知识图谱如何改变银行业务模式？

预计到2030年为金融行业节省超过1万亿美元。

面对机遇，很多银行开始采取行动。但是如何才能最大程度地利用人工智能技术呢？

这时候，银行就面对着同样一个严峻的现实：要想成功部署人工智能应用，光有海量的数据还不够。对于人工智能交付结果而言，数据质量起到了重要的作用，这正是绝大多数组织都在努力解决的难题。

在过去几十年内，各大银行一直在收集数据，因此，数据管理变得极为复杂。数据通常是断续的，并且以不同的格式存储，整个组织布满了无法使用的孤立信息数据库，这使得全银行范围内的研究难以开展，人工智能应用也无法从数据中发现见解。

）」——亚马逊、谷歌和苹果公司等巨头使用的一项技术——可以连接不同的数据库，让它们变得可供搜索。知识图谱还可以连接结构化和非结构化数据，使人工智能应用不仅可以使用内部数据库的信息，还可以使用文本等文档中的信息。

「知识图谱」如何起作用？

知识图谱是知识领域的模型。它映射了企业的所有业务对象和概念，以及它们之间的相互关系。知识图谱被构造为附加的虚拟数据层，位于现有数据库之上，并将数据大规模链接在一起。电子表格等结构化数据，以及文本文档等非结构化数据，都是知识图谱连接的对象。

知识图谱基于知识和概念，因此要想创建良好的知识图谱，必须让整个组织内不同领域的主题专家都参与进来。这增加了对协作的需求，并加强了知识管理领域的共同责任和透明度。而且，由于该技术并不会取代现有的IT系统，而是对它们进行加强，因此具有极高的成本效益。

）定义了金融业务应用程序中有趣的一组业务对象，以及它们之间的相互关系。通过使用FIBO，组织可以使任何描述财务业务的数据变得有意义。

使用语义人工智能的个性化银行服务

知识图谱、自然语言处理（NLP）和人工智能的结合，对于银行业的数字化转型将是至关重要的。

一种特别有趣的趋势是，使用该技术来改善个性化的客户服务。这可以通过使用知识图谱构建推荐系统来完成，在线商店也经常使用类似的推荐系统向用户展示相关产品。

）——蓝纹奶酪中最富盛名的一种，尽管绝大部分的推荐系统可能会向这位用户推荐其他类型的蓝纹奶酪，但是得到知识图谱支持的推荐系统则可能会技高一筹，它可能会推荐一款与特定类型奶酪搭配的葡萄酒。

——在这种情况下，奶酪和葡萄酒及其所有属性，可提供丰富的、额外的语境信息——这会让建议的质量有所不同。