Submit Search
Upload
GCI最終課題スライド
•
0 likes
•
1,309 views
K
KitadaAtsuya
Follow
GCI講座で優秀生に選んで頂いたので、スライドをシェアしたいと思います!興味があれば見ていただけると嬉しいです。
Read less
Read more
Data & Analytics
Report
Share
Report
Share
1 of 15
Download now
Download to read offline
Recommended
GCI最終課題
GCI最終課題
Takuo Tachibana
柵木2021(東大GCI最終課題)
柵木2021(東大GCI最終課題)
ssuser563e4e1
【優秀修了】GCI Winter 2022 最終課題
【優秀修了】GCI Winter 2022 最終課題
Takeru Abe
GCI最終課題発表スライド
GCI最終課題発表スライド
航貴 齋藤
機械学習による統計的実験計画(ベイズ最適化を中心に)
機械学習による統計的実験計画(ベイズ最適化を中心に)
Kota Matsui
Word Tour: One-dimensional Word Embeddings via the Traveling Salesman Problem...
Word Tour: One-dimensional Word Embeddings via the Traveling Salesman Problem...
joisino
【論文調査】XAI技術の効能を ユーザ実験で評価する研究
【論文調査】XAI技術の効能を ユーザ実験で評価する研究
Satoshi Hara
SSII2022 [OS3-02] Federated Learningの基礎と応用
SSII2022 [OS3-02] Federated Learningの基礎と応用
SSII
Recommended
GCI最終課題
GCI最終課題
Takuo Tachibana
柵木2021(東大GCI最終課題)
柵木2021(東大GCI最終課題)
ssuser563e4e1
【優秀修了】GCI Winter 2022 最終課題
【優秀修了】GCI Winter 2022 最終課題
Takeru Abe
GCI最終課題発表スライド
GCI最終課題発表スライド
航貴 齋藤
機械学習による統計的実験計画(ベイズ最適化を中心に)
機械学習による統計的実験計画(ベイズ最適化を中心に)
Kota Matsui
Word Tour: One-dimensional Word Embeddings via the Traveling Salesman Problem...
Word Tour: One-dimensional Word Embeddings via the Traveling Salesman Problem...
joisino
【論文調査】XAI技術の効能を ユーザ実験で評価する研究
【論文調査】XAI技術の効能を ユーザ実験で評価する研究
Satoshi Hara
SSII2022 [OS3-02] Federated Learningの基礎と応用
SSII2022 [OS3-02] Federated Learningの基礎と応用
SSII
ベイズ統計学の概論的紹介
ベイズ統計学の概論的紹介
Naoki Hayashi
【DL輪読会】Is Conditional Generative Modeling All You Need For Decision-Making?
【DL輪読会】Is Conditional Generative Modeling All You Need For Decision-Making?
Deep Learning JP
【DL輪読会】SimPer: Simple self-supervised learning of periodic targets( ICLR 2023 )
【DL輪読会】SimPer: Simple self-supervised learning of periodic targets( ICLR 2023 )
Deep Learning JP
【論文紹介】How Powerful are Graph Neural Networks?
【論文紹介】How Powerful are Graph Neural Networks?
Masanao Ochi
クラシックな機械学習入門 1 導入
クラシックな機械学習入門 1 導入
Hiroshi Nakagawa
Graph Neural Networks
Graph Neural Networks
tm1966
NLPにおけるAttention~Seq2Seq から BERTまで~
NLPにおけるAttention~Seq2Seq から BERTまで~
Takuya Ono
レコメンドエンジン作成コンテストの勝ち方
レコメンドエンジン作成コンテストの勝ち方
Shun Nukui
機械学習モデルのハイパパラメータ最適化
機械学習モデルのハイパパラメータ最適化
gree_tech
【BERT】自然言語処理を用いたレビュー分析
【BERT】自然言語処理を用いたレビュー分析
KazuyaYagihashi
XAI (説明可能なAI) の必要性
XAI (説明可能なAI) の必要性
西岡 賢一郎
変分ベイズ法の説明
変分ベイズ法の説明
Haruka Ozaki
Recent Advances on Transfer Learning and Related Topics Ver.2
Recent Advances on Transfer Learning and Related Topics Ver.2
Kota Matsui
『予測にいかす統計モデリングの基本』の売上データの分析をトレースしてみた
『予測にいかす統計モデリングの基本』の売上データの分析をトレースしてみた
. .
