知识图谱加持智能金融

正月

兰州银行正在借助知识图谱技术打造基于数据的竞争力。

甘肃省平凉市崆峒区平凉宾馆一楼，一家兰州银行自助银行刚刚开业。

这里的存取款一体机有些“特异”功能，可以凭借人脸识别技术以及二维码进行无卡取款。只要在手机APP上进行人脸信息采集，或者预约二维码即可完成操作。

实际上，這类创新两年前就开始在兰州银行不断出现。早在2013年，兰州银行制定了“未来五年发展规划”，其中，科技创新转型是三大发展战略之一。2018年已近在咫尺，科技创新正在为这家成立二十年的传统银行带来彻底的改变。

挖掘数据关系网

在兰州银行行长助理何力来看，“外包包不出创新力，跟随跟不出差异化，拿来主义拿不出核心竞争力”。而信息科技部成为兰州银行实践金融科技的重要力量。

何力将兰州银行的科技创新分为技术创新、平台战略以及向互联网生态转型三个阶段。

具体来说，在技术创新阶段，推出智能机器人、人脸识别、ATM机等创新应用；平台战略阶段，包括电商、二手房资金监管以及直销银行、中小企业云平台等，当中开始使用大数据进行风险预警；向互联网生态转型的阶段，建立集支付、理财、信贷、电子商务、大数据与金融一体的互联网金融生态，形成银行真正的竞争力。

在互联网金融生态中，依靠统一客户体系建立一户通，并结合支付渠道建立“榕树模型”，把金融融合到社会生态中。何力认为，这才是兰州银行打造核心竞争力所在，因为单一的互联网金融平台或产品容易被模仿或超越。

构建好金融生态之后，应用传统的金融数据以及外部数据成了兰州银行所面临的重要挑战。这时候，一项名叫知识图谱的AI技术吸引了兰州银行的注意。

知识图谱技术起源于互联网搜索，自语义网的概念提出之后，越来越多的开放链接数据和用户生成内容，被发布于互联网中。互联网逐步从仅包含网页与网页之间超链接的文档万维网，转变为包含大量描述各种实体和实体之间丰富关系的数据万维网。

知识图谱（Knowledge Graph）于2012年5月首先由谷歌提出，其目标在于描述真实世界中存在的各种实体和概念，及实体与概念之间的关联关系，从而改善搜索结果。

与传统数据存储不同，知识图谱以一种更为灵活的基于图的数据结构，将不同种类的信息连接在一起形成一个关系网络，进而提供从“关系”的角度分析问题、发现问题的能力。

这项技术目前在金融、公安、电信等领域中都有所应用。在银行业的应用中，借助这项技术可以有效整合工商、涉诉、招投标等外部数据，结合行内数据，形成客户多维度视图，并基于此形成链状、圈状的客户群视图，生成企业投资关系、担保关系、资金往来关系等关系图谱，从而形成营销和风控的依据。

知识图谱平台三步走

今年3月，兰州银行启动了全行级知识图谱平台项目，分为“与互联网数据同步”、“与行内外数据融合”以及“构建知识图谱”三步推进。

在数据融合中，通过关键数据对行内外客户进行关联，挖掘行内外客户的一致性。通过对歧义数据的确认、客户关系的挖掘、客户标签的构建、关键指标生成等，形成知识图谱。

这就是说，银行可以将用户单一的金融行为，与其在互联网多平台中的数据相匹配，进而形成一个立体的用户画像。在此基础之上，为银行金融平台及业务体系提供数据支撑。兰州银行用了4个月时间，完成了需求分析、系统设计、初步部署、定制开发、测试、上线以及知识转移。

兰州银行信息科技部总经理苗小军表示，这个项目的实施难点是，在熟悉了技术之后，使用互联网思维，与合作伙伴联合开发，在技术上做一些突破。更重要是结合业务场景落地，抓住用户痛点。

在完成知识图谱的构建之后，兰州银行主要将其使用在挖掘潜在的新客户、挖掘存量客户与潜在需求、反欺诈以及风险事件预警等方面。

比如在贷前阶段，通过数据整合与关联关系推理，挖掘识别企业与企业之间的集团关系、投资关系、担保关系等和企业与个人间的任职关系、股权控制关系等。此时若某关系节点发生重大事件或暴露金融风险，则触发产业链传导推理引擎，给出影响范围，为贷前决策提供有效的数据依据。

而在贷后阶段，针对商业银行存量贷款，采用动态实时的爬取技术，将诸如企业工商变更、法人信息变更、司法事件等外部变更信息进行用户定制化推送；同时结合商业银行内部数据，如资金流动变换、资金流水异常以及外部失信信息、黑名单、诉讼信息等，基于知识图谱图挖掘分析技术，利用SVM（支持向量机）、PageRank等机器学习方法，发现信贷风险传导模式，并进行关联企业风险预警推送，帮助商业银行及时发现潜在风险，提前预警启动催收流程。

一个事实是，随着兰州银行对公客户数量的不断增长，其传统以人工干预、现场核查为核心的风险防控体系日渐乏力。知识图谱技术帮助其整合关联银行内部结构化数据、非结构化数据、互联网采集到的数据以及第三方合作数据，为其构建了上下游产业链知识图谱，为贷前决策、贷后风控提供有效的数据依据，显著降低了不良贷款率。

而在下一步对知识图谱的应用中，兰州银行会在深化NLP（自然语言处理）应用以及深化反欺诈场景上进一步应用知识图谱。对于前者来说，利用日志解析挖掘客户、解析贷前贷中的授信，落实核查贷后管理等。而对后者来说，则是过滤关系、统计重要关系、关联详情、查找失联客户等。

以过滤关系为例，利用知识图谱可以在多关系转账、常用账号、常用地址、呼叫关系、亲属同事当中，快速找到风险点。何力认为，“一个具有前瞻性，自由关联和可挖掘的平台是银行通向智能的基础性工作。”而银行沉淀下来的数据中，通过人工智能、大数据分析等，是可以找到很多信息点的。

兰州银行实施的金融知识图谱系统，是与海致网络技术（北京）有限公司共同实施的。海致大数据核心团队在参与研发了全球第一个中文通用知识图谱平台之后，专注向金融产业进行垂直化的深度研发。智能知识图谱1.0是海致针对金融业推出的第一个产品。

海致金融业务副总裁杨娟表示：“商业银行正面临着大数据应用带来的巨大挑战和机会。作为人工智能的基础性技术，知识图谱可以发掘大数据的价值，将信息整合成知识。”在积累了招商银行、兰州银行等商业银行的实施经验之后，海致将会把这项业务拓展到保险、证券等行业。