WO2022107191A1

WO2022107191A1 - 与信業務支援方法及び与信業務支援システム

Info

Publication number: WO2022107191A1
Application number: PCT/JP2020/042758
Authority: WO
Inventors: 大三郎中澤; 健一柴田; 真佑子美濃部; 真司瀬川
Original assignee: 株式会社日立製作所
Priority date: 2020-11-17
Filing date: 2020-11-17
Publication date: 2022-05-27
Also published as: JP7511670B2; JPWO2022107191A1

Abstract

与信業務支援装置１００が、店舗に備わる顧客用端末２００に対し、顧客所望の金融商品に関して予め保持する業務プログラムに基づき、当該金融商品の契約手続に対応したインターフェイスを配信し、顧客による、前記顧客の属性及び前記金融商品の希望契約内容の各入力値を取得して装置２０５に出力し、当該入力値に対する、金融機関の担当者による確認ないし訂正の所定操作を受け付け、前記確認ないし訂正を経た前記入力値を、顧客の属性および当該顧客が所望の金融商品の希望契約内容の各事象を説明変数、顧客に関する与信結果を目的変数とした学習モデル１２５に付与することで、前記顧客に関する与信結果を取得して顧客用端末２００に出力する。

Description

与信業務支援方法及び与信業務支援システム

　本発明は、与信業務支援方法及び与信業務支援システムに関する。

　近年、ＡＳＥＡＮ諸国では、急速な経済発展や中間所得層の拡大などにより、個人の消費意欲や中小事業者の事業意欲が高まっている。当該事態にあわせて、消費者金融や事業者への小口融資等の市場規模拡大も著しい。

　そうした、主に個人や中小事業者向けの金融取引に関する従来技術として、税金や公共料金・その他各種の料金の納付に関し、顧客への効率的な支援ができると共に、金融機関の負担も軽減する技術（特許文献１参照）などが提案されている。

　この技術は、自動取引装置を介して各種処理を行う窓口受付システムであって、複数の前記自動取引装置と店舗サーバとを有する営業店舗システムがネットワークを介して手数料システムサーバ及び勘定系ホストに接続されており、前記営業店舗システムは、店舗サーバと、該店舗サーバに接続された少なくとも１つの窓口受付端末とを備えており、該窓口受付端末は、入金、出金、税公金、振込の少なくとも一つを含む取引に関する銀行ハイカウンタ窓口事務処理を支援するための端末であり、相互に接続された行員用のフロント端末と顧客用の端末とがあり、前記フロント端末と前記顧客用の端末間には、金銭の支払い媒体のリーダ、及びセルフスキャナが設置されており、前記セルフスキャナは、顧客の取引関係書類の読み取り、搬送の機能、読み取られた結果に応じてどの事務手続きかを判別する機能を有し、前記フロント端末は、前記顧客用の端末からの入力を受けて、事務手続きサポート画面を生成し該フロント端末に表示する機能と、前記事務手続きサポート画面に、前記金銭の支払い媒体のリーダ及び前記セルフスキャナで読み取られた前記取引関係書類及び前記金銭の支払い媒体の情報を含む前記事務手続きに関する情報、及び手数料に関する情報を加えて案件処理データを生成し、該案件処理データを表示する機能と、
該フロント端末に表示された前記案件処理データについてベリファイ打鍵による修正を受け付ける機能と、前記案件処理データをデータベースに登録する機能と、該登録された案件処理データを、上位の情報処理機器に送り、勘定系の処理を実行させる送信機能とを備えている。

特開２０１３－１４８９７８号公報

　市場規模拡大の一方で、新興国における金融機関での業務運用には課題が多い。例えば、窓口やバックエンドで行われる事務作業の殆どは紙運用のままである。

　そのため、誤記や記入漏れなどの書類不備が存在すれば、直ちに手戻りや待ち時間が発生し、業務効率の悪化に直結する。勿論、顧客としても、不慣れな手続を強いられた末に、待ち時間や追加作業が発生することで、満足度が低下しやすい状況である。

