В настоящее время применение графов знаний в финансовой сфере является наиболее популярным, задействуя такие ключевые звенья, как контроль рисков, маркетинг и прогнозирование в финансах.
Применение графа знаний для управления рисками в финансовой сфере
-
1. Антифрод-приложение:
В последние годы имели место различные формы финансового мошенничества, предоставление ложной информации, мошенничество в бандах, внутренний и внешний сговор и другие методы, которые становились все более «умными».
В этом случае оригинального метода противодействия мошенничеству через одноточечный прорыв далеко недостаточно, и нам необходимо установить активный и эффективный граф знаний.
Ядром борьбы с мошенничеством являются люди, в первую очередь необходимо открыть все источники данных, связанные с заемщиком, и построить граф знаний, содержащий несколько источников данных, чтобы интегрировать их в структурированные данные, которые можно понять машинами.
Здесь мы можем не только интегрировать основную информацию о заемщике, но также интегрировать записи о потреблении заемщика, записи о поведении, информацию о взаимоотношениях, информацию онлайн-журнала и т. д. в граф знаний по борьбе с мошенничеством для анализа и прогнозирования.
В дополнение к борьбе с мошенничеством на этапе подачи заявки, путем построения карты взаимосвязей известных элементов мошенничества (мобильные телефоны, устройства, учетные записи, регионы и т. -мошенничество на этапе сделки.
-
2. Применение внутреннего аудита и внутреннего контроля
Точно так же с помощью интеллектуального анализа отношений и графов знаний мы также можем помочь финансовым учреждениям повысить эффективность и точность их систем внутреннего аудита и внутреннего контроля.
Помогите финансовым учреждениям предотвратить внутренние и внешние сговоры, такие как интеллектуальный анализ данных электронной почты и транзакций по учетным записям контролируемого персонала, а также создание сети ассоциаций, которая может своевременно обнаруживать нарушения сговора с внешним персоналом или ненормальные операции по учетным записям.
-
3. Приложения для борьбы с отмыванием денег
В области борьбы с отмыванием денег мы также можем помочь регулирующим органам осуществлять эффективный мониторинг.Раскапывая счет отношений уровень за уровнем, мы можем найти скрытый за ним счет для отмывания денег.
По сравнению с идентификацией индивидуальных счетов и связей, выявить банды по борьбе с отмыванием денег сложнее, поскольку такие организации часто скрыты в очень сложных сетях взаимоотношений, и их трудно найти.
Мы можем определить потенциальные риски и обнаружить скрытые банды по борьбе с отмыванием денег, только разобравшись в скрытой сети отношений и проанализировав их с точки зрения времени и пространства.
Маркетинговое применение графа знаний в финансовой сфере
-
1. Потенциальные клиенты майнинга:
Поиск потенциальных клиентов всегда был важным приложением в финансовой индустрии.Точный и быстрый поиск потенциальных клиентов связанных предприятий с помощью существующих данных и внешних данных будет большим подспорьем для улучшения банковского бизнеса.
Мы можем построить граф знаний социальной сети на основе существующих клиентов банка и определить реляционную модель графа в соответствии с различными методами и частотами общения. Проведите соответствующий социальный майнинг родственников, друзей, коллег, одноклассников, незнакомых людей и т. д. и оцените близость отношений клиентов.
Например, на основе существующих VIP-клиентов, контактов, связанных с майнингом, и их увлечений, или организации с общими увлечениями можно найти среди существующих клиентов, чтобы целенаправленно сформулировать маркетинговые стратегии для определенной части или группы людей.
-
2. Углубитесь в потенциальные потребности клиентов:
Помимо поиска потенциальных клиентов, нам также необходимо учитывать потребности существующих клиентов и продвигать соответствующие продукты в соответствии с их характеристиками.
После того, как мы создадим систему графов знаний, основанную на отношениях с клиентами банка, мы сможем эластично расширяться, например, добавляя информацию о транспортном средстве, личных увлечениях, поведении и т. д. Объединяйте несколько источников данных, чтобы более точно анализировать поведение клиентов, понимать их потенциальные потребности и делать точные толчки.
Вышеупомянутый бизнес может ориентироваться не только на индивидуальных клиентов, но и на корпоративных клиентов. Проанализируйте отношения капитала, отношения юридических лиц, инвестиционные отношения вверх и вниз по течению, деловые отношения аналогичных компаний и т. Д. Клиентов на уровне предприятия и порекомендуйте подходящие продукты и услуги для предприятий.
Прогностические применения графов знаний в финансовой сфере
-
1. Прогноз отрасли потенциальных рисков:
На основе многомерных данных мы можем создать карту знаний, тесно связанную с клиентами, предприятиями и отраслями, и прогнозировать риски на основе измерений отраслевой корреляции.
Путем разделения отрасли, создания модели интеллектуального анализа отношений на основе информации о кредите и отраслевой информации и обучения модели с помощью машинного обучения можно отобразить каждую отрасль и отрасли с наивысшей степенью корреляции. Отрасль или события высокого риска, мы можем своевременно прогнозировать связанные отрасли с потенциальными рисками в будущем, чтобы финансовые учреждения могли прогнозировать риски связанных отраслей, обнаруживать и избегать рисков как можно скорее.
-
2. Прогноз клиента по потенциальному риску:
Создав карту знаний клиентов, предприятий и отраслей, также можно связать данные между отраслями и предприятиями и на основе прогнозирования потенциальных рисков отрасли своевременно обнаруживать корпоративных клиентов, связанных с отраслевыми рисками и системными рисками.
Например, недавно в определенной отрасли в определенной провинции было несколько просроченных кредитов.Проанализировав карту знаний отрасли и клиентов, мы также можем своевременно обнаружить других клиентов с потенциальными рисками, которые могут находиться в смежных отраслях или могут располагаться в восходящем и нисходящем потенциале.