在中国的金融产业里，资产规模最大的是银行业。而在银行，对公资产占据了60%~70%的比例，要远大于零售资产。知因智慧就是银行业作为核心主体，做的是对公客户。不同于微软小冰这样的通用型AI，知因智慧是将知识图谱、机器学习与垂直行业深度结合。

　　知因智慧“产业知识图谱”的核心载体是企业。这份图谱首先会获取企业内部的、企业和企业之间的以及企业外部的经济要素，之后建立起它们的关系，并用大数据予以量化，最后通过机器学习找到里面隐含的规则。其已应用于多家国有银行、上市银行等机构。

　　以供应链金融为例。在一个供应链链条里，“产业知识图谱”能够建立上下游企业、核心企业之间的物流、资金流等关系，结合机器学习，预测某家企业的风险概率。

　　在宣布融资后不久，知因智慧创始人任亮接受了创业家&i黑马的采访。

　　以下是知因智慧创始人任亮口述，经创业家&i黑马编辑整理：

　　2004年出了一个大案，就是德隆系。很多看上去很漂亮的企业、上市公司，结果突然就倒了，开奖，突然就违约了，给整个银行业造成了200多亿的贷款损失。按照传统的以财务数据为基础的银行评级方法，很难识别这些风险。

　　当时针对这个问题，中国银监会启动了新的企业风险预警体系，它的出发点就是要收集跨银行的客户数据和信贷数据，从关系的角度识别企业潜在风险，直播，再利用数据挖掘模型预测风险的传导性和影响范围。这套新的风险方法论取得了非常好的效果。

　　这也是企业知识图谱最初在国内的应用形态，基于企业关联关系的风控，之后不断发展演变，引入更多的企业关系要素，如客户、产品、资金流、供应链等，使得产业知识图谱的构建和应用更加成熟。

　　目前，知因智慧主要做的是银行对公业务中的信贷资产。信贷资产是银行占比最大的一块。除了信贷以外，现在有一个新的趋势，就是交易银行。比如招商银行，把原来传统的现金管理、贸易融资、供应链金融等业务都整合在一个大的部门内，成立了交易银行。交易银行要求金融和企业经营场景结合更紧密，更贴近产业互联网，我们这项产业知识图谱技术自然地会延展到交易银行这个领域里面。

　　知因智慧现在是要把这个企业还原到一个网络里，它所在的网络出了问题，不管是它自己，还是别人或其他实体，其实都会对它造成影响，用知识图谱的方式来进行预测。

　　每家银行都有风控、营销的需求，我们定义了企业金融里的20多个场景，每个场景以模型作为产品，来提升银行的决策能力。在这个领域，我们已经在这个积累了十年，经过银行实践总结出很多的有效的特征变量和一些可以验证的方法和模型，正好能够满足银行的场景需要。

　　新模型方法能够有效的降低潜在的坏账率。以最近和银行的合作为例。我们利用银行内部，这个企业自身的变量来做预测模型，把自身变量和关系变量结合在一起。新模型比传统模型在预测效果上有30%的提升。而这还只是在我们拿到一部分工商数据和同业数据的前提下。