　また別の観点では、融資に先立ち必要となる与信審査のノウハウが不十分、という問題もある。そのため、消費者金融や事業者向け小口融資が活況を呈するにしても、その与信精度が伴っておらず、借り手の実情にそぐわない無理な貸し出しが行われる事態も懸念される。

　そこで本発明の目的は、金融取引における業務効率および与信精度の向上を可能とする技術を提供することにある。

　上記課題を解決する本発明の与信業務支援方法は、情報処理装置が、店舗に備わる顧客用端末に対し、顧客所望の金融商品に関して予め保持する業務プログラムに基づき、当該金融商品の契約手続に対応したインターフェイスを配信する処理と、前記インターフェイスを介して、前記顧客による、前記顧客の属性及び前記金融商品の希望契約内容の各入力値を取得して所定装置に出力し、当該入力値に対する、金融機関の担当者による確認ないし訂正の所定操作を受け付ける処理と、前記確認ないし訂正を経た前記入力値を、顧客の属性および当該顧客が所望の金融商品の希望契約内容の各事象を説明変数、顧客に関する与信結果を目的変数とした学習モデルに付与することで、前記顧客に関する与信結果を取得して前記顧客用端末に出力する処理と、を実行することを特徴とする。

　また、本発明の与信業務支援システムは、他装置と通信を行う通信装置と、店舗に備わる顧客用端末に対し、顧客所望の金融商品に関して予め保持する業務プログラムに基づき、当該金融商品の契約手続に対応したインターフェイスを配信する処理と、前記インターフェイスを介して、前記顧客による、前記顧客の属性及び前記金融商品の希望契約内容の各入力値を取得して所定装置に出力し、当該入力値に対する、金融機関の担当者による確認ないし訂正の所定操作を受け付ける処理と、前記確認ないし訂正を経た前記入力値を、顧客の属性および当該顧客が所望の金融商品の希望契約内容の各事象を説明変数、顧客に関する与信結果を目的変数とした学習モデルに付与することで、前記顧客に関する与信結果を取得して前記顧客用端末に出力する処理を実行する演算装置と、を備える与信業務支援装置を含むことを特徴とする。

　本発明によれば、金融取引における業務効率および与信精度の向上が可能となる。

本実施形態の与信業務支援システムを含むネットワーク構成例を示す図である。本実施形態における審査支援装置のハードウェア構成例を示す図である。本実施形態における顧客用端末のハードウェア構成例を示す図である。本実施形態におけるオペレータ端末のハードウェア構成例を示す図である。本実施形態における審査モデルＤＢの構成例を示す図である。本実施形態における受付ＤＢの構成例を示す図である。本実施形態における顧客管理ＤＢの構成例を示す図である。本実施形態の与信業務支援方法の手順例を示すフロー図である。本実施形態の与信業務支援方法の手順例を示すフロー図である。本実施形態における画面例を示す図である。本実施形態における画面例を示す図である。本実施形態における画面例を示す図である。

＜ネットワーク構成＞
　以下に本発明の実施形態について図面を用いて詳細に説明する。図１は本実施形態の　与信業務支援システム１０を含むネットワーク構成例を示す図である。図１に示す与信業務支援システム１０は、金融取引における業務効率および与信精度の向上を可能とするためのコンピュータシステムである。

　こうした与信業務支援システム１０は、審査支援装置１００、顧客用端末２００、オペレータ端末３００、及び顧客管理システム４００から構成される。こうした与信業務支援システム１０を構成する各装置らのうち、顧客用端末２００とオペレータ端末３００との間、オペレータ端末３００と顧客管理システム４００との間、及び審査支援装置１００とオペレータ端末３００及び顧客管理システム４００の各間は、適宜なネットワーク１により互いに通信可能に結ばれている。

　ただし、これら構成のうち、審査支援装置１００またはオペレータ端末３００のみで与信業務支援システム１０を構成する最小構成も想定しうる。その場合、審査支援装置１００がオペレータ端末３００の機能を、または審査支援装置１００がオペレータ端末３００の機能を有しているものとする。

