隨著人工智能的迅猛發展，知識圖譜（Knowledge Graph）落地和商用能力不斷增強，越來越多的企業開始引入知識圖譜技術，解決企業內部數據分析和挖掘問題，并取得了突出的成效。
在金融行業，企業內部大量的非結構化數據、半結構化數據如各種辦公文件、文本、圖片、語音等，都蘊含著很多有價值的信息，但是這些數據大多以知識庫的形式單獨存檔，并沒有得到充分的利用，如何發揮這些數據的價值成為當前企業的一大痛點。
星環科技基于自主研發的分布式圖數據庫StellarDB與知識圖譜平臺Sophon KG，為銀行等用戶構建圖譜應用平臺，可快速挖掘非結構化數據和半結構化數據價值，找出其存在的關聯關系，提煉有價值信息，穩定可靠地解決金融行業所面臨的不同問題。目前，星環科技的解決方案已經應用在智慧風控、智慧營銷、智慧經營等場景，幫助銀行用戶創造價值。
1.金融行業知識圖譜應用迎來爆發期
在經歷了語義知識圖譜、安全知識圖譜、風險知識圖譜等應用后，金融知識圖譜隨著圖數據庫技術的不斷成熟，以及金融投資、研究領域復雜圖計算數據源的不斷豐富，在2019年迎來了爆發期。
在金融領域，目前出現多種知識圖譜，包括監管知識圖譜，如集團派系知識圖譜、產業鏈知識圖譜、擔保鏈知識圖譜、反洗錢知識圖譜等；銀行知識圖譜，如對公知識圖譜、社交畫像知識圖譜、風險傳遞圖譜、信貸資金圖譜、供應鏈知識圖譜等；證券知識圖譜，如智能投研知識圖譜、債券風險知識圖譜等；基金知識圖譜，如資管知識圖譜、債券風險知識圖譜、FOF投研知識圖譜等；期貨知識圖譜，包括大宗商品知識圖譜、政策鏈知識圖譜等。
專家認為，知識圖譜驅動行業創新，對多源異構數據和多維復雜關系的處理與可視化展示是現階段的主要價值，圖神經網絡下的深度學習算法應用將帶來更廣闊的認知市場。
2.銀行知識圖譜平臺與應用的痛點
目前，銀行知識圖譜平臺與應用的痛點主要包括：
1）平臺管控較差。權限管理和資源管控能力較差，高可用和健壯性較差，無法滿足實際場景中的圖譜構建與查詢權限分離與資源適配需求。
2）可視化效果較差。需要通過增加支持圖譜的對比分析、可視化統計、時序分析、多種布局和樣式的設置、3D大圖展示等功能，增強銀行知識圖譜平臺與應用的可視化水平，提升服務效率。
3）缺乏自然語言處理（NLP）能力。無法支撐文本標注、實體關系抽取、輿情傳播、智能問答等NLP能力，無法將知識圖譜能力拓展到更多應用場景。
4）應用場景不夠豐富。目前，銀行用戶急需基于知識圖譜平臺挖掘更多的業務應用場景，并且對業務部門賦予基于圖譜分析管理平臺業務創新的能力。
隨著金融領域數據挖掘分析的日益深化，銀行對于利用海量結構化或非結構化數據進行特定場景知識圖譜構建需求日益旺盛，并且希望構建全行級的知識圖譜平臺，對業務賦能。一方面，幫助業務人員構建深度關系拓撲，另一方面也希望借助圖分析和圖算法來提升業務洞察效率。
3.星環科技幫助銀行構建知識圖譜
星環科技基于自主研發的分布式圖數據庫StellarDB+知識圖譜平臺Sophon KG，為銀行等用戶構建圖譜平臺，實現知識獲取、圖譜構建與存儲、圖譜更新迭代、圖譜計算與分析等功能，并且通過星環平臺的高可用和健壯性，可以滿足客戶高可用、資源管控、可視化效果、NLP能力等的需求。
星環科技圖譜知識方案更穩健，性能更快，支持超大規模圖，支持圖譜的對比分析、可視化統計、時序分析、多種布局和樣式的設置、3D大圖展示，支持NLP等。
相比于基于開源系統構建知識圖譜平臺，基于星環科技自研產品構建知識圖譜平臺具有明顯優勢：
在圖數據庫方面，星環科技的平臺不是基于開源組件，而是基于星環科技自研的分布式圖數據庫Stellar DB，性能更好，比開源快4-6倍；可支持萬億邊規模圖數據存儲，具備查詢速度快、分析能力強、穩定性高的特點。
在支持圖算法方面，星環科技的KG與StellarDB平臺支持的圖算法豐富，內設金融場景NLP模型支持半自動化文本構圖；而開源的方案支持的圖算法需要手動開發，開發成本高，且不支持NLP。
在集群方面，星環科技的平臺底層基于容器，資源管控更好，支持高可用；可以方便的進行資源共享；可以動態擴縮容。
開源項目資源隔離性一般，用戶操作不當，可能造成整個集群宕機，不支持高可用；難以實現資源共享功能；無法動態擴縮容等。
