2022年中国知识图谱行业研究报告(8)

2.风控数据海量碎片化，尽调成本高、考证难度大，风险识别监测手段弱
在对公业务中，部分项目信息数据呈海量碎片化，尽调成本高、考证难度大，这一问题对于创新型小微企业更为严重，效果有限的风险识别监测手段不利于评估企业客户及其风险事件。
3.依赖历史财务信息进行静态分析，不利于把握借款人真实的经营状况
评估企业信用情况时，银行更多依赖企业历史财务信息进行静态分析，依据较为单一的评价作出信贷决策，难以完全把握借款人真实的经营状况，存在评估局限。
Now：信贷业务痛点增加
4.金融客户下沉，客户信用能力参差不齐，信用风险加剧
伴随着无接触信贷兴起，线上金融业务日益增多，助推金融服务下沉，客户流量入口多元化，随之而来的是金融客户下沉。部分客户是通过第三方平台推荐引入的流量，这些客户的信用能力层次不齐，信用风险加剧。
5.团伙作案日渐组织化、专业化、隐蔽化，欺诈风险提升
保险、贷款和信用卡申请是一些极容易出现信贷欺诈的领域。信贷团伙为实现骗贷，会有组织、有谋划地开展欺诈，其经手的单笔欺诈金额在几千至上万之间。基于信贷团伙犯罪活动呈现出组织化、专业化、隐蔽化的特点，违反犯罪分子具有相关金融行业的从业经历，犯罪手法相较于过去有了较大程度的提高，而金融一线基层人员对信贷团伙作案的识别与防范存在短板，这为金融业的正常稳定运行埋下了巨大隐患。

场景应用分析一：信贷风控原理及应用
基于数据信息搭建网络，从网络中识别异常风险
第一章已提到，知识图谱是复杂的关系语义网络，可以从关系角度提供分析问题的能力，这有利于从正常的特征与行为中挖掘出异常的信用风险与团伙欺诈行为，提升金融机构的风控能力。
针对信用风险：信用能力评估图谱
核心原理：信用能力可依据信息推断预测
对私业务：个人身份、社交关系网络、消费记录、资产负债、年龄等信息可较为客观反映出的实际消费能力。
对公业务：企业间关系，以及司法税务、信贷结算、财务和舆情等业务均可被记录与汇总，这些已记录的信息可透露出借款逾期、负面舆论影响、财务资金漏洞等风险，而风险间具有传导关系，概率大小不一，原因可追溯。