سامانه هوشمند سازی سیستم بانکی
مبتنی بر پایگاه داده گراف
دریافت کاتالوگ محصول

گراف دیتابیس چیست ؟

در عصری که در آن به سر می‌بریم، Big Data (کلان داده‌) بخش قابل‌توجهی از دارایی‌های کسب‌وکارها را تشکیل داده اما باید توجه داشته باشیم که هَندل کردن این حجم زیاد از داده‌ها نیاز به زیرساخت‌های مناسبی داشته و دیتابیس‌هایی که در گذشته معمول بوده‌اند دیگر پاسخگوی نیاز این دست کسب‌وکارها نخواهند بود که در همین راستا دیتابیسی تحت عنوانNeo4j طراحی و توسعه داده شده که در دسته‌بندی دیتابیس‌ها، جزو دیتابیس‌های مبتنی بر گراف محسوب می‌شود که در ادامه بیشتر با خصوصیات آن آشنا خواهید شد. به طور کلی، دیتابیس گرافی نوعی از پایگاه‌های داده است که برای کوئری زدن از ساختار گراف‌های مختلف استفاده می‌کند. اکثر این نوع دیتابیس‌ها ماهیت NoSQL دارند و دیتا را برای ذخیره‌سازی به صورت یک جفت Key-Value ذخیره می‌کنند برخلاف دیتابیس‌های سنتی همچون MySQL، در دیتابیس‌های گرافی مقادیر ذخیره شده در دیتابیس به شکلی کاملاً آزاد می‌توانند به یکدیگر مرتبط شوند و همین می‌شود که در دیتابیس‌های مبتنی بر گراف قادر خواهیم بود تا دیتای مختلف را خیلی سریع در ساختارهای پیچیده بیابیم.

برخی از ویژگی‌های بارز دیتابیس Neo4j


یکی از این ابزارها پایگاه‌داده‌های گراف Neo4j می باشد. این پایگاه‌های داده قابلیت نگهداری یالهای گراف به عنوان عناصر اصلی در کنار گره‌های گراف را دارند که این امر کمک می‌کند بازیابی یالها و پیدا کردن روابط پیچیده مانند همسایه‌های همسایه (همسایه‌های درجه دو) یک گره بسیار راحت‌تر از حالتی باشد که از پایگاه‌داده‌های رابطه‌ای استفاده می‌شود. همچنین مدل‌های این نوع پایگاه‌داده‌ها به راحتی قابل گسترش هستند، مثلا می‌توان خصوصیت‌های جدید به گره‌ها و یال‌های گراف در هر زمان اضافه کرد. همچنین این پایگاه‌داده‌ها دارای زبان کوئری‌نویسی خود هستند که استخراج اطلاعات معمول گراف را بسیار ساده می‌کند. برخی از ویژگی های این دیتابیس عبارت است از :


یادگیری آسان
سهولت در استفاده
کاهش استفاده از حافظه
ناسب برای رایانش ابری (کلود)
بکاپ‌گیری حرفه‌ای
قابلیت کلاسترینگ
اِسکمای انعطاف‌پذیر
سازگاری با زبان کوئری‌نویسی Cypher
درایور برای زبان‌های جاوا، سی‌شارپ، پایتون، جاوااسکریپت، روبی، پی‌اچ‌پی، آر، گو و …
پشتیبانی از فریمورک‌های اِسپرینگ، جَنگو، لاراول و …

چرا باید از گراف دیتابیس ها استفاده کرد؟

امروزه داده‌های مختلف دیگر نقشی کلیدی در معادلات دنیای فناوری ندارند بلکه ارتباط مابین این داده‌ها است که نقش کلیدی را بازی می‌کند. در عصر فناوری اطلاعات، بیگ دیتا نقشی کلیدی در درآمدزایی کسب‌وکارهای مختلف دارد اما شرکت‌های پیشرو نیازی به چیزی بیش از داده‌های کلان دارند؛ به عبارتی، نیاز به درک ارتباط مابین دیتاهای مختلف دارند و اینجا است که دیتابیس‌های گرافی وارد صحنه می‌شوند. در واقع، با استفاده از Neo4j دیگر مجبور به استفاده از جداول از پیش تعریف شده برای ذخیره‌سازی داده‌ها نبوده و هر زمانی که اپلیکیشن شما نیاز به تغییر داشته باشد، ظرف مدت چند دقیقه می‌توان تغییرات مد نظر را اِعمال کرد. وقتی هم که بحث کوئری زدن به دیتابیس به میان برسد، Neo4j در مقایسه با روش‌های سنتی مثل MySQL، خیلی سریع می‌تواند دیتای مورد نیاز را در اختیار اپلیکیشن قرار دهد.

