金融サービス業務とパフォーマンスの改善

データドリブンな運用効率化で金融サービスの収益性を向上

フィンテックやハイテク企業による金融サービス分野への進出が進む現在ではとりわけ、金融機関が競争力を維持し、収益性を高めるためには、効率的な内部業務が求められます。理論上、収益性を向上させるには、収益増加と費用削減の2つの方法があります。どちらも非常に重要です。ますます急速に変化するセクターで収益性の向上という課題に対処するために、金融サービス機関は、運用効率とパフォーマンスの向上に役立つ膨大な量のデータと情報の活用に改めて注力しています。データドリブンなアプローチにより、プロセスの合理化、冗長性の排除、リソース配分の最適化を行うことで、金融サービス機関はコスト削減とサービス提供の向上を同時に実現することができます。

この最後の要素は、激しい競争、急速な進化、絶え間ない混乱を伴うこのような業界において特に重要です。効率的な業務運営を行う組織は、競合よりも競争力のある価格設定、より迅速で優れたサービス、高い精度、優れたカスタマー・エクスペリエンスを提供することができます。顧客は迅速で面倒のないエクスペリエンスを高く評価し、良好なカスタマー・エクスペリエンスは顧客のロイヤルティ、維持、好意的な口コミにつながり、これらすべてが成長と収益の原動力となります。

また、運用効率は俊敏性と適応性の基盤となり、金融サービス機関が市場の変化、規制要件、顧客の要求に先手を打って迅速に対応することを支援します。アジャイルな組織は、新製品のより迅速な発売、テクノロジーの進歩への適応、新たな機会の獲得、動的な環境における成功を実現することができます。

さらに運用効率は、顧客、規制当局、利害関係者の信頼と信用を維持するために不可欠な、リスク管理を効果的に行う上で重要な役割を果たします。手作業によるエラー、プロセスのボトルネック、不十分な管理といった運用上の非効率性は、リスクをもたらし、コンプライアンス違反、セキュリティ侵害、業務の中断につながる可能性があります。運用効率を改善することで、金融サービス機関はこうしたリスクの軽減、規制コンプライアンスの確保、顧客データのセキュリティー強化を促進することができます。

これらのメリットはすべて、成長に不可欠です。金融サービス機関が業務拡大や、新規市場への参入を行う際には、品質を犠牲にしたり、過剰なコストを発生させることなく、増加する業務量に対応できるプロセスを確保する必要があります。効率的なプロセスは、容易に複製、自動化、適応して成長イニシアチブをサポートすることができるため、組織はチャンスをつかみ、市場でのプレゼンスを拡大することが可能になります。

包括的なデータ・プラットフォームによる運用効率の最適化とコスト削減

業務プロセスやパフォーマンスに関するデータの取り込み、キュレーション、分析を行うことで、金融サービス機関はボトルネックや非効率性を特定および排除して、社内外のあらゆるやり取りを最適化し、成果を向上させることができます。ここで紹介するアーキテクチャは、推奨されるオラクルのコンポーネントを組み合わせて、データ分析のライフサイクル全体をカバーし、金融機関が上記のような幅広いビジネス上のメリットの実現に役立つように設計された分析アーキテクチャを構築する方法を示しています。

この図は、金融サービス事業向けOracle Data Platformを使用して、運用効率とパフォーマンスをサポートし、向上させる方法を示しています。このプラットフォームは、以下の5つの柱を掲げています。

1. 1 データソース、検出
2. 2 取込み、変換
3. 3 永続化、キュレーション、構築
4. 4 分析、学習、予測
5. 5 測定、実行

Data Sources、Discoveryの柱には、3つのカテゴリーのデータが含まれます。

1. 1. Oracle Appのデータは、Fusion SaaS、Oracle E-Business Suite、CXのデータから構成
2. 2. ビジネス・レコード（ファーストパーティ・データ）CRM、トランザクション、アカウント情報、収益、マージン
3. 3. サードパーティー・データは、外国為替レート、マーケット・フィード、商品価格から構成

取込み、変換の柱は、4つの機能で構成されます。

1. 1. バッチ取り込みには、OCI Data Integration、Oracle Data Integrator、DBツールなどを使用します。
2. 2. 一括転送には、OCI FastConnect、OCI Data Transfer、MFT、OCI CLIを使用します。
3. 3. 変更データ取得にはOCI GoldenGateを使用します。
4. 4. ストリーミング取り込みには、OCI Streaming Kafka Connectを使用します。

