Josep Taruella, Graph Everywhere

1. Uso de grafos en el sector
bancario:
2 ejemplos prácticos
Josep Tarruella
josep@grapheverywhere.com
+34 677 648 994

2. AGENDA
Acerca de Graph
Everyehere
Uso de grafos en Banca
Proyecto 1: Técnico
Proyecto 2: Normativo

3. “En astrofísica y cosmología física, se denomina materia oscura a un tipo
de materia que corresponde al 80% de la materia del universo …”
(*) Materia Oscura – Wikipedia – cúmulo de galaxias CL0024+17 tomada por el telescopio espacial Hubble
muestra la creación de un efecto de lente gravitacional.

4. “Las relaciones son la materia oscura de nuestras BBDD actuales. El mayor
conocimiento de la realidad surge del entendimiento de las relaciones entre
los datos”

5. Un mundo hiperconectado, con
organizaciones Data Driven que no
usan el potencial de las relaciones.
NUESTRA
VISIÓN
Utilizar la “materia oscura” que une
los datos, para así obtener
conocimiento de alto valor para el
negocio.
NUESTRA
MISIÓN

6. Un grafo es…

7. Un grafo es…

8. Oferta
Soluciones basadas en grafos:
• Conectar
• Visualizar
• Analizar
Pasión por los
Datos
Más de 15 años de experiencia media
en gestión de datos
Neo4j Solution
Partner Formación
Apoyo en proyectos y
puesta en marcha de Neo4j
Tecnología y Negocio
Experiencia en adaptar los requerimientos del
negocio en soluciones tecnológicas de alto
valor

9. MOTOR y VISUALIZACIÓN
Usamos las mejores soluciones tecnológicas.
Somos partners de Neo4j y Linkurious, que
proporcionan el major stack tecnológico para
soluciones de grafos.
Soporte Local
V
Formación
E
Especialistas Tecnología
U
Tecnología

10. AGENDA
Acerca de Graph
Everyehere
Uso de grafos en Banca
Proyecto 1: Técnico
Proyecto 2: Normativo

11. INICIATIVAS
SECTOR
FINANCIERO
Soluciones con Impacto directo en el negocio
k
AML –
Blanqueo
Hemos implantado diversas
iniciativas de soporte a la
Prevención del Blanqueo de
Capitales. Tenemos experiencia
y conocimiento tanto técnico
como funcional en este ámbito.

Detección
Fraude
Hemos participado en la
implantación de Neo4j en
proyectos de detección del
fraude, tanto en concesión
(proactivo) como en el
análisis forense del mismo.
B
Sistemas de
Recomendació
n
Capacidad de implantar
soluciones de recomendación
de productos, contenidos, … en
entornos B2C, marketing, …
Uso híbrido de Grafos y ML.
Social Graph
Entender las relaciones entre
toda la red de clientes,
proveedores, empresas, …
con los que interactúa la
entidad , proporciona un
valor altísimo tanto en la
toma de decisiones como en
la operación

12. z
Data
Management
Proyectos de Mapas de
cargas, linaje de datos,
eficiencia procesos, … tanto
para mejora de la operación
como para cumplimiento
normativo en GDPR, …
E
Product &
Service Mkting
Proporcionar las mejores
ofertas a cada cliente en el
momento exacto del ciclo de la
venta.
Personalización de contenido,
de UX, …
o
MDM
Iniciativas de Master Data
Management. El valor de
datos maestros aumenta si
somos capaces de
identificar las relaciones
entre ellos: Clientes,
Productos, …
SOLUCIONES
TECNOLÓGICAS
CROSS
Tecnología con un Impacto directo en el negocio
7
Knowledge
Graph
El conocimiento aparece
cuando hacemos visibles las
conexiones ocultas entre los
datos.

13. Graph
Analytics
Análisis relaciones en el Mainstream del Big Data
GRAPH ANALYTICS
MEJORA EL BIG DATA
ML – AI DE
RELACIONES
LA PIEZA QUE FALTA
NEO4J – ANALYTICS
READY
COMPLETAR
ARQUITECTURA

14. AGENDA
Acerca de Graph
Everyehere
Uso de grafos en Banca
Proyecto 1: Técnico
Proyecto 2: Normativo

15. Operación IT
CADENAS DE CARGA
Banco que lanza diariamente centenares de
miles de procesos de datos que mantienen
todos los sistemas, operativas del banco, …
OBJETIVO RETO
6
IMPACTO
C

16. Arquitectura
Nodo
Nodo
http
Planificacor
Cálculos
Refactoring
Algoritmos

17. Modelo Neo4j
Datos incorporados
W
Datos Calculados
P

18. Funcionalidad Solución
LInkurious
Herramienta para el Application
Owner
P
Neo4j

19. AGENDA
Acerca de Graph
Everyehere
Uso de grafos en Banca
Proyecto 1: Técnico
Proyecto 2: Normativo

20. Blanqueo
Requerimiento normativo de disponer de
mecanismos que mejoren sustancialmente los
resultados de la lucha contra el blanqueo de
capitales
OBJETIVO RETO
6
IMPACTO
C

21. Solución AML: Arquitectura
Datos Origen
n
Tipos Usuarios
7
SOLUCIÓN
3

22. Solución AML: Modelo
• Datos personales
• Relación accionistas/…
• Transferencias Nac/Int
• Efectivo
• Cheques
Datos incorporados
W
Datos Calculados
P

23. Solución AML: Ciclo de vida
Nodo 1 Nodo 3Nodo 2
Nodo
Nodo 4
CORE
READ
Master
Nodo 1
Nodo 2
Nodo 3
Data
Nodo 4
Nodo 5
Nodo 6
Nodo 7
Nodo 8
Nodo 9
Python/R http
ETL
DWH
Trsacc
…
Cálculos
Refactoring
Algoritmos
Reporting
Regulador
Alertas Validadas
Datos Training

24. Uso Linkurious
• Analista:
• Blanqueo
• Comercial/Riesgo – análisis empresas
• Exploración de los datos
• Personalización colores, …
• Layout
• Filtrado, …
• Capacidades avanzadas:
• Búsquedas
• Publicación visualizaciones
• Compartir visualizaciones
• Alertas
• Basadas en los patrones identificados
• Graph Analytics
• Detección de comunidades
• Patrones similares
• Exportación datos para SEPBLAC

25. Uso Linkurious: Búsqueda inteligente
• Basada en Elastic Search
• Fuzzy integrado
• Búsqueda por categorías
• Texto, números, rangos, …

26. Uso Linkurious: Análisis visual
• Ejemplo: Personas que
comparten un teléfono
• Exportación de datos
• Excel
• Imagen

27. Conexión entre entidades
• Algoritmo Shortest Path integrado

28. Alertas
• Gestión integrada del workflow de
alertas

29. Graph Analytics
• Detección de comunidades de personas fuertemente relaccionadas
• Label Propagation
• Louvain
• Extracción de variables/features para los modelos de ML
• ID_Cliente
• …
• Degree
• Community
Evaluates how agroup is clustered
or partitioned
Community Detection
IDPersona Edad … Comunidad Degree AML_Nivel1 AML_Nivel2 …
XXXX 43 5 8 False True

30. Josep Tarruella
josep@grapheverywhere.com
+34 677 648 994