盡管對欺詐團伙調(diào)查能取得不錯效果，但因其可能需要調(diào)查員隨時聯(lián)系客戶或聯(lián)系周邊人群以驗證調(diào)查員的推論，因此整體成本還是相當(dāng)高的。為了解決這個問題，基于模型的風(fēng)險事件預(yù)警就應(yīng)運而生。如果說欺詐團伙調(diào)查是主動出擊，風(fēng)險事件預(yù)警更像是被動防御。

 

　　風(fēng)險事件預(yù)警是通過模型生成一組類似上述欺詐團伙調(diào)查中出現(xiàn)的場景，給每一個場景一個相對低一些的初始置信度，后期通過不斷的反饋迭代來優(yōu)化置信度。當(dāng)一個新客戶到來之后，首先會將其信息整合到知識圖譜中。緊接著，該客戶會被規(guī)則引擎捕捉到，規(guī)則引擎會基于客戶信息從知識圖譜中提取一組特征，由該特征決定了引擎首先會觸發(fā)哪些場景，而這些場景的結(jié)論可能導(dǎo)致規(guī)則引擎又觸發(fā)另外一組場景。在滿足特定條件下，最終結(jié)果輸出，如果有相應(yīng)的風(fēng)險事件被觸發(fā)，則信息會送達相關(guān)團隊。

 

　　風(fēng)險事件預(yù)警最有意思的地方在于，一個新客戶的到來，可能會導(dǎo)致一個早先客戶的風(fēng)險事件被觸發(fā)。這主要是因為新客戶融入到知識圖譜中時帶進的新數(shù)據(jù)，可能會讓圖譜中的某些子網(wǎng)的結(jié)構(gòu)發(fā)生徹底的改變。目前恒昌采用一組啟發(fā)式的算法來擴展新進客戶的影響，效果顯著。這也意味著，風(fēng)險事件預(yù)警并非只針對貸前風(fēng)險事件，還會將貸后風(fēng)險事件作為預(yù)警。比如觸發(fā)了某個老客戶的潛在逾期風(fēng)險時，就可以引導(dǎo)相關(guān)團隊提前關(guān)注，在情況惡化前及時止損。

 

 

　　如果客戶奔著欺詐而來，那幾乎也注定了后續(xù)無法聯(lián)系上，稱此類失聯(lián)為“第一類失聯(lián)”?！笆?lián)”是無法完全避免的，主要是因為失聯(lián)的成本很低。即使客戶自身“消失”的意愿不高，但換手機號、搬家、換公司都可能導(dǎo)致客戶及其聯(lián)系人完全聯(lián)系不上，稱此類為“第二類失聯(lián)”。

 

　　將圖數(shù)據(jù)庫應(yīng)用于失聯(lián)修復(fù)是非常直觀的，因為圖數(shù)據(jù)庫在數(shù)據(jù)豐富的條件下能非常方便地進行各類關(guān)系的提取。恒昌的失聯(lián)修復(fù)項目結(jié)合了知識圖譜（基于圖數(shù)據(jù)庫）及傳統(tǒng)的機器學(xué)習(xí)技術(shù)，前者作為修復(fù)策略的具體聯(lián)系方式來源，后者作為策略有效性的評估依據(jù)。目前，恒昌能做到失聯(lián)客戶實時修復(fù)，修復(fù)專員完成具體操作后會有相應(yīng)的備注及日志信息，這些數(shù)據(jù)會被實時收集用于改進修復(fù)策略。

 

　　本文僅拿眾多策略中較為容易理解的一條來略作說明，這條策略主要是從圖數(shù)據(jù)庫中提取和失聯(lián)客戶處于同一公司，且當(dāng)前住址與失聯(lián)客戶接近的用戶作為修復(fù)中間人。雖然是一條簡單的策略，但深入思考會發(fā)現(xiàn)，國內(nèi)有很多規(guī)模不小的工廠會吸引周邊村子的人去工作，而這些村子可能本身規(guī)模也不小，這樣修復(fù)中間人不見得認識失聯(lián)人。因此這條簡單的策略背后也需要有一個啟發(fā)式算法，通過公司/工廠的規(guī)模來調(diào)整當(dāng)前住址需要匹配的粒度（比如，是到村、到組、還是得具體到門牌相鄰）。更進一步，如果在此基礎(chǔ)之上，修復(fù)中間人和失聯(lián)人有過通話記錄往來或是有通訊錄關(guān)聯(lián)（事實的條件遠比這個復(fù)雜），就大幅增加了該修復(fù)中間人的置信度，甚至可以基于此條件在圖數(shù)據(jù)庫查詢過程中提前中止，直接返回相關(guān)結(jié)論。以上操作基于圖數(shù)據(jù)庫可以將數(shù)據(jù)一次取出再進行處理，基本是毫秒級響應(yīng)，如果觸發(fā)了提前中止，耗時可能更短。但如果基于關(guān)系型數(shù)據(jù)庫，首先會涉及多張業(yè)務(wù)表的檢索、關(guān)聯(lián)，其次還可能按照初次處理結(jié)果多次連接數(shù)據(jù)庫，造成數(shù)據(jù)庫資源的浪費。

 

　　實際中，恒昌通常會混合使用多種數(shù)據(jù)庫，以利用它們各自的特點來創(chuàng)建一個數(shù)據(jù)生態(tài)系統(tǒng)。除了圖數(shù)據(jù)庫外，大規(guī)模的用戶授權(quán)數(shù)據(jù)會讓恒昌在底層配上分布式的列式存儲或鍵值存儲庫。但回歸根本，恒昌期望為客戶提供高效、安全的財富管理及借款信息咨詢與服務(wù)，就需要優(yōu)秀的風(fēng)險控制作為保障。而這，恰恰也是圖數(shù)據(jù)庫能最大程度發(fā)揮價值的領(lǐng)域之一。