震坤行工业超市作为一家领先的数字化工业用品服务平台，致力于帮助客户实现透明、高效和降低成本的目标。公司通过数字化管理工具和物联网技术，助力合作伙伴实现了从采购、制造到交付的全链路数字化转型，并建立了覆盖全国的仓储物流体系，为客户提供成本更低的服务。



随着业务规模的不断扩大，震坤行面临着数据规模与复杂性的双重压力。先前使用的传统关系型数据库在处理多表连接等操作时性能瓶颈显著，无法支持复杂关系数据的实时分析和深度挖掘。面对这一挑战，震坤行选择了悦数图数据库来优化其供应链管理和个性化推荐系统。


# 用户体验升级：基于图数据库的个性推荐优化

## 数据输入与建模

震坤行收集线上用户的浏览、点击等行为数据以及商品相关的信息作为原始数据输入。这些数据经过清洗和转换后，被加载到悦数图数据库中进行进一步的图建模。在图数据库中，每个商品都被表示为一个节点，附带价格、类别、品牌等属性；同样，每个用户也被表示为一个节点，关联有详细的客户信息。商品节点和用户节点之间则通过用户的行为轨迹建立起复杂的关系网。


## 实时特征提取与推荐优化

基于悦数图数据库的强大功能，震坤行能够实时捕捉并分析用户的行为特征，例如浏览时间长度、点击频率、品牌偏好及价格敏感度等。这些动态特征随后通过 API 接口反馈给搜索引擎和推荐系统，用于即时调整推荐逻辑。

● 召回阶段：利用提取出的实时特征生成更精准的商品候选集。

● 排序阶段：对召回阶段得到的商品集合根据用户偏好特征进行排序，确保推荐结果的高度个性化。

在面对新注册用户冷启动问题时，震坤行依据用户提供的行业和区域信息，结合平台内相同背景用户的购买行为历史，为新用户提供初步的商品推荐，有效缓解了因缺乏用户历史数据而导致的推荐不准的问题。

![https://www-cdn.yueshu.cn/yueshu-website/images/04271.png](https://www-cdn.yueshu.cn/yueshu-website/images/04271.png)


## 使用成果


引入悦数图数据库后，震坤行构建了以商品和用户为核心的关系网络，在算法召回和排序阶段加入了用户行为特征如浏览时长、点击次数、品牌偏好、价格偏好等，有效提升了推荐的精准性和多样性；经过优化后的推荐系统，**搜索推荐点击率提升了15%，下单转化率提升了5%**。同时，震坤行利用悦数图数据库识别新用户的行业及地址信息，针对性地推荐同行业、同区域客户的常买清单商品，有效解决了新客冷启动的问题，使得新用户的购物体验得到了极大改善。


# 采购与交付智能优化：基于图数据库的实时决策支持

除了个性化推荐，悦数图数据库还在震坤行供应链管理的智能化升级中发挥了重要作用。


## 采购决策智能化

当客户订单提交后，系统会基于订单中的详细信息，结合商品的价格、运费、交期等属性，基于悦数图数据库进行智能分析。通过实时查询与特征提取，系统能够综合考虑商品评价、运费等因素，智能选择最优的供应商渠道，并自动推荐主要及备选供应商，旨在优化采购成本的同时确保最佳的交付效果。

![https://www-cdn.yueshu.cn/yueshu-website/images/04273.png](https://www-cdn.yueshu.cn/yueshu-website/images/04273.png)


## 库存管理精细化

震坤行对库存中的商品按批次、数量、状态等属性进行精细化管理。仓库运营人员可以通过实时数据共享即时获取全国不同仓库的商品状态，从而更有效地执行上下架操作和制定库存策略。这不仅有助于减少积压商品的比例，还能实现联合库存管理和智能补货，进一步提升库存管理效率。


![https://www-cdn.yueshu.cn/yueshu-website/images/04274.png](https://www-cdn.yueshu.cn/yueshu-website/images/04274.png)


## 履约过程自动化


从客户订单到物流配送的全过程都经过了智能优化。根据订单的具体要求，系统会智能分配库存资源。例如，针对一个需要100个商品的订单，系统会从不同的仓库分别发货以满足需求，这种做法提高了库存周转率并降低了仓储成本，优化了供应链的整体效率。

![https://www-cdn.yueshu.cn/yueshu-website/images/04275.png](https://www-cdn.yueshu.cn/yueshu-website/images/04275.png)


## 交付环节精准化


震坤行收集线上用户的浏览、点击等行为数据以及商品相关的信息作为原始数据输入。这些数据经过清洗和转换后，被加载到悦数图数据库中进行进一步的图建模。在图数据库中，每个商品都被表示为一个节点，附带价格、类别、品牌等属性；同样，每个用户也被表示为一个节点，关联有详细的客户信息。商品节点和用户节点之间则通过用户的行为轨迹建立起复杂的关系网。


![https://www-cdn.yueshu.cn/yueshu-website/images/04276.png](https://www-cdn.yueshu.cn/yueshu-website/images/04276.png)


## 使用成果

引入悦数图数据库后，震坤行通过构建全局可视化的仓储网络，并利用图算法自动分析不同仓库之间的关系及库存情况，成功实现了发货仓库的最优选择，**有货率因此提升了15%，呆滞库存减少了10%**。同时，将所有相关数据整合到一个平台上，确保了订单信息、库存状态、拣选记录等能够实时同步，大幅减少了订单处理中的误差。震坤行还利用实时物流共享和悦数图数据库最短路径算法的强大路径分析能力，不仅优化了补货决策，还提高了配送路线规划的效率，降低了运输成本，提高了交付准时率。最终，这些改进措施使得**客户售后工单数减少了20%**，极大地增强了客户的信任和忠诚度，促进了企业的可持续发展。

震坤行工业超市通过引入悦数图数据库，成功应对了业务扩展带来的数据规模与复杂性挑战。面对传统关系型数据库在处理复杂关系数据时的性能瓶颈，悦数图数据库以其高效的关系表达、强大的路径分析能力、实时查询与响应以及优秀的可扩展性和高性能，优化了震坤行的供应链管理和个性化推荐系统。

震坤行工业超市性加剧的挑战采用悦数图数据库后，凭借高效关系表达、路径分析等优势，成功优化供应链管理和个性化推荐系统。

从数据孤岛到全局洞察：震坤行借助悦数图数据库升级推荐系统和供应链效率


# 背景：AI 工业化浪潮下的知识管理困局


2025年，某全球领先的工业设备集团（以下简称“客户”）在拥抱 AI 大模型的过程中遇到一些棘手的落地挑战，包括：

知识碎片化：设备手册、维修记录、材料报告分散在 15+ 个孤岛系统，工程师需跨平台检索耗时严重，DeepSeek 等大模型无法直接访问和利用这些关键数据；

大模型“幻觉”问题显著：由于缺乏对私域知识的校验机制，通义千问、DeepSeek 等大模型的回答经常出现猜测性内容，无法满足工业场景对精准性和可靠性的高要求；

推理黑箱化：传统 AI 工具无法解释“为何推荐该解决方案”，影响工程师信任度。

客户急需构建可解释、可沉淀、可进化的知识中枢，能够将 DeepSeek 与其私域数据无缝连接，并解决大模型的“幻觉”问题，实现故障排查从“人工经验”到“智能推演”的跨越。


## 解决方案：基于悦数 Graph RAG 构建「工业知识排障问答系统」


为应对上述挑战，客户基于悦数 Graph RAG 的核心能力——Fusion Graph RAG 技术，打造了「基于图和多级智能体的动态排障知识问答系统」。以下是该方案的核心亮点：


### 混合增强检索，让工程师快速找到答案


悦数 Graph RAG 通过以下三引擎协同工作，帮助客户显著提升了知识检索的全面性和准确性：

图增强搜索：利用知识图谱关联设备故障与零件、历史工单等信息，快速定位问题根源；

向量检索：支持非标手册语义匹配，精准召回相关文档段落；
BM25 关键词定位：针对标准文档，提供高精度的关键词召回能力。
此外，平台还支持多模态融合 ，能够联合索引 PDF 图纸、JPG 电路图、Excel 参数表等多种格式文件，确保所有关键信息均可被高效利用。


### 动态推理工作台，让 DeepSeek 决策更透明、更可信


传统 AI 工具的“黑箱”式推理常让工程师对其推荐结果产生怀疑。而悦数 Graph RAG 的动态推理工作台为客户带来了全新的体验：

大模型协作：使用通义千问生成自然语言报告，便于工程师快速理解问题；部署 DeepSeek-R1 进行多步骤逻辑推演，确保推理过程严谨可靠。
决策可视化：实时展示答案生成路径，如“关联图谱节点→参考文档段落→逻辑推导链”，让工程师对 AI 的推理过程一目了然。


### 工业级安全底座，保障敏感数据零外泄


悦数 Graph RAG 为企业提供工业级安全底座 ，彻底解决客户对敏感数据泄露的担忧：

本地化知识蒸馏：所有数据均在客户本地处理；敏感数据经图谱化处理后脱敏上链，支持字段级权限管控；

离线弹性扩展：基于 GPU 集群的弹性架构，支持后续扩展至 PB 级知识管理需求，满足企业长期发展需要。


### 技术成果


通过悦数 Graph RAG，客户不仅解决了知识碎片化和大模型幻觉的问题，还大幅提升了故障排查效率和决策透明度。以下是客户从中获得的核心价值。

效率跃升：重型机械故障平均排查时间从 8 小时降至 18 分钟，新人培训周期压缩至 2 周；

知识沉淀：沉淀 23 类设备、7000+ 故障场景的推理逻辑，形成企业数字资产；

行业认可：入选《2024中国"大模型+知识管理"最佳实践案例15强》，成为工业 AI 标杆。


# 为什么选择悦数 Graph RAG？


垂直领域穿透力图谱技术赋能千亿级关联关系实时穿透，破解「手册有答案却找不到」痛点

推理可解释性可视化决策链+逻辑定制 prompt 工程，让 AI 从「黑箱」变「透明顾问」

企业级可控性私有化部署、模型自由替换、权限精确到字段级、数据安全零外泄

某高端制造企业知识中枢升级，基于悦数 Graph RAG 打造工业级「故障排查最强大脑」


自 2023 年 8 月悦数与 LlamaIndex 联合发布 Graph RAG 以来，该技术就一直处于技术潮流的前沿。它通过提供更具上下文感知的能力和数据训练的方法，缓解了传统搜索增强技术的幻觉，确保所提供的回复不仅精确，而且有足够丰富的信息。

