TRIADTM トランザクション･スコアリング 人工知能ベースのトランザクション･スコ アリングにより、平均 15 パーセントから ྲྀᘬ䝺䝧䝹䛾䝕䞊䝍䛷䚸䛥䜙䛻ඃ䜜䛯ಙ䝸䝇䜽䛾ண 䜢ᥦ౪ 20 パーセントも途上与信戦略の収益性 䜹䞊䝗ဨ䛾ẖ᭶䛾άື㻌䇶㻌ྜ⟬䝕䞊䝍 を拡大 䝟䝍䞊䞁㻌㻭 䝟䝍䞊䞁㻌㻮 人工知能モデルに基づいた最新のトラン ザクション･スコアリングは、アダプティブ･ 㻠㻌㐌㛫 ၟရ㉎ධ ၟရ㉎ධ 㻠㻌㐌㛫 䜻䝱䝑䝅䞁䜾㈚ฟ 䜻䝱䝑䝅䞁䜾㈚ฟ コントロール･システム TRIAD に統合が可 㔠㢠 能で、口座審査の収益性をさらに高めま 㔠㢠 す。タイムリーな取引レベルのスコアリン 䜹䞊䝗ဨ䛾ẖ᭶䛾άື㻌䇶㻌䝖䝷䞁䝄䜽䝅䝵䞁䝕䞊䝍 グによる予測の活用で、途上与信戦略コ 䝟䝍䞊䞁㻌㻭 ントロールシステム TRIAD の標準的な結 果に対して、さらに平均して 15 パーセント ➨㻌㻝㻌㐌 䝟䝍䞊䞁㻌㻮 ၟရ㉎ධ ➨㻌㻝㻌㐌 ၟရ㉎ධ から 20 パーセントの収益改善が期待でき 䜻䝱䝑䝅䞁䜾㈚ฟ ၟရ㉎ධ ます。 ၟရ㉎ධ ၟရ㉎ධ ➨㻌㻞㻌㐌 ➨㻌㻞㻌㐌 ၟရ㉎ධ ၟရ㉎ධ 䜻䝱䝑䝅䞁䜾㈚ฟ ➨㻌㻟㻌㐌 ၟရ㉎ධ ➨㻌㻟㻌㐌 ၟရ㉎ධ 䜻䝱䝑䝅䞁䜾㈚ฟ ➨㻌㻠㻌㐌 䜻䝱䝑䝅䞁䜾㈚ฟ 䜻䝱䝑䝅䞁䜾㈚ฟ ➨㻌㻠㻌㐌 ၟရ㉎ධ 䜻䝱䝑䝅䞁䜾㈚ฟ 㔠㢠 㔠㢠 月次の合算データでは、パターン A と パターン B の見分けがはつきませんが、トランザクションデータで は重要なパターンが明らかになります。上記の場合、パターン A のトランザクションデータでは、商品購 入とキャッシング貸出が月全体に渡っていることがわかります。パターン B のトランザクションデータで は、キャッシング貸出が月末に集中して発生していることがわかります。 今日のビジネス環境のもと、クレジットカード会 TRIAD のユーザーは、フェア･アイザックの最 TRIAD トランザクション･スコアリングにより、次 社は、顧客獲得そして利用促進のため厳しい 新のトランザクション･スコアリング･モデルを途 のことが可能になります。 競争に直面しています。企業が成功するため 上与信アプリケーションすべてに導入して、判 には、延滞率や自己破産率の増加に対する 断戦略の適時性、正確さ、収益率を大幅に向 自衛措置が必要です。貴重な顧客が解約し 上させることが可能です。 ないよう、有益な関係を築くためには、優れた 戦略を開発しタイムリーなアクションをとらなけ ればなりません。 TRIAD トランザクション･スコアリングのユー ザーには、TRIAD の標準的な結果に対して、 さらに平均して 15 パーセントから 20 パーセ ポートフォリオの利益率向上の鍵は、信用リス ントの改善が期待できます。これは、売上と金 ク、利用中止（退会）予測、収入予測を含む、 利収入の増加、貸し倒れの減少、回収戦略と タイムリーで信頼性のある口座のビヘイビア予 マーケティング･キャンペーンの効率性の向上 測を包括的にレスポンスの速い判断システム によるものです。 取引パターンの変化をすぐに探知して、リ スクのある顧客を特定 高精度とリアルタイム性で、リスクとリターン のバランスを確保 利益重視、顧客中心の施策により適した ポートフォリオのセグメント化 業務に必要以上の負担を課すことなく、リ スクを回避し、新しいチャンスを利用するタ イムリーな与信施策の実行 に組み込むことです。 䛚ၥ䛔ྜ䜟䛫ඛ 㟁ヰ 03-6212-2733 㻱䝯䞊䝹 [email protected] 㼃㻱㻮 www.fairisaac.co.jp ᮏ♫㼃㻱㻮 www.fairisaac.com TRAIDTM トランザクション・スコアリング カード会員のビヘイビアを完全に把握 TRIAD トランザクション･スコアリングは、月次 ベースの評価のみでなく、取引が生じた時点 でタイムリーに、顧客ビヘイビアの変化につい て警告します。 従来のスコアリング･システムは、月次など過 去のサイクル中に生じた取引結果の合算 データとして、顧客の活動を反映するというも のでした。トランザクション･スコアリングは、口 座の活動をタイムリーに分析し、問題分野を 特定し、その分野への対処を可能にします。 請求マスタデータだけでなく、詳細な取引情 報から作成した各口座レベルのプロファイル が、TRIAD トランザクション･スコアリングの中 心です。