中國電子銀行網訊，9月24日至26日，由中國金融認證中心（CFCA）、中國電子銀行聯合宣傳年、中國電子銀行網主辦，中國銀聯重慶分公司協辦的“2020中國數字金融生態論壇”在重慶舉行。論壇涵蓋夜話、主題演講、知名科技企業走訪等豐富內容，一百多家銀行及金融科技企業高管、學術專家齊聚山城，論道銀行數字金融生態發展新“基”遇。

合合信息智能解決方案事業部總經理 李明

合合信息智能解決方案事業部總經理李明出席本次論壇并在金融科技創新“人氣挑戰賽”環節分享案例：AI+Data 關聯關系圖譜賦能銀行業智能風控。

以下為案例分享全文：

各位嘉賓，下午好，我應該是今天壓軸的。三位選手都姓李，都是兩個字的名字。剛才兩位嘉賓談到他們帶來對個人端的業務、對個人端的方案，而我是三個方案里面唯一一個對公方案：關聯關系圖譜賦能銀行業智能風控。

首先，介紹一下大背景，最近銀行業的監管比較收緊，央行發文其實對于銀行來講，識別一個對公客戶的畫像越來越難。對公客戶不是一個人，不是一個組織，可能是一堆人，一堆組織。我們怎么樣利用科技的手段，利用AI，利用大數據去分析單個個體復雜的關系，除了業務關聯還有其他的關系，怎么樣用科技的手段擦亮眼睛去洞察風險。

我們來洞察一下銀行業識別金融企業主體大概有哪些問題？其實我們現在在座的每一位，在最近幾年，大家都生活在烏卡時代（VUCA）。我們對公客戶也是一樣，很多對公業務都是憑著經驗，憑著關系在展開，怎么樣在多變復雜的環境當中去洞察主體復雜的關系，這個時候就用到我們科技的能力。

我們來看一下，從行方的角度特別希望做什么事情？希望洞察企業全方位的數據，同時加上銀行內的業務數據，哪些節點發生多少業務量？這些就是通過全面了解客戶整體關聯關系圖譜來實現業務的感知。怎么來實現？我們推出底層大數據技術，包括挖掘技術，當然還有旗下一款底層數據原料。其實，數據根本不缺，怎么樣把多元的數據做一個貫通，怎么樣把一個組織的資質信息做一個統一的規劃和規整，這個用到數據的多元層，還要把行內業務數據打通。這個時候，基于數據去挖掘基礎層，用數據的異構去做判斷，底層的數據都進入之后，利用算法進行海量數據關系的挖掘和建立。

我們是可以基于基層的數據原料和數據方式實時構建顯性的關系，然后洞察一些隱性的關系。至于底層的數據原料和數據的加工處理層，把處理結果反哺給業務方，我們幫助很多銀行在做風險管理、風險傳達的感知。另外，我們還做合規上的優化，比方說集團的歸屬。另一點，我們還在利用全量的企業進行商機的挖掘，你所轄區的分行有哪些優質的客戶是你沒有挖掘到的。我剛才說的是基于底層的數據層，把數據轉化成業務，這個就是我們利用合法合規的外部數據，加上數據分析能力和大數據平臺來反哺銀行對公業務的結合。

基于工商、納稅，甚至，基于很多經營行為，以及很多知識產權，這些數據做聚合之后，其實是可以提供優質的外部數據給到行內。有了這些數據之后，行內需要把數據進行存儲，進行運算。這個是我們當時輸送給國內一家商業銀行整個交易數據的量。把優質的外部數據帶到行內之后，需要進行融合。去分析內部的業務數據，包括交易、擔保和外部數據融合之后，做一個統一業務感知和展示。當時我們整個項目用到72臺服務器，638核的CPU，包括40多T的存儲空間。我們當時做的是實時算法，在移動端和PC端都有落地。對外投資等復雜關系，我們做了統一的實時構建。

基于這個支付和挖掘之后，給到業務場景最核心是：我們幫他去歸屬最準確的派系，分析資金交易往來、擔保資金和擔保鏈，同時，應用我們風險的預知和風險的傳導，這個風險會向哪些主體傳導。豐富優質客戶——基于對外集團關系，我還能發展哪些集團屬性其他客戶，這些其實都是基于客戶端的關系，進行業務的推理和挖掘。

