项目背景:

试想一下场景:授信企业将所获贷款挪为他用投资高风险渠道且投资失败,所贷款项全部亏损,不仅影响了企业的再生产和经营过程,而且影响到整个产业供应链的正常运作。

供应链金融在我国实施已有一段时间,各金融机构也推出了相应的供应链产品和服务,但在业务开展过程中存在着各种各样的风险点。不是传统分析不能解决,而是在实际业务办理过程中,供应链金融关系错综复杂,不是简单分析能呈现的。

客户痛点:

拥有国内2.4亿活跃用户的某大型互联网数科公司对金融供应链企业间的关联存在着很多问题,如在风险管理决策中的信息审查效率低,客户失联后无法修复、黑名单客户&多头贷客户无法快速识别等。如何快速实现高效信息审查、供应链企业关联关系查询、一致行动人查询、黑名单客户风险预警、多头贷客户欺诈识别、失联修复是企业目前迫切想要解决的问题。

解决方案:

Hubble数据库不仅支撑着海量数据的实时查询和分析,还融合了图技术和AI技术,通过发现金融供应链企业间的关联关系,利用风控部门管理客户并根据现有黑名单发现新的黑名单和多头贷企业,帮助企业建立自身完整的黑名单库。Hubble数据库利用该公司现有的2.4亿活跃用户以及500万供货商和合作伙伴所产生的交易数据,构建企业级金融供应链企业图谱与该数科公司金融内、外部各个系统之间相互关系,识别企业客户的风险。通过将所有的数据信息在失联修复、多头贷、黑名单三个业务场景下的节点定义和关系定义,搭建供应链金融企业图谱。

项目成果:

Hubble数据库构建200亿+图数据库,便于做高级数据分析。

搭建该企业的供应链金融企业图谱,使该公司风控部门及时掌握了企业客户的风险点,及时控制贷款风险,避免损失。

利用Hubble数据库强大的数据处理能力,修复失联企业,进一步控制风险。

分类: 证券&互联网