隨著人工智能的迅猛發(fā)展，知識圖譜(Knowledge Graph)落地和商用能力不斷增強，越來越多的企業(yè)開始引入知識圖譜技術(shù)，解決企業(yè)內(nèi)部數(shù)據(jù)分析和挖掘問題，并取得了突出的成效。

在金融行業(yè)，企業(yè)內(nèi)部大量的非結(jié)構(gòu)化數(shù)據(jù)、半結(jié)構(gòu)化數(shù)據(jù)如各種辦公文件、文本、圖片、語音等，都蘊含著很多有價值的信息，但是這些數(shù)據(jù)大多以知識庫的形式單獨存檔，并沒有得到充分的利用，如何發(fā)揮這些數(shù)據(jù)的價值成為當前企業(yè)的一大痛點。

星環(huán)科技基于自主研發(fā)的分布式圖數(shù)據(jù)庫StellarDB與知識圖譜平臺Sophon KG，為銀行等用戶構(gòu)建圖譜應(yīng)用平臺，可快速挖掘非結(jié)構(gòu)化數(shù)據(jù)和半結(jié)構(gòu)化數(shù)據(jù)價值，找出其存在的關(guān)聯(lián)關(guān)系，提煉有價值信息，穩(wěn)定可靠地解決金融行業(yè)所面臨的不同問題。目前，星環(huán)科技的解決方案已經(jīng)應(yīng)用在智慧風控、智慧營銷、智慧經(jīng)營等場景，幫助銀行用戶創(chuàng)造價值。

1.金融行業(yè)知識圖譜應(yīng)用迎來爆發(fā)期

在經(jīng)歷了語義知識圖譜、安全知識圖譜、風險知識圖譜等應(yīng)用后，金融知識圖譜隨著圖數(shù)據(jù)庫技術(shù)的不斷成熟，以及金融投資、研究領(lǐng)域復(fù)雜圖計算數(shù)據(jù)源的不斷豐富，在2019年迎來了爆發(fā)期。

在金融領(lǐng)域，目前出現(xiàn)多種知識圖譜，包括監(jiān)管知識圖譜，如集團派系知識圖譜、產(chǎn)業(yè)鏈知識圖譜、擔保鏈知識圖譜、反洗錢知識圖譜等;銀行知識圖譜，如對公知識圖譜、社交畫像知識圖譜、風險傳遞圖譜、信貸資金圖譜、供應(yīng)鏈知識圖譜等;證券知識圖譜，如智能投研知識圖譜、債券風險知識圖譜等;基金知識圖譜，如資管知識圖譜、債券風險知識圖譜、FOF投研知識圖譜等;期貨知識圖譜，包括大宗商品知識圖譜、政策鏈知識圖譜等。

專家認為，知識圖譜驅(qū)動行業(yè)創(chuàng)新，對多源異構(gòu)數(shù)據(jù)和多維復(fù)雜關(guān)系的處理與可視化展示是現(xiàn)階段的主要價值，圖神經(jīng)網(wǎng)絡(luò)下的深度學習算法應(yīng)用將帶來更廣闊的認知市場。

2.銀行知識圖譜平臺與應(yīng)用的痛點

目前，銀行知識圖譜平臺與應(yīng)用的痛點主要包括：

1)平臺管控較差。權(quán)限管理和資源管控能力較差，高可用和健壯性較差，無法滿足實際場景中的圖譜構(gòu)建與查詢權(quán)限分離與資源適配需求。

2)可視化效果較差。需要通過增加支持圖譜的對比分析、可視化統(tǒng)計、時序分析、多種布局和樣式的設(shè)置、3D大圖展示等功能，增強銀行知識圖譜平臺與應(yīng)用的可視化水平，提升服務(wù)效率。

3)缺乏自然語言處理（NLP）能力。無法支撐文本標注、實體關(guān)系抽取、輿情傳播、智能問答等NLP能力，無法將知識圖譜能力拓展到更多應(yīng)用場景。

4)應(yīng)用場景不夠豐富。目前，銀行用戶急需基于知識圖譜平臺挖掘更多的業(yè)務(wù)應(yīng)用場景，并且對業(yè)務(wù)部門賦予基于圖譜分析管理平臺業(yè)務(wù)創(chuàng)新的能力。

隨著金融領(lǐng)域數(shù)據(jù)挖掘分析的日益深化，銀行對于利用海量結(jié)構(gòu)化或非結(jié)構(gòu)化數(shù)據(jù)進行特定場景知識圖譜構(gòu)建需求日益旺盛，并且希望構(gòu)建全行級的知識圖譜平臺，對業(yè)務(wù)賦能。一方面，幫助業(yè)務(wù)人員構(gòu)建深度關(guān)系拓撲，另一方面也希望借助圖分析和圖算法來提升業(yè)務(wù)洞察效率。

3.星環(huán)科技幫助銀行構(gòu)建知識圖譜

星環(huán)科技基于自主研發(fā)的分布式圖數(shù)據(jù)庫StellarDB+知識圖譜平臺Sophon KG，為銀行等用戶構(gòu)建圖譜平臺，實現(xiàn)知識獲取、圖譜構(gòu)建與存儲、圖譜更新迭代、圖譜計算與分析等功能，并且通過星環(huán)平臺的高可用和健壯性，可以滿足客戶高可用、資源管控、可視化效果、NLP能力等的需求。

?

