某大型股份制银行的知识图谱应用实践

近年来，随着大数据、云计算、人工智能等技术的快速发展和革新，金融行业借助科技创新和数字化转型带动业务拓展和服务升级，随之而来的是数据的爆炸式增长。对于银行而言 ，数据是业务发展的命脉所在，能有效挖掘数据背后的价值是重中之重。知识图谱因其能够更好的表达数据之间的关系，依托图计算和人工智能技术成为了各大银行近年来业务发展和创新的利器。

中数智汇作为一家信用科技与大数据服务提供商，经过多年与知名国有银行、股份制商业银行、城商行合作所积累的经验，自主研发了中数知识图谱平台。通过整合企业工商、涉诉、核心管理层、知识产权、招投标、舆情等数据及结合行内核心数据，利用图计算和机器学习技术，赋能智能风控、精准营销、信贷管理等银行多业务场景，以打通知识到智能应用的价值链，从而帮助银行有效应对外部经营环境、内部业务发展等多方面的要求。目前，中数知识图谱平台已应用在多家银行。

一、丰富图算法模型，支撑银行核心业务需求

经过多年的客户服务经验，中数智汇知识图谱平台已沉淀丰富的图算法模型，为银行各业务部门提供强大支撑。

1）受益人，一致行动人、实际控制人识别

基于企业股权关系图谱可以查询任何一家企业的关联关系，通过算法模型有效识别企业受益人、一致行动人和实际控制人，清晰发现企业之间的关联路径及关系。

2）企业担保风险识别

担保风险一直是银行重点监控的对象，担保关系错综复杂，传统的分析手段很难挖掘复杂担保下的风险信息。利用知识图谱技术，能够很好地整合行内外数据构建企业对外担保图谱，快速精准识别担保链、担保圈、星式担保等多风险形态，及时发现风险信号。

3）集团派系挖掘

企业派系的挖掘包含多种复杂规则，尤其是对于大型企业，有时会涉及到几百甚至上千企业，能快速、准确的识别集团派系以及深度挖掘企业集团关系是银行进行风险管理、贷后预警中的重要武器。

4）风险传导

银行黑名单管理体系，因涉及黑企业和黑个人，风险点对外发散的风险路径和范围大小不一且极难甄别。通过梳理企业画像和整合各个维度指标，同时利用图算法和机器学习，能够帮助银行实现评估风险系数的量化，从而计算传播路径及涉黑概率。

5）欺诈团伙挖掘

反欺诈领域的数据量规模较大，通常是企业场景的几何级倍数，而且对实时性具有非常高的要求，一旦发现是可疑行为，就必须快速进行预警，通过即可整合企业行业标签和行内风险指标，结合图算法，实时检测欺诈行为。

6）关联方

无论是风险监控或是营销，都需要通过关联关系挖掘隐含信息，及时发现潜藏风险和商机。基于知识图谱技术结合图计算，挖掘N层投资控股及任职关系，快速识别关联方，使行方在实现利润最大化的同时从上帝视角监管关联风险。

7）上下游识别

产业链上下游不仅影响着企业的发展和国家经济的增长，同时也是银行金融信贷营销业务的主战场，通过全量招投标、年报等数据整合行内交易流水数据，构建出产业链上下游图谱，能够实时监控产业链各环节，有效发现风险点和商机。

二、深入行内实际业务场景，赋能某大型股份制银行

伴随着全球金融一体化进程的加快，某大型股份制银行面临的经营风险日益复杂，为了更好的整合行内外数据资产，有效管控业务风险敞口，挖掘数据背后的隐含信息和价值，加强风险应对策略，识别和管理多重企业风险，降低风险概率和损失，于是引入中数智汇知识图谱平台。

1）企业关联关系图谱

通过整合行内外数据构建该行对公客户关联关系图谱，支撑行内的风控体系和运营管理体系，覆盖了全行所有对公客户及其关联关系，构建了上千万个实体与实体之间的关系网络，包含企业、个人、组织机构、个体工商户、法人、股东、高管等实体，任职、担保、投资、交易等关系，现已全面应用于客户风险视图、信贷监控、新客拓展以及集团关系认定等业务场景中。

2）小微企业风险事件图谱

通过知识图谱平台，整合处罚数据、第三方数据、舆情数据、公告数据、历史事件数据等，同时结合风险预警体系，通过深度学习算法，分析风险事件对企业/个人事件主体的影响和事件要素，形成事件风险分类体系和事件库，从而实现事件的风险预警、评估、处置和分析监控管理。

3）资金流向图谱

传统资金流向管理，主要依靠业务人员定期审查，耗时耗力。借助知识图谱平台，融合交易大数据及企业关联数据，构建了企业资金流向知识图谱，利用图模型和图算法实现了资金流向异常、资金链断点等多种异常模式的识别，能够及时发现经常性与异常交易，识别异常资金链模式，合理管控资金风险。

人工智能正在影响着各行各业，中数智汇秉承科技创新、技术先行的的理念正在将AI和知识图谱进行深度钻研和研发，还将为更多的银行提供服务，赋能银行敏锐的企业关系洞察力，帮助行内人员在海量数据下精准甄别企业客户风险，挖掘价值商机，落地金融科技应用。