大數據及人工智能技術服務
商業銀行數智化解決方案,致力于在IT應用架構層提供基于大數據和人工智能技術的場景化解決方案。公司圍繞市場需求,聚焦以銀行為主的金融客戶核心業務,從客戶內外部數據出發,運用大數據、知識圖譜、機器學習、數據挖掘等技術,為客戶提供全面的風控、營銷和運營等解決方案,助力客戶數字化轉型。整體解決方案包括:銀行數字化轉型咨詢,提供數字化轉型體系規劃;銀行信用風險管理解決方案,助力客戶全面提升風險管理;金融知識圖譜技術服務、人工智能算法技術服務、大數據挖掘及分析服務,深入業務場景,為金融科技落地及業務賦能提供支持。
運維服務——大數據及人工智能技術服務
-
專注于金融行業的圖譜應用場景建設、圖計算建模及AI大數據人工智能技術能力,推進商業銀行數智化轉型。
解決方案——商業銀行數智化解決方案
金融圖譜數字基座技術框架
多元化應用
•大規模圖神經模型落地 •多任務學習及應用
智能化
•融合更多專家經驗 •圖神經技術(動態圖、元學習、圖解釋)
更多視圖
•完善現有圖譜(產業鏈拓展經濟數據) •融合更多圖譜(擔保圈圖譜等)
融合更多數據
•區域數據和經濟數據 •多模態數據(輿情等)
部分應用案例
案例1:資金回流環用于偵測商戶套現
-
目 的
實現多度資金閉環相關的反套現規則(傳統分析平臺無法實現)。
-
算 法
利用圖存儲結構,實現多度資金回流閉環規則。
-
成 果
1.提升了一度資金回流偵測效率;
2.實現了多度資金回流的規則;
3.有效提升了銀行的套現偵測能力;
-
優 勢
1.可解釋性強,輔助業務調查;
2.計算效率高,縮短偵測周期;
案例2:多部圖用于商戶套現偵測
-
目 的
通過商戶的資金流動情況,偵測套現團伙。
-
模型方法
1.多部圖
2.高密子圖偵測
3.圖異常偵測
案例3:普惠金融小微企業融資欺詐識別
-
目 的
從交易流水、工商、客戶貸款產品等數據出發,充分分析黑樣本數據,歸納小微企業融資欺詐的特征,提煉規則,并使用圖技術重要工具分析關聯關系,識別小欺詐風險,發現欺詐團伙。
-
實現方法
1.專家規則
2.半監督學習
3.圖譜分析
-
工作思路描述
核心要義信息比對和邏輯校驗
1.數據整合:加強內部融資、結算、財務以及外部征信、工商、稅務、物流等類信息的整合
2.多維度交叉驗證分析:利用納稅申報表信息、財務報表科目信息等驗證數據真實性
3.積累黑名單信息庫:積累和擴充黑名單庫,納入日常發現存在虛假或欺詐行為的企業或個人
4.研發部署反欺詐類型:多模型集成推進小微信貸反欺詐偵測
-
主要欺詐類型及表現
1.虛假融資主體:
•虛假證照
•虛假出資
2.虛假交易背景:
•虛假發票
•虛假單據
3.虛假流水
•貸前流水大幅增長,貸后迅速回落
•當日大額轉進轉出,基本無留存
4.虛假用途
•貸款支付對象多選擇關聯企業
•短期內多個借款人貸款發放后流向同一企業或自然人
•多個借款人還本付息資金來源與同一企業或自然人
•超出自身資金需求的申請
•貸款支付對象與借款人無上下游關系
5.虛假報表
•無明顯優勢的情況下,主要財務指標明顯優于同業;
•報表多個科目之間勾稽關系存在疑問
•提供的財報數據與企業賬戶流水、實地查看的銷售及庫存情況有較大出入
案例4:產業鏈供應鏈圖譜
-
中小微企業信息缺失或信息失真,客戶經理無法看清企業,對客戶的評價主觀性較大,篩選企業時無統一標準。
-
依托產業研究框架,從產業發展、行業景氣、企業競爭力、企業交易中心度等維度構建近百個細分量化指標,多維融合形成企業成長指數。該指數支持國內任意在營工商企業的查詢,基于資金交易流水形成產業供應鏈指標,對企業信息進行補充,幫助客戶經理全面了解企業發展潛力及潛在風險。
企業供應圖譜透視
結合產業鏈圖譜,應用最前沿頻繁模式路徑搜索算法,在圖譜中挖掘核心客戶交易鏈條,形成核心客戶供應鏈圖譜
從供應鏈關系質量、穩定性、競爭力三個維度評價供應鏈,形成核心客戶供應鏈畫像
企業成長指數
案例5:銀行客戶標簽體系
價值
-
整合銀行內外部數據,實現客戶認知統一
-
建立應用于客戶畫像、智能營銷等的數據庫,用于支持規則、模型、策略等管理領域
-
提高數據復用性,支持敏捷開發
標簽體系設計流程
客戶標簽體系數據架構圖
案例6:資金流轉全景圖譜
資金交易數據是銀行最重要的資產之一,傳統數據分析存在難點:
(一)缺乏全局統一觀測視角
(二)缺乏可視化、可解讀性欠缺
(三)連續性監測難度大
(四)資金沉淀路線難以跟蹤
存款資金流向
貸款資金流向