[DL輪読会]GLIDE: Guided Language to Image Diffusion for Generation and Editing
[DL輪読会]GLIDE: Guided Language to Image Diffusion for Generation and Editing
Deep Learning JP
Optimizer入門&最新動向
Optimizer入門&最新動向
Motokawa Tetsuya
【DL輪読会】Flow Matching for Generative Modeling
【DL輪読会】Flow Matching for Generative Modeling
Deep Learning JP
SSII2022 [TS1] Transformerの最前線〜 畳込みニューラルネットワークの先へ 〜
SSII2022 [TS1] Transformerの最前線〜 畳込みニューラルネットワークの先へ 〜
SSII
機械学習のための数学のおさらい
機械学習のための数学のおさらい
Hideo Terada
組合せ最適化入門:線形計画から整数計画まで
組合せ最適化入門:線形計画から整数計画まで
Shunji Umetani
Sib開発と傾向 social finance 日本語訳 最終
Sib開発と傾向 social finance 日本語訳 最終
㈱ソーシャルインパクト・リサーチ
Sib開発と傾向 social finance
Sib開発と傾向 social finance
㈱ソーシャルインパクト・リサーチ
More Related Content
What's hot
ベイズ統計学の概論的紹介
ベイズ統計学の概論的紹介
Naoki Hayashi
【DL輪読会】Is Conditional Generative Modeling All You Need For Decision-Making?
【DL輪読会】Is Conditional Generative Modeling All You Need For Decision-Making?
Deep Learning JP
【DL輪読会】SimPer: Simple self-supervised learning of periodic targets( ICLR 2023 )
【DL輪読会】SimPer: Simple self-supervised learning of periodic targets( ICLR 2023 )
Deep Learning JP
【論文紹介】How Powerful are Graph Neural Networks?
【論文紹介】How Powerful are Graph Neural Networks?
Masanao Ochi
クラシックな機械学習入門 1 導入
クラシックな機械学習入門 1 導入
Hiroshi Nakagawa
Graph Neural Networks
Graph Neural Networks
tm1966
NLPにおけるAttention~Seq2Seq から BERTまで~
NLPにおけるAttention~Seq2Seq から BERTまで~
Takuya Ono
レコメンドエンジン作成コンテストの勝ち方
レコメンドエンジン作成コンテストの勝ち方
Shun Nukui
機械学習モデルのハイパパラメータ最適化
機械学習モデルのハイパパラメータ最適化
gree_tech
【BERT】自然言語処理を用いたレビュー分析
【BERT】自然言語処理を用いたレビュー分析
KazuyaYagihashi
XAI (説明可能なAI) の必要性
XAI (説明可能なAI) の必要性
西岡 賢一郎
変分ベイズ法の説明
変分ベイズ法の説明
Haruka Ozaki
Recent Advances on Transfer Learning and Related Topics Ver.2
Recent Advances on Transfer Learning and Related Topics Ver.2
Kota Matsui
『予測にいかす統計モデリングの基本』の売上データの分析をトレースしてみた
『予測にいかす統計モデリングの基本』の売上データの分析をトレースしてみた
. .
