在金融行业，知识图谱应用的范围越来越广。

　　知识图谱与 AI 结合之后，可以识别伪造资料、恶意注册大量虚假账号、代办包装、刷单、抢红包、套返利、薅羊毛等欺诈手段，是金融体系防范风险的手段之一。

　　2020年银行业因受疫情影响，风险波动水平要高于2019年，尤其对于民营银行而言，优质客群流失量显著，存量资产、贷后、投后的风险逐步上升，获客难度提高。构建一套自主可控的金融风险管理体系，助力我国金融业稳健发展，是金融机构的必要课题。

　　如何帮助金融机构突破传统风控体系缺少 AI 技术而难以精准了解用户属性的局限性，实现客户风险可视化，关联信息不断下钻，挖掘出更多风险和营销数据，知识图谱技术是不二法门。

　　用户数据管理、智能营销、反欺诈…知识图谱多面手

　　伴随着业内理论体系的成熟与技术成本的降低，知识图谱的市场也逐渐成熟，越来越多的厂商进入，开始为企业提供知识图谱的相关服务，但部分厂商还是缺少 AI 模型分析技术嵌套，只能做到初级的数据展现功能。

　　从行业角度看，目前知识图谱服务的领域主要集中在几个较为成熟的产业。其中普及最好和认可程度最高的行业，除了互联网行业外就是金融行业。有以下三个重要原因：

　　第一，因银行信息系统相对独立与割裂，没有形成统一数据标准并有效整合起来，形成了数据“孤岛”，以致银行积累了大量客户信息，却没有真正意义上用起来。同时在互联网、大数据高速发展的背景下，未能有效的结合数据的多样性，形成对客户的全维度可视化图谱。传统客户经理还需手工录入以及实地探访进行信息搜集、比对来排除风险，严重影响了工作效率和风险管控，知识图谱可以有效解决这一问题。

　　第二，从 FinTech 到 RegTech，银行机构不断涌现出多样化的新金融场景。这对金融机构的营销获客、用户体验、风险管理和精细化运营提出了新的挑战。知识图谱可帮助银行应对营销方面的新挑战。

　　第三，在金融欺诈频发的今天，有着明确分工和缜密“作战”计划的欺诈团伙会娴熟运用各种技术升级欺诈手段，试探和研究目标平台的业务流程和策略。在传统的反欺诈手段无法做到实时精准的识别、预警分析与防控的现实情况下，知识图谱+AI 的作用就体现出来。它能够帮助各类金融机构快速梳理和整合自由而庞大复杂的数据，极大地提升数据的运用效率，把控金融风险。

　　何为知识图谱？

　　如此多面手，知识图谱的底层逻辑是什么？

　　知识图谱基于图数据库技术构建实体和关系的关联图谱，用于梳理复杂的的关系网络图谱，挖掘出潜在客户的消费金融需求以及识别连续关系中的潜在金融诈骗风险。背后是一种规模非常大的语义网络系统，它主要目的就是为了描述真实世界里实体或概念关系之间的关联关系（实体指的是现实世界中的事物比如人、地名、概念、药物、公司等，关系则用来表达不同实体之间的某种联系）。

　　它的目的是通过大量的数据收集，整理成机器能处理的知识库。组成单位是“实体、关系、实体”三元组，以及实体及其相关属性值对。实体间通过关系相互联结，构成网状的知识结构，实现可视化的展示。

　　知识图谱可视化技术，让符合人类直觉的可视化展现于交互，帮助终端用户理解复杂关联，通过直观的语义、语音、搜索即可完成高复杂度的分析挖掘工作。

　　知识中台架构，由此可见各个模块所发挥的作用

　　基于百度智能云知识图谱技术已经在众多行业落地，金融行业表现尤为凸显，金融风控、审计、营销、咨询等场景不断延伸落地。以下结合我们在银行机构的具体落地场景，谈谈知识图谱的一些功能。

　　先从金融重中之重，智能反欺诈说起。知识图谱的运用，帮助智能风控在贷前阶段及时预测有潜在风险的关联企业，做出预警和预判；在贷后阶段帮助商业银行及时发现潜在风险，提前启动催收流程，有效降低商业银行不良贷款损失，包括五个方面。

　　金融欺诈

　　金融欺诈最常见的是团伙欺诈。团伙欺诈是指非法分子利用收集软件、小程序等模型及营销和风险的规则漏洞，通过多人包装信息等方式诈骗贷款或薅羊毛。团伙欺诈一般犯罪成员会有多套共用信息，利用机构间信息数据壁垒和割裂的缺陷进行大规模攻击。

　　另外个人欺诈，也是金融欺诈里的常见现象，比如在个人借贷业务中，借款人 A 和借款人 B 填写的是同一公司地址以及公司联系人，但 A 填写的公司和 B 填写的公司电话、法人等信息完全不一样，这就成了一个风险点，及时发送风险预警。这些现象可利用知识图谱知识抽取的技术来判断实体的欺诈风险，做出模型分析。

　　客户管理

　　除了贷前、投前的风险控制，知识图谱也可以在贷后、投后发挥其强大的作用。比如在贷后客户管理的问题上，知识图谱可以根据贷后数据信息分析客户的整个贷款表现，对客户进行标签分类，方便进行二次营销。另外，对贷后失联的客户，也可根据数据关系的下钻和信息关联找到和客户有潜在关系的人，从而提高贷款回收的成功率。

　　反洗钱

　　基于传统关系型数据库的反洗钱模型，知识图谱可根据汇款信息路径和客户信息反映出汇款异常或款项来源与实际收入不符等异常现象，从而发现洗钱风险，及时上报银行进行风险管控，并实现反洗钱数据可视化。

　　审计

　　知识图谱智能化对金融审计相关数据物料进行结构化、高精度要素抽取。结合业务系统规则，完成对待审招股书进行基于推理的合规审计。降低人工操作的繁琐，提高审计的准确率。

　　供应链金融

　　资金方可以直观地看到核心企业与上下游企业的交易信息图谱，从中可以进行捆绑企业的营销放款，也可以观察异常交易行为，提前风险预警。

　　构建坚实有效的金融防控线，知识图谱起着至关重要的作用。除此之外，知识图谱在智能 CRM、知识推理引擎、语义分析技术、知识库等方面均有较为凸显的作用。

　　➤智能 CRM：知识图谱能够帮助商业银行从传统“看起来很美”的 CRM 向“真正用起来”智能的 CRM 升级改造，从传统重产品营销的粗放式运营向“以客户为中心”的精细化运营转变。

　　➤知识推理引擎：支持知识图谱计算和推理，集成辅助决策引擎，可根据不同业务实现场景化推荐，满足深层知识应用需求。

　　➤语义分析技术：语义化搜索引擎，综合问答能力与个性化推荐与推送，帮助企业提升知识获取的效率、精准度与多样性都达到业界领先水平。

　　➤知识库：支持丰富数据接入类型，涵盖多形态知识生产能力，提供完备知识生产流控、调度、审核、调优、干预机制，多维检索、时空比对及可视化展示助力企业沉淀业务知识，面向实战的大数据检索金融知识分析系统。

　　从海量金融数据中挖掘知识，沉淀知识体系，到提供高效信息获取，可解释推理的知识应用能力，百度智能云构建了金融知识中台，能够提供智能化决策支持，为金融领域乃至其他领域打破了数据关联屏障，提供了新的思路，实现了以合规管控风险为前提的多方共赢关系。（张伟）