一、项目背景

1.内外部环境

当前市场环境下，金融欺诈的新手段层出不穷，并已由过去的单兵作战演变成有规模、有组织的团伙欺诈。

在湖北农信实际经营中，亲友集中借贷、“垒大户”的现象比较明显，如果幕后的实际借款人出现风险，往往会带出一批客户违约，因此在贷前调查和贷后管理中对于客户之间的关联关系的识别显得尤为重要。此外全省农商行信用卡业务经过这几年的迅猛发展已有相当的体量，但是背后蕴含的风险也日益显现，而养卡套现群体已经成为信用卡逾期的重要先兆，因此及时识别潜在风险客户是现阶段信用卡风控的重要方面。通过构建客户数据的关联网络并建立模型挖掘客户之间的异常关系已经成为大数据风控的重要方面，湖北农信大数据平台建设已有三年多，建设一套符合自身特色的零售客户关系图谱不仅是大数据应用建设的重要扩展也是业务发展的迫切需求。

2.关系图谱在风险识别中的优势

零售关联图谱的主要优势有两方面。*****，通过关系人的识别挖掘群体性风险。当前银行的大部分风控手段以个案防范为主，如判断一笔交易或者一个账户的风险，对威胁更高的群体性风险防范不足。群体性风险一般涉及多个客户的业务，在单笔申请、交易或者单个账户视角并不能看出任何风险，但是在建立多维度、多属性关联关系（如账号交易关系、设备账号关系、担保关系、客户账号关系等）后，风险群体往往呈现出明显的异常模式子图，并且已知的风险可通过关联关系进行传播扩散，以发现更多风险关系和节点。第二，提升大数据利用效率。目前湖北农信已经完成大数据平台的基础建设工作，系统上具备支持大数据的分布式计算、存储能力，业务上通过建设数据仓库、数据集市，以支持业务的分析挖掘工作。但这些数据都以数据表的形式、按数据库的关系数据模型组织业务数据，该数据格式虽然有利于数据报表类的分析，但是对业务中涉及的多种实体、网络状的复杂关系进行展示和分析比较困难。客户关系图谱以图数据模型重新抽象业务流程和组织业务数据，构建复杂的人（身份证）、手机号码、银行账户、业务订单等实体之间的关系。通过图数据库系统索引关联网络，提供高效的关联网络信息检索服务，并借助关系网络可视化技术，将检索的复杂关系进行可视化展现。

二、建设目标

依据大数据平台应用研究项目的成果，按照“一体两翼、多点助力”的整体数据建设思路，既以全局观点规划为基础、以业务需求驱动为导向、以数据安全为核心的开发方法，确定了关联人风控系统项目的实施目标。

在分管领导的带领下，数据中心、微贷中心、反洗钱中心等多个部门的业务和技术人员以及合作公司人员共计近15人组成了三个条线的项目团队，经过一年多的建设，为湖北农信建设了零售客户关系数据集市和基础知识图谱，在此基础上内置模型建设关联人风控应用场景。具体包括：

1.图谱关联指标输出

构建知识图谱的过程中，基于对业务的理解和对数据的深入分析和计算，输出多种关联指标，场景化相关指标，以实时指标查询和批量应用的方式对接业务系统。

(1)实时应用

信贷业务人员在贷前审批、贷中监测业务中，利用零售知识图谱提供的指标查询API，查询、展示客户的关联指标，并在业务系统嵌入关联关系查询界面，业务人员通过条件查询用户关联关系，比如查询用户的担保人、联系人、已使用的产品、业务还贷情况等“人-人”、“人-产品”、“人-交易”关联关系。在现有业务基础上，进一步提供了贷前审核、贷中行为监测的效率和准确性。

（2）批量应用

根据配置的指标，定期对信贷业务人员管理的用户的相关图谱数据进行跑批处理，展示关联关系指标，对有疑点的关系和指标，业务人员可直接点击该项展开关联关系的细化分析。

2.场景化图谱展示

在全景基础图谱中查询，可展示所有的关联关系。具体到某个业务场景，可根据场景特点和需求自定义需要展示的节点和关系，重点突出场景化关联指标。

创新性实现“人-人”穿透式关联关系查询和扩展：两人间存在非直接关联关系的情况下，可穿透中间关联的关系节点，隐藏相关信息，直接展示“人-人”关系。比如，通过共同使用过同一设备（跨设备关联）、关联同一账号（跨账号关联）、关联同一担保人（跨担保人关联），可通过智能穿透展示直接呈现人与人的关系，隐藏中间的节点，符合业务人员查询和分析的习惯。

