一、项目背景

随着金融市场的不断发展和变化，信贷业务成为了商业银行等金融机构的重要业务之一。然而，由于信息不对称、市场环境变化等因素，信贷业务面临着较大的风险，如信用风险、市场风险、操作风险等。这些风险的存在不仅可能给金融机构带来经济损失，还可能影响其声誉和稳定性。

近年来，随着金融监管要求不断提高、金融机构内部管理和经营迅速发展，对于客户、账户、员工、资金关系等关联关系分析的要求也越来越高，在实际应用过程中，资金链、担保圈、客户关联关系分析也越来越多的在金融机构的不同领域被提及，而在传统的关系型数据库中，对于关联关系分析的效率极低，一般都是使用迭代等方式进行层级计算，尤其在涉及金融机构的海量交易流水数据时，往往只能分析3度以内的数据，而金融机构实际的风险管控、合规管理等要求的此类分析多数需要沿着关联关系链条进行更深层次的挖掘，分析对象呈指数级增长，无法在合理的时间内计算出模型计算结果。

知识图谱作为一种较为新兴的技术，能够很好的展现和处理现实世界中的各种实体和关系，特别是复杂的网络关系。以海量流水信息为基础建立基础的客户关联关系、资金流、担保圈等知识图谱，并在此基础上进行模型研发，对内控合规、风险管控、内部审计乃至业务拓展和客户营销等多个领域均有良好指导意义，可以有效解决传统风控技术在这类场景中的问题，降低模型开发难度，提高数据分析效率。

因此,我行将知识图谱技术应用于信贷风控领域，通过知识图谱技术的应用解决传统技术在分析客户关系或资金链场景中效率低下、分析手段缺失的问题。

二、应用场景

我行采用知识图谱技术用于信贷风控，应用在担保圈风控、贷款回流分控、贷款垒大户风控、贷款集中度风控、合规审计等，通过图技术，将这个风控链路进行横向、纵向延伸。

2.1担保圈

担保贷款是信贷业务的一种，客户之间互相担保会放大信贷经营风险，因此一直是信贷部门重点排查对象之一。但是受限于上面的分析，已有的技术手段只能发现部分问题，例如一个客户给多个客户担保，多个客户为一个客户担保或者两个客户互相担保。对于三个或三个以上的客户形成的环状担保，则无法分析。这部分问题属于知道存在，却难以无法发现。

2.2贷款回流

内部审计的员工行为排查内容之一，是行内员工与贷款客户之间的资金往来,关注是否存在利益输送。在实际操作中，贷款客户可能会将资金直接或间接转至员工配偶、父母、子女的账户中。目前的数据分析手段无法综合分析自然人之间的关系和账户之间的关系，排查范围仅限于员工名下账户与借款人名下账户之间的直接交易数据。受限于模型开发难度和模型运行时间成本，大量的违规数据还没有被甄别出来。

2.3反洗钱

基于传统的反洗钱模型，通常只能关注1度的交易行为。在知识图谱中进行数据分析，通常以5度交易为分析范围。以频繁汇入模型为例，传统模型筛选条件是5日内汇入金额大于5000元、转入次数超过50次的账户，且该账户在5日内将资金集中转出，转出次数低于5次、余额小于10元，即在所有的B->A->D的资金交易中找到满足条件的A。因知识图谱在关联关系分析方面的便利性，可以在较短的运行时间内完成模型的运行，识别出5度资金链条，即C->B->A->E->F中满足条件的A。随着分析深度和广度的增加，单个模型涉及的账号通常成指数级增长，可以从大的数据维度上判断交易是否可疑，提升交易甄别的准确性。

2.4贷款垒大户

贷款垒大户是多个客户授信额度累计给某个客户使用，获取大额用信。垒大户贷款具有分散、隐蔽特征，传统的风控模型很难识别。使用知识图谱技术可以横向、纵向穿透客户间关系、资金流向，识别垒大户风险。

2.5失联客户管理

此应用场景与社交网站中“你可能认识的人”的推荐功能类似。现实中，不少借款人在借款成功后出现不还款并且失联的现象，使得催收人员无从下手。在关系分析模块中，通过2度或3度关系分析发现可能与借款人认识的潜在联系人，从而帮助催收人员提高催收成功率。

三、项目方案

3.1整体架构设计思路

知识图谱项目建设的总原则是以大数据平台软硬件环境为基础，以平台化思想为设计理念，以完备统一的数据标准为开发规范。确保平台上的各条数据处理流程互不影响、各模块功能互相配合。