4.銀行知識圖譜三大典型應用場景
目前星環科技知識圖譜在金融領域已有多個落地案例，銀行采用星環科技的分布式圖數據庫StellarDB和Sophon KG構建關聯關系圖譜和小微事件圖譜等，應用于資金斷點分析、異常圖模式探索、異常交易識別、交易軌跡模型等場景。我們選擇三個典型場景做一介紹。
1）貸后資金穿透管理
傳統對公貸后管理，主要依靠業務人員進行定期審查，耗時耗力。星環科技借助分布式圖數據庫StellarDB和Sophon KG產品，融合交易大數據及企業關聯數據，構建了企業知識圖譜，利用Fast-unfolding、k-core等圖算法，實現了貸后資金異常、資金鏈斷點等多種異常模式的識別，能夠及時發現經常性與異常交易，識別異常資金鏈模式，合理管控貸后資金。
其中，星環科技的分布式圖數據庫StellarDB具有的海量圖數據存儲能力，使得融合數據成為了可能，原生支持的圖算法使得批量分析更為簡單，其支持的openCypher圖檢索語言易學易用，有助于提高交互分析的效率。
Sophon KG提供豐富的查詢分析能力，用戶只需要輸入該領域內的關鍵詞或者自然語言，即能映射為知識圖譜中客觀世界的概念和實體，搜索結果直接顯示出滿足用戶需求的結構化信息內容，并且自動進行數據關聯和分類排列、自動配出最緊急或優先的信息。
2）企業關聯關系圖譜
某銀行用戶自2018年開始建設知識圖譜分析應用體系，結合星環Sophon KG知識圖譜技術與自然語言處理技術，首創以知識圖譜為主的對公客戶風險管理模式。
企業關聯關系圖譜發展經歷兩個階段，首先基于對公客戶信息數據，構建企業關聯關系圖譜，挖掘對公客戶股東、擔保、投資、交易、任職、法人、集團、實控等關聯關系，打造全行對公客戶關系網絡。
其次打造交互式知識圖譜應用。將圖分析與NLP自然語言處理結合，僅需以自然語言輸入，就可實現基于圖數據的分析及展示效果。
運用圖算法，結合星環自研的分析風險傳導模型，支持3D可視化直觀查閱，顯著提升風險分析水平。
3）基于企業關聯圖譜的小微企業風險事件圖譜
某銀行基于處罰數據、第三方數據、輿情數據、公告數據、歷史事件數據等，利用星環科技的知識圖譜平臺，結合風險預警體系，通過深度分析等技術，分析風險事件對企業/個人事件主體的影響和事件要素，形成事件風險分類體系和事件庫，從而實現事件的風險預警、評估、處置和分析監控管理。
5.基于知識圖譜的銀行核心管理能力升級
星環科技基于知識圖譜的解決方案，可以為銀行用戶帶來各種能力的提升。
1）客戶服務方面，網絡化、價值化的客戶服務與持續經營能力
以互聯網金融的思維為先導，通過整合、完善各類實體渠道和電子渠道的數據，構建全方位的客戶統一信息視圖與客戶圖譜，有效支持產品創新、營銷拓展、信貸服務等管理職能，實現“以客戶為中心” 的更為透明、便捷、高效的多渠道、一體化的客戶表現分析持續經營服務能力。目前主要應用領域包括渠道服務、客戶關系等。
2）在產品創新方面，差異化、關聯化的客戶服務與持續經營能力
構建產品圖譜，以標準化的產品政策定義驅動授信業務標準化作業，以產品構件化優化產品創新手段，以產品差異化優化定價能力，支持客戶信用資產風險經營目標在產品層面的分解和實施，實現以產品為中心的創新和管理服務能力。目前主要應用領域包括業務樞紐、金融工廠等。
3）統一管控方面， 統一化、集中化的授信管理和抵押品管理能力
在客戶信用管理方面，基于統一授信管理原則，根據客戶綜合融資需求，定義結構化、多層次的額度類型，結合風險緩釋機制的合規要求和授信作業所需要的押品全生命周期管理流程，根據押品的特點，構建風險暴露緩釋業務圖譜，支持統一信用洞察分析。
4）風險經營方面，精細化、穿透化的風險監控與風險量化能力
建立整合性、聯動性、差異化、精細化、自動化的授信后監控措施，構建風險圖譜，實現統一風險監控體系的管理能力，精細化及早感知識別“以風險事件驅動”的風險預警體系，化解重大集中度風險隱患。目前主要應用于組合服務、客戶信用等領域。
5）高效管理方面，標準化、連接化的客戶服務與持續經營能力
在企業管理方面，以業務管理對象為核心，提高數據應用決策支持效率，實現以客戶為中心、以市場為導向、以風險經營為基礎的資產洞察分析、數據應用分析體系。
