От систем рекомендаций до борьбы с отмыванием денег

Показываем, как графовые платформы ускоряют принятие решений, сокращают издержки и помогают бизнесу выявлять закономерности

Во многих бизнес-процессах ключевую роль играют связи: между клиентами, транзакциями, поставщиками, событиями, ИТ-системами. Понять и проанализировать их помогают графовые базы данных. Они представляют данные в виде вершин (объектов), соединенных ребрами (взаимосвязи).

О том, какие пять проблем решают подобные продукты на примере графовой платформы «Мирион» рассказывает Дмитрий Соловьев, руководитель направления «Продукты Т1 ИИ» (ИТ-холдинг Т1).

Недостаточная персонализация рекомендаций может привести к потере клиентов и снижению конверсии. В системах по подписке это означает падение вовлеченности, а в e-commerce — упущенную выручку.

Графовая аналитика позволяет уйти от линейной логики «похожих товаров» и перейти к построению сети связей между клиентами, покупками, интересами, действиями. Это делает рекомендации точнее, особенно при недостатке истории по человеку. Например, платформа «Мирион» используется в онлайн-ритейле для построения графа покупателей, в котором каждый клиент связан с другими через общие характеристики: что приобретали, в каких категориях, когда и где.

В отличие от классических рекомендательных систем, основанных на правилах или векторных сходствах, граф позволяет выявлять скрытые пересечения и работать с неочевидными соседями — пользователями, поведение которых не совпадает по верхнему уровню, но схоже по траектории покупок.

В крупных e-commerce проектах графовые технологии доказали эффективность. В Alibaba внедрение собственной платформы AliGraph (492 млн узлов и 6,8 млрд связей) позволило ускорить работу рекомендательной системы с 20 секунд до 3 миллисекунд, а построение графа происходит на порядок быстрее (5 минут против нескольких часов раньше). Это дало рост точности и полноты рекомендаций и привело к улучшению пользовательских метрик.

Обнаружение операций по отмыванию средств — ресурсоемкая задача финансовых организаций. Такие действия тщательно маскируются под легитимные транзакции, а стандартные алгоритмы не всегда справляются с распознаванием новых сложных схем. При этом важно действовать аккуратно, чтобы не блокировать добросовестных клиентов и не тормозить бизнес-процессы.

Графовая аналитика помогает выявлять подозрительные цепочки с учётом контекста: кто с кем связан и через какие компании. Такие связи сложно «поймать» классическими методами, особенно если они неочевидны или фрагментированы по разным системам.

В «Мирионе» такие задачи решаются через автоматический анализ графов, в которых участвуют клиенты, транзакции, организации и другие сущности. Система позволяет найти нетипичные траектории и визуализировать подозрительные сети. Это сокращает время на анализ одного запроса в 16 раз, повышает производительность аналитики на порядок и снижает нагрузку на команду. Благодаря этим преимуществам «Мирион» был выбран в качестве базы для построения антифрод-модуля в одном из банков топ-5 России.

Чем раньше компания может распознать дефолт клиента, тем безопаснее её бизнес. Особенно остро задача стоит в банках, отделах закупок и страховых компаниях. Графовая аналитика позволяет находить риски через оценку окружения и замечать контекст даже при массовой обработке заявок.

В «Мирионе» построение профиля клиента 360° включает в себя анализ благонадёжности и кредитного риска, выявление недостоверных данных и поиск аномалий. Например, адреса массовой регистрации и резкиеотклонения от поведения группы.

Так работает «сканер контрагентов» в одной из крупнейших нефтегазовых компаний России на базе решения «Мирион». Он повышает прозрачность взаимодействия с поставщиками и оптимизирует закупочные процедуры, аккумулируя данные из внутренних и внешних источников (SAP SRM, СПАРК и других).

В тендерах есть риски сговоров, подставных конкурентов и конфликтов интересов. Когда одни и те же компании участвуют в процедурах с минимальным отрывом в цене, выигрывают с чередованием или связаны через аффилированных лиц. Графовая аналитика позволяет выявлять такие паттерны за счёт анализа взаимосвязей.

Один из примеров — проект по интеллектуальной верификации документов, реализованный в государственной корпорации. На базе платформы «Мирион» был построен граф связей между требованиями, документами и их исполнителями. Это позволило выявлять несоответствия, автоматизировать проверку на логическую непротиворечивость и снизить риски, связанные с человеческим фактором.

Хотя цель представленного выше кейса была иной — сокращение издержек за счет минимизации ошибок по причине человеческого фактора — такой подход может эффективно применяться и в закупочных процедурах для контроля соблюдения регламентов, устранения ошибок, повышения прозрачности и гарантии беспристрастности людей, принимающих решения.

В логистике, дистрибуции и обслуживании ИТ-инфраструктуры маршруты доставки, перемещений или запросов часто строятся по формальной схеме — кратчайшее расстояние, минимальное время. В реальности эти параметры не всегда отражают интересы бизнеса. Например, клиент может быть мал, но связан с ключевым заказчиком, либо точка доставки может играть роль в репутационном контракте.

Графовая аналитика позволяет объединить на одной карте не только географические маршруты, но и связи между клиентами, складами, заказами, подрядчиками и ИТ-сервисами. Это даёт возможность учитывать сложные зависимости и приоритизировать задачи не только по логистике, но и по влиянию на выручку, риски или критичность объекта.

В платформе «Мирион» вершины графа могут представлять собой адреса, клиентов, сервисные узлы или бизнес-сущности, а рёбра — маршруты, зависимости, договорные связи или технологические цепочки. Такой подход позволяет:

Графовые платформы — это прежде всего инструмент про бизнес-логику. Он помогает компаниям видеть связи там, где раньше были только колонки данных, усиливает существующие системы и работает в связке с BI, CRM, DWH, чтобы стать основой для принятия решений. Главное здесь не столько технология, сколько подход: готовность смотреть не на изолированные факты, а на взаимосвязи между ними. Именно в этих связях бизнес находит полезные для себя закономерности и определяет зоны роста. В статье мы показали несколько примеров применения таких решений, а для тех, кто задумывается о внедрении, готовы делиться экспертизой. Следите за нашими статьями в блоге!