星環(huán)科技圖譜知識方案更穩(wěn)健，性能更快，支持超大規(guī)模圖，支持圖譜的對比分析、可視化統(tǒng)計、時序分析、多種布局和樣式的設(shè)置、3D大圖展示，支持NLP等。

相比于基于開源系統(tǒng)構(gòu)建知識圖譜平臺，基于星環(huán)科技自研產(chǎn)品構(gòu)建知識圖譜平臺具有明顯優(yōu)勢：

在圖數(shù)據(jù)庫方面，星環(huán)科技的平臺不是基于開源組件，而是基于星環(huán)科技自研的分布式圖數(shù)據(jù)庫Stellar DB，性能更好，比開源快4-6倍;可支持萬億邊規(guī)模圖數(shù)據(jù)存儲，具備查詢速度快、分析能力強、穩(wěn)定性高的特點。

在支持圖算法方面，星環(huán)科技的KG與StellarDB平臺支持的圖算法豐富，內(nèi)設(shè)金融場景NLP模型支持半自動化文本構(gòu)圖;而開源的方案支持的圖算法需要手動開發(fā)，開發(fā)成本高，且不支持NLP。

在集群方面，星環(huán)科技的平臺底層基于容器，資源管控更好，支持高可用;可以方便的進行資源共享;可以動態(tài)擴縮容。

開源項目資源隔離性一般，用戶操作不當，可能造成整個集群宕機，不支持高可用;難以實現(xiàn)資源共享功能;無法動態(tài)擴縮容等。

4.銀行知識圖譜三大典型應(yīng)用場景

目前星環(huán)科技知識圖譜在金融領(lǐng)域已有多個落地案例，銀行采用星環(huán)科技的分布式圖數(shù)據(jù)庫StellarDB和Sophon KG構(gòu)建關(guān)聯(lián)關(guān)系圖譜和小微事件圖譜等，應(yīng)用于資金斷點分析、異常圖模式探索、異常交易識別、交易軌跡模型等場景。我們選擇三個典型場景做一介紹。

1）貸后資金穿透管理

傳統(tǒng)對公貸后管理，主要依靠業(yè)務(wù)人員進行定期審查，耗時耗力。星環(huán)科技借助分布式圖數(shù)據(jù)庫StellarDB和Sophon KG產(chǎn)品，融合交易大數(shù)據(jù)及企業(yè)關(guān)聯(lián)數(shù)據(jù)，構(gòu)建了企業(yè)知識圖譜，利用Fast-unfolding、k-core等圖算法，實現(xiàn)了貸后資金異常、資金鏈斷點等多種異常模式的識別，能夠及時發(fā)現(xiàn)經(jīng)常性與異常交易，識別異常資金鏈模式，合理管控貸后資金。

其中，星環(huán)科技的分布式圖數(shù)據(jù)庫StellarDB具有的海量圖數(shù)據(jù)存儲能力，使得融合數(shù)據(jù)成為了可能，原生支持的圖算法使得批量分析更為簡單，其支持的openCypher圖檢索語言易學易用，有助于提高交互分析的效率。

Sophon KG提供豐富的查詢分析能力，用戶只需要輸入該領(lǐng)域內(nèi)的關(guān)鍵詞或者自然語言，即能映射為知識圖譜中客觀世界的概念和實體，搜索結(jié)果直接顯示出滿足用戶需求的結(jié)構(gòu)化信息內(nèi)容，并且自動進行數(shù)據(jù)關(guān)聯(lián)和分類排列、自動配出最緊急或優(yōu)先的信息。

2）企業(yè)關(guān)聯(lián)關(guān)系圖譜

某銀行用戶自2018年開始建設(shè)知識圖譜分析應(yīng)用體系，結(jié)合星環(huán)Sophon KG知識圖譜技術(shù)與自然語言處理技術(shù)，首創(chuàng)以知識圖譜為主的對公客戶風險管理模式。

企業(yè)關(guān)聯(lián)關(guān)系圖譜發(fā)展經(jīng)歷兩個階段，首先基于對公客戶信息數(shù)據(jù)，構(gòu)建企業(yè)關(guān)聯(lián)關(guān)系圖譜，挖掘?qū)蛻艄蓶|、擔保、投資、交易、任職、法人、集團、實控等關(guān)聯(lián)關(guān)系，打造全行對公客戶關(guān)系網(wǎng)絡(luò)。

其次打造交互式知識圖譜應(yīng)用。將圖分析與NLP自然語言處理結(jié)合，僅需以自然語言輸入，就可實現(xiàn)基于圖數(shù)據(jù)的分析及展示效果。