　与信業務支援システム１０のうち、審査支援装置１００は、与信用の学習モデルを格納した審査モデルＤＢ１２５を備え、オペレータ端末３００からの要求に応じて顧客の与信審査を自動実行し、その結果を返す装置である。この審査支援装置１００は、ＡＰＩなど適宜手段を介してオペレータ端末３００と連携する構成を想定するが、運営主体は特に問わない。

　したがって、金融機関により運営されるオペレータ端末３００とは異なり、ＳＩｅｒなどの適宜なサービス事業者が審査支援装置１００を運営し、ネットワーク１を課した与信審査サービスの提供を行う形態も想定できる。一方、オペレータ端末３００と同様に、金融機関が審査支援装置１００を運営する形態も想定しうる。

　顧客用端末２００は、例えば、上述の金融機関の店舗など金融商品の販売拠点となる施設に配置されたタブレット端末を想定する。ただし、顧客自身が自ら保持する端末であって、本実施形態の与信業務支援方法に対応するアプリケーションがセットされ稼働するものであれば、そうした顧客所有の端末も概念に含めうる。

　顧客用端末２００は、消費者金融や事業者向け小口融資といった金融商品に関する顧客サービスを提供するための機能を、例えばアプリケーションにて実装している。顧客は、顧客用端末２００を、その画面表示に従って操作することで、所望の金融商品の契約、購入に向けた手続を自然と行えることとなる。

　一方、オペレータ端末３００は、金融機関の営業店等に配置され、オペレータなどが操作する端末である。このオペレータ端末３００は、上述の顧客用端末２００とネットワーク１を介してリアルタイムに通信可能に接続されている。つまり、顧客が顧客用端末２００で入力した値は、オペレータ端末３００に即時配信され、オペレータにより確認可能な状態となっている。

　こうした顧客用端末２００及びオペレータ端末３００とのデータ授受に伴う、顧客とオペレータとの協働作業により、顧客が所望する金融商品に関する契約等に向けて手続が順次進んでいくこととなる。一方で、顧客が顧客用端末２００で入力する値は、規定を外れた誤入力であったり、或いは入力漏れが生じている、といったいわゆる不備状態となるケースも多い。

　本実施形態においては、オペレータがオペレータ端末３００にてそうした不備状態についてチェックしているため、都度確認・修正することで、顧客の負担無く、スムーズな手続が進行する。勿論、そうしたオペレータによる修正等の結果は、顧客用端末２００に返送され、顧客による確認・合意を経た上で次の手順に進む制御となっている。

　なお、オペレータ端末３００でそうした確認・修正を経た入力値は、例えば、ネットワーク１を介したＡＰＩ（Ａｐｐｌｉｃａｔｉｏｎ　Ｐｒｏｇｒａｍｍｉｎｇ　Ｉｎｔｅｒｆａｃｅ）連携により、審査支援装置１００に送信され、審査モデルＤＢ１２５の学習モデルに基づく与信審査の処理対象データとなる。審査支援装置１００は、そうした与信審査の結果を、オペレータ端末３００に返信する。

　オペレータ端末３００は、審査支援装置１００から受信した与信審査の結果を、ディスプレイ等に表示してオペレータに確認させると共に、顧客用端末２００に配信する。顧客用端末２００は、この与信審査の結果をディスプレイ等で表示し、顧客の閲覧対象とする。

　こうした審査支援装置１００による与信審査の結果は、顧客が所望の金融商品の契約可否を示すものだけに限定しない。本実施形態においては、審査モデルＤＢ１２５にて、契約可否の判定をする学習モデルの他、代替商品として提案可能な金融商品を判定する学習モデル、契約可能な商品内容（例：金利や返済期間、融資額）を判定する学習モデル、を保持している。

　つまり、こうした学習モデルにより、柔軟な商品提案を自動的かつ高精度に行うことが可能なサービス運用機能が実装されている。

　なお、顧客管理システム４００は、上述の金融機関が運用する既存システムである。この顧客管理システム４００は、金融機関の既存顧客に関する各種情報を、顧客管理ＤＢ４２５にて管理する。本実施形態における顧客管理システム４００は、例えば、オペレータ端末３００から金融商品の契約締結の通知を受けて、顧客登録の処理を実行して当該顧客の情報を顧客管理ＤＢ４２５に登録する。

