文章摘要：在大數(shù)據(jù)時代來臨的今天，各個行業(yè)對數(shù)據(jù)的利用已經有了很大的改變。在知識圖譜系統(tǒng)中，可以實現(xiàn)“萬物互聯(lián)”，通過對數(shù)據(jù)的高度抽象化，將現(xiàn)實世界的最大程度地還原出來，通過海量的關聯(lián)來挖掘數(shù)據(jù)的價值。對于金...

在大數(shù)據(jù)時代來臨的今天，各個行業(yè)對數(shù)據(jù)的利用已經有了很大的改變。在知識圖譜系統(tǒng)中，可以實現(xiàn)“萬物互聯(lián)”，通過對數(shù)據(jù)的高度抽象化，將現(xiàn)實世界的最大程度地還原出來，通過海量的關聯(lián)來挖掘數(shù)據(jù)的價值。對于金融行業(yè)，數(shù)據(jù)是一種非常重要的資源。金融業(yè)的數(shù)據(jù)中包含了大量的實體和聯(lián)系，通過這些數(shù)據(jù)的聯(lián)系，可以打破傳統(tǒng)的計算模型，從“關系”的角度，對金融領域的數(shù)據(jù)進行深入的分析，并通過外部的數(shù)據(jù)，挖掘潛在客戶，預警潛在風險，提高業(yè)務效率和價值。那么，知識圖譜可以應用在金融行業(yè)的哪些地方呢？

一、營銷類應用

1)發(fā)掘潛在客戶：

挖掘潛在客戶是目前金融業(yè)研究的一個熱點，利用已有的數(shù)據(jù)和外部數(shù)據(jù)，快速準確地找到潛在的客戶，這將有助于提高銀行的業(yè)務水平。在此基礎上，我們可以構建一個基于已有的銀行用戶的社會網(wǎng)絡知識圖譜，并依據(jù)其不同的交際類型和頻率來確定相應的關系模式。通過與客戶的親屬、朋友、同事、同學、陌生人等進行關聯(lián)的社會性挖掘來評價客戶的關系緊密程度。例如，根據(jù)已有的 VIP顧客，發(fā)掘他們的聯(lián)系方式和興趣，或者找到他們的興趣愛好，這樣就可以針對特定的群體進行市場營銷。

2)挖掘顧客的潛力；

在發(fā)掘潛在顧客的同時，還要根據(jù)現(xiàn)有顧客的需求，推出相應的產品。在構建了一套基于客戶關系的知識圖譜體系之后，可以對車輛信息、個人愛好、行為等進行彈性擴充。綜合各種資料來源，對顧客的行為進行準確的分析，對顧客的潛在需要進行準確的定位。

上述服務既能為個體用戶服務，也能為企業(yè)用戶提供服務。對企業(yè)的資金、法人、上下游投資、類似企業(yè)的業(yè)務關系進行分析，為企業(yè)推薦合適的產品和服務。

二、風控類應用

1)防詐騙的應用程序：

在防詐騙方面，知識圖譜也有合適的應用方案。近年來，我國的金融詐騙呈現(xiàn)出各種形態(tài)，如提供虛假信息、集團詐騙、內外勾結等“高明”的手段，使得原有的單一突破手段難以奏效，必須構建一套主動、高效的知識體系。防騙的關鍵在于人，必須將所有與借款人有關的資料來源連接起來，建立包含大量資料來源的知識圖譜，使之整合成機器能夠了解的結構化資料。該系統(tǒng)不但能將借款人的個人信息進行綜合，而且能將其消費、行為、關系、線上日志等信息納入防詐騙的知識圖譜中，對其進行分析和預測。

除了在申請階段進行反詐騙外，還可以根據(jù)用戶對大量的風險數(shù)據(jù)進行離線統(tǒng)計，并根據(jù)不同的主體要素，建立風險特征數(shù)據(jù)庫，對風險模型和規(guī)則進行優(yōu)化，對交易過程中的欺詐行為進行反欺詐。

2)內部審計內部控制的運用

同時，通過關聯(lián)分析與知識圖譜的運用，可以提高財務內部審計與內控系統(tǒng)的有效性與準確性。通過對被監(jiān)管者的電子郵件、帳戶信息進行數(shù)據(jù)挖掘，建立相應的關系網(wǎng)絡，防止內部串通、內部串通等，能夠及時發(fā)現(xiàn)與外界的不正常交易。

3)打擊洗錢的應用

在反洗錢方面，我們也能協(xié)助監(jiān)管機構進行有效的監(jiān)管，逐步挖掘關聯(lián)賬戶，發(fā)現(xiàn)幕后黑手。相比于個人賬戶和關系的識別，反洗錢團伙的工作更加困難，因為這些組織都是建立在錯綜復雜的關系網(wǎng)絡之中，很難被人察覺。我們必須對這些隱含的關系進行清晰的梳理，同時從時間、空間多維的視角進行分析，從而找出可能存在的潛在危險，并找出潛伏的反洗錢集團。

三、預測類應用

1)對行業(yè)的潛在危險

在此基礎上，可以在客戶、企業(yè)、行業(yè)之間建立一個相互聯(lián)系的知識圖譜，并從不同的角度進行風險預測。通過對行業(yè)進行分類，建立基于貸款和行業(yè)信息的關系挖掘模型，并利用機器學習技術進行建模，可以顯示各個行業(yè)和行業(yè)之間的聯(lián)系，當行業(yè)出現(xiàn)行業(yè)風險或者高風險的時候，我們就能對行業(yè)中存在的行業(yè)進行預測，從而提前發(fā)現(xiàn)和避免風險。

2)對客戶的潛在風險

通過建立客戶、企業(yè)、行業(yè)的知識圖譜，以及行業(yè)與企業(yè)的信息鏈接，根據(jù)行業(yè)的潛在風險，及時發(fā)現(xiàn)與企業(yè)客戶相關的行業(yè)風險。比如，某省的某一產業(yè)，連續(xù)發(fā)生了幾起拖欠的案件，我們可以通過對這些企業(yè)和客戶的信息進行分析，從而找到那些有潛在風險的客戶。

將來，機器將會更加接近人腦，通過知識圖譜的分析和挖掘數(shù)據(jù)，讓機器能夠理解現(xiàn)實，從而為人類做出決定。GaussMind知識圖譜平臺基于深度學習的NLP算法，能幫助客戶完成上傳、標注數(shù)據(jù)，自定義構建模型訓練，構建可視化圖譜。

文章為沃豐科技原創(chuàng)，轉載需注明來源：http://www.gototw.com.cn/ucm/report/18696