在今天举行的 VLDB 2024 LLM+KG 研讨会上，悦数 Gen AI 负责人古思为进行了关于《将生成式 AI 与图数据库结合：来自悦数图数据库的创新与见解》的演讲，在演讲中基于 Graph RAG 理念设计的『悦数 RAG』首次亮相，它可以简化知识应用的创建过程，无需编程技能即可轻松上手使用，掀开企业知识管理新篇章 。

![https://www-cdn.yueshu.cn/yueshu-website/images/08263.png](https://www-cdn.yueshu.cn/yueshu-website/images/08263.png)

##### 悦数图数据库 Gen AI 负责人古思为正在演讲


# 什么是『悦数 RAG』？


『悦数 RAG』是一款极简的知识应用构建平台，使 Graph RAG 技术的强大功能触手可及。用户可以通过友好易用的对话界面轻松创建搜索引擎、聊天机器人和内容生成应用，无需任何编程操作。通过激活和循环内部知识，『悦数 RAG』能够最大限度地发挥其价值，将知识和见解转化为行动。


# 为什么企业需要『悦数 RAG』？


对于许多企业来说，丰富的专业知识和业务洞察力往往局限于少数团队成员中，形成了知识孤岛和咨询瓶颈。对于没有计算机科学背景的领域专家来说，DAG、Workflow、Agent和 RAG 等生成式人工智能技术可能令人望而却步，成为 Gen AI 技术落地企业的一大阻碍。因此，通常只有数据或人工智能部门的同事才会使用这些高级工具，类似于只有少数人掌握 Excel 中的复杂商业智能和高级统计功能。

『悦数 RAG』提供了一个简单易用的平台，降低了高级工具的入门门槛，使每个员工都能根据自己的领域知识创建和优化应用程序。在直观的对话界面引导下，用户使可以像与同事交谈一样自然地构建和完善应用程序。从下一代搜索引擎到客户服务问答系统、报告生成器和故障排除工具，『悦数 RAG』将尖端技术与易用性融为一体。

![https://www-cdn.yueshu.cn/yueshu-website/images/08262.png](https://www-cdn.yueshu.cn/yueshu-website/images/08262.png)

##### 用户应用界面：Graph RAG 回答援引的 Graph 上下文

# 用户主要收益

## 简化定制化解决方案的创建

企业可以轻松构建适合自身复杂需求的定制化知识应用，无需深入研究技术细节即可优化内部工作流程。

## 普及的知识应用构建

『悦数 RAG』提供了一个易于使用的平台，其设计精良的用户界面和简化的操作流程使得每位员工都能根据自身需求自主创建知识集和构建应用。这种设计使得构建应用不再是少数 IT/AI 技术人员的专属任务，而是所有员工都能参与的活动，从而加速了企业内部信息和资源的流通，提升了决策的速度和准确性。

## 低成本无缝接入尖端技术

企业用户无需额外的开发投入或昂贵的培训成本，即可利用最先进的高级 RAG、Graph RAG 技术，快速实现知识管理和应用创新，从而加速业务创新和价值创造。

## 即时访问内部知识库

『悦数 RAG』提供的搜索和问答功能使企业能够迅速构建内部知识库的搜索引擎，提高员工访问关键信息的速度和效率，是构建企业内部智能问答系统的最直接方案。

![https://www-cdn.yueshu.cn/yueshu-website/images/08261.png](https://www-cdn.yueshu.cn/yueshu-website/images/08261.png)

##### 应用构建界面：通过自然语言设置、维护和优化应用


# 准备好将您的知识管理提升到 RAG 应用层面了吗

与市场上其他面向企业的 RAG 产品相比，『悦数 RAG』不仅在将 Graph RAG的性能拉满，而且在用户友好性和易用性方面也表现出众。其他解决方案可能需要深厚编程知识和技术专长，而『悦数 RAG』确保即使是非技术用户也能利用先进的 AI 技术的力量。选择使用『悦数 RAG』将降低知识管理的成本，并无疑会促进一个更加包容和创新的工作环境。

点击链接，[联系我们](https://www.yueshu.com.cn/contact)，开始您的悦数 RAG 之旅！

悦数 RAG 正式亮相 ：从知识到应用的飞跃，只要几分钟

悦数 RAG 正式亮相 ：从知识到应用的飞跃，只要几分钟（文末附使用申请链接）

在近日举办的『图创价值 Live——解锁能源新未来！能源行业图技术解决方案深度探索』的直播活动中，远景智能电网技术总监刘克文和杭州悦数解决方案专家鲍翰林共同探讨了新能源行业快速建设带来的新挑战、解决挑战的关键因素以及图数据库技术在新能源电网领域的突破性应用。

直播活动上正式发布了《全局视野，精准决策丨图数据库在新能源电网中的突破性作用》白皮书。本文将概述白皮书的精彩内容，扫描以下二维码即可下载白皮书，收获满满行业干货！

![https://www-cdn.yueshu.cn/yueshu-website/images/0822post1.jpg](https://www-cdn.yueshu.cn/yueshu-website/images/0822post1.jpg)


# 新能源行业快速发展为底层系统带来新的挑战


在当前能源转型和电力市场改革的背景下，电网行业面临三大核心挑战：首先是电网规模的不断扩大与复杂性的增加，使得电网的运行、维护和优化变得更加困难；其次是新能源的广泛接入与分布式能源的快速发展，对电网的灵活性、稳定性和智能化水平提出了更高要求；最后，如何在保障电网市场化运作的同时，确保数据的公正公平使用，防止价格操纵和不公平交易行为，成为电网行业亟待解决的问题。


# 基于图的应用解决方案


图数据库技术以其强大的关联数据处理能力，为电网行业提供了新的思路和方法。通过构建电网的图模型，可以直观展示电网拓扑结构和运行状态，实现精细化管理和优化。同时，该技术还支持复杂查询和实时数据分析，为电网智能化决策和快速响应提供支撑。此外，结合机器学习和人工智能技术，图数据库技术还可以进一步挖掘电网数据的潜在价值，为电网行业的可持续发展注入新的动力。


## 全局：构建“全网一张图”


通过图数据库技术，构建源网荷储电力系统全息图模型，将电网中的各类设备、线路和节点等元素进行全面建模和关联，形成一张全景式的电网模型。这种模型不仅直观展示电网的整体结构，还为后续的计算和分析提供了全面准确的数据支持。


## 快速：实时并行计算，提升响应速度


图数据库在实时并行计算方面具有显著优势，能够高效存储和查询复杂关系，满足实时大数据分析的需求。这一特性使得电网系统在应对复杂故障场景时能够迅速响应，有效保障电网的稳定运行。


## 准确：精准分析，优化决策过程


基于图数据库的输配电网协同网络分析功能，可以高效进行预想故障分析，通过快速准确的潮流计算和故障集筛选，为电网调度提供科学依据，提高电网的智能化管理水平，降低停电风险。


# 产品与客户案例分享

悦数图数据库是值得信赖的高性能图技术底座，助力了某电力调度中心构建统一时空立体模型的。通过融合调度、配网、暂态和市场等多类业务的统一模型，该中心实现了设备间关联关系从全量秒级计算到增量毫秒级读取的根本性改变，显著提升了调度决策的准确性和科学性，同时降低了系统运维成本，带来了显著的经济效益和社会效益。

作为新能源电网领域的重要技术支撑，图数据库技术将为能源行业的数字化转型贡献力量。扫描下方二维码下载【图数据库能源行业解决方案白皮书】。

![https://www-cdn.yueshu.cn/yueshu-website/images/0822post2.jpg](https://www-cdn.yueshu.cn/yueshu-website/images/0822post2.jpg)

全局视野，精准决策丨图数据库能源行业解决方案白皮书正式发布！

![https://www-cdn.yueshu.cn/yueshu-website/images/0731-4.jpg](https://www-cdn.yueshu.cn/yueshu-website/images/0731-4.jpg)

随着全球能源结构的深刻变革，能源系统正面临着前所未有的挑战与机遇。新能源的迅猛发展、电力市场化的推进以及电网调度的复杂性不断升级，都对能源系统的智能化、高效化提出了更高要求。为此，我们特别邀请了到了悦数解决方案专家-鲍翰林，为您带来一场关于“能源行业图技术解决方案”的深度直播，共同探索如何利用图技术赋能产业，创造无限可能。


