知识图谱是金融机构迈向智能金融的重要台阶
随着与云计算、大数据、物联网等相关产业的协同发展,人工智能在历经60年的起伏之后,如今已经在全球范围形成了新一轮的抢位发展态势,不仅提供了经济创新发展的新动能,而且正成为助推各行各业转型升级的新引擎。国务院印发的《新一代人工智能发展规划的通知》也着重指出,应该“推动人工智能与各行业融合创新”,在重点行业和领域开展人工智能应用试点示范。
众所周知,人工智能的底层支撑是大数据和算法,无疑应在数据资源丰富、数据价值密度高的行业率先发展。这正是金融行业拥抱人工智能之天然优势:一方面,金融企业在业务开展过程中积累了海量数据;另一方面,这些数据包括客户身份、资金收付交易、资产负债情况等,数据价值密度高,在运用专业技术挖掘和分析之后,价值转化概率高,潜在的商业价值大。
国务院相关部门当然不会忽视这点,其《通知》给出了人工智能在金融行业应用的具体范围,即:建立金融大数据系统,提升金融多媒体数据处理与理解能力。创新智能金融产品和服务,发展金融新业态。鼓励金融行业应用智能客服、智能监控等技术和装备。建立金融风险智能预警与防控系统
知识图谱是实现智能金融的重要台阶
1948年,信息论创始人香农提出“信息熵”的概念来描述系统的混乱度和可理解程度:系统越有序,则熵越低。“序”的建立和熵的降低都需要外部做功。过去金融机构中的审贷官、客户经理、风险经理等从业者收集资料、分析资料、研究资料、决策的过程实际就是建立在对人的体力和脑力进行消耗基础之上从而做功以建立起“序”的过程,而人工智能时代的来临意味着人脑做功向机器做功转化,由机器来自动采集、解析互联网文本、信贷文本、资金流水数据、信贷抵押数据等,建立关联,迭代模型,发现秘密,找出规律,逐步将金融从业者从劳动中解放出来,建立起“序”。
“序”的建立,遵循“从数据到信息,从信息到知识,从知识到智慧”这样一个逻辑递进的关系。目前,大多金融机构对于数据的应用处于“从信息到知识”的阶段,而知识图谱善于从信息中发掘和构建深度的知识关联,使得信息价值显式化,从而提供更智慧的决策支持,将是金融机构迈向智能金融的重要台阶。国务院《通知》中,在提及“建立新一代人工智能关键共性技术体系”时,也着重强调,需要构建“跨媒体分析推理技术”,重点突破知识图谱构建与学习、知识演化与推理、智能描述与生成等技术,实现跨媒体知识表征、分析、挖掘、推理、演化和利用,构建分析推理引擎。
万事俱备,只欠东风。知识图谱技术与金融业务在实践中进行结合的深入程度,决定着智能金融发展进程的快慢。
知识图谱技术在银行公司金融领域的应用
知识图谱技术在金融领域的落地,首先应选择“关系”密度较大的业务领域,企业与企业、个人与个人、个人与企业、账户与账户、账户与产品等,商机与风险存在于各类主体之间的关系的发展与变化之中;其次应选择有新兴数据源带来新的信息点的业务领域,在当今大数据技术极速发展的背景下,互联网数据的采集与解析、金融机构内部非结构化数据的挖掘和利用是两种重要的信息补充方式。
以涵盖了公司金融部、信贷管理部、风险管理部、贸易金融部等相关部门的银行公司金融领域为例,通过知识图谱整合和关联银行内部结构化数据、非结构化数据以及互联网采集数据、第三方合作数据,发现和建立企业与企业之间的集团关系、投资关系、上下游关系、担保关系,企业与个人之间的任职、实际控制、一致行动关系,能够及时进行商机的发现和风险传导的识别。
例如,当某一企业发生了风险事件,银行可以通过知识图谱及时预测未来有潜在风险的关联企业,从而可对相关企业的风险做出预判,尽早地发现并规避风险。基于图挖掘分析技术,利用支持向量机、Pagerank等机器学习方法发现信贷风险传导模式。
例如,A为违约客户,B、C、D与A有着关联关系,结合银行担保关系数据、资金流向数据等内部特征,以及企业基本属性、涉诉信息、舆情等外部特征,通过机器学习方法计算可得到A违约后B、C、D违约的概率,从而及时切断传播路径。
此外,通过知识图谱帮助银行发现企业所处产业链的上下游相关企业,发掘潜在客户,实现“以点带链”、“以点带面”的客户发现效果,也正日趋成为知识图谱在营销领域的成熟应用。
在这一过程中,知识图谱技术与自然语言处理、机器学习技术相结合,可以衍生出更多、更丰富的智能应用场景。例如,通过对“同类型企业”的算法学习,识别出具有相同金融特征的企业客户,根据同类型企业的历史行为,为新客户自动进行金融产品推荐和定价计算,缩短客户经理的学习曲线和判断过程,成为客户经理随身的营销助手。再例如,通过对信贷报告中审批意见的文本解析,为客户经理自动生成贷后任务,并关联至客户经理的绩效考核系统,助力对公业务部门从人工化管理向智能化管理转型。
在过去几年从事智能金融工作的过程中,我个人的一点心得是:带着人工智能相关技术,深入到银行业务中去,会发现无穷无尽的智能化提升空间。