杨娟：利用人工智能，让银行从大数据中真正获益

人工智能沉浮60年，迎来了第三次发展浪潮，并且正成为助推各行各业转型升级的新引擎。在国务院印发的《新一代人工智能发展规划的通知》中也着重指出，应该“推动人工智能与各行业融合创新”。金融行业作为人工智能应用的重点行业，正成为人们关注的焦点。

银行在业务开展的过程中，积累了包括客户身份、资金收付交易、资产负债情况等海量的高价值数据，加上移动互联网正狂飙突进，视频、音频、文本、日志等非结构化数据也正以加速度的形式积累。如何从这些丰富的、高价值密度的数据资源中真正获益？人工智能将为金融业带来巨大的发展空间。

人工智能如何落地银行业？基础的数据处理必不可少，在国务院印发的《新一代人工智能发展规划的通知》中也表示，需要建立包括知识图谱等新一代人工智能关键共性技术体系。自然语言处理、知识图谱、机器学习让人工智能拥有了理解能力与思考能力，也是海致这样的公司所推出的智能金融解决方案在银行业成功推进的三大核心技术。

比如说，某典型的城市商业银行通过知识图谱以及相关应用，构筑了一站式的金融客户平台服务，包括金融部、授信管理部、风险管理部、贸易金融部等所有业务线，完成了企业客户的内外部信息的整合，对企业客户信息进行深度分析，深度挖掘企业客户的关联关系，以及构建企业客户的营销评价模型。

场景示例①：关系推演寻找公司／集团实际控制人

众所周知，公司或集团的法人或者CEO并不一定是企业的实际控制人，背后真正的能够决定企业的经营方向的人是谁？高管与高管之间、股东与股东之间有哪些一致行动关系？有无疑似的亲属关系，疑似的家属关系等，都需要通过借助互联网信息进行图分析、图挖掘去寻找答案。

场景示例②：集团客户挖掘

集团客户挖掘往往是行内外数据相结合的业务环境，因为集团客户在授信和公共环节十分敏感，信息包含强关联关系，但是谁和谁之间具有集团或者企业派系关系，银行并不一定知道的。通过海致互联网信息和行内的业务信息技术决策之后，再经图分析和图挖掘技术，将寻找到企业派系的关联关系。

场景示例③：担保圈和担保链的发现

担保环、担保链、联保联贷是该城市商业银行的实际场景，通过海致智能金融知识图谱平台，发现该银行存在四万多个互保关系，包括多客户之间的联保关系、多客户之间的担保链、担保群、担保群担保的核心企业等。

场景示例④：黑灰关联企业名单发现

灰名单是银行风控或下一步授信的重要提示，如何在黑名单外发现所谓的灰名单呢？海致智能金融知识图谱平台在实际风控和授信环节中也出色地发挥了作用，并将产生的结果以API的方式推送到授信管理系统和风险预警管理系统当中。

场景示例⑤：授信集中度风险指标分析

授信集中度风险指标分析应用于评估授信集中度。例如，集团客户授信总额有3800万，达到了整个授信群的千分之零点一，这个值代表它已经超过了之前的预值，表示授信已经过于集中，此时就会发出授信集中度的预警提示，这也是在该城市商业银行实际应用的案例。

工欲善其事必先利其器。海致与国内某领先的股份制商业银行的大数据实验室联合开发，构建了领先的关系挖掘算法引擎，实现紧度中心性、频繁子图、社区发现、PageRank，基于路径pattern的风险传导模式等；强大的自然语言处理能力，使得银行识别企业的名称、人名、信贷语料等，准确率和召回率都在90%以上。

同时，对于人工智能在金融机构的应用，光有技术是不够的，不管多么先进的理念，大数据也好，AI也好，要想为某个行业创造真真正正的效益，必须要和这个行业的业务场景有一个深度的结合。否则的话，技术只能停留在概念阶段。海致的人工智能业务场景已经能够深入到银行的日常业务流程当中，让银行从大数据中真正获益，创造出真正的效益和价值。

海致的智能金融解决方案基于最新图数据库和图计算开源技术构建，并能够快速适应不同的业务场景，已经在很多家城市商业银行真正落地，与银行的业务系统紧密结合，并且成为业务流程当中的一个部分，这是海致在国内的金融科技公司当中能够独树一帜的优势所在。