如何通過Graph+AI的方法打造高精度風控模型

語言: CN / TW / HK

《Gartner 2021十大資料和分析趨勢》中指出,圖技術使一切產生關聯,預測到2025年圖技術在資料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資料來源做決策,可以有效帶動金融機構降本增效。

圖資料庫GDB是阿里雲自主研發的圖資料庫產品,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。圖資料庫GDB在2020年進入Forrester圖資料平臺競爭者象限,也是國內圖資料庫產品首次入選。阿里雲圖資料庫GDB在滿足高可靠性、高效能的同時,也兼顧了低成本的特性,產品使用、運維成本僅為國外圖資料庫產品的40%。我們將自動特徵工程、自動機器學習等AI能力下沉到圖資料庫引擎中,形成阿里雲圖智慧平臺,讓整個圖模型的構建、分析、釋出過程自然連貫。阿里雲圖智慧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、迴圈擔保檢測、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,幫助客戶基於多維資料做出精準決策。

image.png

傳統的金融風控模型,能夠彙集各個資料來源的屬性特徵資訊,但是比較難挖掘資料來源之間的深度關聯關係。要深度並且快速的挖掘海量資料的關聯特徵,則會面臨非常大的技術挑戰。圖技術的意義在於將資訊升維,而機器學習技術的意義在於對資料規律進行總結。通過圖表示學習技術,提取金融知識圖譜中的拓撲資訊特徵,並通過圖自動特徵工程模組,自動構建特徵作為風控模型的輸入條件參與模型訓練。通過自動機器學習模組,幫助金融機構挑選、除錯、整合各個機器學習模型,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資料庫GDB,通過對資料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慧風險管控。通過阿里雲圖資料庫GDB整合的自動機器學習元件,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

圖資料庫的應用可以在高度關聯的資料中挖掘資料來源間的深度關聯關係,通過理解和分析圖將資訊升維,進而幫助企業獲取洞察,這將成為企業未來核心的競爭力。我們也會不斷完善我們的圖資料庫產品和服務,探求使用者真正的需求,以幫助更多企業和開發者獲得洞察力和競爭優勢。

「其他文章」