[DL輪読会]GLIDE: Guided Language to Image Diffusion for Generation and Editing
[DL輪読会]GLIDE: Guided Language to Image Diffusion for Generation and Editing
Deep Learning JP
Optimizer入門&最新動向
Optimizer入門&最新動向
Motokawa Tetsuya
【DL輪読会】Flow Matching for Generative Modeling
【DL輪読会】Flow Matching for Generative Modeling
Deep Learning JP
SSII2022 [TS1] Transformerの最前線〜 畳込みニューラルネットワークの先へ 〜
SSII2022 [TS1] Transformerの最前線〜 畳込みニューラルネットワークの先へ 〜
SSII
機械学習のための数学のおさらい
機械学習のための数学のおさらい
Hideo Terada
組合せ最適化入門:線形計画から整数計画まで
組合せ最適化入門:線形計画から整数計画まで
Shunji Umetani
What's hot
(20)
ベイズ統計学の概論的紹介
ベイズ統計学の概論的紹介
【DL輪読会】Is Conditional Generative Modeling All You Need For Decision-Making?
【DL輪読会】Is Conditional Generative Modeling All You Need For Decision-Making?
【DL輪読会】SimPer: Simple self-supervised learning of periodic targets( ICLR 2023 )
【DL輪読会】SimPer: Simple self-supervised learning of periodic targets( ICLR 2023 )
【論文紹介】How Powerful are Graph Neural Networks?
【論文紹介】How Powerful are Graph Neural Networks?
クラシックな機械学習入門 1 導入
クラシックな機械学習入門 1 導入
Graph Neural Networks
Graph Neural Networks
NLPにおけるAttention~Seq2Seq から BERTまで~
NLPにおけるAttention~Seq2Seq から BERTまで~
レコメンドエンジン作成コンテストの勝ち方
レコメンドエンジン作成コンテストの勝ち方
機械学習モデルのハイパパラメータ最適化
機械学習モデルのハイパパラメータ最適化
【BERT】自然言語処理を用いたレビュー分析
【BERT】自然言語処理を用いたレビュー分析
XAI (説明可能なAI) の必要性
XAI (説明可能なAI) の必要性
変分ベイズ法の説明
変分ベイズ法の説明
Recent Advances on Transfer Learning and Related Topics Ver.2
Recent Advances on Transfer Learning and Related Topics Ver.2
『予測にいかす統計モデリングの基本』の売上データの分析をトレースしてみた
『予測にいかす統計モデリングの基本』の売上データの分析をトレースしてみた
[DL輪読会]GLIDE: Guided Language to Image Diffusion for Generation and Editing
[DL輪読会]GLIDE: Guided Language to Image Diffusion for Generation and Editing
Optimizer入門&最新動向
Optimizer入門&最新動向
【DL輪読会】Flow Matching for Generative Modeling
【DL輪読会】Flow Matching for Generative Modeling
SSII2022 [TS1] Transformerの最前線〜 畳込みニューラルネットワークの先へ 〜
SSII2022 [TS1] Transformerの最前線〜 畳込みニューラルネットワークの先へ 〜
機械学習のための数学のおさらい
機械学習のための数学のおさらい
組合せ最適化入門:線形計画から整数計画まで
組合せ最適化入門:線形計画から整数計画まで
Similar to GCI最終課題スライド
Sib開発と傾向 social finance 日本語訳 最終
Sib開発と傾向 social finance 日本語訳 最終
㈱ソーシャルインパクト・リサーチ
Sib開発と傾向 social finance
Sib開発と傾向 social finance
㈱ソーシャルインパクト・リサーチ
Sib開発と傾向 social finance 日本語訳 最終
Sib開発と傾向 social finance 日本語訳 最終
㈱ソーシャルインパクト・リサーチ
携帯を活用した売上UPのご提案
