廣州熱線

數(shù)字化轉(zhuǎn)型是一項長期、系統(tǒng)的工程，不僅針對業(yè)務(wù)流程“科技賦能”，而且重塑與再造業(yè)務(wù)模式和業(yè)務(wù)邏輯。金融行業(yè)歷來走在了數(shù)字化的前沿，以新技術(shù)賦能業(yè)務(wù)創(chuàng)新。

例如，監(jiān)管機(jī)構(gòu)為了規(guī)范信貸業(yè)務(wù)，促進(jìn)貸款業(yè)務(wù)健康發(fā)展，多次發(fā)文，嚴(yán)禁消費(fèi)類貸款資金違規(guī)流入股市、房市及其他投資性領(lǐng)域，要求商業(yè)銀行加強(qiáng)對信貸資金用途的監(jiān)控，以保證其申貸用途與實(shí)際用途一致。

商業(yè)銀行以貸款資金流向監(jiān)測作為切入點(diǎn)，利用信貸資金流向的數(shù)據(jù)信息，構(gòu)建商業(yè)銀行貸款資金流向知識圖譜，進(jìn)行可疑資金流向挖掘，并通過探索轄內(nèi)借款人實(shí)際信貸資金流向，加強(qiáng)對商業(yè)銀行貸款用途的監(jiān)控和識別，為商業(yè)銀行貸款貸后風(fēng)險識別提供新的監(jiān)測方法。

這僅是知識圖譜在金融行業(yè)應(yīng)用的一個例子。圖數(shù)據(jù)庫和知識圖譜是目前構(gòu)建大規(guī)模關(guān)系和基于圖進(jìn)行知識發(fā)現(xiàn)的最有效工具之一，以知識關(guān)聯(lián)為基礎(chǔ)的知識圖譜能夠多角度、多層次描述事物關(guān)聯(lián)的事實(shí)與規(guī)律。星環(huán)科技推出的分布式圖數(shù)據(jù)庫StellarDB和知識圖譜平臺Sophon KG已經(jīng)在金融領(lǐng)域的多種場景中得到了應(yīng)用。

目前，隨著金融行業(yè)基本面數(shù)據(jù)、公告數(shù)據(jù)、研報數(shù)據(jù)、工商數(shù)據(jù)等逐步實(shí)現(xiàn)圖譜化，金融領(lǐng)域不同細(xì)分行業(yè)的知識圖譜會逐漸建立。在圖數(shù)據(jù)庫和知識圖譜應(yīng)用方面，金融業(yè)更是走到了前列，在精準(zhǔn)營銷、精準(zhǔn)風(fēng)控、行業(yè)研究、產(chǎn)業(yè)鏈研究等領(lǐng)域不斷取得新成果，服務(wù)金融業(yè)業(yè)務(wù)創(chuàng)新。

金融業(yè)知識圖譜平臺應(yīng)用的四大痛點(diǎn)

隨著金融領(lǐng)域數(shù)據(jù)挖掘分析的日益深化，金融業(yè)特別是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(jìn)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，以達(dá)到幫助業(yè)務(wù)人員構(gòu)建深度關(guān)系拓?fù)?，并借助圖分析和圖算法來提升業(yè)務(wù)洞察效率。

目前，金融業(yè)銀行知識圖譜平臺應(yīng)用的痛點(diǎn)主要包括：

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(shí)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。

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(qiáng)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。

由于缺乏自然語言處理（NLP）能力，無法支撐文本標(biāo)注、實(shí)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。

同時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。

星環(huán)科技雙組合助力金融業(yè)構(gòu)建知識圖譜

在IT行業(yè)，擁有圖數(shù)據(jù)庫和知識圖譜平臺兩種產(chǎn)品的企業(yè)目前還不多，但是星環(huán)科技就是擁有這兩種組合的高新技術(shù)企業(yè)之一。

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，為銀行等金融用戶構(gòu)建圖譜平臺，實(shí)現(xiàn)知識獲取、圖譜構(gòu)建與存儲、圖譜更新迭代、圖譜計算與分析等需求，解決金融業(yè)在知識圖譜應(yīng)用中面臨的四大挑戰(zhàn)。

在圖數(shù)據(jù)庫方面，星環(huán)科技StellarD是自主研發(fā)的，性能更好，比開源系統(tǒng)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(qiáng)、穩(wěn)定性高的特點(diǎn)。

星環(huán)科技知識圖譜平臺Sophon KG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，支持自然語言處理等。

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，可以動態(tài)擴(kuò)縮容。二開源系統(tǒng)則不具備這些特性。

星環(huán)科技金融業(yè)樹立三大應(yīng)用場景標(biāo)桿

目前星環(huán)科技分布式圖數(shù)據(jù)庫和知識圖譜平臺在金融領(lǐng)域已有眾多落地案例，利用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(diǎn)分析、異常圖模式探索、異常交易識別、交易軌跡模型等場景。

其中三大場景應(yīng)用值得關(guān)注。

一是貸后資金穿透管理。傳統(tǒng)對公貸后管理，主要依靠業(yè)務(wù)人員進(jìn)行定期審查，耗時耗力。借助星環(huán)科技的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)，可以構(gòu)建企業(yè)知識圖譜，利用Fast-unfolding、k-core等圖算法，實(shí)現(xiàn)了貸后資金異常、資金鏈斷點(diǎn)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。

二是企業(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(fēng)險管理模式。運(yùn)用圖算法，結(jié)合星環(huán)科技自研的分析風(fēng)險傳導(dǎo)模型，支持3D可視化直觀查閱，顯著提升風(fēng)險分析水平。

三是基于企業(yè)關(guān)聯(lián)圖譜的小微企業(yè)風(fēng)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(fēng)險預(yù)警體系，通過深度分析等技術(shù)，分析風(fēng)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(fēng)險分類體系和事件庫，從而實(shí)現(xiàn)事件的風(fēng)險預(yù)警、評估、處置和分析監(jiān)控管理。

未來，金融業(yè)的圖數(shù)據(jù)庫和知識圖譜平臺的應(yīng)用的場景將不斷擴(kuò)大，業(yè)務(wù)范圍將不斷延伸，并隨著應(yīng)用實(shí)踐的不斷完善，將持續(xù)推薦業(yè)務(wù)創(chuàng)新。