中国银联 & TigerGraph
中国银联: 基于TigerGraph图分析，打造智能化的金融合规系统
智能化的金融合规系统实现成效
在关系型数据库中，随着关系的数量和深度的增加，关系查询的效率将急剧衰减，甚至崩溃；图数据库因其图存储结构，解决此问题具有天然优势。在完成以下五高测试后，TigerGraph的测试结果都很好地满足客户预期。
- 高可用测试：主要用于测试集群的稳定性，内容包括各组件的高可用性
- 高可拓展测试：主要用于测试集群的扩展性，内容包括增删节点、在线扩容/兼容、数据分布变化、配置项变化等
- 高安全测试：主要用于集群在代码级别的安全性检查，内容包括由厂商出具黑白盒报告
- 高管理测试：主要用于集群具备较为完善的管理功能，内容包括：集群或者部分组件的启动/停止/重启、参数调整、进程监控、资源监控等
- 高性能测试：主要用于图数据库的数据导入、导出、查询性能测试
客户痛点
- 传统的关系型数据库系统(db2)以及非关系型数据系统(Hadoop)在海量数据基础上构建多层（或称之为“步”）的泛关联关系 ，并以此为基础实现深度链接关系的信息洞察方面，存在着固有的、难以逾越的技术缺陷。
- 目前大数据平台中，要从卡号、手机号、手机设备、身份证号、云闪付APP用户号类型的近30亿节点找出关联关系，需要在近60亿的关联关系中，通过多次的迭代和汇聚，“洞察”出这些节点的关系，从而生成客户对应的ID号 ，在性能方面难以达到要求。
- 反套现、赌博、洗钱等场景存在较为复杂的资金链路及团伙行为，传统关系型数据库难以进行违规行为的有效挖掘。
基于TigerGraph图分析计算平台，成功升级智能化的金融合规系统
- 统一关系图谱
银联的数据类型丰富，且体量较大，按照传统的设计思路，如果生成多张图，会缺失图与图之间的关系，如果生成一张大图，则可能由于点边关系过多造成数据的剧烈膨胀。因此，需要构建一套全面、精简、可用的企业级统一关系图谱。
通过建立“持卡人、商户、机构、交易”四维一体的基础模型，既体现了关键实体的主要关系，又避免了数据过于膨胀。TigerGraph图分析平台，帮助客户建立了包含60亿节点、100亿关系边的统一关系图谱，这已应用于套现侦测、网络赌博侦测、持卡人社区、商户社区等模型 - 图数据建模
在前面的统一知识图谱的基础上，通过图算法与机器学习的结合，TigerGraph帮助银联构建了更为丰富的特征，弥补了机器学习特征上的不足，从而更好地应用于套现侦测、赌博侦测等模型
客户评价
为什么选择TigerGraph，因为TigerGraph在高可用测试、高可拓展测试、高安全测试、高管理测试和高性能测试这五高测试中，都非常好地满足了我们的预期。
客户简介
中国银联（China UnionPay）成立于2002年，主要负责建设和运营全国统一的银行卡跨行信息交换网络、提供银行卡跨行信息交换相关的专业化服务、管理和经营“银联”品牌、制定银行卡跨行交易业务规范和技术标准。目前已在179个国家和地区开通服务，截至2020年，中国银联已成为全球发卡量最大的卡组织，累计发行86+亿张银行卡。
