盡管對(duì)欺詐團(tuán)伙調(diào)查能取得不錯(cuò)效果，但因其可能需要調(diào)查員隨時(shí)聯(lián)系客戶或聯(lián)系周邊人群以驗(yàn)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(gè)問題，基于模型的風(fēng)險(xiǎn)事件預(yù)警就應(yīng)運(yùn)而生。如果說欺詐團(tuán)伙調(diào)查是主動(dòng)出擊，風(fēng)險(xiǎn)事件預(yù)警更像是被動(dòng)防御。

 

　　風(fēng)險(xiǎn)事件預(yù)警是通過模型生成一組類似上述欺詐團(tuán)伙調(diào)查中出現(xiàn)的場(chǎng)景，給每一個(gè)場(chǎng)景一個(gè)相對(duì)低一些的初始置信度，后期通過不斷的反饋迭代來(lái)優(yōu)化置信度。當(dāng)一個(gè)新客戶到來(lái)之后，首先會(huì)將其信息整合到知識(shí)圖譜中。緊接著，該客戶會(huì)被規(guī)則引擎捕捉到，規(guī)則引擎會(huì)基于客戶信息從知識(shí)圖譜中提取一組特征，由該特征決定了引擎首先會(huì)觸發(fā)哪些場(chǎng)景，而這些場(chǎng)景的結(jié)論可能導(dǎo)致規(guī)則引擎又觸發(fā)另外一組場(chǎng)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(xiǎn)事件被觸發(fā)，則信息會(huì)送達(dá)相關(guān)團(tuán)隊(duì)。

 

　　風(fēng)險(xiǎn)事件預(yù)警最有意思的地方在于，一個(gè)新客戶的到來(lái)，可能會(huì)導(dǎo)致一個(gè)早先客戶的風(fēng)險(xiǎn)事件被觸發(fā)。這主要是因?yàn)樾驴蛻羧谌氲街R(shí)圖譜中時(shí)帶進(jìn)的新數(shù)據(jù)，可能會(huì)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(lái)擴(kuò)展新進(jìn)客戶的影響，效果顯著。這也意味著，風(fēng)險(xiǎn)事件預(yù)警并非只針對(duì)貸前風(fēng)險(xiǎn)事件，還會(huì)將貸后風(fēng)險(xiǎn)事件作為預(yù)警。比如觸發(fā)了某個(gè)老客戶的潛在逾期風(fēng)險(xiǎn)時(shí)，就可以引導(dǎo)相關(guān)團(tuán)隊(duì)提前關(guān)注，在情況惡化前及時(shí)止損。

 

 

　　如果客戶奔著欺詐而來(lái)，那幾乎也注定了后續(xù)無(wú)法聯(lián)系上，稱此類失聯(lián)為“第一類失聯(lián)”?！笆?lián)”是無(wú)法完全避免的，主要是因?yàn)槭?lián)的成本很低。即使客戶自身“消失”的意愿不高，但換手機(jī)號(hào)、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(kù)應(yīng)用于失聯(lián)修復(fù)是非常直觀的，因?yàn)閳D數(shù)據(jù)庫(kù)在數(shù)據(jù)豐富的條件下能非常方便地進(jìn)行各類關(guān)系的提取。恒昌的失聯(lián)修復(fù)項(xiàng)目結(jié)合了知識(shí)圖譜（基于圖數(shù)據(jù)庫(kù)）及傳統(tǒng)的機(jī)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(lái)源，后者作為策略有效性的評(píng)估依據(jù)。目前，恒昌能做到失聯(lián)客戶實(shí)時(shí)修復(fù)，修復(fù)專員完成具體操作后會(huì)有相應(yīng)的備注及日志信息，這些數(shù)據(jù)會(huì)被實(shí)時(shí)收集用于改進(jìn)修復(fù)策略。

 

　　本文僅拿眾多策略中較為容易理解的一條來(lái)略作說明，這條策略主要是從圖數(shù)據(jù)庫(kù)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(jiǎn)單的策略，但深入思考會(huì)發(fā)現(xiàn)，國(guó)內(nèi)有很多規(guī)模不小的工廠會(huì)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(rèn)識(shí)失聯(lián)人。因此這條簡(jiǎn)單的策略背后也需要有一個(gè)啟發(fā)式算法，通過公司/工廠的規(guī)模來(lái)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(jìn)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(lái)或是有通訊錄關(guān)聯(lián)（事實(shí)的條件遠(yuǎn)比這個(gè)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(kù)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(kù)可以將數(shù)據(jù)一次取出再進(jìn)行處理，基本是毫秒級(jí)響應(yīng)，如果觸發(fā)了提前中止，耗時(shí)可能更短。但如果基于關(guān)系型數(shù)據(jù)庫(kù)，首先會(huì)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(kù)，造成數(shù)據(jù)庫(kù)資源的浪費(fèi)。

 

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