企业服务

金融知识图谱领跑者,海致星图以最佳实践实现客户价值

海致星图深耕金融领域,以知识图谱技术推动金融业务数字化转型

2020年08月24日
指导 | 李喆 调研 | 李喆 孙文奕 撰写 | 鲍怡廷
  • 企业服务
  • 海致星图
  • 杨娟

海致星图是国内金融领域知识图谱的开创者,致力于用知识图谱技术赋能金融领域营销与风控业务,也是目前国内拥有最多成功实践案例的知识图谱厂商。海致星图通过多年金融行业的知识沉淀与技术积累,提供金融领域知识图谱构建的全流程服务。

知识图谱(Knowledge Graph)本质上是一种基于语义网络的知识库,由Google公司在2012年率先提出,旨在实现更智能的搜索引擎。2013年后知识图谱技术在业界普及,目前在金融、公安、医疗以及电商等垂直行业具有广泛应用。

海致星图是一家以知识图谱技术为核心的金融大数据技术与服务公司,致力于利用知识图谱技术整合机构数据、分析关联关系,让数据形成知识并最终服务于业务应用,支撑企业的数字化转型。


海致星图保持在国内金融领域知识图谱的先进性,2017年11月发布Atlas知识图谱平台1.0版本,以知识图谱技术深入金融实际业务场景。2019年8月海致星图发布最新的Atlas知识图谱平台2.0版本,在1.0版本基础上新增10余种自研算法,全面覆盖语义计算、图神经网络、表示学习、事件推理等深度知识图谱分析与挖掘场景并对自研的混合型知识存储数据库持续优化。

海致星图解决方案核心——Atlas知识图谱平台

海致星图Atlas知识图谱平台是一站式知识图谱数据分析服务平台,客户可依托平台完成知识的抽取、实体融合、关系挖掘、算法建模、知识推理、服务发布等全流程的知识图谱构建,并能灵活将其服务模块进行API开发共享。

海致星图Atlas知识图谱平台核心技术能力包括图数据平台、图分析与挖掘平台与应用门户。图数据平台层面,海致星图自研的Atlas图数据库,能够满足高性能与高兼容性的知识图谱平台需求,同时加强数据源管理,优化图计算。

图分析与挖掘平台层面,海致星图积极推进技术融合,将NLP、机器学习与知识图谱相结合,更好的完成海量数据的挖掘、建模与分析,支持在百亿节点、千亿边、万亿记录的PB量级数据中进行复杂关系挖掘与毫秒级响应,同时基于图特征提取,降低模型训练的干扰。

应用门户平台层面,海致星图长期行业积累形成大量的业务应用模型,构建应用集市,方便客户操作和配置。同时客户可以将完成配置的知识图谱平台应用进行发布和统一的管理。

强大的Atlas知识图谱平台是海致星图解决方案的核心,基于Atlas平台,海致星图打造国内首个针对金融领域的知识图谱平台——海致星图智能金融知识图谱。

深耕金融行业,知识图谱让业务“跑起来“

目前,金融领域已广泛应用知识图谱技术,技术在行业内渗透度较高,知识图谱厂商众多。正如海致星图CEO杨娟强调:金融领域具有“双面性”,一方面行业针对科技创新投入较多,市场规模巨大;另一方面,客户要求较高,厂商竞争激烈,也拉动了知识图谱产品技术的快速发展。作为国内金融知识图谱的开拓者,海致星图长期保持在行业内的领先位置,依靠的是不断的技术创新与专业服务。

海致星图推出智慧金融知识图谱2.0版本,提供更完备、更深入金融领域业务场景的知识图谱解决方案。平台具备强大的自然语言处理能力,包括模板识别、实体识别、情感分析等,也具备领先的关系挖掘算法引擎,是海致星图大数据多年研发与客户服务的积累。基于海量数据,海致星图构建7大类客户标签体系,形成数十种业务模型,赋能金融领域客户背景调查、客户360度价值评估、潜在客户营销、贷后预警、智能风控、反欺诈、反洗钱、不良资产管理、监管合规等业务应用场景。


海致星图最早应用知识图谱技术赋能金融行业的营销业务环节,在服务客户的过程中,海致星图发掘知识图谱技术在金融风控端的业务应用,从对公场景风控到零售场景风控到反欺诈与反洗钱,目前已实现金融全方位风控应用。

