点击上方蓝字关注我们
一直占有绝对优势的传统关系型数据库在过去几十年坚实且具有非凡的价值的发展，成就了今天数据库技术的基础。而专家认为，未来十年无疑将是图数据平台成为主流并大放异彩的十年。
不过IDC的报告认为，图数据管理分析平台仍处于大规模落地的“前期”，金融、互联网、政府等行业是图数据管理分析平台的主要方向。
前沿研究院发布的《高性能图数据库金融应用白皮书》就认为，图数据库技术与金融场景主要在金融风险管理、金融欺诈检测、知识图谱构建、市场营销分析4个方面进行深度融合。
在中国，FinTech已经成为图数据库信创大展拳脚的战场。星环科技等图数据库在金融风险管理、金融欺诈检测、知识图谱构建、市场营销分析四大场景中得到了广泛应用，取得惊艳的效果。
1.金融风险管理
场景再现：
图数据库能够融合来自金融机构销售、审批、风控、电销、交易、催收等系统的多源数据，以及第三方数据，打破数据孤岛，构建全方位用户关联网络。
通过利用多维交叉关联信息，图数据库深度刻画申请和交易行为，可以有效识别多种复杂的、规模化、隐蔽性的欺诈网络和洗钱网络。
结合机器学习、聚类分析、连通图挖掘、风险传播等相关算法，可以实时计算用户的风险评分，在风险行为发生前预先识别，有效帮助金融机构提升效率，节省人工时间，控制成本、降低风险。
应用图数据库的金融风险应用场景如个人信贷业务、失联客户管理、金融反欺诈、洗钱路径追踪、个人/企业征信等。
应用案例1：
某证券公司采用了开源的图数据库Neo4j，构建了企业图谱及相关应用。但是随着应用的广泛深入，Neo4j开源产品遇到了不少挑战，如：社区开源版本最多用到 4个内核，计算能力有限；面临查询性能低、并发度小、弹性能力弱、支持数据规模小等弊端；没有统一资源管理和权限管理，安全性无法得到保证等。
借助星环分布式图数据库StellarDB +知识图谱平台SophonKG，该证券公司打造了全新的一站式国产化企业图谱，满足了企业级的系统建设需要，支撑集团客户画像、风险事件报告、科创板关联发现以及联机分析等创新应用场景，实现了分布式集群管理、统一的资源隔离与权限管理、计算性能的优化提升，以及丰富的可视化效果等。
单以风险管理为例说明。利用星环StellarDB和Sophon KG，风险管理创新应用涉及证券公司不同的部门和应用场景。例如：
根据舆情，自动生成公司的风险报告，分析对公司的整体影响;风险传播模型，从企业或产品实体出发，分析其风险传播的影响;事件关联方分析，根据特定事件(如资产冻结事件)，查找关联方，生成报告并发布到OA;科创板关联发现，查融券客户与战略投资者之间是否有利益关系;关联交易模型，识别存在风险的债券融资关联交易模式;资金闭环交易模型，识别资金闭环(空转)的模式等。
星环StellarDB和Sophon KG替代开源软件方案在风险管理方面的优势之一是实现自主可控，同时采用分布式架构，支持的数据规模大幅提高，为用户应用提供了性能大幅提升。
具体而言，在集团派系算法应用上，该算法从单机运行模式过渡到分布式运行模式，运行时间由原来的2小时左右，减少到30分钟左右；科创板关联发现应用方面，由原来的1.5s提升到0.8s。
星环科技StellarDB兼容openCypher查询语言，提供海量图数据的存储和分析能力，支持原生图存储结构，支持万亿边PB级数据存储。在易用性方面，提供了丰富的可视化效果，实现了多种前端布局等。
2.金融欺诈检测
场景再现：
中国司法大数据研究院指出，金融诈骗“网络化”特点显著，作案手段多变，智能化、高科技化、隐匿性强，加上金融行业本身所具有的专业性、复杂性特点，公检部门打击金融诈骗犯罪面临着新问题、新要求、新难度。
同时，金融领域洗钱手段复杂多样，且洗钱及相关上游犯罪呈上升趋势，在金融机构合规管理之中，是一项非常重要的内容，属于典型的监管科技应用。
为了逃避侦查，洗钱分子在进行交易时，往往会制造出错综复杂的关系，使资金网路内节点众多交错，所以图技术在反洗钱(AML)方面有广泛的应用，通过天然的图的复杂网络分析能力和超强算力能力，能够更准确、更高效地识别洗钱交易。
