金融サービス向け顧客360度

顧客を理解し、その行動を学び、ニーズを予測する

金融サービス企業、特にリテール銀行、クレジットカード発行会社、個人資産管理会社、保険会社などの消費者向け企業は、マーケティング・キャンペーンやクロスセル、アップセルを成功させ、顧客との関係を通じて効果的にサポートするために、顧客、市場、製品などに関するインテリジェンスを必要としています。例えば、商品の推奨や、満足度に関する問題を解決する際の顧客ニーズの予測と対応など、一部のユースケースではリアルタイムのインテリジェンスが必要です。また、マーケティング、セールス、オペレーション、そして最も重要なカスタマー・エクスペリエンスなどを強化するために、適切なデータを収集し、モデルをトレーニングして、貴重なインサイトを生成する必要もあります。

これらすべてのユースケースにおいて、顧客に関する知識は不可欠です。顧客360度ビューの概念は大きく変わりました。従来は、顧客と組織とのやり取りに関しての基本的な理解のみが求められていましたが、現在では、金融サービス上のやり取りをだけでなく、独自の行動、希望、ニーズを持つ個人として各顧客とらえ、彼らを深く詳細に理解する必要が出てきました。現在の顧客は、保険の請求や当座預金の開設などのやり取りが、テイクアウトの注文と同じくらい簡単で便利、かつ直感的であることを期待しています。また、オンライン、アプリ、対面に関わらず、それらのやり取りが一貫した、まとまりのある、シームレスな体験であることを求めています。

満足度の高い顧客は、既存の銀行で新規口座を開設したり、新商品を購入したりする確率が、通常の顧客よりも2.5倍高いことが分かっています。銀行は、顧客の高まる期待に応えるために投資を続けていますが、古いITインフラストラクチャやデータのサイロ化、そしてそれらが引き起こすデータ品質やデータ系統の問題に阻まれ、他の小売業界に後れを取っています。平均よりも優れたカスタマー・エクスペリエンスを誇る金融機関であっても、通常、顧客の2分の1から3分の2しか、そのエクスペリエンスに満足していないのです。

顧客の期待に応えるために、金融サービス機関は、古いインフラストラクチャのサイロ化したデータによる課題に対処し続けると同時に、機械学習、人工知能、360度の顧客データを活用し、反応型から予測型のエンゲージメントに移行する必要があります。これを達成した組織には、大きなメリットがもたらされる可能性があります。McKinseyの分析によると、カスタマー・エクスペリエンスで上位4分の1にランクインした米国のリテール銀行は、過去3年間で、同業他社と比較して預金の伸び率が著しく高かったことが分かっています。これは、新規顧客の獲得と既存顧客との関係強化に成功していることが要因です。

機械学習で顧客に関する知識を活用する

次のアーキテクチャは、金融サービス機関が利用可能なすべてのデータに高度な分析、機械学習、および人工知能を適用して、関連性が高く、瞬時にパーソナライズされたカスタマー・エクスペリエンスを作成するために必要なインサイトを提供できるよう、Oracle Data Platformがどのように構築されているかを示しています。これにより、ショッピングや口座開設からオンボーディング、関係の拡大、サービス提供や保険金請求処理まで、顧客ライフサイクル全体にわたって、プロアクティブなエンゲージメントを重視し、あらゆるタッチポイントで完璧なサービスを提供できるように支援します。

この図は、金融サービス向けOracle Data Platformを使用して、顧客活動の360度ビューをサポートす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.接続、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。行動

データソース、検出の柱には、2つのカテゴリーのデータが含まれます。

1. 1. ビジネス・レコード（ファーストパーティ・データ）は、クレジットカードの取引、預金、引き出し、口座情報、CRMデータ、ケース管理データ、ATMイベント・ストリーム、ロケーション・データで構成されています。
2. 2. サードパーティ・データにはソーシャルフィードが含まれています。

接続、取込み、変換の柱は、4つの機能で構成されます。

1. 1. 一括転送には、OCI FastConnect、OCI Data Transfer、MFT、OCI CLIを使用します。
2. 2. 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。
3. 3. 変更データの取得には、OCI GoldenGateとOracle Data Integratorを使用します。
4. 4. ストリーミング取り込みには、OCI Streamingと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、構築の柱の中でのクラウド・ストレージやデータ・レイク機能に一方向で接続されます。

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、4つの機能で構成されます。

1. 1. 顧客360度サービング・データストアには、Autonomous Data WarehouseとExadata Cloud Serviceを使用します。
2. 2. クラウド・ストレージやデータレイクにはOCI Object Storageを使用します。
3. 3. バッチ処理にはOCI Data Flowを使用します。
4. 4. 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・ストレージやデータレイクはサービス・データストアに一方向に接続され、バッチ処理にも双方向に接続されます。

分析、学習、予測の柱につながる機能は1つあります。サービング・データストアは、分析と可視化、AIサービス、機械学習の機能に一方向で、ストリーミング分析の機能に双方向で接続します。

分析、学習、予測の柱は、4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. AIサービスは、Oracle Digital Assistant、OCI Language、OCI Speech、OCI Visionを使用します。
3. 3. 機械学習は、OCI Data Science、Auto ML、Oracle Machine Learning Notebooksを使用します。
4. 4. ストリーミング分析には、OCI GoldenGate Stream Analyticsを使用します。