同时，在发现异常的“人-人”关系后，可支持展示中间节点的方式查询，展示所有的关联节点和关系，以便对重点对象的全景式查询和分析。

三、创新点

本系统基于全行基础业务关联网络，通过场景相关的一些策略构建场景化的关联网络。

主要对客户基础网络身份证节点、贷款申请网络身份证节点、信用卡网络商户号节点、资金交易网络非行内卡号节点、配偶关系、担保关系、管户关系、共用手机号关系、行内储蓄交易关系、行内-非行内交易关系、非行内-行内交易公用手机号关系、信用卡交易关系、兄弟姐妹关系、父母关系、子女关系、祖父母关系、孙子女关系等信息进行可视化展示，并重点监测行内员工及违反风险策略客户，及时识别关联风险，定期同步新增数据，扩展图谱内容。

设置规则筛选出特殊关联关系定期更新可疑关系名单组，支持在页面对风险名单进行筛选查询，并可按照功能场景将风险名单推送给其他业务系统。主要包括两个应用场景：

1.贷款关联人风险防控

贷后资金归集的现象往往能反映出贷款中介、私款公用、亲友集中贷款垒大户等行为。

其中，经贷款中介包装的贷款申请，欺诈风险很高；私款公用、亲友拆借等行为，一旦整体经济环境不好，逾期风险迅速增高；行员作弊行为造成业务运营数据不准确，实际利润减少。贷后资金异常团伙挖掘，要求有申请人使用行内银行卡作为贷款的绑定账号，以保证至少收集到贷款申请人贷后一度交易的数据和还款数据，如果一度交易的对手账号仍是行内银行卡，则可以收集到更二度的贷后交易数据，以此类推。

由于涉及信贷的业务部门都有贷后资金归集检测的需求，我们将微贷中心、电子银行中心、业务管理部所有贷款产品的贷后资金交易整合成统一的资金交易网络，进而进行资金归集检测。除单个产品的资金归集团伙外，还可以发现跨贷款产品、跨业务部门的资金归集团伙。

2.微贷关联人融资超限风险防控

微贷关联人融资超限主要指微贷客户本人、共同借款人、配偶、抵押权人在行内持有微贷余额或同时有微贷和传统贷款余额，且金额累计超过较大设定值等行为。

微贷在信贷系统是以产品进行区分的，微贷包括信贷系统中“微贷消费业务”、“微贷农户业务”、“微贷经营业务”、“小企业微贷业务”、“银税互动类消费贷款”、“银税互动类个人经营贷款”、“银税互动类公司贷款”七个文件夹项下的所有信贷产品；传统类贷款产品即微贷以外的产品。通过整合微贷客户共同借款人、配偶、抵押权人等关联人贷款信息，筛选出融资超限的客户数据，重点关注该部分客户，降低微贷还款风险。

四、技术实现特点

1.系统逻辑架构

2.系统物理架构

用户通过硬件负载均衡服务器访问关联网络应用服务器进行图谱探索和风险名单查询，大数据平台对客户集市数据进行跑批，生成宽表并将数据加载到关系表和节点表导入关联网络应用图数据库中对外提供服务。

3.系统应用架构

从客户大数据系统中抽取数据构建业务数据集市，根据数据集市整合的数据构建关联图谱，对关联网络进行图数据挖掘检测业务关心的风险，把关联网络和风险挖掘结果同步至图数据库，通过反欺诈运营平台管理风险场景、策略、案例并且推送可疑欺诈风险名单进行人工排查，通过图可视化模块展示和探索关联网络。

4.系统关键技术特点

关联人风控系统业务流程是从大数据平台中抽取数据构建业务数据集市，根据数据集市整合的数据构建关联图谱，对关联网络进行图数据挖掘检测业务关心的风险，把关联网络和风险挖掘结果同步致图数据库，通过风险筛查模型筛查出风险名单并通过图可视化模块展示。具体技术包括：

（1）图数据挖掘

图数据挖掘的目标是利用图算法和分析从关联图谱中挖掘业务关心的风险点。如网贷业务中，业务人员关系是否存在团伙形式的欺诈申请、贷后资金归集团伙；信用卡业务中，业务方关系是否存在养卡套现。图数据挖掘部分，需要从关联图谱中选择合适的网络，如交易网络、手机设备网络等，利用图算法和分析方法对网络进行团伙挖掘、风险传播、异常行为挖掘，找到可疑的风险团伙或者个人。

