大数据及人工智能技术服务
商业银行数智化解决方案,致力于在IT应用架构层提供基于大数据和人工智能技术的场景化解决方案。公司围绕市场需求,聚焦以银行为主的金融客户核心业务,从客户内外部数据出发,运用大数据、知识图谱、机器学习、数据挖掘等技术,为客户提供全面的风控、营销和运营等解决方案,助力客户数字化转型。整体解决方案包括:银行数字化转型咨询,提供数字化转型体系规划;银行信用风险管理解决方案,助力客户全面提升风险管理;金融知识图谱技术服务、人工智能算法技术服务、大数据挖掘及分析服务,深入业务场景,为金融科技落地及业务赋能提供支持。
运维服务——大数据及人工智能技术服务
-
专注于金融行业的图谱应用场景建设、图计算建模及AI大数据人工智能技术能力,推进商业银行数智化转型。
解决方案——商业银行数智化解决方案
金融图谱数字基座技术框架
多元化应用
•大规模图神经模型落地 •多任务学习及应用
智能化
•融合更多专家经验 •图神经技术(动态图、元学习、图解释)
更多视图
•完善现有图谱(产业链拓展经济数据) •融合更多图谱(担保圈图谱等)
融合更多数据
•区域数据和经济数据 •多模态数据(舆情等)
部分应用案例
案例1:资金回流环用于侦测商户套现
-
目 的
实现多度资金闭环相关的反套现规则(传统分析平台无法实现)。
-
算 法
利用图存储结构,实现多度资金回流闭环规则。
-
成 果
1.提升了一度资金回流侦测效率;
2.实现了多度资金回流的规则;
3.有效提升了银行的套现侦测能力;
-
优 势
1.可解释性强,辅助业务调查;
2.计算效率高,缩短侦测周期;
案例2:多部图用于商户套现侦测
-
目 的
通过商户的资金流动情况,侦测套现团伙。
-
模型方法
1.多部图
2.高密子图侦测
3.图异常侦测
案例3:普惠金融小微企业融资欺诈识别
-
目 的
从交易流水、工商、客户贷款产品等数据出发,充分分析黑样本数据,归纳小微企业融资欺诈的特征,提炼规则,并使用图技术重要工具分析关联关系,识别小欺诈风险,发现欺诈团伙。
-
实现方法
1.专家规则
2.半监督学习
3.图谱分析
-
工作思路描述
核心要义信息比对和逻辑校验
1.数据整合:加强内部融资、结算、财务以及外部征信、工商、税务、物流等类信息的整合
2.多维度交叉验证分析:利用纳税申报表信息、财务报表科目信息等验证数据真实性
3.积累黑名单信息库:积累和扩充黑名单库,纳入日常发现存在虚假或欺诈行为的企业或个人
4.研发部署反欺诈类型:多模型集成推进小微信贷反欺诈侦测
-
主要欺诈类型及表现
1.虚假融资主体:
•虚假证照
•虚假出资
2.虚假交易背景:
•虚假发票
•虚假单据
3.虚假流水
•贷前流水大幅增长,贷后迅速回落
•当日大额转进转出,基本无留存
4.虚假用途
•贷款支付对象多选择关联企业
•短期内多个借款人贷款发放后流向同一企业或自然人
•多个借款人还本付息资金来源与同一企业或自然人
•超出自身资金需求的申请
•贷款支付对象与借款人无上下游关系
5.虚假报表
•无明显优势的情况下,主要财务指标明显优于同业;
•报表多个科目之间勾稽关系存在疑问
•提供的财报数据与企业账户流水、实地查看的销售及库存情况有较大出入
案例4:产业链供应链图谱
-
中小微企业信息缺失或信息失真,客户经理无法看清企业,对客户的评价主观性较大,筛选企业时无统一标准。
-
依托产业研究框架,从产业发展、行业景气、企业竞争力、企业交易中心度等维度构建近百个细分量化指标,多维融合形成企业成长指数。该指数支持国内任意在营工商企业的查询,基于资金交易流水形成产业供应链指标,对企业信息进行补充,帮助客户经理全面了解企业发展潜力及潜在风险。
企业供应图谱透视
结合产业链图谱,应用最前沿频繁模式路径搜索算法,在图谱中挖掘核心客户交易链条,形成核心客户供应链图谱
从供应链关系质量、稳定性、竞争力三个维度评价供应链,形成核心客户供应链画像
企业成长指数
案例5:银行客户标签体系
价值
-
整合银行内外部数据,实现客户认知统一
-
建立应用于客户画像、智能营销等的数据库,用于支持规则、模型、策略等管理领域
-
提高数据复用性,支持敏捷开发
标签体系设计流程
客户标签体系数据架构图
案例6:资金流转全景图谱
资金交易数据是银行最重要的资产之一,传统数据分析存在难点:
(一)缺乏全局统一观测视角
(二)缺乏可视化、可解读性欠缺
(三)连续性监测难度大
(四)资金沉淀路线难以跟踪
存款资金流向
贷款资金流向