4つの機能はすべて、永続化、キュレーション、構築の柱の中で、サービング・データ・ストアとクラウド・ストレージに一方向に接続されます。

さらに、ストリーミングの取り込みは、分析、学習、予測の柱の中で、ストリーム処理に接続されます。

永続化、キュレーション、構築の柱は、5つの機能で構成されます。

1. 1. サービング・データストアには、Oracle Autonomous Data WarehouseとExadata Cloud Serviceを使用します。
2. 2. クラウド・ストレージには、OCI Object Storageを使用します。
3. 3. マネージドHadoopには、Oracle Big Data Serviceを使用します。
4. 4. バッチ処理には、OCI Data Flowを使用します。
5. 5. ガバナンスには、OCI Data Catalogを使用します。

こうした機能は、柱の中で接続されています。クラウド・ストレージは、サービス・データストアには一方向に接続され、バッチ処理には双方向に接続されています。

2つの機能は、分析、学習、予測の柱につながります。サービング・データストアは、分析機能と可視化機能、そしてデータ製品とAPI機能の両方に接続します。クラウド・ストレージは、機械学習機能に接続します。

分析、学習、予測の柱は、2つの機能で構成されます。

1. 1. 分析、可視化は、Oracle Analytics Cloud、GraphStudio、およびISVを使用します。
2. 2. 機械学習には、Oracle Machine Learningを使用します。

測定、行動の柱は、人とパートナーによるデータ分析の利用方法を捉えます。

人とパートナーは、運用効率（処理時間、エラー率、リソース使用率）、プロセス・ボトルネックの特定、顧客生涯価値、市場および競合分析、パフォーマンス評価で構成されます。

3つの中心的な柱である、取り込み、変換と永続化、キュレーション、構築と分析、学習、予測は、インフラ、ネットワーク、セキュリティ、IAMでサポートされています。

データの接続、取込み、変換

オラクルのソリューションは、それぞれが特定のデータ・プラットフォーム機能をサポートする3つの柱で構成されます。最初の柱は、データの接続、取り込み、変換の機能を提供します。

金融サービス機関が運用効率とパフォーマンスを向上させるために、アーキテクチャにデータを注入する方法は主に4つあります。

• プロセスを開始するために、オペレーション・トランザクション・データの一括転送を有効にします。一括転送サービスは、大量のデータを初めてOracle Cloud Infrastructure（OCI）に移動させる必要がある場合に使用します。具体的にどのような一括転送サービスを利用するかは、データの保存場所や転送頻度によって決まります。例えば、過去の計画やデータウェアハウス・リポジトリから大量のオンプレミス・データをロードするためには、OCI Data TransferサービスやOCI Data Transfer Applianceを使用することがあります。大量のデータを継続的に移動させる必要がある場合は、お客様のデータセンターとOCIの間を広帯域の専用プライベート・ネットワークで接続するOCI FastConnectの利用を推奨しています。
• 通常、リアルタイムまたはほぼリアルタイムの抽出が頻繁に必要とされ、OCI GoldenGateを使用してトランザクションや顧客管理システムから定期的にデータを取り込みます。OCI GoldenGateは、変更データの取得を使用して、サービスが必要な業務プロセス（例えば、口座の作成、顧客の問題、不正行為の兆候など）を提供するシステムの基本構造における変更イベントを検出し、そのデータを永続性レイヤーやストリーミング・レイヤーにリアルタイムで送信します。
• 複数のソースからのデータをリアルタイムで分析する機能は、金融サービス機関に運用効率と全体的なパフォーマンスに関する貴重なインサイトを提供し、コアプロセスの効率を理解し測定する上で役立ちます。このユース・ケースでは、ストリーミング取り込みを使用して、モバイル・インタラクション、IoT、マシン間通信、その他の手段を通じて、顧客または社内のイベントから読み取ったすべてのデータを取り込みます。ストリームは社内外のさまざまなソースから発信され、トランザクション・データ、顧客との対話データ、市場データ、ソーシャルメディア・データ、コンプライアンスや規制システムからのデータなどが含まれることがあります。データ（イベント）が取り込まれ、OCIオブジェクト・ストレージに保存される前に、基本的な変換と集計がいくつか行われることになります。相関するイベントを特定するために追加のストリーミング分析を利用することが可能であり、特定されたパターンは、OCI Data Scienceを用いた生データの調査のために（手動で）フィードバックすることができます。
• リアルタイムのニーズは進化していますが、トランザクション、エンタープライズ・リソース・プランニング、顧客、リスクおよびコンプライアンス管理システムからの最も一般的な抽出は、ETLプロセスを使用したある種のバッチ取り込みです。バッチ取り込みは、データ・ストリーミングをサポートできないシステム（例えば、古いメインフレームのコアバンキング・システム）からデータをインポートするために使用されます。こうした抽出は、10分や15分といった頻度で行うことができますが、個々のトランザクションではなく、トランザクションのグループを抽出して処理するため、性質的にはあくまでバッチ処理です。OCIは、ネイティブのOCI Data Integrationサービスや、OCI Computeインスタンス上で動作するOracle Data Integratorなど、バッチ取り込みを処理するさまざまなサービスを提供しています。サービスの選択は、主に技術的な要件よりもお客様の嗜好に基づいて行われることになります。

