知識圖譜（Knowledge Graph）又稱為科學知識圖譜，在圖書情報界稱為知識域視覺化或知識領域對映地圖，是顯示知識發展程序與結構關係的一系列各種不同的圖形，用視覺化技術描述知識資源及其載體，挖掘、分析、構建、繪製和顯示知識及它們之間的相互聯絡。
“金融知識圖譜”是金融行業語義理解和知識搜尋的基礎技術，可以為風險評估、預測、反欺詐、精準營銷、智慧搜尋等提供技術支撐。越來越多的金融機構及企業在探索構建金融領域的知識圖譜研究，將海量非結構化資訊自動化利用起來，為金融領域應用決策提供更精準、更可靠的依據。
知識圖譜的意義在於構築金融場景資料模型，幫助學習和發現數據之間的關聯規律，理解事物全貌，是讓計算機認識金融業務的先決條件。融合全量資料，重構銀行資料架構，讓知識圖譜落地金融機構，可以幫助金融機構藉助AI，面對未來更加複雜的風控、監管、營銷等場景，真正賦能金融。在金融領域，從資料視覺化、風險評估與反欺詐、風險預測到使用者洞察，知識圖譜的底層性支撐作用越來越顯著。
1、助力金融監管
對金融監管機構而言，基於其特殊性質，對於外部服務商的介入會更加謹慎。而透過私有化部署全自動構建知識圖譜技術服務，利用內部閉環程式操作，就可以在儘可能提高資料的保密等級，減少人工直接參與的情況下，及時獲得最全面、最精準的標準化大資料。如今數字金融欺詐形式不斷更新、紛繁複雜，欺詐手段逐漸表現出專業化、產業化、隱蔽化、場景化的特徵。傳統反欺詐技術的維度單一、效率低下、範圍受限的劣勢越來越明顯。在反欺詐場景中，知識圖譜可以聚合與借款人相關的各類資料來源，包括借款人的基本資訊、日常生活中的消費記錄、行為記錄、關係資訊、網上瀏覽記錄等，然後抽取該借款人的特徵標籤，從而將相關的資訊整合成進結構化的知識圖譜中，在此基礎上，對該借款人的風險進行全方位的分析和評估。除了申請階段的反欺詐，透過構建已知欺詐要素如手機、裝置、賬號、地域等的關係圖譜，全方位瞭解客戶海量風險資料的離線統計分析，按主題要素收集風險運營的結果反饋，建立客戶風險特徵資訊庫，最佳化風險模型和規則，還能做到交易階段的反欺詐。
2、風險預測
多達N個維度的關聯關係分析助力授信風控。在潛在風險行業預測上，基於多維度資料對行業進行細分，根據行業資訊建立關係挖掘模型，展示每個行業之間的關聯度，如果某一行業發生了行業風險或高風險事件，可以及時預測未來有潛在風險的關聯行業，金融機構從而可對相關行業的風險做出預判，儘早地發現並規避風險。在潛在風險客戶預測上，透過知識圖譜整合和關聯企業內部結構化資料、非結構化資料以及網際網路採集資料、第三方合作資料，發現和建立企業與企業之間的集團關係、投資關係、上下游關係、擔保關係，企業與個人之間的任職、實際控制、一致行動關係，及時預測未來有潛在風險的關聯企業。
3、精準營銷
知識圖譜可以助力新客營銷和客戶挖掘。根據客戶鏈和客戶流失情況，結合銀行內部CRM，做全維度畫像和信貸分析，搜尋、篩選、預警、推薦、生成企業報告等全流程。
例如，金融公司的市場經理用知識圖譜去分析待銷售使用者群體之間的關係，去發現他們的共同愛好，從而更有針對性地對這類使用者人群制定營銷策略。如果對知識圖譜擴充套件（如個人愛好、電商交易資料、社交資料等），還可以更加精準地分析客戶行為，進行精準推送。
4、智慧搜尋和資料視覺化
智慧搜尋的功能指的是，知識圖譜能夠在語義上擴充套件使用者的搜尋關鍵詞，從而返回更豐富、更全面的資訊。
比如，搜尋某個人的身份證號，可以返 回與這個人相關的所有歷史借款記錄、聯絡人關係和其他相關的標籤（如黑名單等）。這些結果可以用圖形網路的方式展示，從而把複雜的資訊以直觀明瞭的影象呈現出來，讓使用者對隱藏資訊的來龍去脈一目瞭然。
