北京2017年11月29日电 /美通社/ -- 2017年11月8日，海致网络与《金融电子化》联合主办了主题为“AI 赋能商业银行 -- 知识图谱与智能金融”的2017首届智能金融知识图谱论坛。兰州银行行长助理何力先生在会上分享了兰州银行在大数据应用方面，部署知识图谱构筑全行级知识平台的经验。全文如下：
在经过金融科技实践的三个阶段：技术创新、平台战略，以及向互联网生态转型之后，兰州银行已经建设了相对完善的金融形态。如何将传统的金融数据以及外部数据运用起来，解决客户营销、风险防控、反欺诈等问题，成为摆在兰州银行面前的问题。
2017年年初开始，兰州银行与海致网络技术（北京）有限公司合作，构建了全行知识图谱平台，在上层实现了对传统互联网生态各个平台体系的支撑，在下层实现了对互联网数据同步、行内外数据融合以及知识图谱建设的支持。
银行业面临的挑战
在云计算、大数据、互联网金融快速发展的环境下，商业银行传统营销与风险管控能力不足日益凸显。
在营销方面，信息不对称，广撒网的营销成本太高；营销方式与产品也不是以客户为中心；营销决策依赖于经验，而不是数据；对市场商机反应不敏锐。
在风险防范方面，随着客户范围的不断扩大，传统以人工干预、现场检查为核心的风险防范和应对模式，无论是成本还是反应速度无法适应现在新的变化和需求。
知识图谱构建和更新
知识图谱就是把所有不同种类的信息连接在一起而得到的关系网络，它提供了从“关系”的角度去分析问题的能力。
应用在搜索引擎中，知识图谱可以将搜索结果进行知识系统化，为我们提供认知，任何一个关键词都能够获得完整的知识体系。
无论是客户基本信息、客户产品信息、客户交易流水等结构化数据、社交网站网页、工商局网页等半结构化数据，还是客户财报、人行征信报告等非结构化的数据，通过数据采集的方式被整合进了数据库中，通过属性抽取、关系抽取、实体抽取等信息获取流程形成知识。
然后，兰州银行通过第三方知识库将这些知识进行融合，通过共指消解、实体消歧等知识处理流程，最终构建成真正需要的知识图谱标准数据。
四场景支撑兰州银行业务
兰州银行的知识图谱项目是从今年3月份开始启动，到11月份，已经上线运行，取得了预期的效果。
兰州银行的知识图谱平台建设之后，主要应用在以下四大方面的场景：第一是挖掘潜在新客户；第二，挖掘存量客户的潜在需求；第三，反欺诈；第四，风险事件预警。
知识图谱平台的七大价值
知识图谱平台构建完成之后，应用在兰州银行业务场景中，对业务有着很好的支撑价值，我们把它总结为五个方面。
价值1：对公企业数据监控、同步、整合。
通过互联网爬虫技术，能够一站式获取对公企业数据，形成对公客户视图，客户经理能够直接看到所要的所有信息。
价值2：深入挖掘行内对公企业潜在关系。
以前行内企业与企业之间的关系我们不了解，或者不是很清楚。现在把所有数据导到大数据平台里，基于知识图谱通过人工智能方式分析之后，他们之间什么关系，通过点和线的联系就能一目了然。
价值3：可针对企业进行一站式多维搜索。
我们可以设定地域、行业等维度，知识图谱平台就能够自动匹配出来我们需要的正常信息。
价值4：自动生成企业风险及营销系数。
这主要是为了实时了解目标企业在评分模型下的风险及营销分值，能够实现对企业的快速认知，提升筛选效率。根据这个分值，客户经理可以了解客户达到一个什么样的风险系数，以便引入人工来进行干预。
价值5：整合行内企业转帐、担保信息。
企业与企业之间的转帐信息，我们能够根据知识图谱及时发现关联关系，筛选之后进行分析。
价值6：为其他系统提供企业关系图谱知识输出。
在兰州银行大数据平台建好之后，整合了行内数据和外部数据，接入行内已有对公CRM系统、对公信贷系统、百合园办公系统，全面提供对公业务领域大数据风险及营销支撑。
价值7：承接生态数据从信息到知识转化的重要工作。
通过知识图谱向信贷审批系统（预调查环节）提供对公企业工商信息、司法信息、关系图谱信息，极大提高业务人员的工作效率。这本来是后台客户经理或者更高一级审批做的事情，现在可以前置了，在调查环节，甚至在客户经理层面就能够获取到这个信息。
知识图谱未来应用探索
未来知识图谱将被应用在更多领域，比如说我们将会深化NLP（自然语言处理），也会深化反欺诈场景。
在已经有了一个基础的图谱信息之后，我们将在日志解析、授信解析、贷后落实核查等非结构化文本信息方面进行NLP的深化应用；而在关系过滤、重要关系统计、关系详情、失联客户查找等方面，深化反欺诈场景的工作。
通过深化NLP应用，我们将会对行内非结构文本数据进行进一步解析挖掘，发挥其业务价值。具体包括客户挖掘、贷前贷中、贷后管理等。举例来说，对于营销拜访日志的智能解析，能够提高信息汇总效率，实现多维度可量化统计。在贷前贷中，通过授信材料解析，能够助力流程加速。通过将NLP技术嵌入授信工作流程，能够减少重复劳动，优化与提升效率。传统的需要客户经理、风险经理、授信审批岗的处理。引入了人工智能NLP自动数据处理之后，很多环节的信息处理都是机器能够自动完成的。
在深化反欺诈场景中，在企业知识图谱发挥效用价值的同时，我们将会深入扩展其他业务的图谱数据。例如：在社交关系图谱、转账和账目网络、黑名单网络、关系详情多对多记录、ETL清洗数据等方面深化应用，实现反欺诈更加精准。
对于知识图谱的思考
在知识图谱的构建与应用过程中，我们也产生了几点思考。
首先，单纯的外部数据贩卖并不能产生重大的客户价值。将外部数据和行内数据、强关联数据和弱关联数据、结构化数据和非结构化数据逐渐融合成为开放的、可自由迭代与演化的企业标签和企业图谱，并在此基础上建立各种风险模型和营销模型，进而逐渐通过机器学习形成更智能的业务模块，是银行人工智能的方向。
其次，一个具有前瞻性，自由关联和可挖掘的图平台的搭建，是银行通往智能的基础性工程。将产品后台用程序写死，在前端用图的方式来呈现，并不是真正的大数据和知识图谱技术，这意味着现有关系、模型之外的任何修改都要通过技术人员的程序开发来实现，更意味着机器无法代替人类进行推理。
第三，巨大的数据潜力等待我们去发掘。行内风险报告、信贷报告、审计报告等非结构化数据（文本为主）和行外非结构化数据中蕴含着巨大的数据潜力，通过自然语言处理（NLP）和机器学习进行挖掘和结构化，将会得到非常大的价值。
兰州银行在发展过程中认识到了科技在金融发展过程中的作用。我们深深认识到在信息化建设过程中，外包包不出创新力，跟随也跟不出差异化，拿来拿不出核心竞争力，因此兰州银行采取自主研发、联合开发、系统集成的信息科技发展道路，积极开展科技创新。科技创新就要围绕极致的客户体验，提高服务效能。目前，科技创新带来的差异化服务能力，差距化的竞争优势正在逐步显现。
科技创新就是兰州银行业务发展的必由之路。