图数据库在反洗钱领域中的典型应用包括：实体关系分析、风险评估、异常检测、实时分析、可视化分析等。
应用案例2：
某全国性股份制银行利用星环科技分布式图数据库StellarDB +知识图谱平台SophonKG，建立了基于企业关联图谱的小微企业风险事件图谱，开展了企业客户风险传播分析。
该银行基于处罚数据、第三方数据、舆情数据、公告数据、历史事件数据等，利用星环科技的图数据库和知识图谱平台，结合风险预警体系，通过深度分析等技术，分析风险事件对企业/个人事件主体的影响和事件要素，形成事件风险分类体系和事件库，从而实现事件的风险预警、评估、处置和分析监控管理。
应用案例3：
某银行在金融欺诈应用需求包括：首先对原有企业风险进行风险传递和泛化、关联关系挖掘、
风险团伙挖掘，完成对风险路径的还原和团伙的观测、监控和处置。
其次，利用供应链交易数据，识别区域内外企业的上下游关系，构建更加丰富和完善的对公图谱，从而为客户经理的推广和产品策略做支撑。
利用星环科技分布式图数据库StellarDB +知识图谱平台SophonKG，基于该银行积累的海量客户交易流水数据、实体间关联关系(上下游、投融资、关联企业交易/物流数据)等数据，利用风险传递，Randomwalk和FraudRank对多种风险传播，交易流分析，利用图结构、图嵌入等技术，整合结构化数据，形成知识图谱，开展金融欺诈检测业务应用。
该场景的应用效果显著，如对公客户风险召回和准确率在速度提升百倍，实现了风险传播和风险社团的可视化发现和展示。
3.知识图谱构建
场景再现：
知识图谱作为图数据库的底层应用，已服务于多种行业，可以开展智能问答、搜索、个性化推荐等应用，广受关注的 ChatGPT 就属于知识图谱的应用。在知识图谱的应用落地上，NLP 自然语言处理引擎、算法库影响着知识图谱的质量和实现。
金融机构可以利用图数据库技术构建知识图谱，将客户、账户、交易、风险、合规等相关信息进行整合形成一个图谱，可以更好地实现对客户360 度全景视图，更快地识别客户需求、风险和潜在机会。
应用案例4：
2021年为了满足企业级应用，中信证券基于星环科技分布式图数据库StellarDB和知识图谱平台SophonKG，打造了企业级知识图谱平台。其中，知识图谱平台的图存储技术为自研KV存储，存储设计按照属性图模型设计，满足TB级存储需求。2023年5月，中信证券完成知识图谱平台的扩容，并基于StellarDB 5.0进行架构升级。
基于知识图谱平台，中信证券构建了同一客户集团画像、科创板关联发现、风险事件报告、全球企业关联图谱、产业链图谱、投研图谱、反洗钱与稽核图谱、元数据图谱等十余个应用。
例如元数据图谱，多跳(8+)的数据血缘Neo4j社区版查询不出结果，基于星环StellarDB的多跳计算能力和改进的expand算法，可以实现15跳内的数据血缘(溯源和影响性分析)。
尽管很多厂家都可以构造图谱，但是缺乏图数据库的算力支撑的图谱，效率是非常低下的。
二中信银行利用星环StellarDB，建立全球企业关联图谱，将境外企业输出与境内企业融合，核心节点是企业、员工、关系人、产品、营收、行业、金融产品，共包括19种关系、3亿实体、4亿关系。这种图规模，是开源或者集中式图数据库是无法企及的。
中信银行的投研图谱从部委的政策源出发，通过NLP技术提取每条政策的核心观点和行业板块等，同时结合新闻舆情源的信息，对二者进行匹配和召回，计算政策影响因子值，通过产业链传播算法得到传播系数，结合图传播算法找到个股因子，回测效果相对收益达到25%。
资料1：星环分布式图数据StellarDB
星环科技分布式图数据库StellarDB已更新至 5.0 版本，从分布式、HTAP、语言能力、可视化、深度关联查询等方面进行优化升级，具体来看，内置的近 50 种算法性能全面提升，平均性能提升 8 倍，实时场景响应速度提升 5 倍，高并发可达上万+QPS。