在本次直播中，我们还将发布**能源行业解决方案白皮书**，并在直播结束后开放下载。同时，我们还将为您提供技术支持与咨询服务，助力能源行业的数字化转型与升级。


# 直播重点


## 能源行业现状分析与挑战



### 新能源发展迅猛：


据《2024电力供需分析报告》统计，到2024年底全国发电装机容量将达到33.2亿千瓦，其中新能源装机占比超过40%，居世界第一，但弃风弃光现象依然严重。


### 电力电子化特征凸显：


直流输电和新能源发电的引入，使得电网电力电子化特征更加显著，稳定形态更加复杂。


### 市场化与监管并重：


电力市场化推进与监管强化并存，调度机构需平衡电网安全运行与市场有序运作。


## 图技术如何重塑能源系统



### 全局一张图模型：


构建覆盖发、输、变、配、用全局的“全网一张图”，实现全局建模和实时监视分析。


### 大数据处理能力：


利用图数据库处理海量关系数据，实现分布式存储和并行处理，提升数据处理效率。


### 实时并行计算：


采用“存算一体”计算模式，快速响应电网动态变化，提高故障处置速度。


## 图技术在能源行业应用中的实践案例



### 输配电网协同网络分析：


实现超实时态势感知，将分析周期从分钟级缩短到秒级，提升电网运行效率。


### 状态估计与在线潮流计算：


融合图节点/分层并行计算，提升计算性能，实现毫秒级状态估计和秒级在线潮流计算。


### 海量设备生命周期管理：


通过设备追踪管理和质量分析管理，构建设备知识图谱，实现设备全生命周期的智慧化管理。

**扫描下方海报二维码！立即预约直播席位，与行业专家面对面交流！**

![https://www-cdn.yueshu.cn/yueshu-website/images/0731-6.jpg](https://www-cdn.yueshu.cn/yueshu-website/images/0731-6.jpg)

**我们期待在直播中与您分享更多关于能源行业解决方案的精彩内容，共同探索数据驱动的未来能源之路**

共同探索数据驱动的未来能源之路

图创价值 Live——解锁能源新未来！能源行业图技术解决方案深度探索

![https://www-cdn.yueshu.cn/yueshu-website/images/06272.jpg](https://www-cdn.yueshu.cn/yueshu-website/images/06272.jpg)

# 项目背景


这家成立于 2015 年的全球金融科技独角兽公司，为全球超过 10 万家企业提供金融服务接口，支持国际交易和资金转账。该平台可以支持近 180 个国家的本地收款服务，并能够向超过 150 个国家付款。截至 2024 年 1 月，该平台的全球汇款总额已超过 500 亿美元。


# 业务挑战：升级风控系统以应对金融欺诈


该公司以前使用传统的关系型数据库进行风险控制，但发现其在处理多表连接时效率低下，难以有效识别欺诈风险。


作为一家全球化的金融平台，不仅需要实现无缝交易，更需要保障资产和交易的安全，特别是在复杂的金融诈骗环境中。经过对欺诈事件的回顾性分析，该公司发现图数据库在揭示隐藏的数据关联方面更为出色，因此决定采用此类技术作为风险控制的解决方案。


# 解决方案：利用悦数图数据库提升欺诈检测能力


该公司评估了多个企业图数据库解决方案，包括ArangoDB、Neo4j、TuGraph 和悦数图数据库，并从架构、性能和可扩展性等方面进行比较。悦数图数据库凭借其分布式架构、水平扩展能力以及专业的技术支持脱颖而出。


## 分布式架构支持全球数据合规


由于该公司在全球范围内运营，面临着大量数据合规要求，如反洗钱和消费者隐私保护等。因为悦数图数据库采用了分片分布式架构设计，将存储与计算分离，可以完全满足这些数据合规要求。


## 实时反欺诈检测的优越性能


选择悦数图数据库的关键在于其支持实时反欺诈操作，能够处理超过 1000 个并发请求，并提供毫秒级响应时间。悦数图数据库强大的本地图引擎具备高 QPS（每秒查询数）和 TPS（每秒事务数），以及毫秒级延迟，能够轻松处理高并发级别的情景，非常适合该公司的需求。


## 面向未来增长的无缝扩展性

考虑到未来的发展计划，该公司强调风控平台的可扩展性。悦数图数据库由于其无分片分布式存储设计，提供了强大的水平扩展性，是处理未来不断增长的业务和数据的理想解决方案。


## 关键基础设施的优质技术支持

稳定性是基础软件的必备条件，该公司还希望图数据库供应商能够提供可靠的技术支持。作为分布式图数据库的领导者，悦数图数据库拥有技术实力雄厚的顶级专家团队，从项目初期到最终上线，在多方面提供了专业的技术支持，得到了该公司的高度评价。


# 项目成果：通过基于悦数图数据库的风险控制平台实现安全交易

悦数图数据库在整个风险控制平台中发挥了关键作用，涵盖新用户资料审核、交易风险审查和交易后分析三个子域，确保系统交易安全。

![https://www-cdn.yueshu.cn/yueshu-website/images/06273.png](https://www-cdn.yueshu.cn/yueshu-website/images/06273.png)

## 新用户资料审核
该公司使用悦数图数据库分析新用户的网络信息、设备指纹和用户资料之间的潜在关系。通过全面审查这些信息，系统可以自动过滤掉高风险用户。


## 交易风险审查

系统根据风险评估模型自动审查每笔交易。当交易被标记为可疑并需要手动审查时，悦数图数据库可以详细分析交易实体及其交易对象的关联关系，帮助审计人员做出明智决策。


## 交易后分析

该公司定期使用数据挖掘和机器学习技术扫描客户的历史行为，检测异常用户或交易。悦数图数据库原生支持图聚类算法，高效识别关联账户集群，对可疑账户集群进行标记并审查，降低未来风险。


此外，悦数图数据库还帮助该公司构建了完整的用户知识图谱，作为 RAG（检索增强生成）的信息库，通过大语言模型为合规部门提供客户公司股权、运营状况和合作伙伴数据的简短摘要，帮助快速了解不同业务的运营状况。


总的来说，悦数图数据库在为该公司建立安全、高效和可靠金融系统的过程中发挥了关键作用，通过分析复杂交互和行为，使该公司在用户从上线到事件后分析的所有阶段减轻风险。



悦数图数据库在为该公司建立安全、高效和可靠金融系统的过程中发挥了关键作用，通过分析复杂交互和行为，使该公司在用户从上线到事件后分析的所有阶段减轻风险。

案例分享丨全球金融科技独角兽利用悦数图数据库保障金融交易安全

![](https://www-cdn.yueshu.cn/yueshu-website/images/blogs/news/JSDX-1.jpg)
随着 5G 和万物互联时代的到来，家庭和企业对宽带的需求持续增长，同时，基础设施的完善和运营商支持的网络设备规模的扩大使得网络拓扑更加复杂。因此，如何提高宽带业务处理的效率，以及如何有效地规划从终端和末端设备到机房设备的最优路径，成为了运营商宽带业务持续扩展亟需解决的瓶颈。
中国电信股份有限公司江苏分公司（以下简称江苏电信）隶属中国电信股份有限公司，是中国电信股份有限公司在江苏行政区域范围内设立的分支机构。一直以来江苏电信都走在电信集团科技创新的前沿，在云网融合、5G 与边缘云、数字化、网信安全、政企信息化应用等重点领域全面推进科技创新布局，争当数智化深度改革的排头兵。

# 宽带业务中的痛点与挑战
![](https://www-cdn.yueshu.cn/yueshu-website/images/blogs/news/JSDX-2.png)
江苏电信在过去采用基于传统关系型数据库的系统做路由计算，该模式需要针对某地市的所有相关设备做全网路由预计算生成一张路由表，一次计算耗时接近一个星期，然后对于新的宽带申请订单基于生成的路由表实时查询。长此以往会面临两个大方面的问题，首先，全国地市众多，每一次的全网路由计算能耗巨大，但其计算结果往往仅仅有极小一部分会被最终会被使用，造成极大的资源浪费。其次，每次预计算耗时过长，路由表结果过期严重，往往出现施工人员到现场后发现不满足施工要求，比如指定光分纤箱、光交接箱空闲纤芯数不足或者相关分光器不可用等。核心痛点可被总结如下：

* 新家装及政企宽带申请业务，由于路径链路深，权重多的特点，基于传统关系型数据无法做实时路由计算；

* 现有技术手段需要为全网路由进行预计算，一次耗时 5～6 天，资源浪费大且数据过期问题严重；

* 随着业务量增加问题日益严重；

# 传统数据库的替换选型
上述痛点究其根本原因，在于关系型数据库并不适合用于动态规划问题，在这类问题中，既需要处理极深的链路（即 SQL 中超过 5 次 JOIN，时效性无法满足要求），也需要提供丰富的路径语义(比如需要根据各设备的出入度、能力值、光缆长度、端口空闲度等多种参数做带权重路径排序，用 SQL 表达极为困难——这也带来了开发上的困难)，而该类场景的处理正是图数据库所擅长的，能帮助很好地解决这些问题。

因此，为有效支持实时路由计算场景，江苏电信云网运营支撑部门决定采购一款具备高可用、高扩展性、高性能、易运维等特点的图数据库。该图数据库将成为其平台部门的重要组成部分，为运营商的业务提供坚实的技术基础。
![](https://www-cdn.yueshu.cn/yueshu-website/images/blogs/news/JSDX-3.png)

# 选择悦数图数据库
江苏电信在多方对比后最终选择了悦数图数据库，作为一款专为高性能图数据管理而设计的分布式数据库，悦数具备江苏电信产品选型所要求的特性： 

* **高可用性：**

悦数图数据库具备出色的高可用性，能够提供稳定可靠的服务。系统支持主备机制，并具备自动故障切换和数据恢复功能，有力保证了服务的连续运行，有效降低了因硬件故障或其他不可预知的问题导致的服务中断。

* **高扩展性：**

悦数图数据库采用 Shared-Nothing 分布式架构和计算与存储分离的设计，可以适应未来业务增长和数据规模的变化。系统支持水平扩展，能够轻松地增加新的节点和存储资源，满足不断增长的数据存储需求。

* **高性能：**

悦数图数据库在大规模图数据的查询和分析中表现出卓越的性能，能实现低延迟响应，并支持高并发访问，其查询引擎和存储引擎经过精心优化，是确保高性能的关键因素。

* **易运维：**

悦数图数据库提供了简单易用的部署和运维工具，以降低管理成本。系统提供友好的管理界面、详尽的文档和灵活的配置选项，同时支持监控和日志功能，以帮助运维团队及时发现和解决潜在问题。