معرفی سامانه هوشمند سازی سیستم بانکی مبتنی بر پایگاه داده گراف


در سال‌های اخیر تلاش بسیاری برای ساخت ابزارهای قدرتمند با قابلیت مقیاس پذیر (scalable) بودن برای بررسی کلان داده‌ها انجام شده است و ابزارهای متفاوتی تولید شده‌اند. اهمیت و ارزش بزرگ‌داده‌ها در پیشبرد کسب و کارهای گوناگون و کمک به حل مسائلی جذاب که با حجم کم داده غیرقابل تصور بوده است به گونه‌ است که رشته‌هایی جدید مانند علم داده، مهندسی داده و موارد مشابه پیدایش و در سال‌های اخیر همواره تکامل یافته‌اند. این موارد همه از اهمیت کلان داده‌ها در خلق ارزش برای کسب و کار در صورت جمع‌آوری، مدیریت و تحلیل مناسب دارند. داده‌های مربوط به تراکنش‌های بانکی از این قاعده مستثنی نیستند. کلان‌داده‌ها دارای خواص مشخصی هستند. به عنوان نمونه یکی از این خواص حجم داده‌هاست. میلیاردها تراکنش بانکی در شبکه‌ی بانکی کشور تا به حال انجام شده و ذخیره شده‌اند. این تراکنش‌ها شامل انواع تراکنش‌های از طریق کارت، از طریق عابر بانک، چک و غیره هستند. از با اهمیت‌ترین خصوصیت‌های کلان‌داده‌ها حجم این داده‌هاست که داده‌های بانکی را از مصادیق کلان‌داده‌ها قرار می‌دهد.
هدف اصلی این سامانه همانطور که از اسم آن پیداست، ارائه راهکارهایی مبتنی بر پایگاه داده گراف و با استفاده از کلان داده ها در جهت هوشمند سازی سیستم بانکی کشور است، در این راستا تیم متخصص شرکت بهسا راهکار نوین راهکارهای متعددی را به منظور هوشمند سازی سیستم بانکی در نظر گرفته اند، که در ادامه به برخی از مهم ترین این راهکارها اشاره شده است.
از مزایای استفاده از پایگاه داده گراف در مقایسه با پایگاه داده های رابطه ای شامل موارد زیر است:

  • ساده تر شدن پیاده سازی الگوریتم های هوش مصنوعی در شبکه ها
  • نمایش قابل درک و امکان تصمیم گیری سریع تر توسط این نوع نمایش
  • استفاده از الگوریتم های پیاده سازی شده و بهینه شده در نظریه گراف
  • برتری زمانی هنگام بررسی و تحلیل ارتباطات موجود در داده

سامانه بررسی جریان های مالی

هدف اصلی این سامانه بررسی جریان‌های مالی در سطوح مختلف بانکی است. لایه‌های مختلف تعریف شده برای بررسی جریانات عبارتند از: حساب، مشتری، تجهیزات پرداخت، شعبه، حوزه، اداره امور، کل بانک، شبکه بانکی بخشی از مسائلی که با این سامانه می توان به آن پرداخت عبارتند از:


بررسی میزان پول جابجا شده میان بانکها در بازه‌های زمانی تعیین شده
تشخیص عملکرد شعبه‌ها به کمک حجم پول جابجا شده بین آنها
تخصیص هدفمند منابع به شعب، حوزه‌ها
پیدا کردن گردش وجوه غیرنرمال و تخلفات ممکن از روی آنها
مشخص کردن گردش وجوه با فرض LIFO


بسیاری از مسائل جذاب مشابه را می‌توان با پیاده‌سازی الگوریتم‌های گراف مانند جستجوی سطحی (Breath First Search) و جست و جوی عمقی (Depth First Seach) بر روی این نوع از کلان‌داده‌ها پیاده‌سازی کرد. با شناسایی دقیق مسئله مورد بررسی، حجم داده‌ها و نوع کوئری‌های مورد استفاده معمول می‌توان ابزارهای مناسب و یا ترکیبی از ابزارها را در حل مسئله به کار برد.

