基于TigerGraph图分析平台,联通大数据成功升级了并行图计算平台能力,并应用于多个业务场景的解决方案,比如联合骗保、综合信用分、图特征补充机器学习(ML)模型场景等。以识别企业真实经营场景为例,该平台成功帮助客户最终实现了基于人的群体行为,识别相应企业是否为:正常经营企业、异地经营企业、疑似空壳企业,从而更精准地识别高风险客户,减少因洗钱、骗贷、诈骗等造成的经济损失。
以识别企业真实经营场景为例,在当今国家推行“小微企业放贷”的大环境下,不法分子利用空壳公司伪造资料和流水,向银行实行骗贷或洗钱从事诈骗等各类违法犯罪活动,扰乱经济秩序,危害经济安全,侵犯受害者经济利益。在此大环境下,市场监管部门、银行、投资机构都需要能够识别企业真实经营状况,但在实际中仍面临着诸多困难,比如:
联通大数据快速地确定了图数据库是解决其业务需求的最佳选择。为了对比多家市场上流行的图数据,联通大数据选取了全网三个月通话关系(子集)约213G,进行对比测试。
该测试集群采用X86服务器*3,CPU 28Core,内存 384G,硬盘 1.7TB*8。
综合测试后发现,TigerGraph数据导入速率比其它图数据库快3倍多,实时更新速率更是快4倍以上,在深度链接查询上,也都有强大的性能优势。
在利用TigerGraph图分析计算平台后,联通大数据成功打造了基于运营商大数据的企业真实经营洞察,并与TigerGraph成为长期的合作伙伴。
待补充
——待补充
联通大数据有限公司是中国联通的全资子公司,定位为中国联通全网数据对外运营的统一出口、对外商业应用的集中运营主体、产业拓展的合资合作平台、AI和区块链创新应用中心,秉承“客户为先、团队为本、合作共赢、安全合规”的价值观,以“数据资源的聚合者、创新应用的牵引者、产业生态的建设者”的发展战略,致力于成为“值得信赖的数据智能科技服务专家”。
Anna Veronika Dorogus
Machine Learning Expert
Anna Veronika Dorogush graduated from Lomonosov Moscow State University and Yandex School of Data Analysis. She used to work at ABBYY, Yandex, Microsoft and Google on Machine Learning infrastructure and Machine Learning frameworks. In 2017 she published the open-source library CatBoost, which is now one of top-3 most popular Gradient Boosting libraries, and the top 7-th most used Machine Learning framework in the world according to Kaggle 2021 review.