HOME ≫ サービス ≫ データ分析サービス

データ分析サービス

RDBでは豊富な経験・実績に基づき、様々なデータ分析テーマに関して、適切なソリューションを提供することが可能です。

データ分析サービスの特長

1.豊富な実績:金融機関を中心に50社以上

  • 豊富なデータ分析の経験、および、モデル構築の経験をもとに、お客様に最適な分析手法をご提案いたします。
  • さまざまな形式のデータを加工・集約し、分析に活用いたします。

2.柔軟な対応:オーダーメイドのサービス

  • 定型的な手法の適用だけではなく、お客様のニーズに応じた最適な手法での分析を実施いたします。
  • ゼロからのモデル構築はもちろん、既存のモデルの調整や高度化の対応も実施いたします。
  • お客様の経営方針や顧客ポートフォリオ等の特徴に対応したオーダーメイドの分析を実施いたします。

3.コミュニケーション:お客様目線でのプロジェクト

  • 分析の手法・手順・結果について、できるだけ平易な表現で説明を行い、確認を行いながらプロジェクトを推進することを心がけております。
  • 経営報告や当局対応にご活用いただける報告書も作成いたします。

4.分析成果とITの融合:ワンストップのサービス

  • モデルエンジン(計算プログラム)の提供、分析成果の円滑かつ無駄のないシステム実装が可能です。
  • モデルに精通し、実装サポート経験の豊富なメンバーによるサポートが可能です。
  • 大手金融機関様での大規模データベースシステム構築(110TB規模のCRMシステム)、大規模オンラインシステム(300店舗規模の融資支援システム)の構築運用など、数理分析サービスとシステム・インテグレーションを有機的に組み合わせたソリューションを展開しております。

データサイエンスチームの高度なノウハウ

RDB独自の分析手法により、従来の定型的なモデル構築や分析手法では捕捉できない情報を活用することが可能です。また「進化的計算手法」により、効果的な組合せ変数を短時間に算出、作業効率を高めています。

多様なデータの活用

審査情報、返済履歴情報、ショッピング情報、キャッシング情報、電子マネー情報などお客様独自のデータをフル活用し、独自性の高い分析サービスをご提供いたします。また、必要に応じて、公的機関の各種統計データやマクロ経済指標、データベースコンソーシアムのデータなどの外部情報を組み合わせた分析をご提案も実施いたします。

データの潜在能力を引き出す

例えば、通常は使用が難しいコード値項目や定性項目も段階評価に変換して活用いたします。また、「上・下限値設定」「離散化」「折れ線化」等、多様な変数加工手法を駆使することによりデータの持つ“意味"を最大限引き出します。

自動計算

遺伝的アルゴリズムの「進化的計算手法」を応用した“自動計算“により変数選択を行います。自動計算は、変数を「遺伝子」として表現し、これらに「交叉」、「突然変異」を起こして最適な組合せを求める手法で、全ての組合せを試すことなく、短時間で最適な組合せを求めることができます。

分析テクノロジーに精通

SASをはじめとした分析ツールに精通しております。分析ツールの多様で高精度な分析機能の活用は勿論、自前でプログラムを作成することにより最新の分析手法にも対応いたします。

高度な知識

数学や物埋学の学位(博士・修士)保有者が多数在籍し、最新の数学埋論や分析技術に素早く対応いたします。お客様から信頼されるパートナーとなるべく、データ分析のプロフェッショナルがプロジェクトを遂行いたします。

豊富なライブラリー

分析を高品質かつ効率的に実施する為の堅牢な独自ライブラリー(スクリプト)を有しています。また、これまで行った分析のスクリプトを案件別・年別に整理、テンプレートとして利用することで、コスト抑制とスピードアップを図っています。

様々なデータ分析手法に対応

ディシジョンツリー(決定木)

木が枝分かれするように逐次的にデータを分割し、目的とする特性を持つグループを抽出します。

情報エントロピー

ある説明変数によって目的とする特性を持つ集団とそうでない集団に分割する際に、最適な分割値を示す指標です。ディシジョンツリーの作成にも活用されます。

ロジスティック回帰

複数の説明変数間で目的とする特性に対する寄与度を算出します。また、ディシジョンツリーの結果の重み付けや、複数のモデルスコアを合成することにも利用できます。

機械学習

データから反復的に学習し、そこに潜むパターンを見つけ出します。そして学習した結果を新たなデータにあてはめることで、パターンに従って将来を予測することができます。

主成分分析

既存のデータ項目を利用して、データを特徴付けるために最適な評価軸を再構成します。

クラスター分析

様々な評価項目において似たような特徴を持つデータ同士をグルーピングします。グループ毎の特徴に合わせて評価方法や対応方法を最適化できます。