知识图谱类似于中台应用,对上层业务应用起到支撑作用。知识图谱的应用重在“专”与“精”,通用知识图谱往往不能很好的作用于业务应用,搭建专注于具体行业的领域知识图谱就显得格外重要。

从2016年搭建国内金融领域知识图谱平台开始,海致星图服务金融行业已有4年时间。海致星图强调深耕业务场景,帮助客户完成知识图谱项目顶层规划与业务梳理,契合用户需求,提供知识图谱构建的全流程解决方案。在服务客户的过程中,海致星图封装大量金融领域业务模型,包括客户评价、营销、风险等三大类数十种模型。丰富的业务模型让客户可以快速搭建知识图谱平台让业务“跑起来”,让知识图谱不再是“空中楼阁”。

践行知识图谱赋能业务,凭丰富实践案例积累“底气“

目前海致星图是国内知识图谱成功实施案例最多的大数据公司。截止2020年7月,海致星图金融机构核心客户达到50多家,在金融知识图谱领域继续领跑。

海致星图认为,实践是检验真理的唯一标准,客户是检验产品价值的最终标准。海致星图强调产品在客户业务环节的反馈,强调作为科技公司不能失去对业务的敏感度、对客户的同理心。

知识图谱作为中台型应用,重要的是与业务环节打通,赋能多业务部门的工作。大量案例的成功落地应用使得海致星图能够快速打磨出成熟产品,并积累丰富的项目交付与平台对接经验,大幅降低项目的落地难度。

成功的实践案例增强客户对知识图谱产品的信心,随着知识图谱技术行业渗透度的不断增加,企业级知识图谱平台将是未来的建设重点。但平台建设难度大、周期长,需要知识图谱厂商有成熟的产品与丰富的项目经验,而这些正是海致星图通过实践案例积累的“底气”。

最佳实践案例——海致星图助力招商银行打造国内最大的银行知识图谱平台

招商银行作为国内金融科技实践的先驱,为提升数据价值不断进行积极的探索。海致星图为招商银行信用卡中心打造了中国最大的银行知识图谱分析平台,面向信用卡中心一线经办人员、运营及策略人员、数据科学家等用户。

通过海致星图知识图谱平台,招商银行的各级组织可在知识图谱平台上自主导入各自的图数据,创建图模型,并在此基础上做图查询、特征指标创建、权限管控等业务操作。平台接入了8000万持卡人相关数据,形成30亿+条实体数据与360亿+条关系边数据,涉及16类实体、18种基础关系和28种挖掘类关系。

系统上线后,招行银行信用卡中心利用海致星图知识图谱平台的算法与业务模型,先后进行了互保企业违约传导分析、授信资金异常形态识别、担保(圈、链、网络)高风险节点识别、担保违约风险预测等应用,有效提升了招商银行在各类场景下的风控能力。

利用海致星图知识图谱平台,招商银行信用卡催收中心日常催收搜寻工作时长缩短25%,有效挖掘并修复的失联客户数提高23%;伪冒侦测中心有效识别了疑似欺诈团伙800余起,环比提升超过20%。

同时,平台还进行了关联营销潜客名单挖掘、行业营销价值评估、上下游企业商机传导等业务实践,并进行了集团派系的构建和划分,助力营销业务提升,营销部门的客户触达数环比提高18%。平台的成功实践为各项业绩的不断增长提供了可靠的支持。

近期,爱分析对海致星图CEO杨娟进行了访谈,就海致星图的发展历程、产品与服务及行业趋势见解等方面进行了深入交流,现将部分精彩内容分享如下。

知识图谱市场逐渐成熟,技术融合是未来趋势

爱分析:相比于去年,今年知识图谱的市场发生哪些变化?