شناسایی ذینفع واحد

یکی از کاربردهای مهم در سیستم بانکی برای گراف‌های اطلاعات پیدا کردن ذینفعان واحد مشتریان حقوقی، نمایش آنها و کاهش ریسک در هنگام تخصیص تسهیلات به این شرکت‌هاست. این سامانه به طور خودکار اطلاعات به روز شده را از منابع مختلف جمع می‌کند و تصویری کلی از اطلاعات موجود فراهم می‌آورد. در نتیجه به کارشناس برای تصمیم‌گیری دقیق‌تر و سریع‌تر در مورد اختصاص منابع بانک کمک می‌شود. نوع اطلاعات قابل نمایش برای هر مشتری حقیقی و یا حقوقی کاملا دارای انعطاف است و نوع ارتباطات و شرایط منجر به تشخیص ارتباط بین مشتریان حقیقی و یا حقوقی کاملا قابل تعریف توسط بانک خواهد بود. از مزیت های کاربردی سامانه ذینفع واحد با استفاده از گراف ها، می توان به موارد زیر اشاره کرد:


ساده‌تر شدن بررسی روابط پیچیده بین شرکت‌ها و افراد به کمک گراف‌ها
کاهش احتمال خطا با خودکار شدن تشخیص ارتباطات
رصد کردن تغییرات و به روز رسانی آنی ارتباطات
ساده‌تر و سریع‌تر شدن تصمیم‌گیری با شیوه‌ی نمایش گرافی
افزایش دقت تصمیم‌گیری‌ها با جمع‌آوری و کنار هم قرار دادن داده‌های متفاوت
ایجاد و فرستادن گزارش‌های خودکار به فرمت اکسل

دسته بندی مشتریان

یکی از مهم ترین ابزارها در بحث بازاریابی و جذب مشتریان جدید، توانایی دسته بندی مشتریان (Segmentation) بر اساس خصوصیات مشابه است، این خصوصیات می تواند شامل دسته بندی جغرافیایی، سنی، تحصیلی، مالی و یا … باشد. در مباحث بانکی یکی از مهم ترین خصوصیاتی که می توان مشتریان را بر اساس آن دسته بندی کرد، حجم تراکنش های مالی انجام شده مشتریان است. یکی از مهم ترین کاربردهای این تحلیل ها می تواند شناسایی مشتریان بالقوه باشد، با بررسی جریان های مالی مشتریان، می توان مشتریان بالقوه زیادی را پیدا کرد که مشتریان فعلی بانک با آن ها مراودات مالی فراوان دارند، این مشتریان بالقوه می توانند به عنوان پتانسیل جذب برای واحد بازاریابی شناسایی شوند، با داشتن اطلاعات این مشتریان بانک می تواند پیشنهادات مناسبی را برای جذب این مشتریان ارائه دهد.
استفاده از این دسته بندی علاوه بر موارد بازاریابی، می‌تواند به شناسایی تخلف مشتریان کمک کند و ریسک بانک را کاهش دهد دسته‌بندی مشتریان بر اساس متوسط و یا حداکثر حجم تراکنش‌های روزانه‌ی (و یا در بازه‌های زمانی مشخص) آنها است. دسته‌بندی مشتریان با استفاده از جریان مالی و تحلیل گروهی پیاده‌سازی شده در سیستم ما امکان شناخت تخلفات بیشتر و پیچیده‌تر را با دقت بالاتر فراهم می‌کند.

مبارزه با پولشویی

طبق تعریف واژه پولشویی برای توصیف فرآیندی مورد استفاده قرار می گیرد که در آن پول غیرقانونی یا کثیفی که حاصل فعالیت های مجرمانه مانند قاچاق مواد مخدر، قاچاق اسلحه و کالا، قاچاق انسان، رشوه، اخاذی، کلاهبرداری و … است، در چرخه ای از فعالیت ها و معاملات مالی و‌ با گذر از مراحلی، شسته شده و به عنوان پولی قانونی، موجه و مشروع جلوه داده می شود.
بدلیل پایین بودن دقت روش‌هایی که جریان مالی افراد را به صورت مستقل بررسی می‌کنند، سامانه ما با استفاده از گراف دیتابیس و با نگاهی کامل‌تر به کل جریانات مالی و استفاده از مزایای پایگاه‌داده گراف بررسی دقیق تری بر روی موارد مشکوک به پولشویی انجام می دهد.

