对于当今的现代银行而言，实时访问和分析数据的能力几乎与其获得资本的能力一样重要。然而，银行业正面临一个巨大的“大数据”问题：大量有价值的数据分布在不同的来源、格式和地理位置。
这就是大数据的希望和危险；它既是一个令人生畏的障碍，也是一个前所未有的机会，让银行重新思考如何使用实时数据分析来获得客户的统一视图。这些数据洞察力反过来又帮助银行做出更明智的数据驱动决策。如今，银行面临着更大的压力，因为一大群以云为先的金融科技新贵将目光投向了他们的客户，这些客户已经开始期望银行提供与数字生活中其他地方相同的实时便利。但要实现这一目标，就需要一种新的方法来收集、管理和处理数据。
矛盾的说法：关系数据库不存储关系
实时数据操作之旅始于不起眼的数据库。在过去的几十年里，关系数据库一直是数据存储、管理和分析的基础工具。然而，尽管它们的名字，关系数据库不存储数据元素之间的关系，当您必须跨不同字段执行操作时，它们也不能很好地扩展。这些系统的刚性结构从未设计用于提供当今金融机构所需的敏捷、360 度视图。
随着组织希望将结构化和非结构化数据集合并到他们的分析模型中，这一点变得很明显。非结构化数据——可能包括从索赔中的注释到呼叫中心交互的任何内容——存在于多个来源并且数量不断增加。挖掘这些情报来源的机会很诱人，但很难获得。
这就像发现一个巨大的有价值的矿物矿床，却发现它太深而无法以具有成本效益的方式开采。因此，这些遗留数据库系统在尝试将非结构化数据合并到其模型中时会陷入困境。然后，这些丰富的数据源通常仍然是孤立的并且遥不可及。
还有数据收集和存储的问题。尽管金融服务机构不断地从广泛的来源（从交易数据和信用评分到分类账和财务报表）中获取大量客户数据，但它们常常受到如何运用这些数据的限制。
为什么未来会被描绘出来
关系数据库需要定义的结构，而图形数据库围绕关系组织自身，而不是将数据强制放入严格的框架中。他们将各种数据类型、格式、类别和系统中的点或“节点”连接起来，找到有助于揭示潜在关系和微妙模式的共性。由于需要跨大型和不同的数据集提出复杂的问题，预计图技术的采用将猛增。据 Gartner 称，“到 2025 年，图形技术将用于80% 的数据和分析创新，高于 2021 年的 10%，促进了整个组织的快速决策。” 借助现代图形技术，可以绘制数据流图表并可视化不同数据表之间存在的依赖关系。更重要的是，这些关系可以在一个整体的、连接的数据图中一起查看。这种端到端的可见性使您能够准确地分析和理解正在发生的事情——或预测将发生的事情——如果数据环境中的其他地方出现变化或问题。
图数据库实现实时决策的三种方式
全球一些最大的银行已经开始使用图形数据库。虽然有几十个潜在的用例，但以下是三个更引人注目的场景，它们展示了图形数据库如何在当今的银行业实现实时运营决策。
实时欺诈检测：依赖第一代关系数据库系统的欺诈分析解决方案根本无法以实时标记欺诈交易所需的规模分析数据集。客户已经开始期望能够近乎实时地标记异常交易。但是，银行必须谨慎行事，以免不必要地触发令人沮丧的误报通知。
通过用机器学习系统补充图形分析，金融公司可以发现现有“已知欺诈”信用卡应用程序和新应用程序之间的数据联系。这使他们能够识别难以发现的模式、揭露欺诈圈并快速关闭欺诈卡。
提高反洗钱合规性：了解您的客户 (KYC) 的做法已成为银行遵守复杂反洗钱 (AML) 法规和治理要求的能力的基础。也许没有其他银行用例比 AML 功能需要更多的数据密集型模式匹配。在这里，图表必须无缝地收集、分析和关联层深数据，以揭示个人、组织和交易之间的复杂关系。这就是金融服务组织揭露犯罪活动并遵守不断发展的联邦法规的方式。
动态信用风险评估：估计有2600 万消费者没有被 FICO 和其他征信机构跟踪，因此风险评估和监控变得更具挑战性。确定客户是否有资格获得贷款、抵押贷款或信用额度，对金融机构来说既是风险也是机遇。这些组织必须利用他们掌握的所有数据，实时就客户的信誉做出明智的实时决策，否则就有失去市场份额的风险。它还需要能够从各种不同的第三方来源中挑选数据，对数据进行规范化以便可以快速对其进行分析，并且在不影响网络性能的范围内进行。
爆炸性的数据量和速度以及对实时决策的需求已经改变了现代银行业。高级图形分析可实现更深入的洞察，补充现有的 BI 技术并为下一代人工智能和机器学习应用程序提供动力。今天能够获得数据优势的银行和金融机构将最有可能在明天蓬勃发展。
关于作者： Harry Powell 是TigerGraph行业解决方案负责人，领先的图形分析平台提供商。在这个职位上，他领导的团队由行业主题专家和高级分析专业人士组成，专注于影响具有前瞻性思维的公司在数字化和互联世界中运营的关键业务驱动因素。他是一位拥有 10 多年行业经验的图形技术老手，过去四年在 Jaguar Land Rover 运营数据和分析业务，该团队在四年内贡献了 8 亿美元的利润。在捷豹路虎，他是 TigerGraph 的早期采用者，在 Covid 停产和半导体短缺的高峰期，他使用图形数据库解决了供应链、制造和采购方面的挑战。在此之前，他是巴克莱的高级分析总监。