　こうした処理を実行する顧客管理システム４００は、契約締結に至った顧客、すなわち与信審査に合格して金融商品の契約に成功した対象者、の属性情報やその契約内容（金融商品の情報）を得ることになる。顧客管理システム４００は、こうした契約締結に行った顧客の属性やその金融商品の情報を、教師データとして審査支援装置１００に配信する。

　審査支援装置１００は、オペレータ端末３００から得ている顧客や金融商品の情報や、上述のように顧客管理システム４００から配信される教師データとをセットにして、機械学習エンジン１０２１に与える。機械学習エンジン１０２１は、こうしたセットを与えられるたびに、対応する学習モデルの学習を進めることとなる。

　このように、本実施形態の与信業務支援システム１０は、顧客の操作する顧客用端末２００やオペレータ端末３００、顧客管理システム４００が、審査支援装置１００と即時連携しつつ、金融商品の提案や契約といった対応業務を円滑、かつ迅速に進める構成を実装するものとなっている。

＜ハードウェア構成例＞
　また、本実施形態の与信業務支援システム１０を構成する各装置のハードウェア構成例を図２～４にて示す。

　このうち審査支援装置１００は、図２に例示するように、記憶装置１０１、メモリ１０３、ＣＰＵ１０４（演算装置）、ネットワーク１と接続し他装置との通信処理を担う通信装置１０５を備える。

　このうち記憶装置１０１は、ハードディスクドライブなど適宜な不揮発性記憶素子で構成される。この記憶装置１０１は、少なくとも、プログラム１０２及び審査モデルＤＢ１２５を保持している。プログラム１０２は、本実施形態に特有の構成として、機械学習エンジン１０２１を含んでいる。この機械学習エンジン１０２１の機能については既に述べたとおりである。また、審査モデルＤＢ１２５の詳細については後述する。

　また、メモリ１０３は、ＲＡＭなど揮発性記憶素子で構成される。

　また、ＣＰＵ１０４は、記憶装置１０１に保持されるプログラム１０２をメモリ１０３に読み出すなどして実行しシステム自体の統括制御を行なうとともに各種判定、演算及び制御処理を行なう演算装置である。

　また、通信装置１０５は、ネットワーク１と接続し他装置との通信処理を担うネットワークインターフェイスである。

　また、顧客用端末２００は、図３に例示するように、記憶装置２０１、メモリ２０３、ＣＰＵ２０４（演算装置）、入出力装置２０５、カメラユニット２０６、及びネットワーク１と接続しオペレータ端末３００との通信処理を担う通信装置２０７を備える。

　このうち記憶装置２０１は、ハードディスクドライブなど適宜な不揮発性記憶素子で構成される。

　また、メモリ２０３は、ＲＡＭなど揮発性記憶素子で構成される。

　また、ＣＰＵ２０４は、記憶装置２０１に保持されるプログラム２０２をメモリ２０３に読み出すなどして実行しシステム自体の統括制御を行なうとともに各種判定、演算及び制御処理を行なう演算装置である。

　また、入出力装置２０５は、顧客の操作を受け付けるとともに、その操作結果やオペレータ端末３００からの配信情報を表示、出力するための、タッチパネルを想定する。オペレータからの呼びかけを出力するスピーカーや、処理ステータスを点灯色等で示すＬＥＤランプといった付随的な出力装置をさらに備えるとしてもよい。

　また、カメラユニット２０６は、顧客の表情や動作を撮影する撮像装置である。このカメラユニット２０６は、マイク機能も備えて、顧客の発話を集音しオペレータ端末３００に配信するとしてもよい。

　また、通信装置２０７は、ネットワーク１と接続しオペレータ端末３００との通信処理を担うネットワークインターフェイスである。

　また、オペレータ端末３００は、図４に例示するように、記憶装置３０１、メモリ３０３、ＣＰＵ３０４（演算装置）、入出力装置３０５、及びネットワーク１と接続し他装置との通信処理を担う通信装置３０６を備える。