این سامانه به‌عنوان ابزار نظارت، تشخیص و پیگیری تقلب و تخلفات در حوزه‌ی تراکنش‌های مالی شناخته می‌شود و سهم به‌سزایی در افزایش کارایی، حفظ منابع و اطمینان بخشی دارد. با استفاده از این سامانه، امکان بررسی داده‌های تراکنشی حجیم میسر گردیده و موارد تقلب و مشکوک در قالب گزارش‌ها و داشبوردهای اطلاعاتی در اختیار شرکت‌ها و مؤسسات مالی قرار می‌گیرد. با استفاده از این سامانه می توان حلقه‌های پولشویی را به سادگی و با سرعت بالا پیدا کرد و همچنین کلیه افراد و تراکنش‌هایی که به نوعی مرتبط با این پولشویی هستند، را براحتی شناسایی نمود.

شناسایی زنجیره های تامین

مهم ترین مساله در یک سیستم زنجیره تامین برای بانک ها مدیریت وجوه در این چرخه می باشد، هدف بانک ها در هر زنجیره تامین، شناسایی حداکثری بخش های وابسته و هدایت منابع مالی در جهت تسهیل و بهینه سازی سرمایه گذاری بر روی کالاها و محصولات است. در واقع بانک با دریافت اطلاعات زنجیره تامین در تمام مراحل زنجیره و نظارت بر آن تضمین می نماید که منابع مالی تخصیص داده شده در هر چرخه تامین هزینه می شود و برای مقاصد دیگر استفاده نمی گردد. در مراحل بعدی با استفاده از زنجیره های تامین شناسایی شده، بانک می تواند اقدام به راه اندازی یک سامانه تامین مالی زنجیره تامین نماید تا با ارائه اعتبارات و تسهیلات مقتضی به واحد های مختلف در زنجیره تامین، باعث استفاده بهینه از منابع و سودآوری بیشتر شود. مزایای شناسایی زنجیره تامین به شرح زیر می باشد :


دریافت اطلاعات پایه برای راه اندازی سیستم تامین مالی زنجیره تامین
شناسایی کسب و کارها و تقسیم بندی آن ها به عنوان، زود بازده، پر سود، پر ریسک و …. به منظور سرمایه گذاری و یا اختصاص یا عدم اختصاص تسهیلات و اعتبارات
بهینه سازی جریان های مالی در بانک
شناسایی مشتریان بالقوه برای بانک

شناسایی تخلفات مالی

با استفاده از این سامانه می توان تخلفات مالی را با تعریف الگوهای از پیش تعریف شده شناسایی کرد و یا با استفاده از ابزار یادگیری ماشین، رفتارهای غیر نرمال و الگوهای جدید تخلفات را کشف کرد. یکی از مهم ترین درگاه های تخلفات مالی، درگاه های پرداخت اینترنتی و دستگاه های کارتخوان بانک ها هستند. پیدا کردن تراکنش‌های غیرواقعی و دارای تخلف و متمایز ساختن آن ها از تراکنش‌های واقعی می‌تواند بسیار دشوار و پیچیده باشد و نیازمند استفاده از روش‌های پیشرفته یادگیری ماشین و تحلیل دیتاست. برخی از اهداف این سامانه عبارتند از:


حذف عوامل انسانی در کیفیت داده‌ها تا حد ممکن
بالا بردن سرعت دریافت اطلاعات برای بهبود فرآیند تصمیم گیری
شناسایی اطلاعات بدون کیفیت و کشف ضعف‌های اطلاعاتی
تسهیل در تصمیم‌گیری و افزایش کارایی سازمان
دسترسی، جمع‌آوری و پالایش داده‌ها و اطلاعات مورد نیاز
ایجاد یکپارچگی و افزایش توان تصمیم‌گیری مدیران
نظارت بر‌خط و پایش لحظه‌ای بر کنترل های داخلی و فرایندهای تراکنش و …