1943年に設立されたブラジル最大級の金融サービス・保険機関であるバンコ・ブラデスコは、過去20年間で着実な進化と成長を遂げ、Fortune 500の上位にランクインしています。 その使命は、「広く多様で利用しやすいソリューション、商品、金融・保険サービスを提供することで、人々の充足と持続可能な発展に貢献すること」です。 バンコ・ブラデスコは、お客様に関連する商品やサービスを販売するという、伝統的な商品中心のアプローチでビジネスを構築してきました。
バンコ・ブラデスコはまず、顧客の期待と行動の変化を認識しました。ここでは、データマネジメントと分析が、顧客中心型のデータ駆動型文化を生み出すための基礎となります。 バンコ・ブラデスコの変革に以下が必要でした:
オムニチャネル、製品・サービスのデジタル化、100%のデジタルオンボーディング、クロスチャネルトランザクションを介したデジタル・イノベーション。
若年層向けの完全なデジタルバンク「Bradesco Next」、デジタル決済プラットフォーム「Bitz」、投資仲介プラットフォーム「Agora」のような、デジタルネイティブなプラットフォーム。
銀行がプラットフォームとなるオープンバンキング。
銀行は、データを、お客様を理解し、関連付け、商品やサービスを提供するための重要な原材料と考えています。 バンコ・ブラデスコは、銀行内でデータ駆動型文化を促進するために、戦略的な面で学際的なチームを結成し、ブラデスコを製品中心型の組織から顧客中心の組織へと変革しています。 彼らのすべての取り組みの中心には顧客が据えられています。
クライアント
口座の保有者
デジタル口座の保有者
デジタルチャネルで実行されたトランザクション
ラファエル・カヴァルカンチ氏（最高分析責任者）によると、ドゥアルチ氏による貢献が顕著であったという。「彼は2つのチームを編成し、2つの視点でモデルを開発することに焦点を当てたんです。」 1つ目は、バンコ・ブラデスコがすでに持っていた分析を改良することでした。 「銀行では多くの分析が進められていましたが、それは決して効率的な方法とは言えませんでした。 最も具体的なユースケースをいくつか選び出し、業務で活用してすぐに価値を生み出せることを示す必要がありました。」（カヴァルカンチ氏）。
続いてドゥアルチ氏は、バンコ・ブラデスコのモデル化に対する取り組みに課題を設定し、これまでとは異なる考え方や手法をチームに課しました。
「たとえば、当行の製品指向のアプローチでは、Aタイプのローンを希望するお客様向けのモデル、Bタイプのローンを希望するお客様向けのモデル、当座貸越を希望するお客様向けのモデル、クレジットカードを希望するお客様向けのモデルがありました。 私たちはこれを課題とする必要がありました。結局のところ、お客様はファイナンシャル・ジャーニーの一環として、人生の節目節目でローンやお金を必要としているからです。 そのお金が、一時払いのローン、月払いのローン、または当座貸越の形で表出するのであれば、商品の適合性との関係性はさらに高まることになります」（カヴァルカンチ氏）。
カンタレラ氏のリーダーシップのもとで、バンコ・ブラデスコはテラデータのデータと分析に基づいたリレーションシップハブを導入し、トランザクションCRMシステムのSalesforceと統合しました。
「私たちのデータの大部分はテラデータに格納しています。 私たちのデータ基盤はそこにあるのです。 Teradataは、すべてのデータを格納している場所であり、ここでほとんどの分析を行っています。 私たちはテラデータですべての顧客を記録してセグメント化し、配信エンジンにSalesforceを使用して意思決定やカスタマージャーニーに反映させています。」（カンタレラ氏）。
すでに8,000以上の顧客クラスターが識別されており、これらはデジタルチャネルとアカウントマネージャーを介したリレーションシップと営業に活用されます。 CRM部門のシニアデータサイエンティストであるカイオ・クイ二氏によると、その鍵は詳細かつ高度に特定された顧客クラスタにあるようです。「顧客の特定のプロファイルを検出し、残りの顧客の母集団、あるいはそれ以上のデータに基づいて、顧客の好みを知ることができるのです。 そして、それらデータを相関させて、同じ製品のオファーを試みます。」
バンコ・ブラデスコの顧客中心主義は、顧客行動を重視することで、顧客がそれぞれのファイナンシャルジャーニーの中で置かれている状況に対応します。 「このようなセグメンテーションを行っていなかった場合と比較すると、売上を2～2.5倍、場合によっては3倍に伸ばすことができました。」（カンタレラ氏）。
