北京2017年11月29日電 /美通社/ -- 2017年11月8日，海致網(wǎng)絡與《金融電子化》聯(lián)合主辦了主題為“AI 賦能商業(yè)銀行 -- 知識圖譜與智能金融”的2017首屆智能金融知識圖譜論壇。蘭州銀行行長助理何力先生在會上分享了蘭州銀行在大數(shù)據(jù)應用方面，部署知識圖譜構筑全行級知識平臺的經(jīng)驗。全文如下：
在經(jīng)過金融科技實踐的三個階段：技術創(chuàng)新、平臺戰(zhàn)略，以及向互聯(lián)網(wǎng)生態(tài)轉型之后，蘭州銀行已經(jīng)建設了相對完善的金融形態(tài)。如何將傳統(tǒng)的金融數(shù)據(jù)以及外部數(shù)據(jù)運用起來，解決客戶營銷、風險防控、反欺詐等問題，成為擺在蘭州銀行面前的問題。
2017年年初開始，蘭州銀行與海致網(wǎng)絡技術（北京）有限公司合作，構建了全行知識圖譜平臺，在上層實現(xiàn)了對傳統(tǒng)互聯(lián)網(wǎng)生態(tài)各個平臺體系的支撐，在下層實現(xiàn)了對互聯(lián)網(wǎng)數(shù)據(jù)同步、行內外數(shù)據(jù)融合以及知識圖譜建設的支持。
銀行業(yè)面臨的挑戰(zhàn)
在云計算、大數(shù)據(jù)、互聯(lián)網(wǎng)金融快速發(fā)展的環(huán)境下，商業(yè)銀行傳統(tǒng)營銷與風險管控能力不足日益凸顯。
在營銷方面，信息不對稱，廣撒網(wǎng)的營銷成本太高；營銷方式與產(chǎn)品也不是以客戶為中心；營銷決策依賴于經(jīng)驗，而不是數(shù)據(jù)；對市場商機反應不敏銳。
在風險防范方面，隨著客戶范圍的不斷擴大，傳統(tǒng)以人工干預、現(xiàn)場檢查為核心的風險防范和應對模式，無論是成本還是反應速度無法適應現(xiàn)在新的變化和需求。
知識圖譜構建和更新
知識圖譜就是把所有不同種類的信息連接在一起而得到的關系網(wǎng)絡，它提供了從“關系”的角度去分析問題的能力。
應用在搜索引擎中，知識圖譜可以將搜索結果進行知識系統(tǒng)化，為我們提供認知，任何一個關鍵詞都能夠獲得完整的知識體系。
無論是客戶基本信息、客戶產(chǎn)品信息、客戶交易流水等結構化數(shù)據(jù)、社交網(wǎng)站網(wǎng)頁、工商局網(wǎng)頁等半結構化數(shù)據(jù)，還是客戶財報、人行征信報告等非結構化的數(shù)據(jù)，通過數(shù)據(jù)采集的方式被整合進了數(shù)據(jù)庫中，通過屬性抽取、關系抽取、實體抽取等信息獲取流程形成知識。
然后，蘭州銀行通過第三方知識庫將這些知識進行融合，通過共指消解、實體消歧等知識處理流程，最終構建成真正需要的知識圖譜標準數(shù)據(jù)。
四場景支撐蘭州銀行業(yè)務
蘭州銀行的知識圖譜項目是從今年3月份開始啟動，到11月份，已經(jīng)上線運行，取得了預期的效果。
蘭州銀行的知識圖譜平臺建設之后，主要應用在以下四大方面的場景：第一是挖掘潛在新客戶；第二，挖掘存量客戶的潛在需求；第三，反欺詐；第四，風險事件預警。
知識圖譜平臺的七大價值
知識圖譜平臺構建完成之后，應用在蘭州銀行業(yè)務場景中，對業(yè)務有著很好的支撐價值，我們把它總結為五個方面。
價值1：對公企業(yè)數(shù)據(jù)監(jiān)控、同步、整合。
通過互聯(lián)網(wǎng)爬蟲技術，能夠一站式獲取對公企業(yè)數(shù)據(jù)，形成對公客戶視圖，客戶經(jīng)理能夠直接看到所要的所有信息。
價值2：深入挖掘行內對公企業(yè)潛在關系。
以前行內企業(yè)與企業(yè)之間的關系我們不了解，或者不是很清楚?，F(xiàn)在把所有數(shù)據(jù)導到大數(shù)據(jù)平臺里，基于知識圖譜通過人工智能方式分析之后，他們之間什么關系，通過點和線的聯(lián)系就能一目了然。
價值3：可針對企業(yè)進行一站式多維搜索。
我們可以設定地域、行業(yè)等維度，知識圖譜平臺就能夠自動匹配出來我們需要的正常信息。
價值4：自動生成企業(yè)風險及營銷系數(shù)。
這主要是為了實時了解目標企業(yè)在評分模型下的風險及營銷分值，能夠實現(xiàn)對企業(yè)的快速認知，提升篩選效率。根據(jù)這個分值，客戶經(jīng)理可以了解客戶達到一個什么樣的風險系數(shù)，以便引入人工來進行干預。
價值5：整合行內企業(yè)轉帳、擔保信息。