　このうち記憶装置３０１は、ハードディスクドライブなど適宜な不揮発性記憶素子で構成される。また、この記憶装置３０１は、プログラム３０２及び受付ＤＢ３２５を少なくとも保持している。受付ＤＢ３２５の詳細については後述する。

　また、メモリ３０３は、ＲＡＭなど揮発性記憶素子で構成される。

　また、ＣＰＵ３０４は、記憶装置３０１に保持されるプログラム３０２をメモリ３０３に読み出すなどして実行しシステム自体の統括制御を行なうとともに各種判定、演算及び制御処理を行なう演算装置である。

　また、入出力装置３０５は、オペレータの操作を受け付けるキーボードやマウス、及びその操作結果や顧客用端末２００や審査支援装置１００からの配信情報を表示、出力するためのディスプレイを想定する。オペレータによる顧客への呼びかけ音声を集音するマイクといった付随的な入力装置をさらに備えるとしてもよい。

　また、通信装置３０６は、ネットワーク１と接続し、審査支援装置１００、顧客用端末２００、及び顧客管理システム４００との通信処理を担うネットワークインターフェイスである。

　なお、本実施形態における顧客管理システム４００は、金融商品における既存システムであるため詳細説明は省略する。一般的な顧客管理システムを想定すればよい。ただし、本実施形態における特徴的な構成としては、金融商品の契約締結となった顧客とその金融商品の情報を教師データとして審査支援装置１００に配信する機能が備わる。

＜データ構成例＞
　続いて、本実施形態の与信業務支援システム１０を構成する各装置らが用いるデータベース類について説明する。図５に、本実施形態における審査モデルＤＢ１２５の一例を示す。

　審査モデルＤＢ１２５は、与信審査やそれに伴う商品や契約内容の提案を行うための学習モデルを格納したデータベースである。そのデータ構造は、学習モデルを一意に特定するモデルＩＤをキーとして、当該学習モデルの種別、説明変数、目的変数、及び実ファイルといったデータから成るレコードの集合体である。

　続いて図６に、本実施形態における受付ＤＢ３２５の構成例を示す。受付ＤＢ３２５は、オペレータ端末３００が顧客用端末２００から受けつけた情報を格納したデータベースである。

　そのデータ構造は、顧客を一意に特定する顧客ＩＤをキーとして、当該顧客が顧客用端末２００で入力操作を行った受付日時、申し込み商品、その希望条件、当該商品の与信審査の結果（以後、与信結果）、及び提案商品といったデータから成るレコードの集合体である。

　また、図７に、本実施形態における顧客管理ＤＢ４２５の構成例を示す。顧客管理ＤＢ４２５は、金融商品の顧客に関する情報を蓄積したデータベースである。

　そのデータ構造は、顧客を一意に特定する顧客ＩＤをキーとして、当該顧客の年齢、性別、営業拠点（の所在地）、業種、売上規模、口コミ、契約商品、といったデータから成るレコードの集合体である。

＜与信業務支援方法＞
　以下、本実施形態における与信業務支援方法の実際手順について図に基づき説明する。以下で説明する与信業務支援方法に対応する各種動作は、与信業務支援システム１０を構成する各装置がメモリに読み出して実行するプログラムによって実現される。そして、これらのプログラムは、以下に説明される各種の動作を行うためのコードから構成されている。

　図８は、本実施形態の与信業務支援方法のフロー例を示す図である。まず、顧客用端末２００は、店舗等を訪れた顧客から、その顧客の属性情報と、当該顧客が所望する金融商品に関する情報とを含む申し込み内容の入力を受けつけて、これをオペレータ端末３００に即時配信するものとする。

　この場合、オペレータ端末３００は、顧客用端末２００から上述の申し込み内容の情報を受信し、これを受付ＤＢ３２５に格納する（ｓ１）。

　また、オペレータ端末３００は、ｓ１で受け付けた申し込み内容の情報に基づき、顧客の属性および金融商品の属性のそれぞれを抽出する（ｓ２）。

　ここでの抽出に際し、オペレータ端末３００は、申し込み内容が含む顧客ＩＤをキーに、顧客管理システム４００に当該顧客の属性情報を要求し、年齢、性別、営業拠点／住所、業種／勤務先、売上規模／年収、口コミといった、当該顧客の属性情報を得る。

