头部互金科技负责人领路知识图谱

随着大数据时代的到来，各行各业使用数据的方式都发生了巨大的变化。在金融行业中，数据是异常重要的资源，如何突破既有的数据使用模式，更高效、精准、迅速地获得数据带来的价值，一直都是金融机构关注的问题。利用基于关联关系的知识图谱概念，可以突破现有的关系型数据库的限制，在金融行业中让数据发挥更大的价值。
什么是知识图谱？
知识图谱，本质上是语义网络，是一种基于图的数据结构。由“节点”和“边”组成。在知识图谱里，每个节点表示现实世界中存在的“实体”，每条边为实体与实体之间的“关系”。

现实世界中，人、车、手机号等实体对象可简单抽象为一个个实体点，两个实体之间的“关系”用一条线来表示。在知识图谱的体系里，可以做到“万物互联”，用高度抽象的数据表达方式最大限度地还原真实世界，从而在大量的关联关系中挖掘数据的价值。在金融行业的数据中，存在着大量的实体和关系，将其建立连接，可以突破传统的计算模式，从“关系“的维度深度整合金融行业现有数据，结合外部数据，更有效地挖掘潜在客户、预警潜在风险，帮助金融行业各项业务提升效率、发挥价值。

知识图谱在金融行业应用展望——风控类应用
1）反欺诈应用：
在反欺诈领域，知识图谱同样有适当的应用场景。最近几年，金融欺诈的形式多种多样，提供虚假资料，团伙欺诈，内外勾结等手法越来越“高明”，在这种情况下，原来通过单点突破进行反欺诈的方法已经远远不够，需要我们建立起一个积极有效的知识图谱。反欺诈的核心是人，首先需要把与借款人相关的所有的数据源打通，并构建包含多数据源的知识图谱，从而整合成为机器可以理解的结构化数据。在这里，我们不仅可以整合借款人的基本信息，还可以把借款人的消费记录、行为记录、关系信息、线上日志信息等整合到反欺诈知识图谱里，从而进行分析和预测。
除了申请阶段的反欺诈，通过构建已知欺诈要素(手机、设备、账号、地域等)的关系图谱，全方位了解客户海量风险数据的离线统计分析，按主题要素收集风险运营的结果反馈，建立客户风险特征信息库，优化风险模型和规则，还能做到交易阶段的反欺诈。

2）内审内控应用
同样，借助关系挖掘和知识图谱，我们也可以帮助金融机构提高内审、内控系统的效率和精度。在防范内外勾结等方面帮助金融机构，比如对受监管人员的邮件和账户往来进行数据挖掘并构建关联关系网，可以及时发现勾结外部人员或者账户异常往来的违规行为。

3）反洗钱应用
在反洗钱领域，我们同样可以帮助监管部门进行有效的监控，通过对关系账号进行逐级挖掘，可以找到隐藏在背后的洗钱账号。相比单独账号、关系的识别，对反洗钱团伙的挖掘难度更大，这种组织往往隐藏在在非常复杂的关系网络中，很难被发现。我们只有把其中隐含的关系网络梳理清楚，同时从时间、空间多维角度进行分析，才能识别潜在的风险，发现隐藏的反洗钱团伙。
以上在知识图谱中，最重要的关系网络一二度关系更是无比重要，那知识图谱如何设计，如何进行实操演练，详细可回顾：

~原创文章
…
end