如何利用大数据风控体系应对多渠道风险。
部分借款人在借款成功后出现不还款现象并且“失联”，使得催收人员因无法联系借款人本人，无从下手。借助知识图谱，挖掘出更多的与借款人有关系的新联系人，大大提高催收成功率。
知识图谱中以公司、产品、证券、人等为实体，通过股权债券、任职法人、供应链上下游、竞争合作、生产采购等关系来构建，从而推理出与目标主体有关联的人或企业
1.股权投资关系 2.实际控制人关系 3.交易关系 4.担保关系 5.上下游关系 6.诉讼关系 7.疑似关系 8.事件关系 9.集团关系
在构建企业关系路径、集团个体识别后，对特定企业及其关联企业进行舆情监控。对经营情况、公司动态、潜在风险等进行评估，对收购重组、破产暂停、偷税漏税、安全事故、重大事件等进行监控，已达到贷后预警的目的。帮助银行完善贷前贷中授信、贷后风险控制流程，减少损失，避免产生失联客户
上下位与等价推理指对于图谱中的物或者企业主体，可以依据父子关系与等价关系，增加信息的使用范围。例如客户A失联，可以对同地域、同上游供应商、同行业、其下游供应商等主体进行关注，提前应对避免失联
一致性推理的目的是确保信息的确定性，对企业与物的各项参数与实际情况进行一致性鉴定。例如客户B的预期营收增加，但是发现物流数据反而呈下降趋势，需要验证其真实经营情况，避免损失
通过自然语言处理将多源异构数据结构化、运用STR识别将大量财务纸质文件电子化，在实现增值税结构化、财务自动化管理的基础上，助力毫秒级出财报、财务分析、决策典型客户，对公司财务情况进行预测、决策、计划、控制、分析、考核等
通过将不同税务子系统的数据整合至一起，通过NLP语义分析与知识推理，可以进行一致性验证，从而识别发现欺诈行为。此外，基于企业的关系网络能帮助税务人员更有效的分析复杂税务系统中的潜在风险。财税信息验证、鉴别完成后，可以自动生成财务报表等文档，极大地节省人力物力
通过NLP语义分析技术从海量财务报表中提取关键信息，结合全网舆情监控、关联企业挖掘、行业知识与外部数据，对企业财务状况进行分析，帮助财税人员预测、决策、控制、分析、考核,并对整体的经营现状、财务状况、收益能力、偿债能力、风险机遇等进行把控
在OCR图像识别技术的基础上，结合大数据与语义分析，不仅仅是将纸质材料上的文本简单地电子化，还可以自动分析所识别文档的语义、文档类型、相关文档等。与OCR产出的半结构化字符串相比，STR可快速导出结构化的信息，并且自动进行分类，帮助财税人员快速对纸质文档进行电子化，便于后续的自动化与财务分析、管理。
目前在数据运用过程中，客户关联关系以及风险预警的相关问题是金融机构始终未能有效解决的痛点。按照贷款流程，包括6个：贷款申请（准入判断）、信用评估、贷款审批、贷款发放、贷款检查、归回贷款。如果关联关系不充分、不能识别风险，就会将风险引入整个流程，出现多头贷款、未统一授信等情况。
在传统的关系型数据库无法满足实时查询的诉求下，合合信息建立的总量600亿条的动态商业数据库——每日更新近百万条。其中企业关联关系，用到底层知识图谱技术可以很好解决。
多达N个维度的关联关系分析助力授信风控
客户关联关系主要分为八大类型关系，通过知识图谱，可以实现实际控制人分析、担保关系分析、上下游关系、大数据疑似关系分析、后期变更信息、黑名单传染分析、一致行动人挖掘、统一授信分析、反欺诈等风险分析评估。
以图谱的形式计算和分析，以可视化的链图展示出来，方便前端业务人员主动实时发现潜在的风险：通过大数据股权关系穿透，知道一家企业的实际控制人是谁，追踪客户关系变化；结合银行担保数据和股权关系数据分析，可以获知风险发生之后黑名单从哪来、是怎样的传染路径；通过一致行动人，如果两家股东有共同的股东、董监高，授信时可以视为一致行动人进行统一分析。一维关系无法分析的风险，引入两个维度、甚至N个维度关联关系分析，帮助完成集团公司授信。
实际控制人-股权关系穿透
由大数据平台对底层大量数据进行深度学习分析，分布式图谱存储管理，并对图谱构建关系挖掘，根据前端业务需要，可以做贷前风控挖掘和贷后风险预警，以及动态风险监控，实时反馈风险传导路径和关联风险传导，省去大量风险分析时间，知道数据变更情况及对行内的影响。
