金融業界における、ビッグデータの重要な役割を理解するために、銀行業界におけるアーキテクチャの注力分野について紹介します。銀行業界が価値を見出し、且つビッグデータ活用により大きな価値を生み出すことができる五つの分野です。これから一つ一つを詳細に見ていきます。それぞれどのようなアーキテクチャを通じ、各分野に関連するようなビジネスの問題を各銀行がどのように解決してきたのでしょうか。
本記事では、第2回として、クレジットカード領域、ウェルス、アセット・マネジメント領域、銀行業界における予測分析、サイバーセキュリティ領域、リスクデータのアグリゲーションおよびレポーティング領域についての活用例を紹介します。

クレジットカード領域

ビッグデータが非常に上手く機能し、多くの事例がある領域は、クレジットカード領域です。このクレジットカードを扱っている取扱業者や商業系の銀行で今求められているのが、顧客にまつわるリッチなデータを自分たちで確保したいというものです。顧客関連のリッチなデータを取り込むことで、この顧客には次に何を販売していけばいいのかという、リテールの領域での商品の販売につながります。リッチなデータをもとに、顧客の好みや思考回路を理解し、リスクマネジメントのポートフォリオを描くことも可能になります。

ウェルス、アセット・マネジメント領域

次に、資産管理、ウェルス、そしてアセット・マネジメントの領域です。この領域では、非常に価値の高い顧客が存在します。そこでビッグデータを上手く使い、優秀で高い成果を収めているアドバイザーとこの価値の高い顧客を結びつけて、より良い顧客との関係を醸成することが可能になります。もう一つ重要な鍵となるのが、図7の右下にあるロボアドバイザーです。ロボアドバイザーは、自動化された投資アドバイザーです。さまざまなアルゴリズムを走らせることで、顧客の行動様式や思考を理解し、それをポートフォリオとマッチさせます。このことにより、より良い顧客との関係性を築けます。

Fdb085b646dfba0cc6380d42ca6b9144bcc3726f
図7 Wealth & Asset Management

銀行業界における予測分析

データサイエンスという観点から見た場合、世の中では、ビッグデータが登場する以前からマシンラーニング、機械学習は存在していました。今は、機械学習だけではなく、リッチで大容量のデータが入手可能です。このようなデータを取り扱え、しかもコストを抑えながらデータを上手く分析できます。つまり予測分析が可能です。
予測分析の図8で、青の部分は、銀行にとっての最低限必要な運用で財務リスクを軽減するための運用やコンプライアンス遵守の領域です。もう一つ存在しているのは、緑の部分で、積極的に売上成長や利益アップを図ることができる領域です。例えば、コンシューマーバンキングのマーケティングで活用し、積極的な売上増加につなげることが可能です。あるいは、マーケティングの領域で、ある顧客についてデータを分析することにより、特定のセグメント分けができ、この顧客のグループが次に何を買いそうで、どういったような行動様式を取りそうか予測・分析できます。あるいは不正の検知への活用も考えられます。取引で何か異常な行動等がみられたときに検知されます。それに基づいて特定の異常な取引、あるいはクレジットカードの使用が果たして不正なのかどうなのかということを確認できます。

15a7e443a39a394693c52cb91e4e565cecfc9a30
図8 Driving Analytics Banking