3.2数据治理

数据类系统都离不开ETL流程，知识图谱系统也不例外。系统ETL流程主要分为两步：构建基础网络和主题模型分析。

3.2.1构建基础网络

在知识图谱理论中，数据分为实体、关系和属性三类。实体包括客户、账号、机构、抵质押物等。关系指实体之间可被清晰确认的关系类型，如客户和机构之间是隶属关系，账号与账号之间是支付、收款或资金往来关系，客户与客户之间是配偶、法定代表人、母公司等关系。属性则指实体或关系的相关特征，不同实体或关系的特征个数和内容都不一样，如账号的属性包括状态、余额、开户日期，支付关系的属性包括交易时间、交易金额，配偶关系的属性则仅包括建立时间。

贴源数据到达系统内后，首先经过标准化落地，存入标准层。数据的ETL过程是按照人工预先设定的规则，将二维数据表拆解为实体、关系和属性三要素，按照图数据库格式组合后存储。例如，客户在柜面取现，那么客户账户这个实体的属性之一余额就会发生变化。

3.2.2构建主题模型

在基础网络中，可以查询出各种类型实体、属性以及实体之间的关系。但是这些只是账务数据的图谱展示，还不能体现数据价值。在具体的应用场景中，我们对于期望获得的数据都有明确的业务规则。构建主题模型就是运用图算法将这些业务规则变为图析模型，在第一步的基础网络的海量数据中进行分析挖掘，分析得到的结果按主题存放。

3.3逻辑架构图

图1:系统逻辑机构

系统从逻辑上可以划分为五层，如上图所示分别是数据源层、业务数据层、知识图谱层、主题模型层及前端应用层。其中：

数据源：包括行内主要的业务系统，是大数据平台的数据源，例如数据仓库、CRM等。

标准化数据：各个业务系统的源数据质量良莠不齐，长度、精度、格式等均不统一，无法直接使用。通常源数据都需要经过标准处理后才能使用。标准化的过程通常有行内专有系统来完成，便于全行统一管理。

知识图谱：依据知识图谱所需数据模型，将各业务系统的源数据抽取为实体数据、关系数据及特征数据等，构建基础的网络关系。这一步需要多次、充分的与原系统的开发人员和业务人员进行沟通，在了解业务的基础上梳理数据资产。将以传统的关系型数据库为基础的数据资产转换为知识图谱的数据资产。例如，账号以那种表为准，客户的手机号从那个表的那个字段中获取，受托支付关系如何获取等。

主题模型：与具体应用场景相对应，例如反洗钱的频繁汇入、频繁汇出、环状等资金流模型。

前端应用：包括主题模型的可视化展示和手工操作两部分。主题模型可视化展示是指将模型的分析结果以知识图谱的方式展示出来，让用户直观的看到分析结果具体涉及什么问题。不需要业务人员手工画图去掌握资金流向或客户关系，大大降低了应用分析结果的难度。手工操作是指用户可以在界面上直接知识图谱的相关操作，例如实体查询、关系扩展、关系推演等。

四、创新点

睢宁农商银行基于知识图谱的信贷风控应用，是金融科技与银行业务深度融合的重要创新。该项目通过引入知识图谱技术，实现了信贷风控的智能化、精细化与高效化。知识图谱作为一种大规模语义网络，能够全面整合并关联银行内外的各类数据，形成复杂的关系网络，从而揭示潜在的风险点和机会点。这一创新不仅突破了传统风控方法的局限性，还极大地提高了风控效率和准确性。

4.1知识图谱技术的创新应用

睢宁农商银行不仅将知识图谱技术应用于风险管理，而且根据银行业务特点和风险管理需求，对知识图谱进行了深度定制。通过构建客户、企业、交易等多维度实体及其关系的复杂网络，系统能够更准确地识别风险点，提高风险管理的针对性和有效性。

4.2精细化管理

知识图谱技术使得银行能够从单一客户管理向客群管理转变，通过识别和管理风险共同体，实现信贷业务的精细化管理。同时，系统能够根据客户属性和关联关系，进行客群划分和风险评级，为信贷决策提供科学依据。

4.3数据驱动决策

项目充分利用大数据技术，整合多维度的客户信息数据，通过知识图谱的可视化展示，帮助风控人员直观了解客户的风险状况和业务关系，为信贷决策提供有力支持。

五、技术实现特点及优势

5.1大数据处理能力

系统采用Hadoop大数据平台架构，具备强大的数据处理能力。通过海量历史数据的整合与分析，能够挖掘出有价值的信息和规律，为风险管理提供有力支持。

5.2知识图谱构建技术

系统通过知识抽取、知识表示和知识链接等步骤，构建出结构化的知识图谱。知识图谱以图形化方式展示实体间的关系，便于用户直观理解和分析复杂的风险网络。

5.3灵活的数据接入与整合

系统支持多种数据源的接入与整合，包括结构化数据、非结构化数据等。通过统一的数据模型和语义标注，系统能够灵活处理不同格式、结构和语义的数据源，为知识图谱的构建提供全面、准确的数据支持。

