒットする”良い反応”が得られた
データの累積データ数の割合である累積網羅率とルール
の濃度の推移を示したグラフが表示される。

【００８２】なお、累積網羅率Ｍｉとは、濃度が高いル
ール順に一番目のルールからｉ番目のルールまでにヒッ
トする”反応が良い”が得られたデータ件数Ｒｉにおけ
る”良い反応”が得られたデータ総数Ｔｉに対する割合
であり、累積網羅率は、Ｍｉ＝Ｒｉ／Ｔｉで示される。

【００８３】図９に示したグラフでは、一番目ルールか
ら九番目くらいにかけて累積網羅率が上昇し、また、そ
れに対して濃度は減少傾向にあることを示している。

【００８４】このグラフの結果から抽出された全ルール
を評価し、ここでは、一番目ルールから九番目ルールま
での選択されたルール（選択ルール）９２３を検討する
ことにより、７０％程の分析目的”良い反応”のデータ
を反映したルールを選択することができる。ただし、こ
こでは、７０％以上を基準にルールを選択したが、必ず
しもこれに限定されない。

【００８５】また、このグラフの結果において、十番目
ルール以降のルールの濃度は１２％程であり、平均濃度
８．５％との差が少なく、十番目ルール以降のルールは
意味がないことを示す。

【００８６】そして、このグラフにより、選択ルール９
２３が選択され、出力される。

【００８７】図１０は、前述した選択ルール９２３を表
示した画面例を示した図である。

【００８８】図１０において、１０００は選択ルール表
示画面、１００１はその画面１０００のコマンドライ
ン、１００２は表示エリアをそれぞれ示す。

【００８９】コマンドライン１００１において、１０１
１は表示終了、１０１２は選択したルールの保管、１０
１３は図９のルール全体表示画面へ戻るコマンドを示
す。

【００９０】表示エリア１００２において、１０２１、
１０２２、１０２３は、各々選択ルールを示し、それぞ
れ１枚のカードとして表示する。

【００９１】そして、それぞれのルールに含まれる条件
は判別率Ｄ１の高い順に並び変えて表示する。

【００９２】さらに、各ルールにおける各分析項目の判
別率の積と濃度を比較し、その判別率の積より算出され
る後述する濃度予測値Ｄｐより濃度の値が高いルール
は、分析目的”反応がよい”に対し、条件の組み合わせ
以上の因果関係を抽出しているものとして強調的に表示
する。ここでは、図１０に示すように、ルール１０２２
が強調表示される。

【００９３】また、ルールの条件を選択すると、その条
件が分析項目絞り込み部１１２により絞り込んだ項目と
関係がある場合、図１０に示すように、サブ画面１００
３を表示する。

【００９４】前述の濃度予測値Ｄｐは、１つのルールに
３つの条件（分析項目）が含まれる場合、各条件の判別
率をＤ１、Ｄ２、Ｄ３、平均濃度をＨとすると、Ｄｐ＝
Ｄ１＊（Ｄ２／Ｈ）＊（Ｄ３／Ｈ）で示される。

【００９５】なお、（Ｄ２／Ｈ）、（Ｄ３／Ｈ）は条件
１に条件２、３を追加することにより濃度の増加する割
合である。

【００９６】ここで、平均濃度Ｈは８．５％で、例え
ば、ルール１０２１とルール１０２２を見た場合、その
濃度予測値をそれぞれＤｐ１、Ｄｐ２とし、そのそれぞ
れの濃度Ｄｎ１、Ｄｎ２を求めると、Ｄｐ１＝３２．３
（％）、Ｄｎ１＝３０（％）…（ルール１０２１）、Ｄ
ｐ２＝２４．３（％）、Ｄｎ２＝２９（％）…（ルール
１０２２）となる。

【００９７】ここで、ルール１０２１は濃度予測値Ｄｐ
より、ルールの濃度Ｄｎ１の値が小さいので、単に判別
率が高い条件を組み合わせたルールであることをしまし
ている。

【００９８】これに対し、ルール１０２２は、条件ごと
の判別率の積から予測される値よりルールの濃度が大き
くなるので、個々の条件の単純な組み合わせより強い因
果関係を示しており、強調的に表示する。

【００９９】したがって、本実施例のデータ分析支援シ
ステムを用いたマーケット業務において、学資ローンに
対する分析目的”反応が良い”の顧客抽出ルールとし
て、前述したように、強調表示され、かつ、濃度の値が
一番大きいルール１０２２（預金残高１００〜５００、
年齢３５〜４０、家族数４）を選択をする。