バンコ・ブラデスコのような大規模な組織では、各チームの作業がサイロ化してしまうのが一般的です。 このようなデータ分析をあるがままに発展させることで、組織がデータを部門単位で扱うようになり、単一の目的や用途にしか使えないようになります。 データに制約があるため、限定的な質問にしか答えられません。この状態ではデータが孤立しており、他のデータと組み合わせられていないため、様々な回答や深い洞察を得ることができないためです。
「以前は作業がサイロ化していました。 各チームではPython、R、Sparkを使ったオープンソースの環境を利用していました。 CRMチームは常にテラデータでしたね。 しかし、他の領域ではSASを使用していました。 最初のミッションは、すべてを統合して、分析環境を一元化することでした」（ヴィクトル・ヒューゴ・マルケス、シニアデータサイエンスマネージャー）
「私たちはたくさんのローデータを取り込んでいました。 バンコ・ブラデスコが他の銀行を買収すると、トランザクションシステムの観点からは複雑性が大いに増えることになります。 バンコ・ブラデスコには400以上のトランザクションシステムがあります。 それがデータに収束していく様子を想像してみてください。 1つのサブジェクト領域に対して、3つから4つの異なるシステムが存在することもあるのです。 これがデータの複雑化をもたらすのです。 データベース、テーブル、データ容量について考えてみると、とてつもない量になります。 たとえば、モバイルはそれ単体でも1日あたり300TB以上を生成します。」
Teradata Vantageのプラットフォームを活用することで、PowerBI、Tableau、MicroStrategyなどのツールを自在に駆使して、再利用可能で、管理された、安全で、正確な、統合された、エンタープライズ・スケーラブルなデータに、ユーザーが適切なタイミングでアクセスできるようになります。
バンコ・ブラデスコのデータエンジニアが掲げる唯一の使命は、何千人ものユーザーに対して確実にデータを提供することです。 「私たちにはデータに特化したチームがあるため、分析チームがローデータを使用することはありません。 正確に言うと、分析チームで使用するデータを用意する、監修されたデータラボが存在しているのです。 データエンジニアの尽力により、分析開発のスピードが高速になりました。」（フェルナンダ・ソウザ、データサイエンス・スペシャリスト）。
これらのTeradata Data Labsでは、分析チームが同じ物理インスタンスにアクセスすることができますが、同時に実行されている他のミッションクリティカルなワークロードを保護するクラス最高のソフトウェアを介することで、作業スピード、自由度、自律性、パワーを損なうことはありません。
企業でより多くの人、より多くのプロセスがすべてのデータに摩擦なくアクセスできるようになると、より多くの価値が生み出されます。 また、現代の企業は非常に多くのデータを取り込むため、ユーザーが要件に基づいて適切なデータ、分析、モデル、および高度な機能にアクセスするための柔軟で機敏な、制限のない方法を必要としています。 効果的で広く採用されるデータ文化を形成するには、無制限のユーザーと同時実行性に対応できる機能を備え、洗練されたワークロードマネジメントにより、戦術的・戦略的なクエリを大規模に管理できるプラットフォームが必要です。
Vantageの比類ないワークロードマネジメントは、クラウドでもオンプレミスでも、固定されたリソースを最も効率的に使用します。 他のデータ分析プラットフォームでは、計算機やハードウェアを追加して拡張する必要がありますが、増大するワークロードに対処するためにリソースを拡張するには、コストがかかるため非効率的です。
カンタレラ氏は、データが最大の資産であるとは考えていません。 「私たちにとって、データは二番目の資産とみなすのが妥当でしょう。 私たちの最初の最大の資産はお客様です。 しかし、最大の資産であるお客様を満足させるためには、二番目の資産であるデータが必要になります。 お客様を中心に考え、データを活用してお客様の満足度を向上さることで、結果として会社に収益をもたらすのです。これがデータを活用した顧客中心主義へと変革する方法です。」
データサイエンティストがデータ分析プラットフォームの外部でデータサイエンスを実施し、データウェアハウスからデータを抽出する目的で、データから独立した分析アプリケーションのRやPythonのモデルを実行することは珍しくありません。 このアプローチは、データのサンプリングにつながります。 多くの場合で、データのサンプリングは許容されますが、モデルにとって重要な外れ値やその他のユニークなデータの特徴を除外してしまうリスクが伴います。 さらに重要なことは、データベース全体に簡単にアクセスできない環境でモデルを作成すると、モデルの迅速な運用が困難になります。 モデルを作成することも重要ですが、モデルを最も有効に活用できるのは、準リアルタイムの運用です。
