圖數據庫能通過“實體”和“關系”這種簡單直觀的描述方法來表述現實世界中錯綜復雜的關聯(lián)關系。它可以提供逐層挖掘的方式，引導逐步深入分析各種關系；還可以快速呈現實體之間最新的關系變化，積累更新的知識和經驗；也可以清晰地呈現復雜關系間的聯(lián)絡線索，為判斷事件來龍去脈提供有效引導。此處，以恒昌的客戶為例，參考圖1中的客戶徐某（因數據安全的原因，部分信息作了涂抹，并對原有圖結構進行了簡化），如果僅考慮該客戶自己填寫的信息，雖然能看到一度關聯(lián)信息，但完全看不出該結構會有什么問題，也無法進行深入調查。

 

圖1客戶徐某借款時的聯(lián)系人信息簡化圖

 

　　當關聯(lián)信息得到補充（相對于原進件聯(lián)系人，補充了同事、鄰居、親屬、朋友等關系，還基于用戶授權數據進行了深度擴展）后，暫不考慮物品（如手機號、銀行賬號、地址等），僅考慮自然人，獲取徐某二度關系內同時在恒昌網貸平臺有借款行為的用戶，得到圖2（基于同樣原因數據有涂抹及簡化）的結果。該圖每一個圓都代表一位恒昌客戶，圖頂部的狀態(tài)說明了客戶當前所處狀態(tài)。觀察左下角以徐某為中心的四個客戶（已用紅框標出），他們剛好是所呈現圖的最大完全子圖，符合圖論中團的定義。再看除徐某外的三個客戶：兩個逾期、一個被拒。如果徐某是新入圖數據庫的借款人，從數學模型的角度看，幾乎可以直接判定拒絕。因為符合這種狀態(tài)的團，是欺詐團伙或是組團代辦的幾率非常大。

 

圖2客戶徐某補充關系類型后的一度及二度關聯(lián)信息

 

　　到這時工作并未完結，如果有需要，可以基于圖中的關系嘗試與幾位客戶聯(lián)系以進行深入背景調查證實，調查的結論可以融合到圖數據庫中形成數據閉環(huán)，直接改善后續(xù)自動化預警的結果。