散在していたデータを集約、SICで築いた活用の土台

データドリブン経営に向けた取り組みを始動させた際、解決すべき課題について花木 氏は「データの量と鮮度が十分でなかったこと、ExcelやAccessが中心となっていた分析業務が属人化していたこと、そしてデータ基盤と人、組織が十分に結び付いていなかったことです」と振り返る。

特にユーザー部門においては、通常業務で利用できるデータは1年分程度に限られるケースが多く、月単位でないと更新されないものもあった。必要な情報は複数のシステムに分かれ、抽出や加工も担当者の知識と経験に依存していたという。

リスク統轄部 マネロン・金融犯罪対策室で企画業務を担い、一連の取り組みに当初から兼務者として参画する楽 盈盈 氏も、その壁に直面していた。

「取引データやお客さまの属性情報など、複数のシステムから必要な情報を集め、人の手で組み合わせていました。既存のツールでは扱えるデータ量にも限界があり、データを用意するだけでも多くの時間がかかっていました」（楽 氏）

金融犯罪対策では、取引データと顧客の属性情報などを組み合わせ、不正の兆候を見極めることが求められる。その精度を高めるには、より長期間にわたる顧客の動きを捉えなければならない。データの不足や所在の分散、処理の属人化は、業務品質にも関わる課題だった。

そこで京都銀行がNTTデータの支援のもと導入したのが、金融機関向けデータ利活用基盤「SIC」である。SICは、Snowflakeを中核に、金融機関が保有する多様なデータを蓄積し、分析やAI活用につなげるための基盤だ。同行では2024年5月にSICの稼働を開始し、行内に分散していたデータを継続的に蓄積・分析できる環境を整えた。

「NTTデータは勘定系システムに関する知見が豊富で、データ活用まで見据えた構想を持っていました。単なるデータ基盤ではなく、将来性のある“データ活用基盤”としてSICを評価したのはまさにこの点です。稼働後は、長期間にわたるデータを蓄積できるようになり、データドリブン推進室や各部門からの兼務者など、DX推進に参画する行員を中心に、必要な情報を施策の検討へ活かす動きも始まりました」（花木 氏）

楽 氏も、企画に必要なデータを確認し、その内容を確かめながら施策を検討できるようになったという。SICの導入によって、散在していたデータを集約し、業務に活かすための土台が築かれた。

蓄積したデータを現場へ、Alteryxで活用の裾野を広げる

次にめざしたのは、データ活用をDX推進に参画する一部の行員にとどめず、より多くの部門へ広げることだった。しかし、SICに蓄積したデータを業務の目的に合わせて抽出・加工するには、SQLなどの専門知識が必要となる。データを扱える人材が限られたままでは、「データを組織全体の共通言語にする」という目標には届かない。

また、DataRobotを使って機械学習モデルを構築するには、大量のデータを抽出し、学習に使える形へ整える必要がある。個人顧客だけでも対象は250万件規模に上り、ExcelやAccessでは処理できなかった。

そこで京都銀行が導入したのが、データ分析プラットフォーム「Alteryx」だ。データの抽出や加工、結合などの処理を画面上で組み立てられ、その流れもワークフローとして可視化される。業務を熟知する行員が、目的に応じてデータを加工・活用するための仕組みとなる。

各部門のデータ活用を支援するデータドリブン推進室の田内 凌 氏は、次のように話す。

「私を含め、銀行員は文系出身者が多く、プログラミングを学んでいない人がほとんどです。Alteryxはドラッグ＆ドロップで操作でき、処理の流れも視覚的に把握できます。専門知識がない人でも、データ活用に取り組みやすいと感じています」（田内 氏）

現在、同行では6部署がAlteryxを利用している。Snowflake上で処理を行うIn-DB処理（※）も活用し、100万から200万件規模のデータの複雑な処理でも、内容によっては抽出から結合、加工まで5分から6分程度で完了するという。

データドリブン推進室は、各部門からの相談を受けて担当者とともにワークフローを構築し、継続的な活用を支援している。

SICでデータを集約・蓄積し、分析へつなぐ土台を築く。そのうえで、Alteryxによって業務に応じた加工・活用の担い手を広げる。こうして同行のデータ活用は、限られた行員による取り組みから、各部門がデータで課題を解決する段階へと進んだ。

数時間～半日がかりの作業を数秒に、脱属人化の実現と金融犯罪対策も高度化

その効果は、リスク統轄部 マネロン・金融犯罪対策室の業務にも表れている。

同行では「継続的顧客管理」の一環として、アプリのプッシュ通知で顧客に情報更新を促している。通知対象となる顧客のリストとアプリ利用者の情報をひも付ける作業は、従来、担当者が他の作業をしながら、Accessなどを使い、数時間～半日程度かかっていた。Alteryxでワークフロー化したことで、現在は数秒で完了する。

