明略数据张旭：知识图谱落地金融，让AI更懂业务

本篇文章1985字，读完约5分钟

3月23日，由《金融电子杂志》和尚辉银行主办、山东城市商业银行合作联盟协办的第11届中国城市商业银行信息化发展与创新研讨会圆满结束。来自中国人民银行、中国金融电子集团公司、尚辉银行、中国工商银行、中国建设银行、中信银行、民生银行、宁波银行和金融科技企业的400余人参加了论坛。罗明数据公司被邀请参加这次会议。

代表们就“数字转型与合规管理”、“人工智能+大数据”和“技术授权的金融应用案例”等六个议题进行了为期两天的深入交流和讨论，气氛非常热烈。罗明数据技术合作伙伴/金融行业产品部高级总监张旭与与会代表分享了“金融行业企业级知识地图的实践与应用”的主题，并结合了罗明在风险控制和监管领域构建知识地图的多年行业经验。

新时期，金融业更加复杂，传统的风险管理模式迫切需要更新和变革。城市商业银行作为银行体系中最具活力和成长性的机构之一，总是面临着新的机遇和挑战。中国互联网金融协会会长李东荣表示:“在新的时代，积极拥抱金融技术是城市商业银行适应信息时代潮流的客观需要，是城市商业银行应对复杂业务发展环境的有益举措，也是城市商业银行积极推进差异化和特色化转型的有力支撑。”

张旭认为，“在走向人工智能的道路上，知识地图的意义在于构建金融场景的数据模型，帮助学习和发现数据之间的关联规则，了解事物的全貌，这是计算机了解金融业务的前提条件。整合全部数据、重建银行数据结构，并让知识地图在金融机构中落地，可以帮助金融机构利用人工智能应对未来更复杂的风险控制、监管、营销和其他情况，真正增强金融能力。”

随着银行it架构的转型升级，大数据建设的不断完善，在技术授权金融、辅助客户管理、精准营销、风险管理和运营优化的情景下，利用大数据和人工智能技术挖掘数据价值，实现智能业务决策，是未来金融信息化发展的必然方向。

为了辅助智能决策，需要以接近人类认知的方式存储数据，然后集成业务经验、专家经验和机器学习，从而提高所有银行的业务效率。知识地图从数据中提取“实体关系”，并以更接近人类认知的形式呈现数据。近年来，人工智能技术发展极为迅速，也是近年来人工智能在金融行业备受关注的技术之一。在金融行业，它也被应用于许多场景。

知识地图应用于复杂的金融业务场景，但也面临诸多挑战，如海量多源异构数据融合、从非结构化数据中提取知识、大规模知识地图存储和计算、一般知识/领域知识的数学表达、信息缺乏导致的推理错误、开发阶段的过度期望和矛盾等。这些挑战还需要在实践中逐步探索解决方案。

基于金融行业多年来运用人工智能和大数据技术的实践经验，罗明数据主要通过知识构建、知识计算、知识存储和知识应用的“关键四步”登陆金融行业知识地图。

在知识构建部分，需要完成金融机构知识地图数据模型的设计，从银行内外的结构化和非结构化数据中提取和整合知识，构建基础知识地图。在实际的知识计算过程中，需要对隐含关系、扩展属性、标签和子图进行大规模的计算，以获得例如企业客户之间形成的群体、协同行动和实际控制等利益群体以及资本回报群体。在知识存储阶段，罗明数据利用混合存储技术架构完成知识地图数据的存储，并成功登陆数十个知识地图建设项目，最大实体规模超过十亿。最后，知识的应用是通过结合人机交互模式来实现的，人机交互模式提供了极好的体验，包括搜索、碰撞、在线分析、离线主题分析等。，为信贷风险预警、审计、反欺诈、反洗钱和营销等业务场景提供服务。

在实际案例中，罗明数据为一家大型股份制银行建立了全行知识地图平台。基于罗明自主开发的金融知识地图，包括结构化数据治理、非结构化数据治理、知识地图数据库、知识地图人机交互平台等技术产品，构建了远程监控系统下的新一代数据分析和挖掘平台，实现了海量数据的分析和探索，解决了传统技术无法解决的问题，增强了远程监控工作的广度和深度，从而提高了远程监控业务的效率和能力，实现了智能化。

？数据维度:整合全行多条业务线的数据，构建银行级知识地图平台，存储和处理数十亿个实体和数十亿个关系，重构传统数据模型。

？技术维度:整合分布式存储、图形计算、机器学习和自然语言处理等领先技术，在全面提升的业务主题下，分析挖掘结构化、半结构化和非结构化数据的广度、深度和效率，实现数据价值的深度挖掘。

？业务维度:通过知识地图的构建，连接全行全行数据，构建客户关系图和资金流图，构建新的监控、预警和跟踪验证模型及其应用，增强银行远程监控能力，提高风险管理水平。

凭借其在大数据和人工智能等新兴技术方面的技术优势和实践经验，罗明数据为金融机构提供了专注于信用风险监控和预警、内部审计、反洗钱、反欺诈和智能投资研究的产品和解决方案。帮助银行充分整合内部和外部数据，构建知识地图平台和能力，深入挖掘数据价值，构建业务应用程序，并协助决策。全面提升金融客户风险管理能力和效率，与金融客户共同实现产业智能升级。

来源：央视线