高盛合规审查首席技术官Peter Ferns表示，在运用新兴技术方面高盛当前倾向于通过自建方式。高盛当前有三分之一的员工隶属于技术和战略团队。“通过技术部门的努力，我们能够以自建方式引入新技术。”Ferns表示。

    自建新技术平台的一个案例就是“大图谱（big graph）”，出自于Ferns所在的高盛大数据战略团队。高盛的图谱分析平台将用户数据映射成图的形式，即一系列互相连接的对象（或节点）。通过这种方式，客户、员工、企业以及交易之间的关系以一种新颖的形式组织在了一起。

    必须说明的是，图谱分析本身并不是新生事物，但为什么众多企业为此着迷不已呢？其中一个重要原因就是更好、更快和更低成本的技术出现了，使得对海量数据进行图谱分析成为可能。“大数据的兴起，使得大规模图结构的存储和计算成为可能。”Elder Research Inc.（位于弗吉尼亚Charlottesville的一家咨询公司）的首席科学家Andrew Fast表示。

    合规审查和欺诈发现都与社交有关

    Ferns在去年秋天举行的Strata+Hadoop World上表示，图谱分析在高盛的应用场景是合规审查和欺诈发现。“如果你了解金融市场的合规就会知道，监管部门要求我们能够监控每天各个银行的所有交易。”Ferns说：“因此，合规首先就是要将各类数据聚合起来。”

    每天，高盛所收集的数据涵盖了数以亿计的市场订单和指令、上千万笔贸易信息、数十亿规模的市场脉动数据、数百万电子邮件和即时消息等电子通讯数据。此外，由于高盛还被要求将这些数据保留一段时间，数据的规模愈发膨胀。单单就电子通讯数据而言，就达到了PB级别的规模。

    “以前，这些数据的汇集、维护和保存都是非常棘手的。但换个角度看，得感谢监管部门对我们的这个要求，正因如此我们拥有了这些高价值的数据，同时也探索出了存储和管理数据的宝贵经验。”Ferns表示：“现在，一旦适用的新技术就绪，我们就能够对这些数据展开大规模的分析。”

    Fast同样看好图谱分析在合规、风险管理和行业监管方面的前景。“统计乃至绝大部分分析行为的一个前提假设就是，数据是独立的，互相之间没有任何联系。然而，图谱分析打破了这种预设的条件。”Fast分析到。

    Fast还以自身的经验进行了说明。在攻读博士学位期间，Fast与全美证券交易商协会（即现在的美国金融业监管局）进行过合作。该团队当时就采用了图谱分析技术对股票经纪人进行合规、风险、欺诈等方面的监控。“得出这个结论的前提在于，正如我目前所从事的反欺诈研究一样，欺诈和合规也具备同样的社交本质。”Fast解释到：“要么是文化的分享，要么是触发一个时间序列，要么是个体之间的交互。”

    而且，高风险或欺诈行为并不是显而易见的。“它们并不会给出显著的信息从而立刻引起警觉。通过对相邻节点或特定群体的分析，图谱分析可以辨识微弱而隐晦的信号 -- 仅针对个体分析是无法察觉的。”

    长久以来，纳斯达克都对那些隐含高风险的经纪人进行着监控，但是一直无法挖掘出这些人之间的关联。在Fast于2007年发表的论文中，证明了这些经纪人通常行动一致（无论跨部门还是公司之间），某段时间内会没有联系，但过一段时间又重新汇聚。“静默的时间可能是一年、两年甚至三年，但之后必然又聚集在一起做见不得人的勾当。”Fast说。通过对关系模式的长时间分析，纳斯达克能够预防性地识别出那些有违规倾向的经纪人。

    自建或是外部引入？

    然后，高盛自建图谱分析平台的做法并非业界常态。“这需要相关技能的丰富积累。”Gartner分析师RITa Sallam表示。

    这类平台并非在所有方面都与传统IT有区别。以数据流经的技术栈为例，Ferns认为与其他的项目并无不同：“都是从底层可信的数据源开始，贯穿到最顶部的业务层面。”

    对于图谱分析平台的特殊之处，Ferns也举例加以说明。在可信数据源和用户界面之间，高盛开发了一个原始数据存储层（Ferns将其称为data lake），以及一个数据登记接口，用来定义原始数据的应有形态。“这里汇集了各类技术，但其中很大一部分是Hadoop。”Ferns说。

    高盛的平台是基于本体模型（ontology model）或数据类型及相互关系构建。“我们有悠久的以模型为驱动进行开发的传统。”Ferns表示：“这一次这是基于这个核心理念加以扩展而已。”本体模型依赖于WWW标准：用于规定Web数据格式的资源描述框架（RDF）、定义数据间关系的Web本体语言（OWL）、针对RDF数据的SPARQL查询语言。

    Sallam表示，诸如RDF和SPARQL之类的标准才刚刚出现，精通于此的专业人员还比较稀少。“图数据库的问题是没有诸如SQL一样的标准查询语言。”她表示。对此，Sallam的建议是，除非图谱分析属于关键任务（就如高盛的情况一样），否则CIO最好是从外部引入技术，而不是自行构建。“CIO们应该着眼于那些整体性的平台或应用，确保能够支撑规模不断增长的数据和分析程序，最终实现真正有商业意义的应用场景。”

    应用场景现实可见且非常丰富。Sallam表示，图谱分析能够用于社交网络分析、电信网络分析、地理位置智能、市场分析、供应链监测和基因研究等多个领域。诸如IBM的i2、Centrifuge Systems和Palantir Technologies（2014年11月时估值达150亿美金）等，提供了针对图或网络的可视化分析平台。Sallam认为上述系统可作为Tableau（流行的可视化分析平台，但目前尚未提供图或网络分析功能）的替代品。

    Sallam表示，即便是没有直接投资于图谱分析技术的CIO，也应该为其在相关产品中的应用做好准备。比如，智能机器和虚拟个人助手就采用了图谱分析技术，并且在各类企业中得到了越来越普遍的运用。

免责声明：本网站（http://www.ciotimes.com/）内容主要来自原创、合作媒体供稿和第三方投稿，凡在本网站出现的信息，均仅供参考。本网站将尽力确保所提供信息的准确性及可靠性，但不保证有关资料的准确性及可靠性，读者在使用前请进一步核实，并对任何自主决定的行为负责。本网站对有关资料所引致的错误、不确或遗漏，概不负任何法律责任。
本网站刊载的所有内容（包括但不仅限文字、图片、LOGO、音频、视频、软件、程序等）版权归原作者所有。任何单位或个人认为本网站中的内容可能涉嫌侵犯其知识产权或存在不实内容时，请及时通知本站，予以删除。