銀行がFinTech時代を勝ち抜くために行うデータ活用の事例とアーキテクチャ、テクノロジー：FinTech時代、銀行系システムはどうあるべきか（4）（1/3 ページ）

本連載では、銀行系システムについて、その要件や歴史を整理しつつ、スマートフォンを使う銀行取引やブロックチェーンなど、新しい技術が及ぼす影響を考察していきます。今回は、銀行を取り巻く環境の変化を整理し、顧客理解をより深める「データ分析」について詳細に見ていきます。

[野波衆太郎, 久保俊彦，日本アイ・ビー・エム株式会社]

銀行を取り巻く環境の変化

今回の主な内容

• 銀行を取り巻く環境の変化
  • 顧客の変化
  • テクノロジーの変化
• 顧客理解をより深めるデータ分析ユースケース
  • 顧客の行動にフォーカスする顧客分析
  • マイクロセグメンテーションを基にしたアソシエーション分析
  • 従来の分析手法との違い
• ビッグデータ活用に求められる銀行情報系アーキテクチャとは
  • SoR＋SoE＋SoIで実現するデータ利活用アーキテクチャ
  • クラウドの活用例
• テクノロジーの適用例と、その価値
  • データレイク実現の主なコンポーネント概観
  • コグニティブ技術の適用について
• まとめ
• 次回は、FinTechで活用検討が進むブロックチェーンについて

　本連載「FinTech時代、銀行系システムはどうあるべきか」では、銀行系システムについて、その要件や歴史を整理しつつ、スマートフォンを使う銀行取引やブロックチェーンなど、新しい技術が及ぼす影響を考察していきます。

　前回の「FinTech時代の銀行に求められるSoE/SoRアーキテクチャとAPI管理とは」から、銀行オンラインシステム発展の歴史や伝統的なアプローチを踏まえて、FinTech時代に向けて、銀行システムアーキテクチャに求められる要件について整理しています。今回は、銀行を取り巻く環境の変化を整理し、顧客理解をより深める「データ分析」について詳細に見ていきます。

　さて、「良いバンキングサービスは必要とされているが、銀行が必要とされているわけではない」とは、Citiグループリテール部門チーフマーケティングオフィサーのヘザーコックス氏が伝えた衝撃的なメッセージです（参考）。

　書籍『Bank3.0 脱・店舗化するリテール金融戦略』（ブレット・キング 著、上野博 訳、東洋経済新報社 刊）によれば、「価値のバランスは消費者側に移り、顧客が主導権を持ち、選択権を握っている」と語られています。

　銀行は顧客中心主義へのブレークスルーを現実のものとして迫られているといえるでしょう。

顧客の変化

　今後、銀行はどのようにして顧客と向き合い、顧客の理解を深めていけばいいのでしょうか。顧客が銀行に求める期待は多岐にわたっています。表1に示すような顧客理解、顧客経験の深化は、グローバルの先進的な銀行では実際に取り組みが進められています。

表1　顧客理解、顧客経験深化の観点

顧客の期待	銀行に求められる対応
Find me	新たな顧客セグメントを見つけるために分析し、可視化していく
Ask me	商品、サービス、そしてソーシャルの側面から顧客にアプローチする
Advise me	顧客には、顧客を理解したエキスパートによってコンタクトする
Know me better	顧客のWantsとNeedsを完全に理解してサービスをオファーすること
Stick with me	顧客の生活に結び付いたデータで洞察を深める
Excite me	予期しないタイミングで期待以上のサービスを提供する
Compare me	類似した属性の人（People like me）が何をしているかを分析して提示する
Trade with me	商品サービスの優遇と引き換えに、さまざまな顧客データや新しいアイデアを共有してもらう
Educate me	オンライン教材や、「今の売れ筋」など旬な話題を提供する
Alert me	リアルタイムの予測分析により、パーソナライズされたコミュニケーションを行う
Let me choose	ニーズに合う複数の案を提示し、顧客に選択肢を与える
Protect me	多要素でのセキュリティ対策によって顧客を守る

　例えば、上記の「Advise me」では、Royal Bank of CanadaがRBC Advise Centreで顧客データの分析に基づくエキスパートのアドバイスサービスを提供し、顧客満足度が5位から1位に向上したそうです。

RBC Advise Centre

　また「Excite me」では、TDBankがパーソナライズされた特別な顧客体験を提供するATMサービスを実現しました。このサービスではATMは「Automatic Teller Machine」ではなく、「Automated Thanking Machine」と呼ばれています。

　さらに「Compare me」では、UBankが「People Like U」というサービスで自分と類似属性の人の投資傾向情報を提供し、そこからさまざまなサービスや商品への送客を促しています。

People Like U

　これらは全て、銀行の内部や外部のデータを徹底的に活用し分析した結果、実現されたものです。

テクノロジーの変化

　こうした新たなデータ活用の取り組みには、テクノロジーの進化が大きく貢献しています。Harvard Business Reviewで示された「Analytics 3.0」では、データ活用テクノロジートレンドの変遷を大きく3つのステージに分けて説明しています。

• Analytics 1.0

　数十年前からの基本的なデータ分析の取り組みでよく見られる状況としては、データ分析よりも準備に多くの時間を要したり、小規模の分析モデルを作るのにコストと時間を大量に要したりするなどの課題に数多く直面していました。また、予測やシミュレーションなどの高度な目的ではなく、データの可視化や課題の整理などを主に行っているのが「Analytics 1.0」のステージです。

• Analytics 2.0

　2000年代に入ると、扱うデータ量（Volume）、データ処理の速度（Velocity）、データの種類（Variety）が飛躍的に増加し、いわゆる「ビッグデータ」が現実のものとなってきました。

　このステージでは、データ分析により多くのリソースを使えるようになり、さらに多種多様な大量データの関連性に着目して分析を行えるようになります。また、分析モデルはビジネスオーナーのニーズに基づいて反復的に洗練させながら、レポーティングやチャート整理ではなく、予測に基づくアクションにつなげることを重視するようになります。

• Analytics 3.0

　データ分析ソリューションが意思決定の現場で使われるようになり、ジャストインタイムのデータ分析に基づいて成果に結び付くビジネスプロセスに組み込まれていきます。継続的なビジネス成果のためにリアルタイムからヒストリカルのデータ分析をミックスした新たなソリューションが実現します。