携帯を活用した売上UPのご提案
Tatsuya Takaine
44 mt
44 mt
Hiroyuki Takahashi
ネット広告基礎講座
ネット広告基礎講座
Yuri Akamine
財務調査報告書(sample)
財務調査報告書(sample)
tkato8000
ProfinanSS 非常事態のファイナンス 逆境のコストダウン 20200407
ProfinanSS 非常事態のファイナンス 逆境のコストダウン 20200407
Yoshihiro Kimura
「無関心化」時代における日本企業への処方箋
「無関心化」時代における日本企業への処方箋
Accenture Japan
逆説のカスタマーサクセス
逆説のカスタマーサクセス
Takaaki Umada
Mktg07 顧客価値、満足、ロイヤリティーの創造
Mktg07 顧客価値、満足、ロイヤリティーの創造
Takeshi Matsui
第4回カスタマーサクセス天下一武闘会登壇資料(予選&決勝)_ビービット_2020-03-20
第4回カスタマーサクセス天下一武闘会登壇資料(予選&決勝)_ビービット_2020-03-20
wataruisono
小額決済について_ver2
小額決済について_ver2
Akira Yamaguchi
民泊・レジRR比較査定サービス
民泊・レジRR比較査定サービス
TAKANORIKUBO
ジモティービジネスモデル分析
ジモティービジネスモデル分析
KeisukeHayashi5
Microfinance Forum 2009 (1.Lip Microfinance Project)
Microfinance Forum 2009 (1.Lip Microfinance Project)
Living in Peace
1.Lip Microfinance Project
1.Lip Microfinance Project
gueste5847d
【大阪 ダイナテック様】共催セミナー_1100629スライド用
【大阪 ダイナテック様】共催セミナー_1100629スライド用
Keita Matsumoto
Similar to GCI最終課題スライド
(18)
Sib開発と傾向 social finance 日本語訳 最終
Sib開発と傾向 social finance 日本語訳 最終
Sib開発と傾向 social finance
Sib開発と傾向 social finance
Sib開発と傾向 social finance 日本語訳 最終
Sib開発と傾向 social finance 日本語訳 最終
携帯を活用した売上UPのご提案
携帯を活用した売上UPのご提案
44 mt
44 mt
ネット広告基礎講座
ネット広告基礎講座
財務調査報告書(sample)
財務調査報告書(sample)
ProfinanSS 非常事態のファイナンス 逆境のコストダウン 20200407
ProfinanSS 非常事態のファイナンス 逆境のコストダウン 20200407
「無関心化」時代における日本企業への処方箋
「無関心化」時代における日本企業への処方箋
逆説のカスタマーサクセス
逆説のカスタマーサクセス
Mktg07 顧客価値、満足、ロイヤリティーの創造
Mktg07 顧客価値、満足、ロイヤリティーの創造
第4回カスタマーサクセス天下一武闘会登壇資料(予選&決勝)_ビービット_2020-03-20
第4回カスタマーサクセス天下一武闘会登壇資料(予選&決勝)_ビービット_2020-03-20
小額決済について_ver2
小額決済について_ver2
民泊・レジRR比較査定サービス
民泊・レジRR比較査定サービス
ジモティービジネスモデル分析
ジモティービジネスモデル分析
Microfinance Forum 2009 (1.Lip Microfinance Project)
Microfinance Forum 2009 (1.Lip Microfinance Project)
1.Lip Microfinance Project
1.Lip Microfinance Project
【大阪 ダイナテック様】共催セミナー_1100629スライド用
【大阪 ダイナテック様】共催セミナー_1100629スライド用
GCI最終課題スライド
1.
資産が少なくても始められる 住宅ローンサービス
2.
⽬次 • 課題 • サービス概要 •
収益性 • 市場規模 • サービス価格
3.
課題 • ⾦融業界は投資のための資⾦確保が難しく、新規参⼊が難しい • ⼈⼝が減少傾向 •
住宅ローン利⽤者数も減少傾向 出典:国⼟交通省「平成30年度 ⺠間住宅ローンの実態に関する調査結果報告書」
4.
課題 売上 顧客数 ⼀⼈当たり売上 ローン使⽤率 選択率 ⼈⼝ 減少傾向 減少傾向 ⾦利 返済年数 貸出額 ⼤⼿⾦融機関が⼤半を確保 ここからアプローチ
5.
サービス概要 コンセプト 売上 = 顧客数
× ⼀⼈当たり売上 ー デフォルト損失 顧客数: 優良顧客に対象を絞る ⼀⼈当たり売上: デフォルトの削減により⼤幅な増加 デフォルト損失: 機械学習による審査で損失を削減 機械学習を利⽤した審査により、少ない投資額からより多くのリターンを得る
6.