我們看一下場景，有了優質數據之后，我自己有一個親身的體驗，在上個月剛剛成立北京分公司，我們需要為北京負責人做一個開戶。對公開戶用時算一下，當天下午花了3個小時辦了一筆這樣的業務，前前后后填了差不多20多張表，每個表填寫的第一項，都是寫名稱、注冊資本金，完全可以通過數據流的方式直接代入，對業務提升非常大?；谌康幕鶎訑祿?，還能進行實時的查詢，實時自覺的反哺。

這是另外一個產品，我知道這家企業是我的潛在目標客戶之后，或者說我受理之后，其實我要客觀分析他的路徑。利用支付系統，對他上下股權全部無限層級地穿透，有多少節點是有我行的開戶，這樣容易反哺業務、更深入的業務溝通和業務落地。當我發覺對授信主體授信的時候，我可以做間接的洞察，通過幾個節點產生間接的股權關系，這個也是可以通過運算獲知。

另外基于監管，其實我們去識別一個集團公司特別難，當我們給這家銀行上線了之后，就在大幾百個集團客戶原先的數據庫里面糾正了差不多100個集團派系，這樣就不會選錯。其實這樣過度授信風險是存在非常大的隱患。除了這個之外，其實我們還深刻識別整個集團關系復雜節點，哪些是我的風險點？哪些是業務節點？機會節點？通過全面識別進行全面的認知。

其實，深入分析之后，我們可以去了解很多潛在商機和風險點，這個當中利用我們的技術去分析整個行業的擔保鏈，給這家銀行上市之后，幫他復雜分析、互保，擔保頻次這個也是我們數據的核心能力。另外，在移動端做一個很好的展示，實時的分析，我們通過很多條件去挖掘，比方說兩家企業歷史上有共同的自然人，這個時候認為兩家企業疑似關聯，兩家企業郵箱后綴都是一致的，這些都是關系的節點，業務人員很難調查，但是利用我們的底層數據，加上模型和算法就可以把隱性關系浮出水面，便于我們去判斷。

同時，還有另外一塊支持企業智能搜索和匹配，有全量的信息加入到我們信息里面，我們任何業務員在搜索框里面找關健詞，就到找到關健詞所在的企業，將企業所需要的信息自動填入。這個當中其實也做上線效果的展示，PC端、移動端都是一樣的展示，這樣一個股權結構可以用圖譜方式統一做展示，來進行整個股權的計算。

另外，其實我們去分析行內各種擔保關系，依托于我們圖運算來實現的，也能按時間屬性不同分類的圖展示。剛才我說的疑似關系，只要觸發到疑似原因，我們就會做展示。兩家企業有共同的對外的注冊地址，我們可以展示，這是集團屬性的展示。

以下為提問互動環節：

提問：您好我是重慶銀行后勤部，請問你剛剛提到親屬關系，親屬關系這個數據怎么來？

李明：整個輸出能力基于公開公示合規合法的外部數據，另外一個就是自有產生的數據。但是目前整個親屬關系在整個國家層面是沒有官方對外輸出的，也就是說親屬關系只能依托行內的業務人員，通過人為方式添加，你只要構建了親屬關系，我就在圖展示當中，運用這個關系做運算。

提問：剛剛您提到公司的曾用名這塊，用在哪些公司關聯構建上？

李明：目前采集的工商信息，我們目前對外輸出的數據庫最原始記錄是1988年，整個追溯在業內是最久的，整個數據做了一個融合。您提到曾用名其實是根據企業發展歷次更改都有一條相關聯線，曾用名不一定用于隱性關系的挖掘，但是曾用名對這家企業過往發展經歷有非常好的參考因素。其實我們觸發很多隱性關系超過20種，當中曾用名不一定用在這個場景。

提問：人事這塊，法人身份證是公示，股東的身份證號碼是不公示，這一塊能建立關系嗎？

李明：基于我們自我的系統，我自己用了唯一識別號進行關系的運算，每一家企業在我的數據庫都有唯一的識別號。

責任編輯：方杰