中国电子银行网|关联关系图谱赋能银行业智能风控，合合信息李明：AI+Data( 二 ) 中国电子银行网讯

基于这个支付和挖掘之后，给到业务场景最核心是：我们帮他去归属最准确的派系，分析资金交易往来、担保资金和担保链，同时，应用我们风险的预知和风险的传导，这个风险会向哪些主体传导。丰富优质客户——基于对外集团关系，我还能发展哪些集团属性其他客户，这些其实都是基于客户端的关系，进行业务的推理和挖掘。
我们看一下场景，有了优质数据之后，我自己有一个亲身的体验，在上个月刚刚成立北京分公司，我们需要为北京负责人做一个开户。对公开户用时算一下，当天下午花了3个小时办了一笔这样的业务，前前后后填了差不多20多张表，每个表填写的第一项，都是写名称、注册资本金，完全可以通过数据流的方式直接代入，对业务提升非常大。基于全量的基层数据，还能进行实时的查询，实时自觉的反哺。
这是另外一个产品，我知道这家企业是我的潜在目标客户之后，或者说我受理之后，其实我要客观分析他的路径。利用支付系统，对他上下股权全部无限层级地穿透，有多少节点是有我行的开户，这样容易反哺业务、更深入的业务沟通和业务落地。当我发觉对授信主体授信的时候，我可以做间接的洞察，通过几个节点产生间接的股权关系，这个也是可以通过运算获知。
另外基于监管，其实我们去识别一个集团公司特别难，当我们给这家银行上线了之后，就在大几百个集团客户原先的数据库里面纠正了差不多100个集团派系，这样就不会选错。其实这样过度授信风险是存在非常大的隐患。除了这个之外，其实我们还深刻识别整个集团关系复杂节点，哪些是我的风险点？哪些是业务节点？机会节点？通过全面识别进行全面的认知。
其实，深入分析之后，我们可以去了解很多潜在商机和风险点，这个当中利用我们的技术去分析整个行业的担保链，给这家银行上市之后，帮他复杂分析、互保，担保频次这个也是我们数据的核心能力。另外，在移动端做一个很好的展示，实时的分析，我们通过很多条件去挖掘，比方说两家企业历史上有共同的自然人，这个时候认为两家企业疑似关联，两家企业邮箱后缀都是一致的，这些都是关系的节点，业务人员很难调查，但是利用我们的底层数据，加上模型和算法就可以把隐性关系浮出水面，便于我们去判断。
同时，还有另外一块支持企业智能搜索和匹配，有全量的信息加入到我们信息里面，我们任何业务员在搜索框里面找关健词，就到找到关健词所在的企业，将企业所需要的信息自动填入。这个当中其实也做上线效果的展示， PC端、移动端都是一样的展示，这样一个股权结构可以用图谱方式统一做展示，来进行整个股权的计算。
另外，其实我们去分析行内各种担保关系，依托于我们图运算来实现的，也能按时间属性不同分类的图展示。刚才我说的疑似关系，只要触发到疑似原因，我们就会做展示。两家企业有共同的对外的注册地址，我们可以展示，这是集团属性的展示。
以下为提问互动环节：
提问：您好我是重庆银行后勤部，请问你刚刚提到亲属关系，亲属关系这个数据怎么来？
李明：整个输出能力基于公开公示合规合法的外部数据，另外一个就是自有产生的数据。但是目前整个亲属关系在整个国家层面是没有官方对外输出的，也就是说亲属关系只能依托行内的业务人员，通过人为方式添加，你只要构建了亲属关系，我就在图展示当中，运用这个关系做运算。
提问：刚刚您提到公司的曾用名这块，用在哪些公司关联构建上？
李明：目前采集的工商信息，我们目前对外输出的数据库最原始记录是1988年，整个追溯在业内是最久的，整个数据做了一个融合。您提到曾用名其实是根据企业发展历次更改都有一条相关联线，曾用名不一定用于隐性关系的挖掘，但是曾用名对这家企业过往发展经历有非常好的参考因素。其实我们触发很多隐性关系超过20种，当中曾用名不一定用在这个场景。