データの維持、処理、キュレート

データの永続化と処理は、3つのコンポーネントで構築されています。お客さまによっては、そのすべてを使用する場合も、サブセットで使用する場合もあります。データの量や種類によっては、オブジェクト・ストレージにロードしたり、構造化されたリレーショナル・データベースに直接ロードして永続的に保存することが可能です。データ・サイエンス機能の適用を想定する場合は、データ・ソースから生の状態（未処理のネイティブ・ファイルや抽出物）で取得したデータをトランザクション・システムからクラウド・ストレージにロードすることがより一般的です。

• クラウド・ストレージは、オラクルのデータ・プラットフォームで最も一般的なデータ永続性レイヤーです。構造化データと非構造化データの両方に使用することができます。OCI Object Storage、OCI Data Flow、Oracle Autonomous Data Warehouseが基本的な構成要素です。データソースから生の状態で取得したデータを取り込み、OCI Object Storageにロードします。OCI Object Storageはプライマリ・データ永続性層で、OCI Data FlowのSparkはプライマリ・バッチ処理エンジンです。バッチ処理には、基本的なノイズ処理、欠損データ管理、定義されたアウトバウンド・データセットに基づくフィルタリングなど、複数の作業が含まれます。結果は、必要な処理と使用されたデータ・タイプに基づいて、さまざまな層のオブジェクト・ストレージまたは永続的なリレーショナル・リポジトリに書き戻されます。
• ここでは、サービング・データストアを使用して、クエリのパフォーマンスのために最適化した形でキュレーションされたデータを永続化し、組織の業務を包括的に可視化します。サービング・データストアは、質の高いキュレートされたデータをSQLベースのツールでエンド・ユーザーに直接提供するために使用される、永続的なリレーショナル・データ層です。このソリューションでは、Oracle Autonomous Data Warehouseは、エンタープライズ・データウェアハウスと、必要に応じてより専門的なドメイン・レベルのデータマートのためのサービング・データストアとしてインスタンス化されます。また、データ・サイエンス・プロジェクトのデータソースや、Oracle Machine Learningに必要なリポジトリとなることもあります。サービング・データストアは、Oracle MySQL HeatWave、Oracle Database Exadata Cloud Service、Oracle Exadata Cloud@Customerなど複数ある形式のいずれかを取ることができます。

データの分析、学習、予測

分析、学習、予測をする機能は、2つのテクノロジー・アプローチにより促進されます。

• 高度な分析機能は、運用効率とパフォーマンスを最適化するために不可欠です。このお客様事例では、分析と可視性を提供するために、Oracle Analytics Cloudを活用します。これにより、組織は記述的分析（ヒストグラムやチャートで現在の傾向を説明）、予測分析（将来のイベントを予測し、傾向を特定し、不確実な結果の確率を決定）、処方的分析（最適な意思決定をサポートするために適切な行動を提案）を使用することができます。

  過去のデータに予測モデルを適用することで、金融サービス機関は未来の結果を予測し、先行的な意思決定を行うことができます。例えば、予測分析は、銀行による顧客流出の予測、潜在的な詐欺事例の特定、貸し倒れの予測、キャッシュフロー予測の最適化を支援します。これにより、銀行は予防措置を講じ、効果的に業務リソースを割り当てることができます。

