背景與挑戰：

作為規模最大的商業銀行之一，根據銀監會的《商業銀行集團客戶授信業務風險管理指引》和行內相關業務要求，對單一集團客戶和單一客戶授信額度有相應規范，為優化對公客戶運營管理的授信營銷和風控管理，對集團客戶進行集團成員的識別提出了更高要求。 

業務目標：

針對已構建的集團客戶識別功能進一步完善，力求使集團客戶識別功能更加完整、準確、體系化。在行內已經標注的顯性集團和隱性集團結果的基礎上，對已發現的集團進行更深入的挖掘，補充識別集團企業中非授信成員的部分以及授信成員中按照集團客戶定義未被發現的部分，優化授信業務運營管理。 

難點與關鍵成功因素：

如何有效利用各類更豐富的數據和信息，包括集團數據（顯性集團、集團成員等）、實體間關系數據圖譜（實際控制人、股東、法人、高管、分支機構、子公司、共同擔保/借款、企業上下游等）、交易往來數據等，通過構建知識圖譜中各種關系進行股權穿透、采用圖計算、機器學習模型等結合的智能探索方式，全面反映企業間關系，輔助業務決策。 

業務成果：

對某集團客戶的成員關系表/隱性集團結果進行驗證，實現了對成員企業發現數量21.2%的提升效果，總體應用模型探索應用，將帶來對公營銷和風控業務領域的顯著提升。 

展望未來：

基于人工智能技術應用出色的業務效果，該行也將繼續與第四范式一起，探索AI技術在對公業務、公私結合業務領域更深入的發展應用，包括使用行內數據豐富圖譜數據、企業供應鏈挖掘、擔保鏈挖掘等更多樣的業務目標等，建立智能企業客戶管理體系，為客戶提供優質服務的同時降低運營風險。