【０１００】次に、本実施例の効果について以下に説明
する。

【０１０１】本実施例の分析項目絞り込み部１１２は分
析項目選択部１３１を通じて、分散のないデータ項目や
相関が高くルール生成に不要なデータ項目を削除するよ
うに動作する。これにより、ルール生成時の処理時間を
短縮できる。

【０１０２】本実施例で、分析を行う１０項目のうち３
項目を削減することにより、ルール生成部１１３におい
て、条件の組み合わせは、６０通り（₁₀Ｃ₃）から３５
通り（₇Ｃ₃）となり処理時間が半分近くに削減される。

【０１０３】相関が高い項目をルール生成に用いないこ
とにより、生成ルールに”定期性預金残高”を条件とす
るルールを出力しないので、ルールの数が減少し、顧客
抽出ルールとして使用するルールの選択時間が削減でき
る。

【０１０４】相関が高い項目についてはルール評価部１
１４がルール選択部１３３を通じて表示するように動作
するので、生成されたルールの条件を変更することが容
易である。

【０１０５】本実施例では、”預金残高”を用いてルー
ルを生成してきたが、”定期性預金残高”を条件とした
方が顧客抽出上に都合が良ければ、その条件へ変更する
ことが容易にできる。

【０１０６】本実施例の分析項目絞り込み部１１２は、
分析項目選択部１３１を通じて、１項目ごとの分散のグ
ラフ、相関の高い項目間の相関図を表示するように動作
するので、それらの関係を確認しながら、ルール生成に
使用する項目を決定するように動作する。これにより、
分析項目選択の試行錯誤を少なくすることができ、顧客
抽出ルールを作成する作業時間を削減できる。

【０１０７】本実施例のルール評価部１１４は、ルール
選択部１３３を通じて、生成ルールの全体像を示す累積
網羅率や濃度の推移を表示するので、生成ルールの全体
像を容易に把握し、生成ルールの中で、検討すべきルー
ルの選択を容易に行うことができ、顧客抽出ルールの選
択に要する作業時間を大幅に削減することができる。

【０１０８】各ルールの条件の表示順序を制御すること
により、ルール間の違いを容易に認識することができ
る。

【０１０９】この例として、図８に示したルール８０１
とルール８０２の違いの発見を取り挙げると、その違い
の発見には各条件のパターンマッチングが必要である
が、図１０に示したルール１０２１とルール１０２２で
は、条件の表示順序が制御されているために、条件の違
い、”応対者性別が女である”と”家族数が４である”
が、容易に発見できる。

【０１１０】これにより、顧客抽出ルールとして使用す
るルールの選択作業時間を大幅に短縮できる。また、ル
ール評価部１１４は、ルール選択部１３３を通じて、単
一の条件の判別率の組み合わせにより予測される予測濃
度よりも高い濃度を示すルールを強調的に表示するの
で、複数の条件の組み合わせにより濃度が高くなったル
ールの選択が容易である。これにより、ヒット率が高い
顧客抽出ルールの選択、特に条件の組み合わせによりヒ
ット率が高くなる顧客抽出ルールの選択作業時間を短縮
することができる。

【０１１１】以上、本発明者によってなされた発明を、
前記実施例に基づき具体的に説明したが、本発明は、前
記実施例に限定されるものではなく、その要旨を逸脱し
ない範囲において種々変更可能であることは勿論であ
る。

【０１１２】

【発明の効果】本願において開示される発明のうち代表
的なものによって得られる効果を簡単に説明すれば、下
記のとおりである。

【０１１３】ルールを生成する前に、不要となる項目を
削除でき、分析する項目が少なくなるので、ルール生成
時間を削減することができ、かつ、抽出されたルールの
評価ができ、その評価に対する有効順位を出力すること
ができるので、生成されたルールのうち、どれを用いれ
ば良いかを検証するための作業時間を削減することがで
きるので、データ分析の作業時間を短縮することが可能
となる。