* **安全性：**

悦数图数据库在处理敏感数据时，具备强大的安全性保障。系统支持数据加密、访问控制和身份验证等安全机制，以确保用户数据的机密性和完整性。

* **生态系统集成：**

悦数图数据库具备丰富的生态系统，能与现有的云服务、监控运维工具和其他数据存储系统无缝集成。这有助于最大程度地发挥图数据库的潜力，并简化整个系统的管理和协同工作。
![](https://www-cdn.yueshu.cn/yueshu-website/images/blogs/news/JSDX-4.png)

# 效益提升
在采用悦数图数据库提供的解决方案后，江苏电信实现了以下业务层面的价值提升：

1. 在家庭和政企宽带申请业务场景下，避免了 **5~6天** 的预计算，实现了**数百毫秒级**的实时路由规划计算，大大节省了计算资源。

2. 成功避免了全网路由预计算所带来的**数据过期**问题。

3. 路由规划结果现在可以便于**可视化**，且具有强大的**可解释性**。


## 客户评价：


“悦数图数据库是一款优秀的国产图数据库，从图查询、图计算、可视化图探索、运维监控等方面提供了完善的解决方案。以实时路由计算场景为例，解决了困扰江苏电信十余年的痛点问题，后续希望基于悦数图数据库解决方案挖掘更多应用价值，助力数智化进程。”



总体而言，悦数图数据库解决了实时路由计算场景需求的同时也满足了云网运营支撑部门对高可用性、高可扩展性、高性能、易运维、安全性和生态系统集成的需求，助力其在复杂网络环境中实现了更高效的数据处理和分析。

**联系我们**｜杭州悦数科技有限公司

咨询邮箱：contact@yueshu.com.cn

咨询热线：(+86)0571-58009980（工作日 09:30-18:30）

**办公地点：**

* 杭州--杭州市余杭区仓前街道奥克斯中心五号楼 22 层
* 北京--北京市海淀区中关村南大街甲 12 号寰太大厦 903 室
* 上海--上海市浦东新区浦电路438号双鸽大厦7楼陆家嘴金融城双城辉映会客厅（悦数图技术陆家嘴数据智能研究院）


悦数图数据库解决了实时路由计算场景需求的同时也满足了云网运营支撑部门对高可用性、高可扩展性、高性能、易运维、安全性和生态系统集成的需求，助力其在复杂网络环境中实现了更高效的数据处理和分析。

江苏电信：悦数图数据库助力电信运营商宽带业务提效

![](https://www-cdn.yueshu.cn/yueshu-website/images/blogs/1121_3.jpg)

许多国内企业在早期使用 Neo4j 作为图相关业务场景的探索基础设施。然而，随着业务发展和环境变化，原有的图数据库已经逐渐无法满足不断发展的特定业务场景需求。如何将 Neo4j 迁移到一款兼具良好扩展性、性能、专业服务能力的图产品，已成为业界普遍关心的问题。本文将为您呈现国泰君安从 Neo4j 迁移至悦数图数据库的选型、迁移和提升能力的完整历程，供广大企业参考。

2018 年，国泰君安选择了 Neo4j 作为构建企业图谱、产业链图谱等关键场景的图数据库。然而，随着业务的发展，Neo4j  的单机架构和可维护性等问题变得越来越突出，国泰君安需要寻找一个更符合业务需求的图数据库产品。于是，在 2023 年，国泰君安选择了知名的原生分布式图数据库“悦数图数据库”作为 Neo4j 的替代，成功完成了数据库的迁移。

# Neo4j 替换选型

当时，国泰君安主要遇到以下问题：
* *Neo4j 为单机形态，没有弹性扩缩容的能力；*
* *业务复杂性和查询速度要求不断上升，支撑业务所需要的图查询、图计算能力，Neo4j 不能完全满足；*
* *现有产品缺乏足够的企业级支持和服务；*

经过多方研究、比对和测试，国泰君安最终选择了知名的原生分布式图数据库“悦数图数据库”作为 Neo4j 的替代，来支撑运营关键场景。

国泰君安图数据库项目经理表示，在进行图数据库替代选型时，主要考虑了以下几个因素。首先是**产品的能力是否满足需求**。面对不断变化的业务场景和需求，**新的图数据库必须具备弹性扩缩容能力**，这是 Neo4j 所无法做到的。同时，**我们的业务场景涉及股权穿透、最终受益人等业务相关的算法、全文索引创建等，并且系统需要满足一天一万次 API 调用，每次查询的时延要求在秒级**。因此，我们需要选择一个具备一定的图查询、图计算能力和性能的图数据库。在市场上比较后发现，在产品能力的这两个方面，悦数图数据库的表现是比较优异的，能够匹配我们的需求。

其次，产品背后提供的**服务和支持也是很重要的**。我们了解到，悦数图数据库是基于世界排名前三的开源分布式图数据库 NebulaGraph，针对国内用户需求而打造的，其本身的社区及商业化客户已经超 1,500 家，并且积累了大量的行业实践经验。在产品所属公司杭州悦数，70% 员工为具备图技术专业背景的技术工程师，产品支持能力比较强。这些是国内外其他一些图数据库厂商所不具备的。

此外，金融业是国家重点产业之一，避免被“卡脖子”是行业在选用产品时考虑的因素之一。在选型过程中，我们也在国产、满足信创要求、兼容国产基础设施方面进行了考察。我们了解到，悦数图数据库是**国产自主可控**的软件产品，对于主流国产 CPU（如鲲鹏、海光、飞腾、龙芯等）及操作系统（如麒麟、统信、欧拉、红旗等）都进行了官方的兼容性适配和相关认证。

综合对比之后，我们选择了悦数图数据库作为 Neo4j 的替代。

# 迁移要求

国泰君安使用了工商数据、万得数据以及部分自有业务数据作为数据源，并通过全文检索组件提供全文搜索和视图查询服务。对于此次图数据库的迁移，项目关键要求包括了功能和性能的要求。

在**功能要求方面**，首先是**数据导入的效率**。在原先使用 Neo4j 时，数据导入先从上 Hive 生成 csv，再转换成 Neo4j csv 格式后进行导入，100GB 的原始数据导入需要耗时 10 多个小时。此次迁移的要求是，同样的数据导入，耗时在分钟级别。
其次是**业务查询逻辑**。除了普通的 Match 语句之外，自定了一些存储过程 procedure 函数，如股权穿透、最终受益人等业务相关的算法、全文索引创建等等。

在**性能要求**方面，系统需要满足一天一万次 API 调用，并且每次查询的时延要求在秒级。

![](https://www-cdn.yueshu.cn/yueshu-website/images/blogs/11-21-arch.png)

 

# 迁移方案
与大多数数据库迁移类似，图数据的迁移也涉及数据以及业务逻辑（查询和计算）两个模块。

## 在数据层面：
基于悦数数据迁移工具（Yueshu Exchange）的能力，悦数图数据库支持根据不同的数据存储源，以两种不同的迁移方式导入：从 Neo4j 导入及从 Hive 表导入。悦数数据迁移工具是一款 Apache Spark 应用，能支持多种不同格式的 rxaa 数据和流式数据的迁移。
 
![](https://www-cdn.yueshu.cn/yueshu-website/images/blogs/1121-yueshu-exchange.png)
为更好的兼容国泰君安现有的数据导入业务流程，本次迁移采用了从 Hive 表导入的方式。

## 在业务层面，本次迁移主要涉及三部分：
**首先是数据库接口**，迁移项目将原有的 Neo4j 的数据访问层改造成悦数图数据库的数据访问层，在改造底层的数据库连接、会话、执行查询的机制和数据类型的基础上，保证上层的接口不变。国泰君安采用 Java 作为开发技术栈，悦数图数据库使用了已有的 Java 客户端重新实现了其图数据库访问层的原有逻辑。

**其次是视图查询服务**，本次迁移使用图数据库接口改写了 QueryByView Service 的实现，生成的 Cypher 查询语句能适配悦数图数据库的语法要求，提供可视化查询服务。

**第三是专用资源服务**，主要涉及查询语言的优化及改写。悦数图数据库很好地兼容了Cypher 语言的 DQL 部分，因此部分服务无需优化，可以复用原有代码。
![](https://www-cdn.yueshu.cn/yueshu-website/images/blogs/1121-yueshu-graphdb.png)

# 迁移后的能力跃升
基于上述迁移方案，国泰君安顺利完成了将图数据库从 Neo4j 到悦数图数据库的迁移，并将原有的企业图谱、产业链图谱等场景迁移到了基于悦数图数据库构建的图平台上。迁移后，国泰君安的图平台整体能力得到了大幅提升。

悦数图数据库采用存算分离和 Shared-nothing 分布式存储架构，支持海量数据存储及集群的在线扩缩容。相比于原有的 Neo4j 单机形态，基于悦数图数据库的图平台**具备出色的弹性扩缩容能力**，能够满足业务变化中的各种需求。

同时，悦数图数据库的多副本及一致性协议，保证了集群中数据的高可靠及业务高可用。而备份恢复、集群间数据同步等能力，**进一步提升了系统的可用性和可靠性**。

其次，基于悦数图数据库强大的**图查询和图计算能力**，国泰君安的图平台顺利应用于股权穿透、最终受益人等业务场景，并满足了每天一万次 API 调用和每次查询的秒级时延要求。

总的来说，通过从 Neo4j 迁移至悦数图数据库，国泰君安的图平台在整体能力、扩展性、稳定性等方面都完成了一次大幅跃升，有效支持了业务发展需求，通过数据关联关系为业务创造更多价值。

如果您对从 Neo4j 迁移或图数据库的选型有任何问题、咨询或讨论，欢迎与我们联系！


悦数图数据库
* 咨询邮箱：contact@yueshu.com.cn
* 咨询热线：(+86)0571-58009980（工作日 09:30-18:30）
* 公司地址：杭州市余杭区仓前街道奥克斯中心五号楼 22 层


