“知识图谱+金融”的应用场景

知识图谱在金融行业的应用越来越深入，逐渐形成了四种应用场景，如图5-2所示。

图5-2“知识图谱+金融”的四大应用场景

应用1：风险评估与反欺诈

数字金融欺诈呈现出多样化、隐蔽化、场景化、产业化的特征，给反欺诈工作带来了极高的挑战。传统反欺诈技术效率较低，应用范围相对有限，难以满足现代金融业发展需要。知识图谱应用到金融反欺诈领域，可以让反欺诈系统快速搜集借款人的身份信息、消费信息、行为信息、关系信息等，并提取其特征标签，将相关关键信息整合至结构化的知识图谱中，在此基础上自动生成借款人风险评估报告，为银行等金融机构决策提供支持。

与此同时，反欺诈系统还能建立多种要素（手机、设备、账号等）构成的关系图谱，对客户风险数据进行离线统计分析，根据主题要素搜集风险运营结果，打造客户风险特征信息库，从而对风险模型和规则进行优化完善，提高银行等金融机构对欺诈风险的控制能力。

应用2：风险预测

基于知识图谱技术的风险预测可以分为潜在风险行业预测和潜在风险客户预测两大类。

在潜在风险行业预测方面，应用知识图谱技术后，金融机构、监管部门等可以利用多维度数据进行行业分析，建立关系挖掘模型，获得各行业之间的关联度等信息。当某个行业出现较大风险事件时，金融机构和监管部门便可以及时发现存在较高潜在风险的关联行业，从而采取针对性措施来应对风险。

在潜在风险客户预测方面，金融机构、监管部门可以利用知识图谱对关联企业数据及互联网数据、第三方合作伙伴数据等进行汇总、分析，找到企业和企业之间的集团关系、担保关系、投资关系、上下游关系，以及企业和个人之间的任职关系、实际控制关系、一致行动关系等，从而对潜在风险客户做出精准预测。

应用3：精准营销

在面向个人客户方面，知识图谱能够利用知识库对个人客户或客群的完整知识体系进行描述，洞察其现有需求及潜在需求，并实现金融产品与服务的定制推荐。例如，金融公司的营销人员可以利用知识图谱分析现有客户的特征，挖掘客户的共同需求，制定面向该客户群体的个性化营销方案。

在面向企业客户方面，知识图谱可以对企业的基础数据、人事数据、征信数据、专利数据、招投标数据等进行分析，生成企业的法人关系、资金关系、上下游关系、业务关系等，使金融机构可以向其精准推送金融产品和服务。

应用4：智能搜索和数据可视化

知识图谱可以根据语义对用户搜索关键词进行拓展，从而为用户提供更全面、精准的可视化图像信息。例如，证券公司的客户代表搜索某个客户的身份证号时，知识图谱可以通过图形网络的形式显示该客户的联系人关系、历史投资记录等，使客户代表可以在极短时间内对该客户的潜在风险进行评估。

互联网大幅度提高了数据体量，降低了数据整合难度和成本，而大数据推动了人工智能算法的优化完善，为知识图谱技术革新和产业应用奠定了良好的基础。目前，构建知识图谱的技术、方法已经非常多元，知识图谱在语音搜索、数据分析、视觉理解、自然语言理解、智能问答、设备互联等领域的应用价值也得到了充分体现。特别是在金融行业，知识图谱逐渐成为数据可视化、反欺诈、风险预测、用户画像等方面的底层支撑性技术，在未来有非常广阔的发展前景。