杨娟:今年知识图谱市场变得更加成熟,尤其是在金融领域。知识图谱最早在企业关联关系查找、股权穿透、实际控制人和一致行动人的查找等业务场景中有所应用。经过一段时间发展,知识图谱的应用部门已经从公司金融部拓展到风险管理部、信贷审批部、审计和稽核部门。在银行的业务领域从对公业务拓展到零售业务。同时,知识图谱应用也快速渗透到非银金融机构,比如基金、证券和交易所等。

目前知识图谱的应用场景正处于“自然蓬勃生长”的阶段。海致星图把知识图谱定位成数据中台或者AI中台的组成部分。当具备完善能力的知识图谱中台构建完成之后,开放给业务专家和合作伙伴,上层会自然而然涌现出各种各样的应用,形成一个良性循环的发展生态。

在海致星图服务客户的案例中,在完成初期的知识图谱平台搭建之后,随着合作的不断深入,越来越多的业务部门会参与到知识图谱的项目中。在知识图谱平台上接入数据的种类不断增加,从最早的十多种数据逐渐增加至成百上千种数据,知识图谱上运行的模型不断贴近和深入业务。相应而来,平台的运算能力也受到考验,从几个节点扩展至几十乃至上百个节点,数据处理的吞吐量不断加大。同时,知识图谱在知识构建的过程中,更需突出技术融合的优势。知识的来源十分广泛,包罗万象,要做到更好的机器知识与人的知识相结合,就需要做到更好的机器学习、深度学习与知识图谱的技术融合。

爱分析:目前知识图谱和深度学习的技术融合,是怎样的一种结合方式?

杨娟:目前深度学习本身存在两个问题,一个是深度学习对数据样本要求比较高,但很多场景内的数据量有限。另外一个问题就是深度学习的不可解释性。知识图谱本身具备先验的常识,一定程度上,可以节省大量的样本要求。深度学习却比较难训练出常识,利用知识图谱技术可以去大大减少对样本数量的依赖。同时,知识图谱中的知识推理以及知识解释具备逻辑性,可以很好的去弥补深度学习的不可解释性。知识图谱会对深度学习的产出进行校验,这也是一种交互方式。目前技术融合也是知识图谱领域的热门方向。

爱分析:目前知识图谱结合深度学习技术的应用场景有哪些?

杨娟:目前在智能客服以及内容推荐的应用场景较多。

爱分析:海致星图如何看待知识工程的市场?

杨娟:知识工程或者说知识管理具有较强的领域性。知识工程是聚焦在某些具体领域的知识库而不是百科类的应用。海致星图聚焦在金融领域,所以面对知识工程的市场,也是选择金融领域去切入。但是金融领域同样范围很广,海致星图选取了公司金融和投资金融两个方向着重发力。在这两个方向上提取语料库并进行学习与训练,形成知识体系。目前已经在和客户进行深度的合作。

爱分析:目前客户对于知识工程的定义是什么?

杨娟:客户会将知识工程落地为全行级的知识平台,由银行的科技部门牵头,在实际项目中,构建知识平台需要分期建设。科技部门会联合相关业务部门的需求一起去完成知识平台的构建,建设后的平台成果主要是一线的业务员工使用,例如客户经理和风控经理。所以知识平台与实际业务是紧密结合的,知识平台需要更好地推动业务运行而不是简单做一个搜索引擎。

覆盖金融多个业务场景,打造行业壁垒

爱分析:海致星图创立至今,产品的应用场景是否有变化?针对于风控领域,未来会有哪些发展趋势?

杨娟:知识图谱在风控领域的应用最广,同时在营销、审计、监管等各个领域都有一定的应用。海致星图最早在2016年和招商银行进行第一次合作,当时主要是偏营销的业务场景,后续不断深入,逐渐融合了风控端。

海致星图从对公场景风控到零售场景风控,整体向全方位风控应用发展的过程。同时不断深挖风控领域,如之前对于风险传导的判断主要追溯交易关系、股权关系、投资关系等相对微观的数据,但随着市场环境的复杂化,海致星图对于风险的判断会加入行业趋势、政策趋势等宏观的趋势分析。这些宏观的知识会对风险评价产生很大的影响。宏观知识其实也要融汇到微观计算中,这也是海致星图一个不断发展的方向。

同时,随着海致星图在风控领域的不断深入,整个模型的准确率也会不断的上升。之前的风控模型出来的数据很多只是提供参考。随着算法的优化,准确率的提升,风控模型也可以实现决策的功能。

零售业务中,海致星图也会形成交易类知识图谱,目前正在和行业内头部的资产公司合作构建不良资产知识图谱。

爱分析:知识图谱平台可以应用在营销的哪些环节中?