知識圖譜（Knowledge Graph）又稱為科學知識圖譜，在圖書情報界稱為知識域視覺化或知識領域對映地圖，是顯示知識發展程序與結構關係的一系列各種不同的圖形，用視覺化技術描述知識資源及其載體，挖掘、分析、構建、繪製和顯示知識及它們之間的相互聯絡。
“金融知識圖譜”是金融行業語義理解和知識搜尋的基礎技術，可以為風險評估、預測、反欺詐、精準營銷、智慧搜尋等提供技術支撐。越來越多的金融機構及企業在探索構建金融領域的知識圖譜研究，將海量非結構化資訊自動化利用起來，為金融領域應用決策提供更精準、更可靠的依據。
金融知識圖譜可以做什麼？知識圖譜的意義在於構築金融場景資料模型，幫助學習和發現數據之間的關聯規律，理解事物全貌，是讓計算機認識金融業務的先決條件。融合全量資料，重構銀行資料架構，讓知識圖譜落地金融機構，可以幫助金融機構藉助AI，面對未來更加複雜的風控、監管、營銷等場景，真正賦能金融。在金融領域，從資料視覺化、風險評估與反欺詐、風險預測到使用者洞察，知識圖譜的底層性支撐作用越來越顯著。
1、助力金融監管
對金融監管機構而言，基於其特殊性質，對於外部服務商的介入會更加謹慎。而透過私有化部署全自動構建知識圖譜技術服務，利用內部閉環程式操作，就可以在儘可能提高資料的保密等級，減少人工直接參與的情況下，及時獲得最全面、最精準的標準化大資料。如今數字金融欺詐形式不斷更新、紛繁複雜，欺詐手段逐漸表現出專業化、產業化、隱蔽化、場景化的特徵。傳統反欺詐技術的維度單一、效率低下、範圍受限的劣勢越來越明顯。在反欺詐場景中，知識圖譜可以聚合與借款人相關的各類資料來源，包括借款人的基本資訊、日常生活中的消費記錄、行為記錄、關係資訊、網上瀏覽記錄等，然後抽取該借款人的特徵標籤，從而將相關的資訊整合成進結構化的知識圖譜中，在此基礎上，對該借款人的風險進行全方位的分析和評估。除了申請階段的反欺詐，透過構建已知欺詐要素如手機、裝置、賬號、地域等的關係圖譜，全方位瞭解客戶海量風險資料的離線統計分析，按主題要素收集風險運營的結果反饋，建立客戶風險特徵資訊庫，最佳化風險模型和規則，還能做到交易階段的反欺詐。
2、風險預測
多達N個維度的關聯關係分析助力授信風控。在潛在風險行業預測上，基於多維度資料對行業進行細分，根據行業資訊建立關係挖掘模型，展示每個行業之間的關聯度，如果某一行業發生了行業風險或高風險事件，可以及時預測未來有潛在風險的關聯行業，金融機構從而可對相關行業的風險做出預判，儘早地發現並規避風險。在潛在風險客戶預測上，透過知識圖譜整合和關聯企業內部結構化資料、非結構化資料以及網際網路採集資料、第三方合作資料，發現和建立企業與企業之間的集團關係、投資關係、上下游關係、擔保關係，企業與個人之間的任職、實際控制、一致行動關係，及時預測未來有潛在風險的關聯企業。
3、精準營銷
知識圖譜可以助力新客營銷和客戶挖掘。根據客戶鏈和客戶流失情況，結合銀行內部CRM，做全維度畫像和信貸分析，搜尋、篩選、預警、推薦、生成企業報告等全流程。
例如，金融公司的市場經理用知識圖譜去分析待銷售使用者群體之間的關係，去發現他們的共同愛好，從而更有針對性地對這類使用者人群制定營銷策略。如果對知識圖譜擴充套件（如個人愛好、電商交易資料、社交資料等），還可以更加精準地分析客戶行為，進行精準推送。
4、智慧搜尋和資料視覺化
智慧搜尋的功能指的是，知識圖譜能夠在語義上擴充套件使用者的搜尋關鍵詞，從而返回更豐富、更全面的資訊。
比如，搜尋某個人的身份證號，可以返 回與這個人相關的所有歷史借款記錄、聯絡人關係和其他相關的標籤（如黑名單等）。這些結果可以用圖形網路的方式展示，從而把複雜的資訊以直觀明瞭的影象呈現出來，讓使用者對隱藏資訊的來龍去脈一目瞭然。