データ主導型の債権回収

• 事例①：データ分析・
  スコアリング
  

  

  顧客データとトランザクションデータを用い、統計的モデリング手法で回収確率を算出します。

• 事例②：データ分析・
  スコアリング

  新規入金の確保、法手続回収の効果拡大を目的としたモデルを構築し、
  以下の回収戦略を実行。

  

  スコアリングモデルの活用効果の一例。
  回収額はモデルを活用した方が明らかに拡大。

  
• 事例③：データ分析・
  スコアリング
  

  分析データは個⼈識別できないように抽象化加⼯を実施、
  銀⾏⼝座情報や本⼈確認情報は⾮保持化。

  

  

  データ分析で⼤事なことは、“仮説出し”と“トライアンドエラー”の繰返し、PDCAサイクルの継続です。

データ活用環境・システム構成

AIツールを用いた債権評価・時価算定
バックオフィスの業務効率化

会計の領域においても、AI（人工知能）を活用。
AIツールによる期待回収額（将来CF予測）を基に債権の現在価値を算出し、会計上の時価に反映。