「毎月行う作業なので、効率化の効果を実感しています。本当に“一瞬”で出てくるようになりました」（楽 氏）

処理の流れも可視化され、作成者以外でも実行や修正がしやすくなった。時間短縮に加え、特定の担当者に依存していた作業の標準化にもつながっている。

さらに同行は、SICに蓄積したデータを活用し、AIによる「不正取引検知モデル」を構築した。リスク統轄部 マネロン・金融犯罪対策室 次長の神谷 学 氏は、AI活用による変化を次のように説明する。

「従来は、人が設定したルールに基づいて検知していたため、ルールを作る人の経験や思考にも左右されていました。AIを組み合わせることで多層的な検知が可能になり、これまで捉え切れなかった不正取引も一定数検知できています」（神谷 氏）

モデルは、同室とデータドリブン推進室、NTTデータが協働して構築した。NTTデータは、継続的な打ち合わせのなかで業務課題を抽出・整理し、SICをデータ活用基盤として、Alteryxによる学習・予測データの加工・整備、DataRobotを用いたAIモデルの構築と予測、BIツールによる調査情報の一元的な可視化から業務実装までを一貫して支援した。さらに、ビジネス課題抽出からAIモデルの構築・業務への定着まで伴走する「AIサクセス」を通じ、京都銀行が主体となって運用後も継続的に改善できる体制を整えた。

2026年7月の本番運用開始後は、一連の処理が自動化され、担当者が出勤した時点で、確認すべき取引がモニタリング画面に表示されるようになった。有効性検証では、従来の手法では捉えられなかった不正取引の検知に加え、情報収集・確認作業を効率化できることも確認した。

京都府警から共有される、不正利用された疑いのある他行口座との照合にもSICとAlteryxを活用している。現在は月150件から200件程度の情報が共有されているが、今後、対象が全国に広がれば、確認量は大幅に増える見込みだ。

「単純に考えれば47倍となります。それでも、我々は受け入れる準備ができています。とても心強く思っています」（神谷 氏）

データ準備の負担が減り、担当者は不正の兆候を見極める業務に注力できるようになった。SICとAlteryxの活用は、金融犯罪対策の効率化と高度化の双方につながっている。

データとAIでめざす「トップ金融グループ」

京都銀行が次にめざすのは、データ活用をより多くの業務や部門へ広げることだ。

同行はデータドリブン推進室の設置時から、営業本部系の部門やリスク統轄部、融資審査部などの行員を兼務者として配置してきた。現在も各部門と週1回の定例会を開き、業務課題や解決策を検討するとともに、Alteryxの操作や活用事例を共有している。

「データ分析そのものを目的にしてはいけません。まず現場の課題を聞き、データでどのように解決できるかを考える。そして、分析して終わるのではなく、実際の業務に適用し、成果につなげるところまでを重視しています」（花木 氏）

NTTデータは、京都銀行の取り組みの成功要因は、データ基盤の整備にとどまらず、業務部門が主体的にデータを活用できる環境を構築し、具体的な業務成果につなげた点にあると考えている。データ・AI活用を組織に定着させるには、技術の導入だけでなく、業務課題を起点に、現場での活用から継続的な改善までを一体で進めることが重要だ。

今後は、Accessなどで行っている業務をSICとAlteryxへ段階的に移行し、自動化や標準化を進める。その先に見据えるのが、事業ポートフォリオの見直しや、対面・非対面チャネルの最適化など、経営判断へのデータ活用だ。

「預金や貸出金の数字を可視化するだけでは、十分な価値は生まれません。その背景まで深掘りし、経営層の判断につながる分析を示していきたいと考えています」（花木 氏）

2026年4月にはAI推進室も設置した。今後は、蓄積したデータとAIを組み合わせ、生産性や顧客満足度の向上につながる取り組みをグループ全体で進めていく方針だ。

京都フィナンシャルグループが掲げるのは、「京都・関西の地域価値向上によって、日本の成長を牽引するトップ金融グループ」の実現である。SICを基盤に、Alteryxでデータの活用領域を広げ、NTTデータとも連携しながらAIの業務実装を進めることで、業務や意思決定を高度化していく。

NTTデータは今後も、金融機関のデータ・AI活用を業務成果につなげるため、構想から業務実装・定着まで一貫して支援していく。
京都銀行の取り組みは、データ活用を現場に根付かせ、経営の変革へつなげようとする地方金融機関にとって、一つのモデルケースとなることだろう。