如何通過Graph+AI的方法打造高精度風控模型

《Gartner 2021十大數據和分析趨勢》中指出,圖技術使一切產生關聯,預測到2025年圖技術在數據和分析創新中的佔比將從2021年的10%上升到80%。該技術將促進整個企業機構的快速決策。從金融行業角度看,在中國人民銀行印發《金融科技(FinTech) 發展規劃(2019—2021年)》 等政策驅動下,通過構建金融知識圖譜基於多維數據源做決策,可以有效帶動金融機構降本增效。

圖數據庫GDB是阿里雲自主研發的圖數據庫產品,經歷阿里巴巴集團內豐富的應用場景打磨,具備了豐富的最佳實踐。圖數據庫GDB在2020年進入Forrester圖數據平臺競爭者象限,也是國內圖數據庫產品首次入選。阿里雲圖數據庫GDB在滿足高可靠性、高性能的同時,也兼顧了低成本的特性,產品使用、運維成本僅爲國外圖數據庫產品的40%。我們將自動特徵工程、自動機器學習等AI能力下沉到圖數據庫引擎中,形成阿里雲圖智能平臺,讓整個圖模型的構建、分析、發佈過程自然連貫。阿里雲圖智能平臺在金融行業已經幫助銀行、保險等領域客戶構建了金融風控、商品推薦、循環擔保檢測、異常指標監控、違規團伙挖掘等場景,通過穿透行業應用場景,幫助客戶基於多維數據做出精準決策。

image.png

傳統的金融風控模型,能夠彙集各個數據源的屬性特徵信息,但是比較難挖掘數據源之間的深度關聯關係。要深度並且快速的挖掘海量數據的關聯特徵,則會面臨非常大的技術挑戰。圖技術的意義在於將信息升維,而機器學習技術的意義在於對數據規律進行總結。通過圖表示學習技術,提取金融知識圖譜中的拓撲信息特徵,並通過圖自動特徵工程模塊,自動構建特徵作爲風控模型的輸入條件參與模型訓練。通過自動機器學習模塊,幫助金融機構挑選、調試、集成各個機器學習模型,實現更高精度的風控模型。

華瑞銀行於2020年正式引入阿里雲圖數據庫GDB,通過對數據資產進行深度關聯關係分析,進一步提升風險識別能力。通過打造一套企業級圖分析平臺,實現了對智慧供應鏈、航旅消費貸款等業務的智能風險管控。通過阿里雲圖數據庫GDB集成的自動機器學習組件,華瑞銀行大幅降低了風控模型研發週期,並在截止目前的實踐中檢測到6個詐騙團伙,有效防控了業務風險。

image.png

圖數據庫的應用可以在高度關聯的數據中挖掘數據源間的深度關聯關係,通過理解和分析圖將信息升維,進而幫助企業獲取洞察,這將成爲企業未來核心的競爭力。我們也會不斷完善我們的圖數據庫產品和服務,探求用戶真正的需求,以幫助更多企業和開發者獲得洞察力和競爭優勢。

發表評論
所有評論
還沒有人評論,想成為第一個評論的人麼? 請在上方評論欄輸入並且點擊發布.
相關文章