银行和金融服务业图分析图数据库应用，揭示金融欺诈的模式

图分析在银行和金融服务中的应用

使用图分析和 AI 转变金融服务

Graph+AI峰会

0 %

美国大中型零售商的月平均欺诈尝试次数增加了

0 $

每 1 美元的欺诈让美国零售商损失

0 B $

2019 年 OFAC 制裁罚款 13 亿美元

图数据库的高级分析可以揭示金融欺诈的模式

抑制金融服务中不断上升的支付欺诈成本

每一美元的支付欺诈都会使电子商务商家和银行在费用、利息、商品更换和重新分配方面损失 3.36 美元。随着消费者选择花更多的时间在家里（尤其是在 COVID-19 大流行期间）并专门在线购物，无卡欺诈正在迅速增加，在美国，中大型零售商每月成功的欺诈尝试次数增加了 43% – 48% 。全球零售业的在线支付欺诈也出现了类似的增长。

在关联数据中查找欺诈模式

传统的欺诈分析解决方案无法检测到大量的在线支付欺诈，因为它们无法发现复杂的支付欺诈模式，其中需要6跳或更多跳，以将当前支付与历史欺诈活动联系起来。第一代和第二代图数据库不能实时超过3跳。诸如 TigerGraph 之类的原生并行图是专门为发现这些模式而构建的，这些模式会在连接的数据中进行 6 跳或更多跳，并实时阻止欺诈性交易。

利用企业知识图谱改善信用和监管数据风险评估和监测

美国财政部外国资产控制办公室 (OFAC) 在 2019 年开出了创纪录的罚款，总计高达 13 亿美元。世界各地的银行都在努力审查通过其网络的每个账户和每笔付款，以确保合规性并避免处罚。

传统解决方案无法胜任这项任务，因为风险评估和监控解决方案需要将每个账户的所有内部数据与外部数据源（例如政治公众人物 (PEP) 数据库，和制裁数据库，例如来自 Refinitiv 和 OpenCorporates 的 World-Check所提供的数据库）进行组合和链接。 TigerGraph 提供广泛的风险评估和监控分析，涵盖内部和外部数据集，以查找和标记与受制裁实体的联系。 TigerGraph 还可以发现潜在的洗钱团伙和其他可疑活动。

跨所有接触点提供实时客户 360 度全方位服务

金融服务的竞争正在升温。亚马逊于 2019 年 6 月为“没有银行账户”的人推出了信用卡，而苹果于 2019 年 8 月推出了 Apple Card。谷歌紧随其后，于 2019 年 11 月宣布了 Cache 项目，于 2020 年为消费者提供支票账户。Facebook也加入了竞争，于2019年6月推出了Libra加密货币，并于2019年11月推出了Facebook支付。
所有这一切意味着，现在金融服务机构比以往任何时候都更需要利用其核心资产——客户数据。数据仓库和数据集市整合了客户数据。 TigerGraph 利用多达 50 个或更多的数据集，连接所有渠道的整个客户旅程。 TigerGraph 还允许客户服务、销售、市场营销和其他面向客户的员工实时查找类似客户，并为交叉销售、追加销售和预防客户流失提供建议。