　また、オペレータ端末３００は、申し込み内容が含む申込商品やその希望条件といった値を、金融商品の属性情報として得る。

　続いて、オペレータ端末３００は、ｓ２までで得た顧客及び金融機関の属性情報それぞれを含む与信審査要求を、ネットワーク１を介して審査支援装置１００に送信する（ｓ３）。

　この場合、審査支援装置１００は、審査モデルＤＢ１２５で保持する学習モデルのうち、まずは目的変数が「与信結果」である学習モデル（図５の例では、モデルＩＤ“３０００１”）を抽出し、これに対し、オペレータ端末３００から送信されてきた与信審査要求の情報を付与して与信結果を算定する。また、審査支援装置１００は、この与信結果をオペレータ端末３００に返信する。

　なお、得られた与信結果が契約不可であった場合については、図９に示すフローに基づき別途処理が実行され、相応の与信結果（代替の金融商品や代替の契約内容を示す結果）を得ることとなる。この処理の詳細については後述する。

　オペレータ端末３００は、審査支援装置１００による与信結果を取得し、これを自身の入出力装置３０５で表示させるとともに、顧客用端末２００に配信する（ｓ４）。一方、顧客用端末２００では、与信結果を入出力装置２０５で表示させ、顧客の確認対象とする。

　また、オペレータ端末３００は、ここまでの処理で得た、顧客及び金融機関の属性情報と、その与信結果をセットにした教師データを、ネットワーク１を介して審査支援装置１００に連携する（ｓ５）。こうした処理は、顧客管理システム４００から、当該顧客の属性情報を審査支援装置１００に連携する形態としてもよい。

　他方、審査支援装置１００は、オペレータ端末３００等から得た教師データを、機械学習エンジン１０２１に入力し、既存の学習モデルの学習を進める（ｓ６）。勿論、既存の学習モデルが審査モデルＤＢ１２５に存在しない場合、新たな学習モデルを生成することとなる。こうした学習モデルの更新や生成の手法自体は、既存技術を適宜に採用すればよい。

　なお、審査支援装置１００における与信審査の詳細について図９のフローに基づき説明する。この場合、審査支援装置１００は、オペレータ端末３００からの情報を得て、これを目的変数が「与信結果」である学習モデルに与えることで与信結果を得る（ｓ１１）。

　ここで得た与信結果が、契約ＯＫである場合（ｓ１２：Ｙ）、審査支援装置１００は、当該与信結果をオペレータ端末３００に配信して表示（図１０の画面１０００）させる（ｓ１３）。この表示は、オペレータ端末３００から転送された顧客用端末２００でも同様になされる。

　一方、上述の与信結果が、契約ＮＧである場合（ｓ１２：Ｎ）、審査支援装置１００は、審査モデルＤＢ１２５から、目的変数が「提案ローン商品」及び「提案ローン商品の条件」の少なくともいずれかを抽出（予め抽出対象ないし順序を決めておくとしてもよい）し、オペレータ端末３００ｋら得た情報を与えることで、代替となる他の金融商品ないし契約内容を特定する（ｓ１４）。

　ここで特定されるのは、異なる金融商品の他、所望の金融商品であるものの融資額や利率、返済年数の条件を厳しくした内容、といったものとなる。

　審査支援装置１００は、こうして特定した結果を、オペレータ端末３００に出力し（図１１の画面１０１０、図１２の画面１０２０）、処理を終了する。

　本実施形態によれば、顧客からの融資申し込みに伴い生じる一連の手続を、顧客が操作する顧客用端末と、金融機関側のオペレータ端末との間での電子的手続として自動化することで、紙書類の排除、記載不備等への効率的対処などを図ることが可能となる。このことは、窓口業務での負荷発生源を排除し、事務サービスの効率化・品質向上を図ることにつながる。また、利用者にとっても、顧客用端末を通じたオペレータとの協働作業により煩雑な書類作成が不要となり、利便性の向上、滞在時間の短縮といった利点が生じる。また、精度良好な与信審査がなされることで、消費者保護の観点で重要な、無理な貸し出しの防止が図られることとなった。