国泰君安：从 Neo4j 迁移至悦数图数据库

![图数据库在知识图谱的应用实例](https://www-cdn.yueshu.cn/yueshu-website/images/share/seo%E7%9F%A5%E8%AF%86%E5%9B%BE%E8%B0%B1%E7%B3%BB%E5%88%97_%E7%94%BB%E6%9D%BF%201%20%E5%89%AF%E6%9C%AC%202.jpg)



[图数据库](https://www.yueshu.com.cn/)与普通数据库不同的是，它能够用于存储海量数据，且仍然能够保持毫秒级的查询速度，它以图结构的形式管理数据。随着知识图谱的兴起，图数据库在知识图谱的应用实例方面发挥着越来越重要的作用。



# 图数据库与知识图谱

知识图谱是一种用于表示和存储知识的图数据模型。知识图谱由实体和它们之间的关系组成，与图数据库吻合，是用点和边来表示数据关系，是一种用于描述现实世界中实体之间关系的数据结构。知识图谱的应用涉及到各个领域，包括搜索引擎、推荐系统、自然语言处理等。而图数据库作为一种专门用于存储和查询图结构数据的数据库管理系统，其图结构的数据存储模式，与知识图谱非常契合，也为知识图谱的应用实例提供了强大的支持。



# 知识图谱的应用实例

知识图谱是一种将各种知识和信息以图谱的形式进行组织和展示的技术。它通过建立实体之间的关系，帮助人们更好地理解和利用知识。在当今信息爆炸的时代，知识图谱的应用已经渗透到各个领域，为人们的生活和工作带来了诸多便利。

1. **搜索引擎领域**

知识图谱在搜索引擎领域的应用是非常广泛和直观的。谷歌的知识图谱项目就是一个典型的例子。通过构建和维护知识图谱，谷歌能够为用户提供更加准确和丰富的搜索结果。当用户搜索某个实体或主题时，知识图谱可以帮助搜索引擎理解用户的意图，提供相关的知识卡片和信息片段，从而提升搜索的效率和质量。

2. **智能问答**

知识图谱在智能问答系统中的应用也是非常广泛的。例如，苹果的Siri和亚马逊的Alexa等智能语音助手，都是基于知识图谱技术构建的。通过将各种知识和信息进行结构化和关联，更好地理解用户的提问，并给出正确且有价值的答案。这种应用不仅提升了用户体验，也推动了人工智能技术的发展。

3. **推荐系统**

知识图谱在推荐系统中也有着重要的作用。像Netflix和Spotify这样的视频和音乐平台，通过分析用户的喜好和行为，构建个性化的知识图谱，从而为用户推荐更加符合其偏好的内容。这种个性化推荐不仅提高了用户的满意度，也促进了平台的用户粘性和商业价值。

4. **其他**

除了以上几个领域，知识图谱在教育、医疗、金融等行业中也有着广泛的应用。例如，在教育领域，知识图谱可以帮助学生更好地掌握知识结构和学习路径，提升学习效率和成绩；在医疗领域，知识图谱可以帮助医生更好地理解疾病和治疗方案之间的关系，辅助临床决策和诊断；在金融领域，知识图谱可以帮助银行和金融机构更好地理解客户的需求和风险。



可见，知识图谱的应用已经走出了实验室，成为了各行各业的重要技术工具。通过构建和利用知识图谱，我们能够更好地理解和利用知识，提升工作效率和生活质量。随着人工智能和大数据技术的不断发展，相信知识图谱的应用将会变得更加广泛和深入，为人类社会带来更多的创新和进步。



# 知识图谱的应用实例中图数据库的选择

图数据库在知识图谱的应用实例中是非常关键的一环，在知识图谱应用实例中如何选择图数据库也是一个非常重要的课题。

图数据库的性能和扩展性是一个重要考量因素，由于知识图谱数据通常是非常庞大且复杂的，因此图数据库需要具有更高的性能和扩展性，以便能够以企业级的要求更高的效率来处理这些数据。另外，图数据库的查询语言和算法也需要不断地改进和优化，以适应知识图谱应用中的复杂查询需求。

在此，我们推荐悦数原生分布式图数据库，其在知识图谱的应用实例中能够起到至关重要的作用，悦数图数据库的优势在于其分布式架构，能够帮助用户快速处理千亿点万亿条边的超大规模数据集，实现毫秒级的查询速度，不仅能够满足普通知识图谱的需求，还能达到企业级的数据查询要求，已经被几个大型的知识图谱服务商选择，所以也非常推荐大家。

如果你对悦数图数据库感兴趣，欢迎联系我们，免费试用！

图数据库与普通数据库不同的是，它能够用于存储海量数据

图数据库在知识图谱的应用实例

![基于图数据库的知识图谱技术](https://www-cdn.yueshu.cn/yueshu-website/images/share/seo%E7%9F%A5%E8%AF%86%E5%9B%BE%E8%B0%B1%E7%B3%BB%E5%88%97_%E7%94%BB%E6%9D%BF%201%20%E5%89%AF%E6%9C%AC%204.jpg)



如何有效地管理和利用海量数据？这成为了各行各业面临的重要问题。信息时代的飞速发展，带来的是数据量呈指数级增长，知识图谱技术应运而生，它以图数据库为基础，利用图结构来组织和表达实体之间的关系，为人工智能、数据分析和推荐系统等领域提供了强大的支持。

# 图数据库技术

知识图谱技术的核心是[图数据库](https://www.yueshu.com.cn/database)，它采用图的数据结构，将实体和关系表示为节点和边，通过节点之间的连接来展现实体之间的关联关系。跟关系型数据库相比，图数据库要更加适合存储和查询具有复杂关系的数据，因为它具有更好的可扩展性、更高的性能和更好的灵活性，能够以更高的效率处理更大规模图数据。在知识图谱中，图数据库可以用于存储和分析人工智能模型中的关系，图数据库的应用使得实体之间的关系变得清晰可见，为知识的组织、检索和推理提供了便利。

# 知识图谱技术

知识图谱技术可以帮助人们更好地理解和利用海量的数据和信息，它是一种基于语义关系的知识表示和推理技术。近年来，由于AI的不断发展，知识图谱技术得到了广泛的应用，包括搜索引擎、智能问答系统、智能推荐系统、自然语言处理等领域。

其中比较知名的是谷歌的知识图谱项目，谷歌知识图谱将海量的结构化和非结构化数据整合在一起，以图数据库为基础，构建了一个庞大的知识图谱，为用户提供了丰富的信息检索和语义理解功能。此外，在生物信息学、社交网络分析、智能推荐系统等领域，知识图谱技术也得到了广泛的应用和研究。

未来，随着人工智能技术的不断发展，知识图谱技术将会在更多的领域得到应用，如医疗健康、金融、教育等领域。同时，知识图谱技术还将会与其他人工智能技术相结合，形成更加强大和智能的应用系统。此外，知识图谱技术还将会朝着更加开放和共享的方向发展，形成更加丰富和多样化的知识图谱资源。

# 基于图数据库的知识图谱技术

基于图数据库的知识图谱技术是当前信息管理和人工智能领域的热门技术之一，它为数据的组织和利用提供了新的思路和方法。随着图数据库技术的不断发展和完善，相信知识图谱技术将在更多的领域展现出强大的应用价值。

悦数图数据库是一款原生分布式图数据库，能够实现数据的并行处理和快速查询，从而大大提升了数据处理的效率；支持水平扩展，能够轻松应对数据规模的增长，保证系统的稳定性和可靠性；支持多种数据模型和查询语言，能够满足不同应用场景的需求，为用户提供了更加灵活的数据管理和分析方式。

随着大数据和人工智能技术的不断发展，图数据库将会在更多的领域得到应用。悦数原生分布式图数据库作为一种高性能、高可扩展性、灵活性强的数据库系统，将会在未来的发展中发挥越来越重要的作用，为用户提供更加强大的数据处理和分析能力，促进各行各业的发展和进步。

如何有效地管理和利用海量数据？这成为了各行各业面临的重要问题。

基于图数据库的知识图谱技术

# 金融风控行业背景
在金融行业中，风控是业务中十分重要的一环。风控包含了非常多的业务类型，囊括了反赌博、反诈骗、反洗钱、反作弊等等，而根据不同的业务类型，又可以细分为更多的业务场景，例如信贷反欺诈场景，在贷款申请、授信、支用等各个环节都会涉及到，对风控的具体要求也不一样。

由于整体行业的风险趋势，呈现黑产团体化、交易链条复杂化，图数据库成为越来越多企业进行风险防控的不二选择，如何选择一款图库，也成为了众多客户的痛点。由于不同风控的业务类型并不一样，本文尝试从金融行业技术特点的角度剖析，如何选择一款适合客户的图数据库。

# 为什么要使用图数据库进行金融风控
首先是总体信贷风控的目标，并非完全消除风险，而是提升风控精准度和效率，平衡收益和风险。由于这个特性，决定了风控总体是个动态的过程，不断的会上一些新的策略，比如在一段时间内，出现了一种新类型的风险，就需要将新的策略上到策略平台，而过了这段窗口期，策略通常也不会直接下线，以防未来再出现风险。

如果要用图数据库来开发新的风控策略，就需要图数据库有较为强大的图查询语言以及 UDF 能力，能够灵活的按照用户的需求开发上线。例如在申请反欺诈场景，寻找进件和黑点在 X 度之内是否有关联是一个典型的图特征，能够对路径上点类型、边类型，度数，以及点边上的阈值灵活做调整，就显得尤为重要。

## 图技术进行金融风控的原理
围绕提升风控精准度和效率目标，一般会将风控的阶段分为**事前预警、事中决策、事后分析。**

* **事前预警**

一般是以预测、挖掘为主，对时效性没有太大要求，可以是天级，有交互式分析需求。常见的应用场景是客户的信贷评分，一般需要结合一些图算法和图查询的结果进行综合评分。如何调度图查询、图算法以及利用图可视化做挖掘，将他们串联成一个完整的流程反复执行，并通过参数灵活的做调整，是这个阶段比较关注的图数据库特性。