サービス概要 展望 満⾜度の向上が⻑期的⽬線で重要 業界シェアの向上によるパイの拡⼤ 少数優良顧客の獲得 1.少数優良顧客の獲得 2.顧客満⾜度の上昇 3.他企業からの顧客流⼊ 4.業界シェアの向上
7.
サービス概要 顧客満⾜度 2.5⼈に1⼈が住宅ローン選びで後悔 ⾦利に関する後悔が多く、 低⾦利は顧客満⾜度向上の鍵 売上の⼀部を低⾦利という形で顧客に還元 (株式会社MFS アンケート結果より)
8.
サービス概要 顧客還元 売上の⼀部を⾦利削減に回し、 顧客の満⾜度を向上させる 顧客還元分 借⼊額 利益分 現状 改善後
9.
サービス概要 機械学習が何をしているか 債務不履⾏の⼈(target=1)とそうでない⼈(target=0)の間で属性分布が違うことから、 債務不履⾏になる⼈の特徴を学習し、顧客のデフォルト確率を推定 返済年数 年齢
10.
サービス概要 機械学習が何をしているか 顧客データから債務不履⾏になる確率を予測 ⼀定確率(境界)以上のものを債務不履⾏と推定する →境界をいかに決めるかが鍵 確率0.3の境界 債務不履⾏(1) 債務履⾏可能(0) 例えば左図の場合…
11.
サービス概要 真陽性率(TPR) 偽陽性率(FPR) 実際に債務不履⾏になる⼈を債務不履⾏ だと予測できた割合 実際には履⾏可能な⼈を誤って債務不履⾏だ と予測してしまった割合 境界の決め⽅ トレードオフ TPRが⾼いほどデフォルトによる損失が減るが、FRPも同時に⾼くなって機会損失が発⽣してしまう
12.
サービス概要 境界の決め⽅ TP…実際・予測共に債務不履⾏で、融資しない FN…融資するものの、債務不履⾏になる TN…実際・予測共に履⾏可能で、融資する FP…実際には履⾏可能にも関わらず融資しない ため、機会損失となる 収益 = TNの返済額
‒ TNの借⼊額 ‒ FNの返済額 実際 予測 PositiveNegative PositiveNegative TN TP FP FN ここの境界を動かすことで、TPR・FPRを調整する TPR FPR
13.
収益性 ⼀⼈当たり収益 = (マージン
ー デフォルト損失) ÷ 顧客数 = {(1年あたり返済額×返済年数ー住宅料) ー デフォルト損失} ÷ 顧客数 現状: (170.02億 ‒ 138.41億) ÷ 30.7万⼈ = 10,288 (⼀⼈当たりドル) 当サービスを利⽤すると 収益最⼤となるようにTPR、FPRを調整した結果 改善後: (31.33億 ‒ 14.88億) ÷ 5.7万⼈ = 28,738 (⼀⼈当たりドル) 約1/6の投資で、顧客⼀⼈当たりから3倍もの収益増が⾒込める
14.
市場規模 競合⼤⼿約20社と同程度の顧客のうち、約1/6の優良顧客層を獲得と仮定すると 市場規模 = 利⽤者数
× ⼀⼈当たり売上 = 住宅ローン利⽤者数 × 選択率 × ⼀⼈当たり売上 = 77万⼈(※) × 1/20 × 1/6 × 28738ドル ≒ 184億円 顧客還元分を1/3とすると、 184億円 × 2/3 ≒ 122億円 ※参照:国⼟交通省「平成30年度 ⺠間住宅ローンの実態に関する調査結果報告書」
15.
参考⽂献 • 国⼟交通省「平成30年度 ⺠間住宅ローンの実態に関する調査結果報告書」 https://www.mlit.go.jp/common/001280466.pdf •
MFS 「 2.5⼈に1⼈は住宅ローン選びで後悔している! 「住宅ローン選びの後悔」に関す るアンケート調査結果を発表」 https://www.mortgagefss.jp/pressrelease/889/
Download now