Teradata Vantageの高度なSQLエンジンは、データサイエンスの分析機能を搭載しており、PythonやRのモデルをデータベース内で開発、実行することができます。スクリプト テーブル演算子（STO）と呼ばれる機能は、約200のRとPythonモデルのライブラリに対応し、Teradata Vantageのデータベース内で直接実行することができます。 こうしたモデリングをテラデータで実施することで、バンコ・ブラデスコのデータサイエンティストは、テラデータのワークロードマネジメント、クエリの最適化、多次元のスケーラビリティと、データセット全体を活用することができます。 これらすべてが、他のデータ分析プラットフォームでは対応できないスピードと規模で、より多くのユーザーが、より複雑なクエリを、より多くのデータに対して実行できるようになります。 さらに、このIn-Database分析のアプローチは、モデルを手作業でテラデータに取り込む必要がないため、モデルの運用を迅速に行うことができます。 モデルの運用が迅速に行われることで、より迅速な回答や洞察情報を得ることができ、最終的には潜在的なビジネス価値をさらに早く実現することができます。
「以前はRとPythonにオープンソースを使用していましたが、in-databaseではありませんでした。 現在は、Teradata Vantageを使用しているので、テラデータ内でより高度な分析を行うことができます。 データへの分析を効果的に行うことができます。 これにより、新しいモデルの作成や、既存のモデルへの挑戦など、テラデータを導入する前にはできなかったさまざまな技術を使用できるようになりました。
テラデータにデータがあれば、分析チームの能力をフルに活用できるのです。」
これにより、データの変換や、データベースと別の分析アプリケーションの間でデータを移動する時間と労力が不要になります。 データの保管場所と分析アプリケーションを分離すると、時間遅延が発生します。 この遅延は、重要なビジネスインサイトを得る能力に悪影響を与えます。 さらに、データサイエンティストやビジネスアナリストに不要なオーバーヘッドが発生するため、分析を運用するにあたっての橋渡しを邪魔してしまう可能性もあります。 これが、マーケットリーダーになるか、後れを取るかの分かれ目になります。
分析の運用を加速させるという課題について、マルケス氏のコメントは次のとおりです。「Python、R、nPathをテラデータのデータ分析プラットフォームに組み込んだことで、より多くのモデルを短時間で開発できるようになりました。 当行のデータサイエンティストは、去年20以上のモデルを開発してきました。 適切な人材を適切なモデルのオペレーションに配置するだけで、簡単に拡張することができました。 以前は、技術やプロセスに制限があったため、10のモデルを作るのに10年もかかっていました。 たとえば、線形回帰モデルを実装するには、SQLで変数を変換する必要があり、このコードの行数は1,000行にもおよびます。 テラデータでPythonのin-databaseを使えば、コードを本番環境に昇格させるだけで実装できるのです。」
たとえば、住宅ローンの潜在顧客を見極めるとします。 この場合は、単純な傾向モデルではなく、まず人口統計学的変数などの機能を持つnPath分析を適用するのがよいでしょう。 nPath分析による結果は、線形回帰モデル、ランダムフォレスト、XGBoostモデルなどの住宅ローン傾向モデルの追加変数として追加されます。
「このケースの素晴らしい点は、2つの異なるものを組み合わせることで、さらに良い結果が得られることです。 ひとつには、テラデータの高度に洗練されたツールを使って分析ができるようになったことが挙げられます。 2つ目は、新しいPythonモデル内にnPathに由来する新しい変数を含めることで、PythonとRをさまざまな手法で使用できることです。 この2つを組み合わせることで、大きなプラス効果が得られるのです」（カンタレラ氏）。
データサイエンティストのカイオ・クイ二氏は、その革新的なアプローチで評価されています。 彼の尽力により、CRMチームは、一人の顧客でも複数の顧客でもその行動の明確な道筋を見出すことができます。 共通する行動は、モデルを改善する方法としてPythonモデルに追加された変数です。