* **事中决策**

一般会包含实时查询、实时计算，要求豪秒级响应。例如在信贷支用阶段的风控，当发现风险时，要及时切断这笔支用，每一笔支用进来，可能会调用多达上百个图特征，当用户的并发增多（例如100），对图库的QPS要求通常是上万，乃至上10万的，而总计的时间窗口也只会要求在几百毫秒以内，否则会影响整体的用户体感，引发业务问题。如果是在业务扩张期，碰上业务高峰，如何扩容也会成为一个至关重要的问题。高并发、低时延、高可用、在线扩容，是这个阶段比较关注的图数据库特性。

* **事后分析**

一般是以追溯为主，对时效性要求低，小时级或者天级，但是会有交互式分析需求。例如信贷场景中的欺诈团队挖掘，或者某笔疑似欺诈交易的挖掘探索。当选择某个点，或者某一批名单，能够较为丝滑的在可视化界面上不断的做拓展，社区划分，路径查询，甚至最后能够发现一个新的风控策略并上线，对于风控人员来说十分重要。这个阶段，对于图数据库在探索分析方面的功能尤为关注。



## 图技术与传统风控手段的区别？
* 单点 VS 全局视角

关联图谱具有可视化和连接万物的天然优势，可以突破「单点」判断是否属于欺诈行为的局限性，取而代之的是从「全局」角度更精准、更全面地判断欺诈行为。

* 滞后 vs 实时风控

传统的欺诈检测依赖于专家经验和人工审核，往往是资损发生后才能发现并总结出规律。关联图谱天然适合超大规模关联数据的深度查询，可以实时作出反应，防患于未然。

* 人工 vs 自动化识别

图数据库可以通过关联分析、图规则、模式分析、社团分析，全面覆盖实时、准实时及事后三个阶段，系统全方位进行实时风险排查，及时暴露可疑点并自动进行管控，从源头上避免经济损失的发生。

## 同样的场景，可以使用关系型数据库吗？
要发现大规模的欺诈团伙，往往需要遍历复杂度很高的数据关系。传统的关系型数据库由于存储形态的限制，在处理深度关联查询时效率并不高，有时甚至根本无法计算出结果，难以快速发现隐蔽欺诈行为。

而图数据库采用点-边结构存储数据以及数据间的关系，一图汇总身份、账户、设备和第三方平台之间的信息，非常适合用来处理海量复杂数据间的关联运算。不仅效率更高，而且能获得更直观的全局视图，在数据存储之外帮助业务人员快速发现欺诈团伙，避免潜在经济损失。



# 图数据库选型建议
除了业务在不同阶段的诉求之外，整体产品的稳定、运维的便利性十分重要，尤其是对要上线的业务，是重中之重，毕竟一个告警就可能把运维同学折腾够呛。

总结一下，风控对图数据库提出了以下要求：

1. 算法能力：强大的图查询、图算法以及图可视化能力
2. 易用性：统一的图查询语言和自定义能力（UDF）
3. 稳定性：高并发、低时延、高可用
4. 可解释性：探索分析能力



# 为什么选择悦数图数据库？
那么，如何选择一款合适的图数据库产品，来应对上面提到的这些问题呢？我们可以从以下这些方面做选型的思考——

## 数据量越来越大，图数据库如何应对大并发的冲击
由于业务特性需要，金融企业需要对接监管、交易、管理、内控等多个系统，常常面临着业务数据量暴发的挑战。**而悦数图数据库采用“真正的”原生分布式架构，数据入图自动分片，可以满足 10W 级并发下的毫秒级查询时延。**

![](https://www-cdn.yueshu.cn/yueshu-website/images/blogs/10-26-p1.png)



以悦数的真实用户案例——某个互联网大厂为例，当时该产品月活用户 10 亿，有 100 多亿的用户关系，最大出入度 6000，庞大的数据量形成了一张用户关联大图，用户希望基于图技术实现全平台的个性化好友推荐/广告推荐，利用悦数图数据库实时分析的能力，实时生成精准的个性化推荐内容，其数据更新要求大于 150 万/秒，QPS 要求更是高达 80000，有效提高用户的浏览体验，最终实现了更高的流量转化。



## 实时性要求越来越高，如何应对低时延的要求
随着普惠金融会进一步扩展和渠道的多样化发展，金融风控正逐渐从原来的「事后」总结向「事先」预防转型。如何在不影响用户体验的情况下快速实现“无感”风控，同时能确保风控结果的准确性就成了金融机构亟待解决的问题，特别是金融互联网业务的兴起，留给一笔交易进行风控判断的时间往往是毫秒级的，这就导致了业务对数据管理和分析的实时性要求也越来越高。

下面我们来看一个「悦数图数据库」合作过的真实用户——由于业务处于高速发展阶段，该全球性社交平台的用户数量正经历迅速增长。用户数超过 2000W，MAU（月活跃用户）超过 1200 W。用户量持续攀升，面临几个挑战：

1. 如何面向新注册用户做推荐，提升留存率
2. 如何精准推荐节日营销活动，提升用户参与度
3. 各类群组活动层出不穷，如何帮助不同用户快速融入各类圈子，提升活跃度与客户粘性



针对以上挑战，悦数图数据库的专业工程师团队结合该企业的实际业务情况打造了一套基于知识图谱的实时推荐解决方案：

1. **构建大规模图谱**：基于用户、群组、活动实体、地理位置等实体，邀请、浏览、关注等关系构建用户关联图谱，整个图谱规模超过 50 亿点，100 亿边
2. **实时推荐**：使用悦数图数据库提供的工具产品可以轻松实现实时导入数据，确保低延迟、高并发下的读写性能。从活动、地理位置、内容、用户行为、兴趣等多个维度对用户提供实时个性化推荐，实时提供个性化推荐理由，提升推荐成功率
3. **实时搜索**：基于用户实时输入字符实时多度关联关系推荐，真正实现了 **「Search-as-you-type」**

由于悦数图数据库采用了相较一般图数据库更先进的原生分布式架构，因此可以高效支持海量数据下实时性要求更高的场景，同时具备强大的可扩展性，能够灵活支持业务数据弹性扩展需求。

通过悦数图数据库与该企业用户的共同努力，最终这个系统对大规模用户并发下支持万级 QPS，100ms 级时延，可保持业务在线弹性扩缩容，有效应对业务峰值需求，确保在重大营销活动中，有效加深用户之间的关联关系，提升用户留存率（Retention）和月活跃用户（MAU），各类营销活动用户参与度显著提升，为公司带来了更高的用户活跃度和盈利潜力。



## 业务规模越来越大，如何保证业务在线的同时做到集群的扩展
悦数图数据库采用 Shared-Nothing + 计算存储分离，支持在线弹性扩缩容，轻松实现资源按需分配。强大的可扩展性能够灵活支持业务数据扩展需求，为未来业务的持续增长奠定了良好基础。

在悦数合作的众多企业/机构用户中，不乏有需要业务扩展的对象。以国内某研究所为例，从2020年开始使用，日新增数据超过100G，2022 年底在持续对外提供业务的情况下将集群从 9 节点扩容到 15 节点，期间从未停止在线服务，整体业务平稳过渡。

![](https://www-cdn.yueshu.cn/yueshu-website/images/blogs/10-26-p2.png)

另外，更多企业在意的扩缩容性能问题也并未出现。悦数图数据库充分使用各个节点资源，能够做到线性扩容，确保性能不受集群扩容影响。以下图为例，悦数图数据库在集群扩容后，能够自动进行数据均衡，确保性能线性增长。

![](https://www-cdn.yueshu.cn/yueshu-website/images/blogs/10-26-p3.png)



## 实时在线任务和离线分析任务都有，怎么进行资源隔离
悦数图数据库采用“两套引擎，一套存储”的方式，同时支持实时业务和离线分析业务。

![](https://www-cdn.yueshu.cn/yueshu-website/images/blogs/10-26-p4.png)



以上图为例，当在线集群处理高并发写入和高并发查询业务时，离线集群处理异步图计算等复杂计算业务，结果写回在线集群。离线集群支撑全图计算和图学习。整个过程中存储和计算分离部署，按需配置，有效隔离 AP 和 TP 的相互影响。



## 国产信创环境下，数据安全性有保障
金融行业肩负着国家的经济大动脉，数据安全是第一位的。悦数图数据库作为一款国产自研，拥有自主知识产权的高性能图数据库产品，拥有华为鲲鹏、欧拉 OS 认证以及飞腾、龙芯、麒麟 OS 等多个芯片/服务器/操作系统的国产化支持，同时也通过了 ISO27001、ISO9001、CMMI3 认证，中国信通院 图数据库/图计算基础和高级能力专项评测，拥有多项核心专利及认证。

此外，悦数图数据库还支持 SSL CA签名&自签名证书模式，提供多种加密策略，平衡性能要求与数据安全要求，支持细粒度控制审计日志， 可以对不同用户，不同的操作均可审计与追溯；支持身份验证以及细粒度的角色权限管理，能够应对复杂的业务场景，让数据安全更有保障。



综上，悦数图数据库能充分满足金融风控场景下对图数据库的多种应用要求，其特性包括——
* **强大的图查询语言以及 UDF 能力**

nGQL 是悦数图数据库使用的的声明式图查询语言，支持灵活高效的图模式，易于学习，兼容当前主流的 opencypher 语法。同时支持用户自定义函数，可编写复杂的风控业务策略；同时，悦数图数据库在未来也会兼容全球的 ISO-GQL 标准。

* **高效调度图查询、图算法以及利用图可视化做挖掘 & 探索分析**

悦数图探索是一款可以通过 Web 访问的可视化图探索工具，搭配悦数图数据库内核使用，用于与图数据进行可视化交互。即使没有图数据操作经验，用户也可以快速成为图专家。