このプロファイルには、各カード会員 信用リスクモデルは、6 ヶ月以内の自己破 フェア･アイザックのトランザクション･スコアリン 産、貸し倒れ、深刻な延滞に陥る可能性を示 グ･モデルは、コンソーシアム（共同事業体） します。リスク･スコアは取引ごと及び月次に計 データに基づいています。コンソーシアム・トラ 算され、効率的な延滞管理アクションを可能 ンザクション・モデルは利点の迅速な認識が にする、タイムリーで正確な基準をリスク管理 可能ですが、貴社特有のデータと業務に基づ 者に提供します。 いて、カスタム・トランザクション・モデルを開発 利用中止（退会）予測モデルは、6 ヶ月以内 の退会の可能性を予測します。これにより、 カード会社は、不安定な状態にあるカード会 TRIAD システムへの統合も容易に 員を積極的に特定し、コスト効果の高い戦略 TRIAD ユーザーは、TRIAD トランザクション･ を実施することができます。 スコアリングを簡単に自社業務に統合すること 収入予測モデルは、今後 6 ヶ月に渡って、 カード会員が生み出す可能性のある収入を 予測し、全体的な利益率の予測で重要な役 割を果たします。 の支出パターンが反映されており、取引と支 利潤予測モデルは、上記のモデルを組み合 払履歴の全体像が把握できます。これにより、 わせて、今後 6 ヶ月に渡って、カード会員の 口座の活動が追跡でき、最初の危険信号が 収益性を予測します。この多次元分析では、 発せられた時点や、口座利用傾向に変化が 営業経費も考慮されているため、カード会員 見られた時に、即座にアクションを起こすこと をセグメント化し、リソースの配分を最適化す ができます。 ることが可能です。たとえば、高い利益を生み 出している顧客維持戦略の対象にすることが 一連のトランザクションベースのモデル することも可能です。 できます。 ができます。TRIAD トランザクション･スコアリン グの実装は、TRIAD の実装を世界的に担当 するフェア･アイザックのプロフェッショナル･ サービスを通じて行われ、業界最高レベルの 途上与信サービスをご利用いただけます。 新BIS規制（Basel II）対応 TRIADは、新BIS規制（Basel II）への準拠な ど、コンプライアンスの基準を順守するという 点でも、大きな役割を果たします。口座レベ ル･顧客レベルでビヘイビア･スコアを算出し、 そのスコアをポートフォリオ管理の重要な判断 分野で用いることが可能です。こうしたビヘイ フェア･アイザックの人工知能モデルは、変数 ビア･リスク･スコアは、債務不履行の可能性の 間の複雑な相互作用や関係を発見する機能 算出にも使うことができます。フェア･アイザッ を備えており、カード会員のビヘイビアをより クでは、プロフェッショナル･サービスのスタッ 正確、かつパワフルに予測します。これらのモ フが新自己資本比率規制など当局対応や、 デルは個々の使用だけでなく、組み合わせて 与信リスク管理におけるベスト･プラクティスの 利益予測に使用することも可能です。 実践もお手伝いします。 䝣䜵䜰䞉䜰䜲䝄䝑䜽䛿ពᛮỴᐃ⟶⌮䛾䝸䞊䝎䞊䛷䛩䚹䜂䛸䛴୍䛴䛾ពᛮỴᐃ䜢㏻䛧䛶䝡䝆䝛䝇䜢ኚ㠉䛧䜎䛩䚹 䝣䜵䜰䞉䜰䜲䝄䝑䜽᪥ᮏᨭ♫ ୡ⏺せ䜸䝣䜱䝇㻌 (Fair Isaac Asia Pacific Corp.) ᪥ᮏ䚸⡿ᅜ䚸䜹䝘䝎䚸䜲䜼䝸䝇䚸䝇䝨䜲䞁䚸䝤䝷䝆䝹䚸 ୰ᅜ䚸㤶 䚸㡑ᅜ䚸䝅䞁䜺䝫䞊䝹䚸䝬䝺䞊䝅䜰䚸 䜲䞁䝗䚸䜸䞊䝇䝖䝷䝸䜰 䛈100-0005 ᮾி㒔༓௦⏣༊䛾ෆ2-1-1 ᫂Ᏻ⏣⏕䝡䝹䠑㝵 㟁ヰ㻌03-6212-2733 (䛚ၥ䛔ྜ䜟䛫) E䝯䞊䝹 [email protected] WEB www.fairisaac.co.jp ᮏ♫WEB www.fairisaac.com Fair Isaac、フェア・アイザックの製品/サービス名は、米国、各国における Fair Isaac Corporation の商標または登録商標です。 記載されている製品名、企業名は、一般に各社の商標または登録商標です。 Copyright ©2005-2008 Fair Isaac Corporation. All rights reserved. 記載事項は予告なしに変更する場合があります。 1314JP PS 05/08 PDF
© Copyright 2024 ExpyDoc