在动态图方面，可查询某个时间点的图全貌、追溯属性的变更历史、回溯不同时间/版本锚点的切换，实现属性和子图的单独或同时变化。
在图数据库分析平台方面，可视化组件 KG Explorer 包括图谱构建、图数据交互分析、图数据挖掘能力，以低代码、无代码的交互方式，为用户提供图谱建设、图特征计算分析、社群发现、风险传播、时序图分析、图分析案例协作、查询规则沉淀等数据分析功能。
在大模型方面，StellarDB 已初步与 LLM 进行融合，可将自然语言作为查询语言，降低图数据使用的门槛，同时提升图数据的可理解性，星环科技也将向量数据库与图数据库进行融合来探索构建特定领域大模型应用，提升问答准确率。
4.市场营销分析
场景再现：
推荐系统本质是客户和商品之间的桥梁，从海量商品中准确并快速找到客户最喜爱、最有可能购买的产品。“准而快”是推荐效果中的制胜关键。
随着线下新零售和场景营销时代的到来 , 推荐系统需要考虑的维度日益增多，时间、地点、天气、突发事件等都会成为影响客户购物体验的重要因素。推荐引擎需要快速理解客户画像，多维度考虑关联数据，将场景化流动性的客户兴趣与不断迭代的产品信息实时关联起来，形成定制化推荐成为一个巨大的挑战。
提高召回速度，帮助系统从海量商品中实时找出和客户当下兴趣以及消费场景相关的产品，便是图数据库的优势所在。不同于关系型数据库，图数据库的schema(数据库模式)灵活性强，可根据场景和业务需求添加不同种类的新关系、新节点、新标签等，形成新的子图，从而动态调整新的推荐策略，而不用担心破坏已有的查询或应用程序的功能。
应用案例5：
今天，大型金融机构可能存在上千万家的B端或者C端用户，如何实现针对不同用户的精准营销?在营销知识图谱方面，星环科技面向银行开发了对公知识图谱的技术，实现了在营销端沉淀业务知识，充分发挥图谱价值，帮助银行实现诸如疫情期间小微企业信贷精准投放等应用。
在精准营销上，星环分布式图数据库StellarDB模型灵活性免去了项目之初穷思竭虑将每一个细节囊括在内的烦恼，让用户根据公司业务发展和客户所在场景变化灵活改变数据模型，实现客户、产品和场景三者的高效动态关联，极大降低系统迭代的成本和开发周期。
基于星环分布式图数据库StellarDB等构建的知识图谱平台，可以实现知识获取、图谱构建与存储、图谱更新迭代、图谱计算与分析等能力，并且通过星环的持续运营维护，提高平台的高可用性和健壮性。
资料2：IDC给图数据库技术买家的建议
明确自身产品与Gen AI的融合全部可能性。生成式 AI 带来的浪潮使得Data与AI界限越来越模糊，整体来看，AI公司融合大数据服务的进度更快，图数据服务厂商仍在点状探索阶段，对 Graph+AI 理解和布局不明晰，这很可能使厂商失去更大的市场。
培育产品独立生态以及与外部的合作。图数据服务对于普通开发者来说上手使用难度仍较高，因此厂商也在从查询语言、可视化、API/SDK 等方面简化操作，但仍有较大的市场教育工作量。另外图数据为企业数据底座建设的一小部分，在验证图在数据管理方面具有绝对领先优势之前，技术供应商还是要尽可能多的与外部数据库、云、数据平台服务厂商进行合作，打造完整解决方案。
尝试产品和应用独立进入市场的可能性。图数据库厂商正在加快工具、平台和应用的研发和探索，但尚未形成相对完整的产品结构。厂商在研发新的软件工具、平台、应用平台、完整大数据解决方案时，需要制定更加详细的进入市场计划图，确定该产品采用独立销售路线还是与图数据库搭配销售路线，避免所有产品必须围绕某一核心产品才可以部署使用。
参考资料：
·https://mp.weixin.qq.com/s/K0EO_390fBtKDvSm21TVSw
·https://mp.weixin.qq.com/s/S9bKhWNCSN5Suo0jS0FUhA
·https://mp.weixin.qq.com/s/O1g0Ak97MigiYi0D4DG8og
·https://mp.weixin.qq.com/s/tVo6BDR-hAeGqHqhXXiqgg\
扫码关注我们
END