運用圖算法，結(jié)合星環(huán)自研的分析風險傳導(dǎo)模型，支持3D可視化直觀查閱，顯著提升風險分析水平。

3）基于企業(yè)關(guān)聯(lián)圖譜的小微企業(yè)風險事件圖譜

某銀行基于處罰數(shù)據(jù)、第三方數(shù)據(jù)、輿情數(shù)據(jù)、公告數(shù)據(jù)、歷史事件數(shù)據(jù)等，利用星環(huán)科技的知識圖譜平臺，結(jié)合風險預(yù)警體系，通過深度分析等技術(shù)，分析風險事件對企業(yè)/個人事件主體的影響和事件要素，形成事件風險分類體系和事件庫，從而實現(xiàn)事件的風險預(yù)警、評估、處置和分析監(jiān)控管理。

5.基于知識圖譜的銀行核心管理能力升級

星環(huán)科技基于知識圖譜的解決方案，可以為銀行用戶帶來各種能力的提升。

1）客戶服務(wù)方面，網(wǎng)絡(luò)化、價值化的客戶服務(wù)與持續(xù)經(jīng)營能力

以互聯(lián)網(wǎng)金融的思維為先導(dǎo)，通過整合、完善各類實體渠道和電子渠道的數(shù)據(jù)，構(gòu)建全方位的客戶統(tǒng)一信息視圖與客戶圖譜，有效支持產(chǎn)品創(chuàng)新、營銷拓展、信貸服務(wù)等管理職能，實現(xiàn)“以客戶為中心” 的更為透明、便捷、高效的多渠道、一體化的客戶表現(xiàn)分析持續(xù)經(jīng)營服務(wù)能力。目前主要應(yīng)用領(lǐng)域包括渠道服務(wù)、客戶關(guān)系等。

2）在產(chǎn)品創(chuàng)新方面，差異化、關(guān)聯(lián)化的客戶服務(wù)與持續(xù)經(jīng)營能力

構(gòu)建產(chǎn)品圖譜，以標準化的產(chǎn)品政策定義驅(qū)動授信業(yè)務(wù)標準化作業(yè)，以產(chǎn)品構(gòu)件化優(yōu)化產(chǎn)品創(chuàng)新手段，以產(chǎn)品差異化優(yōu)化定價能力，支持客戶信用資產(chǎn)風險經(jīng)營目標在產(chǎn)品層面的分解和實施，實現(xiàn)以產(chǎn)品為中心的創(chuàng)新和管理服務(wù)能力。目前主要應(yīng)用領(lǐng)域包括業(yè)務(wù)樞紐、金融工廠等。

3）統(tǒng)一管控方面， 統(tǒng)一化、集中化的授信管理和抵押品管理能力

在客戶信用管理方面，基于統(tǒng)一授信管理原則，根據(jù)客戶綜合融資需求，定義結(jié)構(gòu)化、多層次的額度類型，結(jié)合風險緩釋機制的合規(guī)要求和授信作業(yè)所需要的押品全生命周期管理流程，根據(jù)押品的特點，構(gòu)建風險暴露緩釋業(yè)務(wù)圖譜，支持統(tǒng)一信用洞察分析。

4）風險經(jīng)營方面，精細化、穿透化的風險監(jiān)控與風險量化能力

建立整合性、聯(lián)動性、差異化、精細化、自動化的授信后監(jiān)控措施，構(gòu)建風險圖譜，實現(xiàn)統(tǒng)一風險監(jiān)控體系的管理能力，精細化及早感知識別“以風險事件驅(qū)動”的風險預(yù)警體系，化解重大集中度風險隱患。目前主要應(yīng)用于組合服務(wù)、客戶信用等領(lǐng)域。

5）高效管理方面，標準化、連接化的客戶服務(wù)與持續(xù)經(jīng)營能力

在企業(yè)管理方面，以業(yè)務(wù)管理對象為核心，提高數(shù)據(jù)應(yīng)用決策支持效率，實現(xiàn)以客戶為中心、以市場為導(dǎo)向、以風險經(jīng)營為基礎(chǔ)的資產(chǎn)洞察分析、數(shù)據(jù)應(yīng)用分析體系。

（免責聲明：本網(wǎng)站內(nèi)容主要來自原創(chuàng)、合作伙伴供稿和第三方自媒體作者投稿，凡在本網(wǎng)站出現(xiàn)的信息，均僅供參考。本網(wǎng)站將盡力確保所提供信息的準確性及可靠性，但不保證有關(guān)資料的準確性及可靠性，讀者在使用前請進一步核實，并對任何自主決定的行為負責。本網(wǎng)站對有關(guān)資料所引致的錯誤、不確或遺漏，概不負任何法律責任。
任何單位或個人認為本網(wǎng)站中的網(wǎng)頁或鏈接內(nèi)容可能涉嫌侵犯其知識產(chǎn)權(quán)或存在不實內(nèi)容時，應(yīng)及時向本網(wǎng)站提出書面權(quán)利通知或不實情況說明，并提供身份證明、權(quán)屬證明及詳細侵權(quán)或不實情況證明。本網(wǎng)站在收到上述法律文件后，將會依法盡快聯(lián)系相關(guān)文章源頭核實，溝通刪除相關(guān)內(nèi)容或斷開相關(guān)鏈接。 ）