今年年初，某银行因为被人行开出超两千万元的“天价”罚单上了热搜而被广泛讨论。它被处罚的主要原因为未对客户进行尽调，并涉及房地产资金运作行为违法违规。

事实上，人行对资金流入房地产的严管已经持续多年，仅过去两年就有4家银行及金融机构因为涉及相关问题而被处以千万元的罚款。

种种事实都在释放着这样的信息：资金追溯是每一家银行和金融机构都必须去面对和解决的问题。

本期技术人生，我们就来解析一下这种新趋势：图技术赋能贷款资金流向追踪。

传统的关系型数据库以表格的方式储存和呈现数据，十分抽象。

银行流水示意

银行每月交易流水都达百万到百亿的数量级。使用传统的查询方法在茫茫数据中搜寻蛛丝马迹，不仅耗时耗力，最终结果也未必理想，这成为了许多银行等金融机构开展资金追踪的障碍。

1、简单直观的图数据库

关系型数据库存储数据示意

这些数据在图分析中，将有完全不同的存储方式。

以TigerGraph图分析为例：将交易过程中的每一个实体（银行或公司）作为节点、每一条交易流水作为两点之间的一条边，我们便能构建一张包含所有交易数据的关联图，其中的数据将被存储在图数据库中。

图数据库存储数据示意

可以看到数据中的“公司A”、“公司B”都从三条数据合并为了一个节点，转账行为成为了带数据的有向边，利用点边关系即可清晰地描述实体间的交易行为。

并且通过构建图，我们发现公司A转出的金额和公司B收入的金额接近，有助于业务人员对两公司之间的交易行为进行进一步甄别和判断，而这在传统的关系型数据库中是很难直接看出的。

人脑天生就对图更加敏感。以图的形式进行数据存储，构建实体之间的关联关系，这样的方法符合人类认知数据的直觉。

2、基于图的资金流向追踪

我们利用TigerGraph图技术，构建知识图谱（以图的形式存储）并设置业务规则以进行资金流向查询和追踪。

存储实体和交易数据的图分析示意

假设根据业务人员的经验，如果申请贷款的公司在贷款发放后的短时间内（例如3天内）就将款项大部分（例如80%以上）转出公司，那么这家公司极有可能将款项用于购买房产：

采用图技术，我们可以将以上这项特征总结为一条规则，将它编写为查询：

在全景知识图谱上设置查询条件：1、发放贷款与转出交易的时间差为3天内；2、转出的金额总额大于等于贷款发放金额的80%。编写代码后在知识图谱上运行，就能输出我们想要的结果。

3、基于图的优势

相比基于关系型数据库的查询，TigerGraph图查询的条件设置直观且简便，无论从图形上还是业务逻辑上，都有较强的可解释性。

关系型数据库目前尚无法解决数据不足的问题。而利用图技术，即使是在数据量不足的情况下，我们也能将业务人员的经验总结为更多的规则，编写多种查询，使查询输出的结果具有更高的覆盖度，有利于业务人员进行资金的追踪和监控。