（2）图展示和探索

关联图谱导入图数据库后，通过图数据库技术提供图数据索引和高性能的关联网络查询功能。图展示模块将图数据库查询结果可视化展示给业务人员，便于理解业务实体节点和节点之间的关系。如客户的手机节点、申请过的网贷业务订单节点、信用卡节点、借记卡节点、客户之间的交易关系、共用设备关系、同属于某公司关系等。可视化展示方便业务人员快速理解客户的基本信息、发生过的业务和与其他客户之间的关系，可有效提高精细化运营、风险排查的效率。

图探索是指在可视化展示的基础上，业务人员可以与网络信息进行交互并展现交互结果。如对节点和关系的颜色、大小、属性展示、位置拖动等基本操作，还有隐藏、展现、扩展、穿透等高级操作。此外，还提供针对关联网络的交互式查询操作，包括简单查询、路径查询和条件查询等。

五、项目过程管理

2019年11月，项目任务书下达。

2020年4月，需求分析完成。

2020年5月，提交系统详细设计说明书。

2021年1月，开发完成，完成上线准备。

2021年4月，完成上线。

六、运营情况

关联人风控项目由湖北农信数据中心牵头，数据中心数据室负责实施。关联人风控项目的实施配合大数据集市项目群实施的计划，采用试点实施和推广的分阶段方式。主要经历了以下几个阶段：

1.需求分析和设计阶段

此阶段时间段为2019年12月至2020年5月，其间主要完成了业务需求分析、业务功能和技术构架的设计。提交了现状需求分析报告、数据集市设计、应用构架设计等文档。

2.系统编码、测试和上线准备阶段

此阶段起始时间为2020年6月至2021年1月，其间完成了客户关联人风控系统客户化开发的编码、测试以及试点行上线准备工作，提交了关联人风控系统测试报告、上线方案、系统设置等文档。

3.上线试运行阶段

此阶段起始时间为2021年2月至2021年4月，其间完成了关系人风控模型、微贷金额超限等应用场景的上线，并根据试点行上线运行的情况，为推广实施提出了优化需求。

七、项目成效

1.解决银行现有客户标签的局限性

目前行内的客户标签较少，且基于专家判断方法进行构建，同时仅依赖客户单一业务场景下的自身特征，缺乏全方位的画像特征挖掘，导致现有标签对客户信息的挖掘程度不够，对建模指标选择的范围、指标的解释性也有所欠缺。

2.解决银行现有单一反欺诈的痛点

从目前银行反欺诈的现状来看：现有反欺诈规则仅针对单一客户，对于“个体正常”但属于欺诈团伙的情形无法识别；现有规则的设定具有后滞性、单一性特点，现有反欺诈手段都在欺诈发生后部署规则，无法识别未知的欺诈手段，缺乏对风险传导的防控。

3.破除人工排查效率低的瓶颈

基于关联关系图谱，有利于提升关联风险客户的排查效率。针对银行千万量级客群，通过全图遍历并在短时间内抓取可疑团伙。同时在已知标黑客户基础上，可以实现毫秒级别抓取相关联客户，并推送业务系统进行重点排查，相比以往人工分析的效率和速度激增。

4.避免因团伙欺诈带来的经济损失

根据业内经验值，通过关联关系图谱对团伙欺诈、养卡套现、骗贷的有效识别率将大大提高，将会避免大额潜在损失。

5.提升贷后资金流向跟踪的识别率和效率性

明确资金流向工作的重点是发现异常资金链、资金闭环，基于关系图谱的可视化分析，可以真实再现数据之间关联关系，从而有效挖掘可能存在的贷后资金违规用途。

八、经验总结

知识图谱的建设并不仅着眼于简单的知识查询与业务梳理，其核心价值在于利用统一标准的语言将客观存在的事物进行表达，并支撑开展各类不同场景的业务拓展。比如在金融生态域的基础上，又可进一步展望和规划与其他行业在多个场景的打通协同。后续需要集众机构之力打造数据共享的生态。

未来各银行在普遍使用知识图谱技术的前提下，可统一查询接口，输出标准指标阈值，在脱敏条件下即可实现跨行风险数据查询，从而促进跨行合作、联防联控。

再比如金融领域的营销推广、信贷审批、反洗钱等需要互联网、社交、司法、公安等行业数据，通过知识图谱数据接口可实现行业间知识互通。