六、项目过程管理

6.1需求分析与系统设计

项目启动初期，睢宁农商银行组织专业团队对业务需求进行深入分析，明确系统需实现的功能模块和性能要求。在此基础上，制定了详细的项目计划和系统设计方案。

6.2技术开发与测试

项目团队采用敏捷开发模式，分阶段推进系统开发工作。每个开发阶段结束后，均进行严格的测试验证，确保系统功能完善、性能稳定。同时，项目团队积极与业务部门沟通协作，确保系统符合实际需求。

6.3部署与上线

系统开发完成后，项目团队进行了全面的部署准备工作。通过制定详细的部署方案和实施计划，确保了系统的顺利上线运行。上线后，项目团队持续监控系统运行状态，及时响应和处理各类问题。

七、运营情况

7.1系统概览

系统涵盖了担保知识图谱、疑似垒大户图谱、员工行为知识图谱、网格关系知识图谱、流失客户图谱、失联客户图谱共六项图谱。且图谱展示支持四级视图，分别为：全行层级视图、客户经理层级视图、客户风险视图、客户关系总览视图。

（1）全行层级视图

（2）客户经理层级视图

（3）客户关系视图

（4）客户关系总览视图

7.2业务应用

基于知识图谱系统，由睢宁农商银行审计部牵头，针对小额贷款(30万元以下）的集中度风险管理开展了全面分析。本次研究以“集中区域、集中客户经理、集中结息、集中产品、集中担保、集中行业”六项集中度指标，挖掘小额贷款潜在风险因素，揭示小额贷款集中度风险，通过有针对性管理，防范和化解风险，减少资产损失，提升小额贷款质量。

（1）集中产品

（2）集中区域

（3）集中结息

（4）集中担保

（5）集中行业

（6）集中客户经理

通过对近三年小额个人贷款基本情况分析，小额贷款户数占比逐年升高；2023年末达87.58%；其中小额不良贷款户数占全行不良贷款比重也在逐年升高。因在对于贷款风险控制方面，之前尚未对小额个人贷款易出现借名、垒大户、转移用途等集中度风险进行深度识别，因此对于风险迎前管理与量化风控能力还有待提高。

根据本次分析的结果，发现个别贷款产品存在不良率较为突出，集中度风险较高的情况，如：惠宁普惠贷，对此，睢宁农商银行组织成立了线上贷款产品优化项目组，将普惠贷、生活贷、应急贷三个产品进行整合，创立“惠宁市民贷”产品，优化产品准入模型，提高风险识别能力。此外，对于个别客户存在互相担保、循环担保、交集担保、担保链以及疑似垒大户的情况，审计部及时向支行进行风险提示,提出管理建议和审计建议，由支行及时整改，化解风险。

八、项目成效

8.1风险管理水平显著提升

知识图谱系统的引入使得睢宁农商银行的风险管理水平得到了显著提升。系统通过关联分析和预警功能实现了对担保圈、贷款回流、反洗钱、贷款垒大户、失联客户等风险点的有效监控和防范。系统还提供了丰富的风险分析工具和报表，帮助银行管理层更好地了解风险状况并制定相应的风险管理策略。

8.2社会效益与品牌影响力提升

知识图谱系统的构建和应用不仅提升了银行的风险管理水平和服务质量，还带来了显著的社会效益。通过防范潜在风险事件和降低不良贷款率等措施，银行为社会的金融稳定和发展做出了积极贡献。借助于系统的先进性和创新性，也提升了银行在金融科技领域的品牌影响力和竞争力。

九、经验总结

9.1深入理解业务需求

在项目实施过程中，深入理解业务需求是成功的关键，项目团队需要与银行风控人员紧密合作，深入了解信贷风控的业务场景和需求痛点。只有准确把握业务需求才能确保系统设计的合理性和实用性。

9.2注重数据质量和整合能力

知识图谱技术依赖于高质量的数据支持。因此，在项目实施过程中需要注重数据质量和整合能力。项目团队需要采用先进的数据清洗、抽取和整合技术，确保数据的准确性和完整性。同时，还需要建立有效的数据治理机制和数据质量监控体系，确保数据的长期可用性和稳定性。

9.3强化系统扩展性和适应性

随着业务需求的变化和技术的发展，系统需要具备强大的扩展性和适应性。在项目设计和实施过程中需要注重系统的模块化设计和微服务架构的应用，确保系统能够方便地进行功能扩展和性能优化。同时，还需要建立有效的系统升级和维护机制，确保系统能够持续满足银行长期发展的需求。

9.4加强用户培训和支持

系统的成功应用离不开用户的积极参与，因此，在项目上线前需要加强用户培训和支持工作。通过培训帮助用户掌握系统的使用方法和操作流程，提高用户的操作能力和满意度。同时，还需要建立有效的技术支持和服务体系，确保用户在使用过程中能够得到及时的技术支持和帮助。