行業背景

信息化技(jì )術的快速發展，推動行業進步的同時，一些問題也逐步凸顯。業務(wù)系統産(chǎn)生的多(duō)源、異構數據量大，增長(cháng)快，數據清洗難度高，系統間的數據相互孤立，難以形成關聯網絡，傳統的關系型數據庫在描述實體(tǐ)間關系的能(néng)力上十分(fēn)有(yǒu)限，通過圖數據庫利用(yòng)關聯性探索分(fēn)析，可(kě)以梳理(lǐ)複雜多(duō)源數據的關聯性，充分(fēn)挖掘數據隐藏價值，賦能(néng)不同場景的智能(néng)應用(yòng)。 

産(chǎn)品介紹

鼎馳智能(néng)圖分(fēn)析平台為(wèi)各領域的調查人員、數據分(fēn)析師提供一個綜合性的數據可(kě)視化分(fēn)析平台，用(yòng)于各類專項調查以及發現工(gōng)作(zuò)。基于鼎馳智能(néng)圖分(fēn)析平台，分(fēn)析人員可(kě)以将掌握的各種數據資源導入平台，構建适用(yòng)于自身業務(wù)的關聯圖譜。平台提供豐富的可(kě)視化展示、交互查詢，輔以多(duō)樣的分(fēn)析模型和圖挖掘算法，可(kě)廣泛用(yòng)于金融、政務(wù)、公(gōng)安(ān)、社交等領域，幫助快速識别洗錢、欺詐、危害公(gōng)共安(ān)全等活動。

産(chǎn)品功能(néng)

1、創建分(fēn)析模型

通過從業務(wù)中(zhōng)抽象出基本數據結構，為(wèi)圖數據的構建和整合提供基礎，結合AI智能(néng)算法開發基于業務(wù)場景的分(fēn)析模型，支撐自動化分(fēn)析和輔助決策。

2、數據快速導入

通過簡單界面拖拽操作(zuò)，完成數據字段到本體(tǐ)結構的映射，實現數據的快速導入，多(duō)張表通過預置導入規則将數據彙集在同一圖數據庫中(zhōng)。

3、數據全貌和篩選

對全量數據的各維度進行預先統計和挖掘，讓分(fēn)析者第一時間獲得數據的整體(tǐ)概況，借助條件篩選功能(néng)，根據實際需求選擇相應的數據，屏蔽其他(tā)數據的幹擾，從而使關聯分(fēn)析譜圖更加簡潔直觀，突出重點關系。

4、可(kě)視化布局

通過環形布局、力學(xué)布局、分(fēn)層布局、網格布局等多(duō)種可(kě)視化布局方式，為(wèi)分(fēn)析者提供多(duō)角度查看數據之間的關聯性。

5、路徑探尋

自動尋找兩個節點間可(kě)能(néng)的所有(yǒu)路徑以及包含多(duō)個節點的連通路徑。使用(yòng)路徑探尋功能(néng)發現實體(tǐ)之間是如何産(chǎn)生關聯的，中(zhōng)間經過了哪些其他(tā)實體(tǐ)的傳遞，最終将這些實體(tǐ)全部聯系起來。

業務(wù)場景

1、金融行業

通過資金流向分(fēn)析、用(yòng)戶行為(wèi)分(fēn)析和社交網絡分(fēn)析等方法對目标行為(wèi)模式進行識别和監測，開展風險行為(wèi)匹配和風險傳導分(fēn)析工(gōng)作(zuò)，可(kě)以廣泛應用(yòng)于銀行、券商(shāng)、監管機構的反欺詐、反洗錢調查流程當中(zhōng)。

2、公(gōng)安(ān)行業

基于話單分(fēn)析、飛機同乘人分(fēn)析、交易轉帳分(fēn)析和活動軌迹分(fēn)析等手段開展案件調查工(gōng)作(zuò)，找出犯罪嫌疑人的關聯對象，識别隐藏的犯罪團夥。基于沉澱的犯罪分(fēn)子網絡關聯圖數據構建智能(néng)治安(ān)管理(lǐ)系統，監控潛在的治安(ān)風險。

3、電(diàn)子商(shāng)務(wù)

從數據計算的過程中(zhōng)研究個體(tǐ)及社群的購(gòu)物(wù)習慣并以此進行個性推薦。一個典型的社群關系推薦鏈條：購(gòu)物(wù)者 → 購(gòu)買的産(chǎn)品 → 購(gòu)買該産(chǎn)品的其他(tā)購(gòu)物(wù)者 → 社群統計特征 → 屬于該特征的其他(tā)購(gòu)物(wù)者 → 其他(tā)購(gòu)物(wù)者購(gòu)買的産(chǎn)品。