本文共字，预计阅读时间。

当前，很多金融机构都在非常火热的讨论数字化转型、数据中台、数据战略等，在数据中台建设成为趋势的情况下，如何构建出合适的数据中台恐怕是大部分金融机构都在积极思考和探索的方向。

经过多年的业务积累和数据系统建设，传统银行积累了丰富的客户数据，在营销、风控等领域，发挥了一定的价值。

但是与此同时，在银行外部还有大量的企业客户相关数据，比如工商、预警、司法判决等，这些数据对分析客户行为，加强客户风险及营销管理都有很大帮助，这些数据之间存在着大量基于关系的知识，包括面向公司条线的账务关系、法人关系、供应链关系、担保关系、雇佣关系、股权关系等，这些关系知识错综复杂，并未完全得到发掘。

知识图谱（KG，Knowledge Graph）的概念由Google公司于2012年提出，是指用于提升搜索引擎性能的一个多源知识库。相比于传统知识库，KG强调使用图模型中的节点和边来分别描述关联知识的概念和关系，使得知识可以使用图论、图计算、图学习等进行深度查询、关系计算分析和链接预测。

传统的数据分析技术建立在关系型数据库基础上，难以发现数据间的“隐性关系”，并且在面向关系发现的场景（如集团关系、法人关系、转账关系、担保关系等）时，无法满足计算及分析需要。因此如果将人工智能领域中的一个分支——知识图谱技术，提供了一种创新的金融科技解决方案。知识图谱旨在建立数据之间的关联链接，将碎片化的数据有机的组织起来，以一种更为灵活的基于图的数据结构将不同种类的信息连接在一起形成一个关系网络，让数据更加容易被人和机器理解和处理。

知识图谱本质上是语义网络，是一种基于图的数据结构，由节点和边组成，节点为现实世界中存在的“实体”,边为实体与实体之间的“关系”，知识图谱是关系网络的最有效的表示方式，提供了从关系的角度去分析问题、获取知识的能力,并为搜索、挖掘、分析等提供便利，为人工智能的实现提供知识库基础。知识图谱分析平台架构上将作为大数据平台的一部分，扩充了大数据技术在知识管理和发现的能力。基于大数据技术建设知识图谱分析平台，可以实现实体之间的关系管理，并且提供对未知关系的挖掘分析能力，在传统金融机构中实现客户画像、精准营销、风险预警、风险控制、反欺诈、反洗钱等业务提供知识的快速查询和分析挖掘服务。

对于金融机构而言，应该是先有数据战略，再建设数据中台。目前传统金融机构，都在进行各种数字化转型的尝试，但与互联网公司的先天具备的“数据战略”对比，传统金融机构首先需要管理层需要有意愿去改变，当意识、技术、数据到位，数据战略的起点才是真正开始。

目前，很多传统金融机构，已经在知识图谱领域的探索取得了一定的成果，比如：招行银行信用卡中心的零售图分析平台；广发银行围绕企业信息、关联关系、事件预警、智能分析等打造的全行知识图谱平台；广东省农信搭建成了“厚中台、薄前台、稳后台”的IT架构，知识图谱是其数字化转型的基础能力之一。这些案例，为传统金融机构的数据战略转型，起到了一个比较代表的引领作用。

未来一段时间，针对金融行业特点的垂直类知识图谱技术，将会是人工智能领域的一个前沿研究问题。传统金融行业要做好数据中台的平台性建设，更加需要把握人工智能未来的发展动态趋势，再能结合金融机构实际业务发展痛点出发，真正发好知识图谱这把前沿技术利器的价值。

[Source]

本文系未央网专栏作者发表，属作者个人观点，不代表网站观点，未经许可严禁转载，违者必究！首图来自图虫创意。

本文为作者授权未央网发表，属作者个人观点，不代表网站观点，未经许可严禁转载，违者必究！首图来自图虫创意。

本文版权归原作者所有，如有侵权，请联系删除。首图来自图虫创意。