「たとえば当行のデータサイエンティストに、テラデータと他の分析アプリケーションを比べて、テラデータの使用感について尋ねたとします。 テラデータの方がはるかに高速であると答えるはずです。 たとえば、クレジットカードのトランザクションデータはテラデータに格納されています。このデータにアクセスして1年分のクエリを高速に実行することができます。 他のサービスでも同じことをしたら、1か月はかかるでしょうね。」
一方、クイ二氏は、俊敏性を高めると同時にデータの移動を最小限に抑え、モデルのキュレーション、ドキュメントライブラリまで、さまざまなメリットを評価しています。 「すべてが同じプラットフォームにある、ということが一番の魅力ですね。 モデルで作業して、テラデータに戻ることもできますし、SQLもPythonもあります。さらにドキュメントに必要なものをすべて追加することもできます。 モデルの開発と作成に取り組んでいるときの私たちにとって大変便利なだけでなく、他の人が私たちの成果を見て、アルゴリズムのキュレーションを行う際にも役立ちます。 すべてがさらに良く、さらに早く機能するのです。」
どんなに革新的で創造的なアプローチであっても、テラデータのデータ分析プラットフォームでは、マルチジャンルの分析を行うことができます。しかし、本当のメリットは、顧客に付加価値を提供して、バンコ・ブラデスコが目指す収益を生み出すことです。 モデルの有効性を改善することは、個人のデータサイエンスモデルの成功を表わす「名誉の証」以上のものになります。
「これにより、新しい機会とさらに良い結果を生み出していることが自覚できます。 住宅ローンの傾向モデルでは、KSスコアを30％から50％にすることができました。 この新しいモデリング手法を活用するだけでいいのです。」（カンタレラ氏）。
バンコ・ブラデスコがKSスコアを向上させたことで、すべての顧客の特定の商品に対する固有のニーズや要望を正しく理解する能力が高まり、将来の商品に反映されることで、小売り銀行のマーチャントやマネージャーの生活を楽にすることができます。 「結局のところ、私たちは誰かのに向けた商品を提供しようとしているのであり、その商品の正確性に期待しています。 これら商品を裏付ける分析が非常に重要になるのです。 KSスコアが1パーセント上がるごとに、潜在的オファーの精度が少しずつ上がり、売上が少しずつ増え、顧客満足度も少しずつ上昇してきます。」（カンタレラ氏）。
来年度の財務ガイダンスでは、銀行の拡大したローンポートフォリオの成長率を9％から13％と予測していました。 バンコ・ブラデスコのモバイルユーザー（23％）とデジタルユーザー（15％）) が年々増加しているのは、最新のリアルタイム意思決定プラットフォームを導入したことによるものです。 パーソナライズされたオムニチャネル・ジャーニーを実現するためには、コンテクスト化されたオファーが必要不可欠な要件となっています。
「この組織で直面する課題や機会のすべてに、分析チームが貢献できるはずです。 マネーロンダリング防止アクションの明確化、営業の質の向上（量だけでなく質の向上を含む）、支店網の最適化などにも貢献できるでしょう。 私たちの分析チームの活躍は、卸売りや効率化、デジタル化の課題など、当行のCEOが投資家向けプレゼンテーションでお話しているあらゆる面に登場しています」（カヴァルカンチ氏）。
バンコ・ブラデスコを、データが意思決定を左右する顧客中心の組織に変えるには、人の力が必要となります。 データや機能のエンジニアリング、モデルの構築、顕著な利益をもたらす洞察に基づいた行動など、様々な分野のスタッフが働いています。 「私たちはバンコ・ブラデスコの内部から改革を推進しているのです。 私たちは、イノベーションを会社全体に推進するチームの一員であり、組織の内部から着実に変化をもたらしています。」（ソウザ氏）。
バンコ・ブラデスコの最高分析責任者であるラファエル・カヴァルカンチ氏と、ガートナーのバイスプレジデント兼上級アナリストであるドナルド・フェインベルク氏による、ウェビナーご参照ください。世界トップクラスの企業が、データ分析オーケストレーションとコネクテッド・マルチクラウド・データプラットフォームをエンタープライズ分析に活用し、将来に向けたデジタルトランスフォーメーションをどのように推進しているかを説明します。
Teradata VantageCloud が、ビジネスの成果を加速し、必要なビジネスの俊敏性を提供するのにどのように役立つかをご覧ください。
当社の営業担当者がお手伝いします。
クラウドの統合データにより、契約率が250%向上します。
全文を読むオムニチャネルのアプローチを2桁成長に変える。
全文を読むクラウドは、敏捷性とコスト削減に向けた構成要素を作成します。
全文を読む