* **高并发、低时延、高可用、在线扩容**

悦数图数据库可以满足 10W 级并发下的毫秒级查询时延；支持单机房高可用和两地多中心灾备部署，业务高峰期依然可以在线扩容

* **整体产品的稳定、运维的便利性**

悦数运维监控是一款用于监控和管理 悦数图数据库 多集群中机器和服务状态的可视化工具，可服务于 DBA 和运维人员进行日常多集群机器和服务的运维 & 监控管理工具，支持自动部署服务、启停节点和服务、日常指标监控、水位告警等。‍





# 图技术在金融风控中的应用场景
## 场景1：反欺诈
传统的反欺诈手段有个很重要的问题就是信息不对称，金融机构很难快速去验证信贷客户信息哪些是真实的，哪些是经过包装的，这就导致很多风控措施都相当滞后——往往采取措施时资金损失已经发生。

使用图数据库可以打通多系统、多维度、多类型的数据，融合成全行业务的整体视图。通过申请注册 IP、设备号、手机号、地理经纬度等多个维度实时分析欺诈行为，结合图算法及时发现隐蔽的团体作弊行为，及时阻止欺诈交易并封禁账号，提升申请/交易欺诈识别率，避免可能出现的经济损失。

![](https://www-cdn.yueshu.cn/yueshu-website/images/blogs/10-26-p5.png)

## 场景2：反洗钱
传统的反洗钱模型通常只能关注一度的交易行为，难以进行有效排序和过滤。如果使用人工审核案件，则难以进行深度、有效的探索分析，特征也不具备可解释性，因此难以对团伙作案进行高效管控。

使用图数据库可以有效补充黑产账户的隐藏链接、多账号共同信息等图特征，通过机器学习辅助提升识别准确率，减少误报。基于图可视化快速进行多层探索分析，特征可解释性强。另外，图数据库上还支持 K-core、Louvain 等多种图算法，可以提升欺诈团伙识别效率。

![](https://www-cdn.yueshu.cn/yueshu-website/images/blogs/10-26-p6.png)

## 场景3：担保圈识别
金融担保业务中经常存在交叉担保的现象，但由于担保群体的复杂性和擅于钻规则漏洞的隐蔽性，现有技术对于三个或三个以上的客户形成的环状担保基本无法解决，尤其缺乏深层次和动态的分析监测，担保规模越大、复杂性越高，越难以进行深层次分析。

基于图的深度查询正适合高效识别担保圈/担保链，同时基于多种图可视化手段，金融机构可以快速进行多层的深度探索分析，及时发现并识别核心风险担保圈，对即将发出的信贷申请进行预警，减少人工审核失误，提升风控效率。

![](https://www-cdn.yueshu.cn/yueshu-website/images/blogs/10-26-p7.png)

## 场景4：企业图谱
金融机构在处理业务申请或交割事宜中经常需要分析企业的生产经营状况，而全局视图的缺失非常容易导致信息掌握不全面。另外依靠人力很难及时发现不同企业间相互传导的潜在风险因素，这些都会导致金融借贷、放款审核时的错判漏判。

使用图数据库可以通过持股关系及图算法，可以有效识别隐形集团或发现异常成团情况。基于多层关系穿透查询，也能迅速发现实际控制人和控制路径，并通过实时计算某信用风险引起的关联客群风险快速识别传导路径，让企业实控人关系、股权/转让关系、风险传导等关系等一目了然。

![](https://www-cdn.yueshu.cn/yueshu-website/images/blogs/10-26-p8.png)

## 场景5：交易图谱
在涉赌涉诈、贷后资金流向等场景中，金融机构流出的资金往往涉及多层次的转账关系。这个过程中可能会涉及多种平台机构、空壳企业以及历史流水的转入转出操作，交易账户、交易主体和行为都非常复杂，使用传统手段难以及时发现其中隐藏的作弊行为。

通过图数据库可以最大程度地还原真实的交易场景，这是以往在核查单观察，或者在系统上一步一步点击流水不容易观察到的。分析人员结合账户特征，就可以在图谱上观察有没有分散的转出和转入，或者交易对手成批地更换。结合这些特征和行为，就可以分析账户在整张交易网络中的作用，快速精准地锁定资金最后的流向、受益人是谁。

![](https://www-cdn.yueshu.cn/yueshu-website/images/blogs/10-26-p9.png)

# 总结
如今，金融欺诈及作弊行为比以往任何时候都要更加普遍、出人意料且速度更快，响应行动应分秒必争。选择一款好的图数据库产品不仅可以赋予上层应用更多的敏捷性，而且能在底层提供更安全稳定、易扩展的生产环境，大幅度减轻后续运维的压力。目前广受欢迎的「悦数图数据库」就采用了 Shared-Nothing 和存算分离的架构，在波峰波谷可以分别做计算和存储层横向拓展，其次悦数图数据库本身也是一款云原生分布式的图数据库产品，因此能够很好去应对弹性方面的需求。

另一方面，好的应用表现离不开本土化团队的支持，尤其在关键生产业务当中。作为国产自主研发的分布式图数据库代表，悦数图数据库拥有经验丰富的研发和实施交付团队。除了提供企业级服务之外，悦数图数据库也提供了一系列可视化的探索和管理工具，让业务人员更好去做数据的分析探索，数据更直观且具有可解释性。

目前，悦数图数据库已经在兴业银行、长沙银行、微众银行等多家银行客户上线，同时拥有多个某省公安厅、某科学院、国家某局客户，海量用户验证了悦数图数据库具备优异的企业级性能，能够适应各种场景对图的要求。欢迎您搜索「悦数图数据库」了解 [用户案例 ](https://yueshu.com.cn/cases)或者直接点击 [申请免费试用](https://yueshu.com.cn/cloud) 直观感受图技术的应用场景和悦数的产品能力。



图技术在金融风控中的应用及选型指南

> 本文整理自普适智能 CTO 刘元弘在《图创价值·图+AI在金融行业的应用实践》的现场分享，一起来看看图数据库在信用卡反欺诈场景的应用与优势。

![图数据库在信用卡反欺诈场景的应用](https://www-cdn.yueshu.cn/yueshu-website/images/blogs/%E8%A7%A3%E5%86%B3%E6%96%B9%E6%A1%88/pr%20banner_%E7%94%BB%E6%9D%BF%201%20%E5%89%AF%E6%9C%AC%204.jpg)

# 业务背景

常见的信用卡欺诈风险主要包括欺诈申请、伪卡盗刷、套现等。其中，信用卡申请欺诈通常指犯罪分子使用不正当手段进行信用卡申请、为获得信用额度伪造申请信息、冒用他人信息申请信用卡，或申请人信息真实但恶意骗取信用额度不还。

在信用卡业务实践发展过程中，欺诈申请的金额损失往往在欺诈损失案件中占据了非常大的比例，因此欺诈申请识别，是所有信用卡发卡机构风险管理的一个重要组成部分。

![图数据库在信用卡反欺诈场景的应用](https://www-cdn.yueshu.cn/yueshu-website/images/blogs/%E8%A7%A3%E5%86%B3%E6%96%B9%E6%A1%88/ps-1.png)

随着近些年金融线上化和渠道化的发展，信用卡申请欺诈逐渐呈现出两大发展趋势：

一个是犯罪分子集团化，越来越多欺诈是有组织的犯罪团伙行为，团伙案件对银行造成的金额损失大、而且盗用信息还对银行声誉造成较大范围影响；另一个是欺诈手段专业化，犯罪团伙的欺诈手段越来越专业化，为了保证申请提交率和申请通过率，在批量申请时，对申请信息、申请设备等进行专业包装，加大了银行反欺诈的难度。

在新发卡贷前审批反欺诈策略中，常见的做法是查询申请人的人行征信、工商信息、学历信息等，在自动化审批环节对一部分还款能力和还款意愿较好或较差的申请人进行通过或拒绝，剩下的部分流转至人工审批。常见的流程如下：

![图数据库在信用卡反欺诈场景的应用](https://www-cdn.yueshu.cn/yueshu-website/images/blogs/%E8%A7%A3%E5%86%B3%E6%96%B9%E6%A1%88/ps-2.png)

在这个过程中，金融机构往往需要处理大量的申请信息和用户数据，同时还涉及到人工审核效率及准确度的问题，因此需要我们搭建一套更智能且具有实时性的智能反欺诈系统来帮助金融机构实现更高效、更精确的新发卡贷前审批。

# 利用图技术进行新发卡实时反欺诈

## 为什么用图技术进行新发卡反欺诈

基于业务背景的介绍，传统的信用卡审批流程中所使用的数据主要是统计学原理的规则或者模型，更多的是针对独立个体的分析挖掘，但是当个体的特征稀疏时，则难以对个体做出全面有效的判断。

特别是现在随着欺诈手段呈现多样化、专业化、团体化等特征，传统的专家规则和机器学习模型对通过多层关系进行掩饰的复杂欺诈手段或者团伙欺诈难以识别。

另外，由于目前发卡、运营、催收等各个环节的数据之间缺少必要的逻辑视图和交叉校验，容易导致金融机构信息割裂，没有统一的框架和视图描述客户的信用卡业务全生命周期，使得风控决策/人工审核时缺少必要的数据支撑。

而图技术具有将实体间的复杂关系直观展示并纳入模型学习的特性，能够为信用卡业务真实性审核提供更多维度的分析技术手段，恰好能弥补刚刚提到的传统反欺诈手段的这些短板。

![为什么用图技术进行新发卡反欺诈](https://www-cdn.yueshu.cn/yueshu-website/images/blogs/%E8%A7%A3%E5%86%B3%E6%96%B9%E6%A1%88/ps-3.png)

## 图在新发卡反欺诈场景中的应用流程

首先是用户发起进件流程，用户申请进件后信息会进入到进件中心，进入进件中心的同时，系统会做两个事情，一个是走实时流，另一个是离线流。

![图在新发卡反欺诈场景中的应用流程](https://www-cdn.yueshu.cn/yueshu-website/images/blogs/%E8%A7%A3%E5%86%B3%E6%96%B9%E6%A1%88/ps-4.png)