　すなわち、金融取引における業務効率および与信精度の向上が可能となる。

　本明細書の記載により、少なくとも次のことが明らかにされる。すなわち、本実施形態の与信業務支援方法において、前記情報処理装置が、各顧客に関して得た、当該顧客の属性および所望の金融商品の希望契約内容を説明変数、当該顧客に関する与信結果を目的変数とした学習モデルを、機械学習エンジンにより生成する処理をさらに実行するとしてもよい。

　これによれば、顧客用端末から得る情報をトリガーにした一連の処理を繰り返し実行するごとに、その結果（与信結果の正しさのフィードバックも含む）を教師データとして獲得し、これをもとに学習モデルを更新、高精度化できる。ひいては、金融取引における業務効率および与信精度のさらなる向上が可能となる。

　また、本実施形態の与信業務支援方法において、前記情報処理装置が、前記顧客の与信結果が不良であった場合、顧客の属性と所望の金融商品の希望契約内容を説明変数、当該顧客に変更提案すべき他金融商品の属性を目的変数とした学習モデルに、前記与信結果が不良であった顧客の属性と所望の希望契約内容を付与し、提案対象の他金融商品を特定する処理をさらに実行する、としてもよい。

　これによれば、与信結果を単純に提示するのみならず、当該顧客が当初希望していた商品とは異なるものの、当該顧客の経済的な信用状況に即した適宜な商品の提案が可能となる。ひいては、金融取引における業務効率および与信精度のさらなる向上が可能となる。

　また、本実施形態の与信業務支援方法において、前記情報処理装置が、前記顧客の与信結果が不良であった場合、顧客の属性と所望の金融商品の希望契約内容を説明変数、当該顧客に変更提案すべき希望契約内容からの金利、返済期間、及び融資枠の少なくともいずれかの変更内容を目的変数とした学習モデルに、前記与信結果が不良であった顧客の属性と所望の希望契約内容を付与し、当該顧客に変更提案すべき前記希望契約内容からの金利、返済期間、及び融資枠の少なくともいずれかの変更内容を特定する処理をさらに実行する、としてもよい。

　これによれば、与信結果を単純に提示するのみならず、当該顧客が当初希望していた商品ないし内容とは異なるものの、当該顧客の経済的な信用状況に即したさらに適宜な商品の提案が可能となる。ひいては、金融取引における業務効率および与信精度のさらなる向上が可能となる。

　また、本実施形態の与信業務支援方法において、前記情報処理装置が、前記学習モデルとして、顧客の属性である、当該顧客の年齢層、性別、実施事業における売上情報、当該実施事業者の利用者による口コミ情報、及び事業所の所在地の少なくともいずれかと、当該顧客が所望の金融商品の希望契約内容の各事象を説明変数、顧客に関する与信結果を目的変数とした学習モデルを保持して、当該学習モデルに、前記確認ないし訂正を経た前記入力値を付与することで、前記顧客に関する与信結果を取得して前記顧客用端末に出力する、としてもよい。

　これによれば、例えば、中小事業者が店舗等を構える現場の商業的価値と、当該店舗等を運営する事業者の属性との組み合わせといった観点での与信審査が可能となり、売上情報等の具体的な数値指標が利用しにくい状況であっても、相応の精度の与信結果が期待できる。ひいては、金融取引における業務効率および与信精度のさらなる向上が可能となる。

