[知識圖譜] 4.1-知識圖譜在金融領域中的應用實踐

時間 2019-12-09

標籤知識圖譜 4.1 金融領域應用實踐简体版

原文原文鏈接

目前，知識圖譜在金融領域中的應用是最爲火熱的，涉及到金融中風控、營銷、預測等重點環節。網絡

知識圖譜在金融領域中的風控類應用

一、反欺詐應用：機器學習

最近幾年，金融欺詐的形式多種多樣，提供虛假資料，團伙欺詐，內外勾結等手法愈來愈「高明」。學習

在這種狀況下，原來經過單點突破進行反欺詐的方法已經遠遠不夠，須要咱們創建起一個積極有效的知識圖譜。優化

反欺詐的核心是人，首先須要把與借款人相關的全部的數據源打通，並構建包含多數據源的知識圖譜，從而整合成爲機器能夠理解的結構化數據。日誌

在這裏，咱們不只能夠整合借款人的基本信息，還能夠把借款人的消費記錄、行爲記錄、關係信息、線上日誌信息等整合到反欺詐知識圖譜裏，從而進行分析和預測。事件

除了申請階段的反欺詐，經過構建已知欺詐要素(手機、設備、帳號、地域等)的關係圖譜，全方位瞭解客戶海量風險數據的離線統計分析，按主題要素收集風險運營的結果反饋，創建客戶風險特徵信息庫，優化風險模型和規則，還能作到交易階段的反欺詐。get
二、內審內控應用產品

一樣，藉助關係挖掘和知識圖譜，咱們也能夠幫助金融機構提升內審、內控系統的效率和精度。數據挖掘

在防範內外勾結等方面幫助金融機構，好比對受監管人員的郵件和帳戶往來進行數據挖掘並構建關聯關係網，能夠及時發現勾結外部人員或者帳戶異常往來的違規行爲。io
三、反洗錢應用

在反洗錢領域，咱們一樣能夠幫助監管部門進行有效的監控，經過對關係帳號進行逐級挖掘，能夠找到隱藏在背後的洗錢帳號。

相比單獨帳號、關係的識別，對反洗錢團伙的挖掘難度更大，這種組織每每隱藏在在很是複雜的關係網絡中，很難被發現。

咱們只有把其中隱含的關係網絡梳理清楚，同時從時間、空間多維角度進行分析，才能識別潛在的風險，發現隱藏的反洗錢團伙。

知識圖譜在金融領域中的營銷類應用

一、挖掘潛在客戶：

挖掘潛在客戶一直是金融行業關注的一項重要應用，經過現有數據和外部數據精準、迅速地找到相關業務的潛在客戶，對於銀行業務的提高會起到較大助益。

咱們能夠基於現有銀行客戶創建社交網絡知識圖譜，根據不一樣的交往方式和頻次定義圖譜的關係模型。對客戶的親屬、朋友、同事、同窗、陌生人等進行相關的社交挖掘，評估關係緊密度。

好比，基於現有VIP客戶，挖掘相關聯繫人及其愛好，或能夠在現有客戶中去發現具備共同愛好的一個組織，從而能夠有針對性地對某一部分或一類人羣制定營銷策略。
二、深挖客戶潛在需求：

除了挖掘潛在客戶外，咱們也須要挖掘現有客戶的需求，針對他們的特色推送相關產品。

當咱們創建好一個基於銀行客戶關係的知識圖譜系統後，能夠進行彈性擴展，如增長車輛信息、我的愛好、行爲等。結合多種數據源，更加精準地分析客戶行爲，瞭解客戶潛在需求，進行精準推送。

以上的業務不只能夠針對我的客戶，還能夠針對企業級客戶。分析企業級客戶的資金關係、法人關係、上下游投資關係、類似企業業務關係等，爲企業推薦合適產品、服務。

知識圖譜在金融領域中的預測類應用

一、潛在風險行業預測：

基於多維度數據，咱們能夠在客戶、企業、行業間創建起緊密關聯的知識圖譜，從行業關聯的維度預測風險。

經過對行業進行細分，根據貸款信息、行業信息創建關係挖掘模型，並經過機器學習進行模型的訓練，可展現每一個行業及與其關聯度最高的幾個行業，若是某一行業發生了行業風險或高風險事件，咱們能夠及時預測將來有潛在風險的關聯行業，金融機構從而可對相關行業的風險作出預判，儘早地發現並規避風險。
二、潛在風險客戶預測：

經過創建客戶、企業、行業的知識圖譜，也能夠將行業和企業之間數據進行鏈接，基於對行業的潛在風險預測，及時發現行業風險、系統性風險相關聯的企業客戶。

好比某省最近某行業的連續出現了多筆逾期貸款，經過對行業和客戶的知識圖譜進行分析，咱們也能夠及時發現可能位於關聯行業，也有可能位於上下游潛在的其餘存在潛在風險的客戶。

參考資料：

相關標籤/搜索

每日一句

每一个你不满意的现在，都有一个你没有努力的曾经。