背景与挑战：

作为规模最大的商业银行之一，根据银监会的《商业银行集团客户授信业务风险管理指引》和行内相关业务要求，对单一集团客户和单一客户授信额度有相应规范，为优化对公客户运营管理的授信营销和风控管理，对集团客户进行集团成员的识别提出了更高要求。 

业务目标：

针对已构建的集团客户识别功能进一步完善，力求使集团客户识别功能更加完整、准确、体系化。在行内已经标注的显性集团和隐性集团结果的基础上，对已发现的集团进行更深入的挖掘，补充识别集团企业中非授信成员的部分以及授信成员中按照集团客户定义未被发现的部分，优化授信业务运营管理。 

难点与关键成功因素：

如何有效利用各类更丰富的数据和信息，包括集团数据（显性集团、集团成员等）、实体间关系数据图谱（实际控制人、股东、法人、高管、分支机构、子公司、共同担保/借款、企业上下游等）、交易往来数据等，通过构建知识图谱中各种关系进行股权穿透、采用图计算、机器学习模型等结合的智能探索方式，全面反映企业间关系，辅助业务决策。 

业务成果：

对某集团客户的成员关系表/隐性集团结果进行验证，实现了对成员企业发现数量21.2%的提升效果，总体应用模型探索应用，将带来对公营销和风控业务领域的显著提升。 

展望未来：

基于人工智能技术应用出色的业务效果，该行也将继续与第四范式一起，探索AI技术在对公业务、公私结合业务领域更深入的发展应用，包括使用行内数据丰富图谱数据、企业供应链挖掘、担保链挖掘等更多样的业务目标等，建立智能企业客户管理体系，为客户提供优质服务的同时降低运营风险。