金融・保険品質管理・検査500〜2000名

与信審査の精度向上でデフォルト率を40%低減

-40%デフォルト率

3.2% → 1.9%

+28%

審査精度スコア

従来の審査モデルが古く、新興業種への融資でデフォルト率が上昇。年間損失が前年比20%増となり抜本的な見直しが必要だった。

機械学習による与信スコアリングモデルを再構築。従来の財務指標に加え、業界動向・SNS評判・取引パターンなど200以上の変数を追加学習。

デフォルト率が3.2%から1.9%に低下し、年間の貸倒損失を大幅に圧縮。承認率は維持したまま質の高い審査を実現。

顧客種別

金融・保険

担当領域

品質管理・検査

導入期間

120日

チーム規模

10名

技術スタック

Java / Spring Boot / Python / scikit-learn / PostgreSQL

“属人的な感覚審査から脱却し、根拠のある融資判断ができるようになりました。”

類似事例の詳細を確認しませんか？

お客様の課題に最適なソリューションをご提案いたします。