銀行

収益を拡大し、競争力を維持するには、予測モデルが欠かせません。しかし、規制当局による監査、ビジネスに精通したデータサイエンティストの不足、モデル開発にかかる時間の長さが、予測モデルの生成を困難にしています。そこで登場するのが、DataRobot の機械学習自動化プラットフォームです。このプラットフォームを利用すれば、銀行の各部門が分析にまつわる問題をすばやく解決できます。機械学習の自動化によって、新しい見込顧客の開拓や迅速なモデルリスク管理が可能になるため、銀行は台頭するフィンテックに対抗できるようになります。DataRobot は、世界中の銀行に大きな変革をもたらしています。銀行にとって、今こそが第 4 次産業革命を迎える準備を始めるときなのです。

Message
DataRobot は、世界中の銀行に大きな変革をもたらしています。第 4 次産業革命を迎える準備をできていますか?

DataRobotのニュース

難しい機械学習モデルづくり、自動化ツールでAIの壁を突破:三井住友カード

May 29, 2018
Read more

データサイエンティスト不足に どう対処するか ――データロボット創業者CEO ジェレミー・アシン

Jun 12, 2018
Read more

エキスパートが語る

“DataRobot は、業界のエキスパートがテクニカルな分析を高度な専門知識なしに実行できるようにしてくれます。問題を一番よく知っている人が、その問題を一番効果的に解決できるツールを利用できるようになるのです。銀行の各部門が潜在的能力を活かせるようになるには、機械学習の自動化が欠かせません。” - Gregory Michaelson, 銀行セクターのゼネラルマネージャー DataRobot

商業銀行

商業銀行は、フィンテック企業がもたらす混乱に直面しています。従来の銀行がこれまで行ってきた取り組みでは、この新しい競争に十分対抗できません。商業銀行業界がこの競争で優位に立つには、人工知能を採り入れる必要があるのです。しかし、従来のツールでは時間もコストもかかる上、人工知能に詳しい人材を雇うことはほとんど不可能です。DataRobot があれば、銀行のビジネスに詳しい銀行業務担当者、顧客管理担当者、アナリストが、人工知能を使って自ら分析を実行できるようになります。機械学習の自動化により、決済前リスクの予測、信用リスクの回避、新しい顧客の開拓といった取り組みをより効率的に行えるようになります。また、既存の顧客との関係を強化できるため、商業銀行の収益が大きく向上します。

消費者金融

消費者金融は、役立つ可能性の高いデータを大量に収集し、利用可能にしています。しかし、ほとんどの地方銀行や信用金庫は、データサイエンスを利用するためのリソースを持っておらず、この価値ある情報を活用できていません。DataRobot の機械学習自動化プラットフォームは、データサイエンスチームが生産性を拡大できるように支援し、ビジネスアナリストをデータサイエンティストに変えることができます。そのため、市場によりすばやく対応し、銀行業務の中核にまつわる問題の解決に集中できるようになります。不正の検知、信用リスクの測定、金利の決定、そして精度の高いマネーロンダリング防止システムが、消費者金融を根本から変革します。

政府の規制当局

世界の主要な銀行を監視している規制当局にとって、銀行のシステムの安定と自己資本の維持を図るためのプロセスに欠かせないのが、評価モデルです。DataRobot では、モデリングに対する体系的な自動化アプローチによって、ベンチマークモデルを自動生成し、対立するモデルの比較を数分で実行できます。そのため、より徹底的な調査がより少ない時間で実行できるようになります。

モデルリスク管理

銀行のモデルリスク管理チームは、予測モデルの評価をすばやく正確に実行しなければならないというプレッシャーにさらされています。そこで DataRobot は、体系的なアプローチによって、モデルの自動調整、データパーティショニング、および数多くのさまざまな独自のモデリングアプローチの評価を行うことで、モデル検証の完全性、迅速性、そして効果を確保します。

市場

市場には、データサイエンスを活用する機会が非常に多くあります。市場の買い手側のデータサイエンスチームは、DataRobot を迅速なプロトタイピングツールとして利用することで、膨大な数の取引戦略に対してバックテストや評価を実行できます。売り手側の企業は、DataRobot を利用することで、顧客の取引活動を予測したり、最適な顧客を見つけ出して調査報告書を作成したり、IPO への潜在的な関心の高さで投資家をランク付けしたりできるようになります。

DataRobotが可能なこと

マネーロンダリング対策 (AML)

機械学習を利用すれば、誤検知率が下がり、精度が高まります。その結果、効率化とコスト削減が実現し、規制当局から罰金を科せられたり、規制当局との間に問題を抱えたりする可能性が少なくなります。

顧客の開拓

限られたデータを活用して、質の高い企業顧客や商用顧客を見つけ出すことが、成功には欠かせません。しかし、ほとんどの銀行は、客観性と一貫性を欠いたアプローチを採っているのが現状です。機械学習を利用すれば、銀行がすでに収集しているデータを活用して、成約率の向上と収益の拡大を実現できます。

不正の検出

銀行は、不正行為によって毎年何十億ドルもの損失を被っています。リアルタイムの機械学習ソリューションなら、取引内容をリアルタイムで評価し、損失を発生前に防止できます。DataRobot のプラットフォームを利用すれば、独自の不正防止ソリューションを構築できるため、仕組みのよくわからないベンダー製品への依存度を下げることができます。

モデル検証とリスク 管理

銀行は、予測モデルを構築、配備、利用することで収益の拡大を望んでいますが、規制への対応と確実なリスク管理を行うには、莫大なコストがかかる上、市場への対応も遅れがちになります。検証用モデルの自動作成など、体系的なアプローチによってモデルを構築および評価することで、より高品質で安全なモデルをより短時間で構築できるようになります。

信用リスクと決済前 リスク

銀行業界の根幹を支えているのは、信用リスクモデルです。しかし、このようなモデルの開発と利用が商業銀行業界全体で進んでいると言えないケースが多く見られます。機械学習を自動化すれば、銀行の企業向け貸付担当者が消費者金融の担当者と同じツールを利用できるようになります。

インフラの監視

ネットワークがダウンすれば、ビジネスが停止してしまいます。銀行は、毎日テラバイト単位のログを取得しています。このログには、銀行のインフラの状態とセキュリティに関する重要な情報が含まれていますが、このデータが潜在的な問題の予測に使われることはほとんどありません。そこで DataRobot では、銀行が自社のシステムを 24 時間休みなく監視できるようにします。

 
Greg Michaelson
Greg Michaelson
銀行セクターのゼネラルマネージャーDataRobot
このウェビナーではどのように企業が予測アプリケーションを使って新しい危険や機会損失に前もって対応できるかをご紹介しています。どのようにDataRobotを使って新しい機械学習モデルを作り、評価し、リアルタイムでリスクを認識し不正行為を防ぐために実装するかを学ぶことができます。

お客様の声:

  • "「LendingTree 社にとってデータはビジネス戦略の中核にあり、一人ひとりに合った卓越した顧客エクスペリエンスを提供するうえで欠かせません。DataRobot を導入して以来、この資源から低コストで価値を引き出せるようになりました」"

    Akshay Tandon

    LendingTree 社 Strategy and Analytics 部門副部長

  • "「DataRobot ではモデルにフィードされているデータを理解できるため、得られたデータを何もかもシステムにフィードする必要がなくなります。DataRobot によって私のチームの有用性が高まっています」"

    Deena Narayanaswamy

    Head of Data Insights, Avant

さらに詳しいDataRobotのデータサイエンスについて。

お問い合わせ