一、 供应链金融大数据风控现状
1.1 供应链金融服务现状
供应链金融是指处于产业链核心地位的企业，依托高信用优势获得廉价资金，通过相对有效的征信系统和完善的风险防范措施，向产业链上下游客户提供融资服务，获得新利润增长点，构建更紧密的产业链生态系统。供应链金融以核心企业的上下游企业为服务对象，以真实的交易为前提，在采购、生产、销售各环节嵌入金融服务。由于每家企业都有自己供应链条，展现出一个庞大的供应链网络。不同的金融企业把自己的服务逐步产品化，赋予不同的产品名称。在过去的十多年里，供应链金融业务出现了许多创新，并呈现三种趋势：第一种是金融与物流的两业融合，第二种是金融与物流进入电子商务，第三种即是互联网金融的出现。
1.2 供应链金融大数据风控现状
近年来，随着互联网技术和大数据技术的兴起并日趋成熟，供应链金融与信息技术结合日趋紧密。使得机构对供应链中的物流、信息流、资金流闭环的实时监控变为可能，并可以进一步地将所得数据翻译成标准化金融语言，在极大地提高了风控的效率同时让风险更为可视、可控。
目前，阿里、京东、苏宁等电商平台通过线上商户、供应商和厂家之间的关系，以订单、信用和账款为依据进行供应链金融的信用管理。阿里的网商贷、京东的京保贝等分别都是通过供应链来做用户维系和推广的，包括他们的农村金融战略，很大程度上也是与农业产业化龙头企业和供应链进行合作，以产业链进行线上线下数据和用户的分析管理。
二、 供应链金融大数据风控目前存在的主要问题
当下，进军供应链金融领域的公司大多缺乏专业的大数据风控经验，仍沿袭传统的风控作业模式，导致风控效率和风控能力较弱。具体来说，主要存在两个方面的问题：
2.1 数据维度补全，洞察不全面
从事供应链金融运营的主体往往面临数据缺乏、信息缺乏的困境，主要表现为：可用数据少、维度不丰富，掌握到的供应链上下游企业信息不多，同时数据不鲜活、时效性差，无法对目标企业进行深入细致的分析，无法做到全面洞察。
2.2 大数据技术滞后，风控能力弱
当前从事供应链金融业务的主体大多来源于原有B2B电商平台、物流公司和核心企业等，一般不具备专业的金融知识和风控经验，对于如何利用新兴的大数据技术做风控缺乏深入理解。加之大数据处理能力不足、缺乏专业的分析建模能力，缺乏驾驭复杂分析技术的人才，导致风控能力不足，难以适应新形势下供应链金融发展的需求了。
图1 《人民的名义》人物关系图谱
三、 知识图谱应用于大数据风控的可行性
3.1 什么是知识图谱
知识图谱 (Knowledge Graph) 本质上是语义网络，是一种基于图的数据结构，由节点(Point)和边(Edge)组成。在知识图谱里，每个节点表示现实世界中存在的“实体”，每条边为实体与实体之间的“关系”。知识图谱是关系的最有效的表示方式。通俗地讲，知识图谱就是把所有不同种类的信息连接在一起而得到的一个关系网络。如下图1所示，利用知识图谱技术可以发现人物之间的隐藏的深层次关系，帮助找到事件背后的关键人，发现潜在可用的破案路径和线索。
知识图谱 (Knowledge Graph) 是当前的研究热点。自从2012年Google推出自己第一版知识图谱以来，它在学术界和工业界掀起了一股热潮。知识图谱在学术界和工业界受到越来越多的关注。知识图谱在未来几年内必将成为工业界的热门工具。
3.2 知识图谱应用于供应链金融大数据风控的可行性
知识图谱技术本身是擅长对于多层次、复杂关系的知识解析和推理，而供应链金融则正好是涉及供应链链条、多主体参与、四流交织（商流、物流、资金流、信息流）、数据沉淀多的复杂关系网络，这种属性决定了知识图谱技术在供应链金融大数据风控领域大有可为。例如：在企业关系网查询、担保圈识别、交易反欺诈、失联客户管理等领域，知识图谱技术具有夺天独厚的优势。
四、 知识图谱在供应链金融大数据风控中的应用思路
结合供应链金融的业务场景，知识图谱可从重点供应链画像、反欺诈入手。
4.1 供应链画像
供应链金融画像立足于对整个平台上运行的多条供应链进行全息画像分析，洞察企业关系族谱、资金流向和关键人物之间的关系等，为融资决策提供支持。如图2所示，通过知识图谱的可视化展现，可以了解阿里巴巴的公司网络结构和供应链关系，识别目标企业的投资关系、管理结构等。
图2 阿里巴巴企业关系族谱
4.2 反欺诈
反欺诈是风控中非常重要的一道环节。基于大数据的反欺诈的难点在于如何把不同来源的数据（结构化，非结构）整合在一起，并构建反欺诈引擎，从而有效地识别出欺诈案件（比如身份造假，团体欺诈，代办包装等）。而且不少欺诈案件会涉及到复杂的关系网络，这也给欺诈审核带来了新的挑战。知识图谱，作为关系的直接表示方式，可以很好地解决这两个问题。
首先，知识图谱提供非常便捷的方式来添加新的数据源。其次，知识图谱本身就是用来表示关系的，这种直观的表示方法可以帮助我们更有效地分析复杂关系中存在的特定的潜在风险。知识图谱可以识别潜在的代办包装或是组团骗贷。如图3所示，利用征信公司提供的欺诈数据，拥有的代办包装公司数据、互联网公开欺诈黑名单、行业黑名单联盟等数据开发了大量的标签数据，对实体（包括公司和人）贴上标签，例如逾期，虚假手机号，代办包装或是组团骗贷等标签，当借款人进行申请贷款时，如果发现他和bad people/company/info具有较多的关联关系，那么这个人有很大的可能是欺诈，从而识别出风险。
联系客服