１　　　ネットワーク
１０　　与信業務支援システム
１００　審査支援装置
１０１　記憶装置
１０２　プログラム
１０２１　機械学習エンジン
１０３　メモリ
１０４　ＣＰＵ（演算装置）
１０５　通信装置
１２５　審査モデルＤＢ
２００　顧客用端末
２０１　記憶装置
２０２　プログラム
２０３　メモリ
２０４　ＣＰＵ
２０５　入出力装置
２０６　カメラユニット
２０７　通信装置
３００　オペレータ端末
３０１　記憶装置
３０２　プログラム
３０３　メモリ
３０４　ＣＰＵ
３０５　入出力装置
３０６　通信装置
３２５　受付ＤＢ
４００　顧客管理システム
４２５　顧客管理ＤＢ

Claims

　情報処理装置が、
　店舗に備わる顧客用端末に対し、顧客所望の金融商品に関して予め保持する業務プログラムに基づき、当該金融商品の契約手続に対応したインターフェイスを配信する処理と、
　前記インターフェイスを介して、前記顧客による、前記顧客の属性及び前記金融商品の希望契約内容の各入力値を取得して所定装置に出力し、当該入力値に対する、金融機関の担当者による確認ないし訂正の所定操作を受け付ける処理と、
　前記確認ないし訂正を経た前記入力値を、顧客の属性および当該顧客が所望の金融商品の希望契約内容の各事象を説明変数、顧客に関する与信結果を目的変数とした学習モデルに付与することで、前記顧客に関する与信結果を取得して前記顧客用端末に出力する処理と、
　を実行することを特徴とする与信業務支援方法。
　前記情報処理装置が、
　各顧客に関して得た、当該顧客の属性および所望の金融商品の希望契約内容を説明変数、当該顧客に関する与信結果を目的変数とした学習モデルを、機械学習エンジンにより生成する処理をさらに実行する請求項１に記載の与信業務支援方法。
　前記情報処理装置が、
　前記顧客の与信結果が不良であった場合、顧客の属性と所望の金融商品の希望契約内容を説明変数、当該顧客に変更提案すべき他金融商品の属性を目的変数とした学習モデルに、前記与信結果が不良であった顧客の属性と所望の希望契約内容を付与し、提案対象の他金融商品を特定する処理をさらに実行する、
　請求項１に記載の与信業務支援方法。
　前記情報処理装置が、
　前記顧客の与信結果が不良であった場合、顧客の属性と所望の金融商品の希望契約内容を説明変数、当該顧客に変更提案すべき希望契約内容からの金利、返済期間、及び融資枠の少なくともいずれかの変更内容を目的変数とした学習モデルに、前記与信結果が不良であった顧客の属性と所望の希望契約内容を付与し、当該顧客に変更提案すべき前記希望契約内容からの金利、返済期間、及び融資枠の少なくともいずれかの変更内容を特定する処理をさらに実行する、
　ことを特徴とする請求項１に記載の与信業務支援方法。
　前記情報処理装置が、
　前記学習モデルとして、顧客の属性である、当該顧客の年齢層、性別、実施事業における売上情報、当該実施事業者の利用者による口コミ情報、及び事業所の所在地の少なくともいずれかと、当該顧客が所望の金融商品の希望契約内容の各事象を説明変数、顧客に関する与信結果を目的変数とした学習モデルを保持して、当該学習モデルに、前記確認ないし訂正を経た前記入力値を付与することで、前記顧客に関する与信結果を取得して前記顧客用端末に出力する、
　ことを特徴とする請求項１に記載の与信業務支援方法。
　他装置と通信を行う通信装置と、
　店舗に備わる顧客用端末に対し、顧客所望の金融商品に関して予め保持する業務プログラムに基づき、当該金融商品の契約手続に対応したインターフェイスを配信する処理と、前記インターフェイスを介して、前記顧客による、前記顧客の属性及び前記金融商品の希望契約内容の各入力値を取得して所定装置に出力し、当該入力値に対する、金融機関の担当者による確認ないし訂正の所定操作を受け付ける処理と、前記確認ないし訂正を経た前記入力値を、顧客の属性および当該顧客が所望の金融商品の希望契約内容の各事象を説明変数、顧客に関する与信結果を目的変数とした学習モデルに付与することで、前記顧客に関する与信結果を取得して前記顧客用端末に出力する処理を実行する演算装置と、
　を備える与信業務支援装置を含む与信業務支援システム。