杨娟:知识图谱能赋多种营销业务场景。例如通过知识图谱智能推送上下游潜在客户给一线业务人员;一线业务人员获取客户时,可以通过知识图谱平台查找其资产、投融资以及经营状况等数据,进行客户初评;再例如利用知识图谱平台推送合适的金融产品和关联话术给业务人员。总体来说,知识图谱平台就是在营销过程中,将与潜在客户及营销相关的知识推送给客户经理,赋能销售流程。

爱分析:在金融反欺诈场景中,知识图谱对团伙欺诈行为的识别效果怎么样?

杨娟:知识图谱进行团伙识别是一个非常有价值并有效的应用。现在的欺诈行为呈现出隐蔽性、复杂性、团队协作性的特征。知识图谱对于这种团伙欺诈识别有非常强的适用性。

爱分析:未来知识图谱技术在金融领域内是否有更深入的应用?

杨娟:随着应用模型的不断增加,客户的应用场景也在不断拓展。同时,更深层次的技术融合也会使知识图谱技术更深入客户应用领域。随着客户对于知识图谱技术的接受度不断增加,企业级知识图谱平台的构建会成为未来的“主旋律”。

爱分析:如何看待众多知识图谱厂商选择深耕金融领域的现状?

杨娟:金融领域具有“两面性”。一面是金融领域尤其是银行业每年针对科技创新都会投入大量资金,市场规模足够大。另一面是厂商也会盯住金融的市场,用户技术水平较高,竞争也会更加激烈。同时金融领域内技术创新较快,公司稍有松懈可能就会掉队。所以在金融领域,更强调公司的技术能力、产品实力、业务理解以及服务水平。厂商的产品也会在重重考验中变得更好。

爱分析:目前海致星图的图数据库是自研吗?

杨娟:公司前期应用过多款开源图数据库,发现或多或少存在技术上的短板。随着公司发展,目前海致星图正在进行全自研的图数据库产品的研发,做到图数据库的自主可控,同时在多个技术方向取得突破。

爱分析:海致星图目前如何建立生态合作?

杨娟:海致星图的核心产品是知识图谱平台,同时也在封装平台上的业务模型,形成“模型仓库”,这部分业务模型公司也会与合作伙伴共享。公司平台坚持开放性,支持生态伙伴开发定义自己的模型应用。

定位中台——海致星图用技术赋能业务

爱分析:目前海致星图发展到哪个阶段?

杨娟:一定意义上,海致星图已经完成了从零到一的建设过程。现在正处于商业层面进行规模化扩展,技术层面上取得更大突破性进展的阶段。

爱分析:面对金融行业内对公业务与零售业务,知识图谱厂商有各自的定位,海致星图是如何看待公司定位的问题?

杨娟:海致星图把知识图谱定位在中台的位置,重点在于通用、赋能和复用。知识图谱深入到各个领域中,厂商需要在领域去积累相应的领域知识,例如,对公、零售、审计等都会有自身的特点。

爱分析:目前银行中台化的进程如何?

杨娟:中台化则不是简单的IT平台建设,更多的是对于数据与业务的梳理并进行统一化的标准定义。中台的建设是一个中长期的过程,更多的是先在特定的业务领域局部落地,后期再逐渐拓展至企业级的中台。

爱分析:目前银行在遴选知识图谱厂商时主要的关注点有哪些?

杨娟:首先银行都会关注实际案例、产出效果等方面,其次,国有银行和股份制银行更看重厂商技术平台层面能力,因为对于这类客户而言,知识图谱平台的搭建要支持未来多部门长时间的业务应用。而地方性银行更关注厂商的业务场景与模型的积累,因为客户需要快速的落地实现业务价值。

爱分析:客户如何评价知识图谱的使用效果?

杨娟:客户有很多评价的指标,比如预警信号的识别率、风险传导的准确率、催收触达率等数据指标。

8月26日,由爱分析举办的【2020金融机构数字化论坛】即将开启,各位来自银行、证券、数字化厂商的专家将齐聚线上,为大家分享金融机构数字化最佳实践。

点击下图或扫描二维码,即可报名!