測定、行動の柱は、ダッシュボードおよびレポート、アプリケーション、機械学習モデルの3つの利用方法で構成されます。

顧客セグメンテーション、顧客生涯価値（CLV）から構成されるダッシュボードとレポート

アプリケーションは、パーソナライズされた推奨事項と解約分析で構成されます。

センチメント分析、クロスセルおよびアップセル分析で構成される機械学習モデル

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でサポートされます。

金融サービス機関が顧客の360度ビューを作成できるようにするために、データをアーキテクチャに取り込む方法は、主に3つあります。

• プロセスを開始するには、顧客トランザクションを取り込む必要があります。トランザクション・データには預金と引き出しが含まれます。このデータは高度に構造化され、コアバンキングや業務用アプリケーションやシステムで管理されています。これらのデータセットは、多くの場合、大量のオンプレミス・データから構成されており、ほとんどの場合、ソース処理後のバッチ取り込みが最も効率的であることが一般的です。このデータは一般に、毎時30分過ぎや毎日午後2時など、特定のスケジュールで取り込まれます（複雑な処理の場合は、これよりも長い期間になることもあります）。
• 顧客関係システムやエクスペリエンス・システムからの顧客データは、通常、取り込み中にほとんど変換や集約を必要とせず、最初に大量に読み込まれたデータセットへの変更を取り込むための、変更データ・キャプチャ・プロセスによってのみ処理されることがあります。さらに、運用システム、Webクリック、ソーシャルメディア・フィード、およびサードパーティの顧客データ・フィードからデータを取得することもできます。
• ストリーミング取り込みは、IoTや機械間通信などを通じて、支店のビーコンから読み取ったデータを取り込むために使用されます。ビデオ映像もこのように利用することができます。さらに、この例では、ソーシャルメディア上のメッセージ、ファーストパーティーの投稿に対する反応、トレンドのメッセージなどを分析することで、消費者心理を分析し、迅速に対応することを目的としています。ソーシャルメディア（アプリケーション）のメッセージやイベントは、クラウド・ストレージやデータレイクにデータを保存する前に、いくつかの基本的な変換と集約の実行オプションを使用して取り込まれます。相関する消費者イベントと動向を特定するために追加のストリーミング分析の利用が可能であり、特定されたパターンは、OCI Data Scienceで生データを調査するために（手動で）フィードバックすることができます。

データの永続化と加工は、3つの（オプションとしては4つの）コンポーネントの上に構築されています。

• 取り込まれた生データはクラウド・ストレージに保存されます。現在永続化されているツイート（JSON）、ロケーション・データ、ビーコンやアプリケーションからのセンサー・データ、ジオ・マッピング・データ、商品参照データなどのストリーム・データのバッチ処理には、OCI Data Flowを使用します。処理されたデータセットはクラウド・ストレージに戻され、永続化、キュレーション、分析が行われ、最終的には最適化された形でデータ・ストアにロードされます。また、アーキテクチャのプリファレンスによっては、マネージド Hadoop クラスタとしてOCI Big Data Serviceを使用して、これを実現することもできます。
• これで、最適化されたリレーショナル形式で永続化するための処理済みデータセットが完成し、効果的なキュレーションとサービング・データストアでのクエリ・パフォーマンスの向上が可能になります。これにより、エンタープライズ・システムから位置情報、在庫、製品データで強化できる、トレンド上位の製品および消費者ハッシュタグを特定し、送り戻すことができるようになります。

分析、学習、予測機能は、2つのテクノロジーで構築されています。

• 分析と可視化サービスは、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（将来の出来事を予測し、傾向を特定し、不確実な結果の確率を決定）、処方的分析（適切な行動を提案し、最適な意思決定を導く）を提供します。これにより、金融サービス機関は、次のような質問に答えることができるようになります。
  • アップセル活動はキャンペーン予測と一致しているか、その結果、顧客エンゲージメント活動は変化しているか。
  • 顧客エンゲージメントを最も高めている商品はどれか？部門や部署で最も売れている商品やサービスとの比較はどうか？
  • 「チャネル疲労」が見られるか、もしそうなら、それは顧客のチャネル離れを引き起こしているか？
• 高度な分析と同時に、機械学習モデルの開発、トレーニング、導入が行われます。こうしたモデルは、API経由でアクセスしたり、サービング・データストアに導入したり、OCI GoldenGateストリーミング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。
• オラクルのキュレーション済み、テスト済み、かつ高品質なデータおよびモデルは、お客様のガバナンスルールやポリシーを適用し、データメッシュ・アーキテクチャ内のデータ製品（API）として公開し、金機サービス機関全体に配布することが可能です。

自動化されたインテリジェンスで顧客の期待に応える

構造化データ、半構造化データ、非構造化データなど、各顧客のライフサイクル全体で利用可能なすべてのデータを活用し、過去の顧客とのやり取りの完全なレコードに高度なビッグデータ分析、機械学習、AIを適用することにより、金融サービス組織は以下を実現できます。

• 関連性の高い、その時々のパーソナライズされたカスタマー・エクスペリエンスを設計し、提供することができます。
• カスタマー・エクスペリエンスを向上させるためにセカンドパーティおよびサードパーティのデータを取り入れ、分析を使用して顧客の行動を予測し、それに影響を与えることができます。
• AIを活用して次善の策を提案し、より一貫性のある顧客対応と顧客が望む結果を提供します。
• ロボ・アドバイザーを活用し、セルフサービス・ツールの提供や従業員による接客を支援することで、アドバイザリー活動や営業活動を「反応型」から「先行型」へと進化させます。
• 顧客履歴を理解し、ニーズを予測することで、顧客ライフサイクルの各段階において、顧客の期待を上回るエクスペリエンスを提供できます。