事業領域

  1. HOME
  2. 事業領域

コンサルティング

コンサルティング本部の業務内容

  • 世の中には数多くのデータが存在し、人間が何かしらの行動で得られる情報が世の中にデータという形で日々生成されてます。
  • コンサルティング本部では、主に金融機関に存在するデータを分析して、モデル構築、及び、モデル運用支援を行っています。

FEGが取り扱っている
主なモデルのイメージ

審査モデル

手法イメージ

ホワイトボックス

ロジスティック回帰
概要
  • 複数の「重み係数×変数」を合算
    比較的単純な数式で表現することが可能
利点
  • 過学習しづらい
  • 予測対象の数が比較的少なくてもモデル構築が可能
欠点
  • 外れ値の影響を受けやすいため、
    変数加工が必要となる場合が多い
業務適用
  • 国内外ともに事例数が多い
判別ツリー
概要
  • 条件に「該当する」・「該当しない」で
    集合を分割を繰り返すモデル構造
利点
  • モデル構造が直感的で分かりやすい
    (実務担当者の経験則を取入れやすい)
欠点
  • 過学習しやすいため、
    モデル構築の際には比較的多くのサンプル必要
業務適用
  • 国内外ともに事例数が多い

ブラックボックス

勾配ブースティング(GBDT)
概要
  • 多数の判別ツリーを組合わせた構造であり、最近ではこの手法を
    実装したXGBoostというパッケージが競技を中心に多用されている
利点
  • 予測能力が高い
  • 変数加工が不要であり、比較的短期間でモデルを構築可能
欠点
  • モデル全体の可視化は困難
    (構成要素であるツリー単体の可視化は可能)
業務適用
  • 国内では事例数が少ないが、米国では適用事例がある
ニューラルネットワーク(NN)
概要
  • 複数のユニット(関数)で構成される層を重ね合わせた構造
    近年では、深層学習と呼ばれる手法が注目を集めている
利点
  • 予測能力が高い
  • 深層学習では人間が説明変数を作らなくてもよい(自動抽出)
欠点
  • モデルの可視化は困難
  • パラメータチューニングが難しい
業務適用
  • 3層程度ののNNの事例は多い
  • 深層学習の事例は数少ない

システム

業務の概要

当社の目指すシステムは、顧客が抱えている業務課題を分析したうえで要件を明確にし、実現可能な解決策をITソリューションとして提案します。本ビジネスの要であるシステム開発においては、要件定義から開発、運用までのトータルサポートを提供します。

当社のシステム開発の特徴は、以下の2点となります。

1つ目は、数理分析から得られる有用なロジックやルールを組込んだシステム開発を行います。そのロジックやルールは難しいものですが、システム化に際しては、顧客の業務運用を充分考慮し、これを分かり易く表現したシステムとして提供します。

2つ目は、顧客の業務を効率化します。対象となる業務のフローについて現地調査・ヒアリングを行い、必要な解決策を講じたうえで、新しい業務のフローを提供します。

システム構築から運用までの流れ

強み

当社は、多くの金融機関の与信業務において、最先端の手法をITで提供してきました。

そのため、数多くの実績から蓄積されたノウハウに基づく独自の手法を保有しています。

また、モデルをシステムに実装する際には、モデルを作成するコンサルティング本部と、実装を行うシステム本部が密に連携を取ることで、顧客のニーズ全てに対して社内全体で取り組んでおります。

これらの手法を駆使することで、多岐にわたる顧客の課題に柔軟に対応し、改善・最適化するソリューションを提供しています。