共计 1147 个字符，预计需要花费 3 分钟才能阅读完成。
简介：阿里云图智能平台在金融行业曾经帮忙银行、保险等畛域客户构建了金融风控、商品举荐、循环担保检测、异样指标监控、违规团伙开掘等场景，通过穿透行业利用场景，帮忙客户基于多维数据做出精准决策。
《Gartner 2021 十大数据和剖析趋势》中指出，图技术使所有产生关联，预测到 2025 年图技术在数据和剖析翻新中的占比将从 2021 年的 10% 回升到 80%。该技术将促成整个企业机构的疾速决策。从金融行业角度看，在中国人民银行印发《金融科技 (FinTech) 倒退布局 (2019—2021 年)》等政策驱动下，通过构建金融常识图谱基于多维数据源做决策，能够无效带动金融机构降本增效。
图数据库 GDB 是阿里云自主研发的图数据库产品，经验阿里巴巴团体内丰盛的利用场景打磨，具备了丰盛的最佳实际。图数据库 GDB 在 2020 年进入 Forrester 图数据平台竞争者象限，也是国内图数据库产品首次入选。阿里云图数据库 GDB 在满足高可靠性、高性能的同时，也兼顾了低成本的个性，产品应用、运维老本仅为国外图数据库产品的 40%。咱们将主动特色工程、主动机器学习等 AI 能力下沉到图数据库引擎中，造成阿里云图智能平台，让整个图模型的构建、剖析、公布过程天然连贯。阿里云图智能平台在金融行业曾经帮忙银行、保险等畛域客户构建了金融风控、商品举荐、循环担保检测、异样指标监控、违规团伙开掘等场景，通过穿透行业利用场景，帮忙客户基于多维数据做出精准决策。
传统的金融风控模型，可能会集各个数据源的属性特色信息，然而比拟难开掘数据源之间的深度关联关系。要深度并且疾速的开掘海量数据的关联特色，则会面临十分大的技术挑战。图技术的意义在于将信息升维，而机器学习技术的意义在于对数据法则进行总结。通过图示意学习技术，提取金融常识图谱中的拓扑信息特色，并通过图主动特色工程模块，主动构建特色作为风控模型的输出条件参加模型训练。通过主动机器学习模块，帮忙金融机构筛选、调试、集成各个机器学习模型，实现更高精度的风控模型。
华瑞银行于 2020 年正式引入阿里云图数据库 GDB，通过对数据资产进行深度关联关系剖析，进一步晋升危险辨认能力。通过打造一套企业级图剖析平台，实现了对智慧供应链、航旅生产贷款等业务的智能危险管控。通过阿里云图数据库 GDB 集成的主动机器学习组件，华瑞银行大幅升高了风控模型研发周期，并在截止目前的实际中检测到 6 个欺骗团伙，无效防控了业务危险。
图数据库的利用能够在高度关联的数据中开掘数据源间的深度关联关系，通过了解和剖析图将信息升维，进而帮忙企业获取洞察，这将成为企业将来外围的竞争力。咱们也会不断完善咱们的图数据库产品和服务，探究用户真正的需要，以帮忙更多企业和开发者取得洞察力和竞争劣势。
原文链接
本文为阿里云原创内容，未经容许不得转载。