- **实时流**

如果按照传统走批的数据处理方式，可能第二天才会发现一些欺诈或作弊行为。像我们之前碰到有个团伙10分钟之内提交了100多张新发卡申请，通过实时流是有可能在他们申请前几张的时候就把它拦截下来，这就是实时的必要性。

走实时流，我们会让进件中心把数据写入到 kafka 里，然后通过一套实时引擎去监听kafka，一旦监听到有用户提交进件，接下来就用我们的图平台快速地配置各种各样的规则和指标，快速地用图引擎扫一遍所有的指标来看看有没有命中，并把结果写入到消息队列中，然后提供给下游的一些决策系统进行消费，同时会提供 API 给其他业务部门进行调用，帮助业务人员进行关联决策。

- **离线流**

除了走实时通道，我们也使用离线数据处理通道，就是下面的流程会进入到底层数仓，然后走Hive去进行T+1的离线构图，主要是防止实时流程中存在数据冲突，我们可以通过离线进行校验，之后再去进行整体更新。

所以我们实际在帮客户做图的时候，并不是静态图，或者每天更新一次的一个流程。我们一般会起多个流程，包括实时流，各种全量的离线流，去保证我们图库数据处理的及时性和有效性。

## 如何构建新发卡欺诈的图谱

首先是本体模型，里面分为「点」代表的实体类型和「边」代表的关系类型。实体类型包含个人、信用卡申请进件、公司、地址、联系电话、设备号、地址、网格化坐标、车牌、营销员、代理人等实体；关系类型则主要包含父母、子女、担保人、家庭住址等关系的本体模型。

我们构建图谱的数据来源主要是多个业务线的客户数据，以及客户标签数据，另外包含一些外部数据。拥有丰富的数据源，一方面提高网络的关联程度，另一方面丰富实体的属性，能够为关系网络特征挖掘提供良好的数据基础。

## 利用图技术的反欺诈应用

我们常用的图的反欺诈分析主要通过四大类型完成，包含图规则校验、图指标分析、社群分析和图机器学习。

**一、图规则校验**

所谓“图规则”本质上是一段判定的逻辑，这段逻辑是基于本体模型构建一个复杂图的拓扑结构来进行表示和使用。业务可以使用图规则功能，快速实现复杂关联欺诈逻辑的可视化开发，校验申请人提供的信息和数据库中数据是否一致或不一致。

以下图为例，我们看到图1这个人和另外一个人是关联的，它们同时关联同一个电话和工作地址，所以我们就可以去构建这种图的规则，然后去做一些规则校验。比如图1可能表示工作地址相同，电话是相同的，代表他填写的信息是有效的。

![图规则校验](https://www-cdn.yueshu.cn/yueshu-website/images/blogs/%E8%A7%A3%E5%86%B3%E6%96%B9%E6%A1%88/ps-5.png)

再看图2，右边红色的点代表一个人，这个人申请了一张信用卡，他填写资料后又拉出了一个地址，地址的条件数量大于等于2，也就是这个人一张申请卡，却存在两个不同的地址，这对风控来说也是比较有效的指标。

![图规则校验](https://www-cdn.yueshu.cn/yueshu-website/images/blogs/%E8%A7%A3%E5%86%B3%E6%96%B9%E6%A1%88/ps-6.png)

能把图规则做好，尤其是在银行，重点在于两个数据维度，一个是企业的维度，另一个是地址的维度，但是金融用户一般有个痛点，就是每个人填写信息时，每次填写的地址不一定是一样的，以前很多引擎没办法准确判断这两个地址是否是同一个。

为了强化反欺诈引擎的效果，在图规则引擎之中引入了文本相似度算子，我们早期做过一些NLP的东西，所以我们把一些NLP尤其是关于地址对齐和企业名称对齐的类型，构建了自己的算法，把这个算法加入到了模型中，它就可以配置一些更有意思的东西，比如：我个人关联的地址，关联的同事A、同事B、同事C等等，我们的地址可以填的不一样，有的填了路，有的没有填路，有的填了区，有的没填区，其实这个很常见的，那我们就可以把所有填写不同的地址聚合到一块，去构建一些高质量的规则，帮助业务构建更强大的欺诈校验能力。

地址和企业对齐准确率经过大型股份制银行的业务校验，准确率在98%以上。

**二、图指标分析**

图指标其实和原本的指标体系是完全一样的，只是构建这个指标时会有几个特殊点，通过维度、标签、客群。逻辑就是先构建一个有效的关联性，常用的一些构建关联性的维度包括：同一单位、同一家庭、同一设备、同一LBS、同一联系方式、同一推荐人、同一亲属等等，这就是我们说的关系维度。

![图指标分析](https://www-cdn.yueshu.cn/yueshu-website/images/blogs/%E8%A7%A3%E5%86%B3%E6%96%B9%E6%A1%88/ps-7.png)

我们会在关系维度上增加一些标签，比如:用左边和右边关联放到一块，我们就可以构建成一个有效的规则。

举例：

「同一单位」（左）关联出的人在「黑名单」（右）的一个数目

「同一家庭」（左）关联出了「申请被拒绝」（右）的情况

「同一设备」（左）关联出其他人「逾期」（右）的情况

我们就可以把这些信息全部组合起来，结合我们自己的一个考虑，用维度关联右边这种常用的标签和指标，构建一些有效的规则和逻辑，从而识别资料异常的申请人，或申请人关联的特定客群。

![图指标分析](https://www-cdn.yueshu.cn/yueshu-website/images/blogs/%E8%A7%A3%E5%86%B3%E6%96%B9%E6%A1%88/ps-8.png)

我们在用图的过程中，规则是全局的，需要有业务经验，所以这种方式还是有缺陷的。我们常用的规则是强关联关系的维度，比如：「电话设备」，很难出现一个电话被很多人使用的情况。但在平时采集的数据是有很多的弱关联，也是很有效的维度，比如：「WiFi 设备」，几个人同时接入到相同的 WiFi设备，并不能代表他们之间有强关系，但是起码代表有弱关联。可能在一个办公楼，也可能住的是同一个地方。再比如说「IP」也是很典型的弱关联，还有很多其他的弱关联，包括同一个单位，并不能够代表你们就一定认识，尤其是对一些规模比较大的单位，这个时候我们就可以用图算法，通过平台可视化界面构建规则和图指标。

**三、社群分析（Louvain）**

图算法的核心主要是帮助我们整合一些弱关联，尤其是有像Louvain 这种，在我们紧密相连的大图中，就可以拿 Louvain 去切一些客户圈和客户之间的社群，比如：有10个人，不可能10个人都是单线相连的，A认识B，B认识C，C认识D，Louvain 切出的结果基本上就是A认识B，B认识C，然后A也认识C，这才是Louvain里面跑出来的结果，就可以通过这个算法，再加上边的权重，比如：家庭亲属的关联性设成1，同一IP设置成0.1，再去进行社群的切分，就可以得到业务想要的社区结果。

![社群分析](https://www-cdn.yueshu.cn/yueshu-website/images/blogs/%E8%A7%A3%E5%86%B3%E6%96%B9%E6%A1%88/ps-9.png)

既然我们用了社区切分算法去得到一个好的社区，社区里面的人必然是紧密关联的，就可以用社区做一些有意思的指标，比如：整个社区进入黑名单的概率是多少，就是所谓的黑名单的浓度，逾期的浓度，业务通过计算不同维度下的客群指标，就可以挖掘可疑的个体。

**四、图机器学习**

首先图可以帮助我们机器学习去更快速构建特征。在没有做机器学习之前，传统的做法是需要人力把很多特征整合成一张宽表，再传入到建模平台。但是图从本质上来说，就是连接了一张又一张的表，这种表的关联性完全可以通过图进行整合，再去拉取特征（Feature）的时候就可以用前面说的图指标，放到机器学习里面指标就是一个特征（比如：指标是某个人的逾期率为0.6，那0.6是一个数值，但它放到对应的机器学习就是一个特征），拉取的指标就可以作为其中一个特征浓度进行训练。

![图机器学习](https://www-cdn.yueshu.cn/yueshu-website/images/blogs/%E8%A7%A3%E5%86%B3%E6%96%B9%E6%A1%88/ps-10.png)

对于我们客户行为来说，或者客户特征特别稀疏的时候。很多企业都会维护潜在客户名单，既然是潜在客户，就可能存在不知道他的姓名，或者说只知道他碎片化的信息，可能他只是点了一个广告或者一个链接，但实际上我们获取到了他的IP，就可以通过图机器学习平台，挖掘有效的特征，在决策系统上部署策略，运用于新发卡实时审批环节。
另外我们还在做一些有意思的事情，我们把机器学习的一些结果放回图里去看。就拿预测VIP来说，模型得出大于0.5，你会认为它是VIP，小于0.5你认为它不是 VIP，如果我们再度回图里，我们给是否是VIP这样的概率，增加一个属性，预测结果放回图里看，就可以识别高概率的VIP客群，高可能的关联圈，这也就是下期我们要分享的【潜在VIP挖掘】的场景应用。

# 案例效益

普适的图智能平台在某股份制银行上线后取得了不错的成效。使用图技术，进行实时构网和实时图指标计算，优化决策系统。**风控效果提升近3倍，预计每年挽损1000万以上**。

---
- **相关推荐**：

[《图 + AI 在金融行业的应用及技术前瞻》](https://yueshu.com.cn/posts/graph-database-with-ai-technology)

[《对抗升级｜图数据库在金融风控中的 5 大典型应用》](https://yueshu.com.cn/posts/usage-of-financial-risk-control)


本文整理自普适智能 CTO 刘元弘在《图创价值·图+AI在金融行业的应用实践》的现场分享，一起来看看图数据库在信用卡反欺诈场景的应用与优势。