企業(yè)與企業(yè)之間的轉帳信息，我們能夠根據(jù)知識圖譜及時發(fā)現(xiàn)關聯(lián)關系，篩選之后進行分析。
價值6：為其他系統(tǒng)提供企業(yè)關系圖譜知識輸出。
在蘭州銀行大數(shù)據(jù)平臺建好之后，整合了行內數(shù)據(jù)和外部數(shù)據(jù)，接入行內已有對公CRM系統(tǒng)、對公信貸系統(tǒng)、百合園辦公系統(tǒng)，全面提供對公業(yè)務領域大數(shù)據(jù)風險及營銷支撐。
價值7：承接生態(tài)數(shù)據(jù)從信息到知識轉化的重要工作。
通過知識圖譜向信貸審批系統(tǒng)（預調查環(huán)節(jié)）提供對公企業(yè)工商信息、司法信息、關系圖譜信息，極大提高業(yè)務人員的工作效率。這本來是后臺客戶經(jīng)理或者更高一級審批做的事情，現(xiàn)在可以前置了，在調查環(huán)節(jié)，甚至在客戶經(jīng)理層面就能夠獲取到這個信息。
知識圖譜未來應用探索
未來知識圖譜將被應用在更多領域，比如說我們將會深化NLP（自然語言處理），也會深化反欺詐場景。
在已經(jīng)有了一個基礎的圖譜信息之后，我們將在日志解析、授信解析、貸后落實核查等非結構化文本信息方面進行NLP的深化應用；而在關系過濾、重要關系統(tǒng)計、關系詳情、失聯(lián)客戶查找等方面，深化反欺詐場景的工作。
通過深化NLP應用，我們將會對行內非結構文本數(shù)據(jù)進行進一步解析挖掘，發(fā)揮其業(yè)務價值。具體包括客戶挖掘、貸前貸中、貸后管理等。舉例來說，對于營銷拜訪日志的智能解析，能夠提高信息匯總效率，實現(xiàn)多維度可量化統(tǒng)計。在貸前貸中，通過授信材料解析，能夠助力流程加速。通過將NLP技術嵌入授信工作流程，能夠減少重復勞動，優(yōu)化與提升效率。傳統(tǒng)的需要客戶經(jīng)理、風險經(jīng)理、授信審批崗的處理。引入了人工智能NLP自動數(shù)據(jù)處理之后，很多環(huán)節(jié)的信息處理都是機器能夠自動完成的。
在深化反欺詐場景中，在企業(yè)知識圖譜發(fā)揮效用價值的同時，我們將會深入擴展其他業(yè)務的圖譜數(shù)據(jù)。例如：在社交關系圖譜、轉賬和賬目網(wǎng)絡、黑名單網(wǎng)絡、關系詳情多對多記錄、ETL清洗數(shù)據(jù)等方面深化應用，實現(xiàn)反欺詐更加精準。
對于知識圖譜的思考
在知識圖譜的構建與應用過程中，我們也產(chǎn)生了幾點思考。
首先，單純的外部數(shù)據(jù)販賣并不能產(chǎn)生重大的客戶價值。將外部數(shù)據(jù)和行內數(shù)據(jù)、強關聯(lián)數(shù)據(jù)和弱關聯(lián)數(shù)據(jù)、結構化數(shù)據(jù)和非結構化數(shù)據(jù)逐漸融合成為開放的、可自由迭代與演化的企業(yè)標簽和企業(yè)圖譜，并在此基礎上建立各種風險模型和營銷模型，進而逐漸通過機器學習形成更智能的業(yè)務模塊，是銀行人工智能的方向。
其次，一個具有前瞻性，自由關聯(lián)和可挖掘的圖平臺的搭建，是銀行通往智能的基礎性工程。將產(chǎn)品后臺用程序寫死，在前端用圖的方式來呈現(xiàn)，并不是真正的大數(shù)據(jù)和知識圖譜技術，這意味著現(xiàn)有關系、模型之外的任何修改都要通過技術人員的程序開發(fā)來實現(xiàn)，更意味著機器無法代替人類進行推理。
第三，巨大的數(shù)據(jù)潛力等待我們去發(fā)掘。行內風險報告、信貸報告、審計報告等非結構化數(shù)據(jù)（文本為主）和行外非結構化數(shù)據(jù)中蘊含著巨大的數(shù)據(jù)潛力，通過自然語言處理（NLP）和機器學習進行挖掘和結構化，將會得到非常大的價值。
蘭州銀行在發(fā)展過程中認識到了科技在金融發(fā)展過程中的作用。我們深深認識到在信息化建設過程中，外包包不出創(chuàng)新力，跟隨也跟不出差異化，拿來拿不出核心競爭力，因此蘭州銀行采取自主研發(fā)、聯(lián)合開發(fā)、系統(tǒng)集成的信息科技發(fā)展道路，積極開展科技創(chuàng)新?？萍紕?chuàng)新就要圍繞極致的客戶體驗，提高服務效能。目前，科技創(chuàng)新帶來的差異化服務能力，差距化的競爭優(yōu)勢正在逐步顯現(xiàn)。
科技創(chuàng)新就是蘭州銀行業(yè)務發(fā)展的必由之路。
