知识图谱提供新路径 AI何以赋能金融规模化

（图片来源：全景视觉）

经济观察网 记者 邓晓蕾俄罗斯世界杯足球盛宴大幕落下，梅西虽然“没戏”了，却成就了法国的“大戏”。这届世界杯梅西的提早出局引发很多人对“球员与球队关系”感慨，“普通的团队指望明星，高水平的团队指望领导力，最厉害的团队指望系统。”这个系统指的是 tiki-taka，被认为现代足球正确的足球打法。它的特点是三角形的传球网络，这个网络作为整体推进、进攻，网络中每一个球员尽可能在他的专属区域进行频繁跑动传球，最终把球快速推进对方球门。

这种以网络作为整体的的打法，在当前人工智能的落地应用中也成为主流打法。知识图谱（Knowledge Graph） 就是这样类似的一种网络，本质上，它描述了真实世界中存在的实体以及实体之间的关系。在人工智能领域，知识图谱把真实世界的实体整合在一起变成一个语意的网络，并运用各种机器学习方法和算法进行预测。目前，知识图谱是当前解决企业与产业连接的一个核心手段。

如今知识图谱在国外的应用已经非常成熟，但在国内还处于初级阶段。以金融行业为例，知识图谱的运用可以针对企业的行为进行风险预测的路径。2006年，任亮和他的团队首创奥斯卡模型，发现了一百多个类德隆系的风险平台，在行业引起了巨大的轰动。他将这种方法总结成基于企业关联关系和现代行为的一种全新方法。

对于金融机构来说，营销就是要找到客户、产品和渠道之间的关系。通过营销线索的推送和辅助决策，来帮助客户经理了解潜在可拓展的新客户在哪里，现有客户中哪些是有价值潜力提升客户需重点关注，可以找哪些客户增存款，还可以给哪些客户配置其他产品等？

但是，传统的营销手法，客户经理的大部分时间都会被捕捉客户信息占用。如果通过知识图谱，将会快速地制定出客户关联关系图谱，并为其打上标签，再通过事件的动态捕捉建立AI模型，通过对模型进行训练和标注从而把有用的信息提取出来。

举例来说，有5千家新注册企业，这些都是银行锁定的潜在客群。客户经理如何从这些企业中找到潜在的优质客户呢？通过模型来解决的话，这些企业真正值得营销的只有50家。这背后的逻辑是通过知识图谱建立客户的关联关系。

“客群升级就是把客户还原到一个网络，既包括我们客户谱系，也包括产业谱系，还包括智能画像，这是一个具有重大意义的步骤，因为我们看待客户视角发生变化，不再从个体看个体，而是从网络看个体。” 知因智慧创始人兼CEO任亮表示。

2016年任亮在中国科学院和IBM的支持下成立北京知因智慧数据科技有限公司（知因智慧）。经过两年的发展，知因智慧逐步形成了以3K平台（KW，Knowledge Warehouse知识仓库平台/KE，Knowledge Evolution知识进化平台/KG，Knowledge Graph知识图谱分析应用平台）为核心，以洞察产业链金融关系为基础，覆盖“风控”、“营销”等一系列金融关键环节的知识图谱场景化应用服务体系。

2018年3月，知因智慧对外宣布完成A轮1亿元融资。近日，知因智慧又对外发布KS智能营销引擎、K-BOX知因智慧盒子两款产品。

对金融机构而言，KS智能营销引擎就是利用AI助力客户营销的产品，能为金融机构营销人员自动提供商业机会。KS具有超过100类的客户事件自动捕获和目前20类的商机挖掘模型。再加上K-BOX在短期内帮助金融机构具备利用AI解决实际业务问题的能力，切实帮助一线业务人员实在的解决在业务开展过程当中的问题。

从两个维度来讲，一是从客户价值潜力，判断的变量包括注册资金、企业所处行业、办公地写字楼的档次等，除此之外，再引入客户的关联关系和事件动态，考虑这个新注册企业跟它相关联企业当中属于500强的企业有哪些、企业创始人、实际控制人，以往的创业历史和他控制的其他相关企业，从而更好地去识别真正有潜力的客户。二是营销的成功率，从已知目标客户的关联出发，比如企业实际控制人或者高管是否是银行的零售客户，从这个角度来去看他营销成功可能性。

“无论是大零售，大资管，风险管理，还是公司金融、普惠金融，基于知识图谱这个网络向下在产业里面做了连接以后，就可以实现在不同细分客群和金融场景下所能够突破的一些预定场景。”任亮表示，“通过大数据，AI发现不同领域的知识的基因，从而能够去深刻的理解我们的产业和金融，引导金融流向真正需要钱的实体产业。”