金融行业的图数据仓库建设研究与探索

在金融数字创新趋势下,国内金融行业已经开始广泛探索基于知识图谱技术的人工智能应用。随着知识图谱技术在银行业务的广泛落地应用,银行科技部门越来越重视大规模图数据的融合、治理和应用。图模型的可视化优势、贴近业务的模型表达、强大的深度关系分析和模式匹配能力将是数据赋能的重要助力,越来越多的数据将以图模型的方式存储、计算、展示。但此前面向业务应用的建设方式,导致内部形成了图谱数据孤岛,点、边数据在多业务场景中重复建设,图本体定义缺乏统一规范,缺少基本的治理过程。文章基于银行全行级图谱平台的建设和图谱应用落地的经验,构建用于存放图谱的数据标准,描述建设图数据仓库的实施方案。区别于以“主题”和“维度”为视角的传统数据仓库,图数据仓库强调“业务实体”和“关系”的分析视角,是对企业数据分析能力的有益补充。同时,文章构建多层次数据架构并集中治理图谱数据,使得扩充图谱数据覆盖银行全行数据成为可能,满足了银行各业务部门对图谱数据的迫切需求。

Graph OLAPing的建模、设计与实现

提出了一系列Graph的OLAP模型和算法,实现了以Graph数据为中心度量的OLAP操作.主要贡献包括:(1)提出了面向Graph的数据仓库概念模型——双星模型;(2)提出了Graph的数据立方概念和创建过程;(3)设计了信息维聚集算法I-OLAPing;(4)设计了拓扑维聚集算法T-OLAPing;(5)实现了Graph OLAP的原型系统Graph OLAPer1.0.实验结果表明,设计和实现的Graph OLAPing算法及原型系统Graph OLAPer1.0能够有效地进行科研合作网分析.