  処方的分析は、結果の予測にとどまらず、最適な行動方針を提案します。金融サービス機関は、融資承認、投資戦略、価格設定モデル、リスク管理などの分野で、処方的分析を使用して意思決定を最適化できます。さまざまな制約や目的を考慮することで、処方的分析は、組織による効率性と収益性を最大化するデータドリブンな意思決定を支援します。(予測分析アプローチの成功には、組織内の広範なデータ文化が最終的に重要な役割を果たします。)

• 高度な分析に加えて、データ・サイエンス、機械学習、人工知能は、異常の検出、プロセスに遅延が発生する可能性のある箇所の予測、カスタマー・ジャーニーの最適化にますます使用されるようになっています。たとえば、機械学習モデルは、信用スコアリング、不正検出、顧客セグメンテーション、およびパーソナライズされたマーケティングに使用できます。新しいデータからの継続的な学習により、これらのモデルは時間とともに適応し、パフォーマンスを向上させることができ、業務の効率化とより適切な意思決定を導き出しすことができるようになります。データベースには、OCI Data Science、OCI AI Services、Oracle Machine Learningを使用することができます。

  機械学習やデータ・サイエンスの手法を用いて、予測モデルを構築およびトレーニングしています。これらの機械学習モデルはその後、APIを介してスコアリング用に導入したり、OCI GoldenGateストリーム分析パイプラインの一部として組み込むことができます。場合によっては、Oracle Machine Learning Services REST APIを使用して、これらのモデルをデータベースに導入することも可能です（これを行うには、モデルがOpen Neural Network Exchange形式であることが必要です）。さらに、Jupyterや Python中心のノートブック用のOCI Data Scienceや、Zeppelinノートブックおよび機械学習アルゴリズム用のOracle Machine Learningを、サービング・データストアまたはトランザクション・データトア内に導入することができます。同様に、Oracle Machine LearningとOCI Data Scienceを単体または組み合わせて、推奨および決定モデルを開発することができます。これらのモデルはサービスとして導入することができるので、OCI API Gatewayの背後に導入して「データ製品」や「サービス」として提供することが可能です。最後に、構築された機械学習モデルは、（許可されていれば）運用上の意思決定システムの一部であるアプリケーションへの導入が可能です。

• 最後に重要な要素として、データ・ガバナンスがあります。これは、データ・プラットフォーム・エコシステム内のすべてのデータ・ソースに対して、データ・ガバナンスとメタデータ管理（技術メタデータとビジネス・メタデータの両方）を提供する無料サービスであるOCI Data Catalogによって実現されます。また、OCI Data Catalogは、Oracle Autonomous Data WarehouseからOCI Object Storageへのクエリにおいて、保存方法に関係なくデータを迅速に検出する方法を提供する極めて重要なコンポーネントです。これにより、エンド・ユーザー、開発者、データ・サイエンティストは、アーキテクチャ内のすべての永続データストアで共通のアクセス言語（SQL）を使用することができます。

運用効率とパフォーマンスを向上させるデータ活用のメリット

ビジネスの迅速化と競争の激化に伴い、重要な業務データの提供に使用されていたレガシー・システムでは対応しきれなくなっています。このようなシステムでは、断片的でサイロ化されたデータを照合、統合し、レポートを作成するために多くの手作業が必要なため、情報の入手が遅すぎてビジネスに必要な利益を得ることができません。運用効率を測定、把握、改善することで、金融サービス機関は競合優位性を獲得し、次のような数多くのメリットを得ることができます。

• 効率的なサービス提供、競争力のある価格設定、優れたカスタマー・エクスペリエンス、革新的なサービスの提供による顧客の獲得および維持機能の向上
• 適切なタイミングで入手可能な正確なデータの一元的かつ一貫した把握による、ビジネス上の意思決定の向上
• 組織による新製品の迅速な発売、テクノロジーの進歩への対応、新たな機会の獲得を可能にする俊敏性の向上
• 組織全体にわたる複雑さの軽減
• データの重複や手作業によるエラーの削減
• リスク管理および緩和の強化によるリスクの低減
• コストの削減
• 分析を目的とするデータのより迅速な提供