【図面の簡単な説明】

【図１】本発明の一実施例であるデータ分析を支援する
データ分析支援システムの構成を説明するためのブロッ
ク図である。

【図２】本実施例のマーケティング業務の処理の流れを
示すフロー図である。

【図３】本実施例のデータ分析支援システムの処理の流
れを示すフロー図である。

【図４】本実施例の対象データを示した図である。

【図５】本実施例の分析項目絞り込み部が算出した対象
データの分散、相関係数を表示した例を示した図であ
る。

【図６】本実施例のカテゴリ化した項目の分散の様子と
項目間の相関を示す画面の例を示した図である。

【図７】本実施例の分析項目絞り込み部により図４に示
した対象データを絞り込んだ分析データの例を示した図
である。

【図８】本実施例の分析データより、最大条件数を３と
して、分析目的を抽出するルールを生成した例を示した
図である。

【図９】本実施例における生成したルールによって分析
目的が網羅される割合とそのルールの濃度の推移を示し
た図である。

【図１０】本実施例の選択ルールを表示した画面例を示
した図である。

【符号の説明】

１０１…反応データベース、１０２…顧客データベー
ス、１０３…顧客抽出ルール、１１１…項目データ入力
部、１１２…分析項目絞り込み部、１１３…ルール生成
部、１１４…ルール評価部、１２１…対象データ、１２
２…項目関係データ、１２３…分析データ、１２４…生
成ルール、１３１…分析項目選択部、１３２…パラメー
タ設定部、１３３…ルール選択部。

───────────────────────────────────────────────────── フロントページの続き (72)発明者 浜口 強 神奈川県川崎市幸区鹿島田890番地の12 株式会社日立製作所情報システム事業部内 (72)発明者 石橋 昭憲 神奈川県川崎市幸区鹿島田890番地の12 株式会社日立製作所情報システム事業部内

Claims (3)

【特許請求の範囲】
1. 【請求項１】 データベースに格納される多数の項目の
   データについて、分析対象とする項目である分析対象項
   目内の分析目的のデータを基にして分析するデータ分析
   支援システムであって、 前記データベースの多数項目を分析に必要とされる項目
   である分析項目に絞り込む分析項目絞り込み手段と、 前記分析項目絞り込み手段により絞り込まれた分析項目
   のデータと分析目的データとから分析に用いる分析用ル
   ールを生成する分析用ルール生成出力手段と、 前記分析用ルール生成手段により生成された分析用ルー
   ルを評価し、分析に用いる分析用ルールを選択して出力
   する分析用ルール評価選択出力手段とを備えたデータ分
   析支援システム。
2. 【請求項２】 前記請求項１に記載のデータ分析支援シ
   ステムにおいて、 前記分析項目絞り込み手段は、データベースの各項目内
   のデータを所定の条件でカテゴリ分割する手段と、 そのカテゴリ分割された各項目毎の分析目的のデータの
   分散と相関係数を計算する分散相関算出手段と、 前記分散相関算出手段の結果より分散のない項目を削除
   する手段と、 前記分散相関算出手段の結果より相関係数が所定値より
   高い項目が複数個ある場合は、そのいずれか一方の項目
   のみを分析項目の対象として選択する手段とを備えたこ
   とを特徴とするデータ分析支援システム。
3. 【請求項３】 前記請求項１に記載のデータ分析支援シ
   ステムにおいて、 前記分析用ルール生成出力手段は、分析用ルールの生成
   条件の設定手段と、 前記生成条件を基に分析項目のデータの組み合わせで複
   数個の分析用ルールを生成する生成手段と、 生成された前記分析用ルールにヒットする分析対象項目
   の全データ数に含まれる分析目的のデータの割合である
   濃度を前記分析用ルール毎に算出する濃度算出手段と、 その濃度の値が高い順序に前記分析用ルールを出力する
   濃度順序出力手段とを備え、 前記分析用ルール評価選択出力手段は、前記分析対象項
   目の全データ数に対する前記複数個の分析用ルールにヒ
   ットする分析目的の全データ数の割合である累積網羅率
   を算出する累積網羅率算出手段と、 前記濃度算出手段で算出された濃度と前記累積網羅率と
   の関係から分析用ルールの表示範囲を設定する手段と、 前記分析用ルール内の各々の分析項目毎にヒットする分
   析対象項目の全データ数に対する分析目的のデータ数の
   割合である判別率をそれぞれ算出する判別率算出手段
   と、 前記判別率算出手段で算出された各分析項目の判別率を
   積算して分析用ルールの濃度の予測値を算出する判別率
   濃度算出手段と、 前記濃度算出手段で算出された濃度が、前記判別率濃度
   算出手段により算出された濃度予測値より大きい分析用
   ルールを強調して出力する手段を備えたことを特徴とす
   る分析データ支援システム。