在元数据档案中，可以查看每个数据资产的血缘信息，包含表级血缘、字段血缘、关联模型等。实现数据资产从数据源端到用户端全链路血缘查看和分析，例如数据主人分析、数据来源分析、数据层次分析、数据价值评估、数据消费分析、数据溯源等。

在元数据图谱基础上，可以进行数据资产的影响性分析。针对当前分析对象，通过知识图谱的路径扩展能力，评估数据变更对数据应用的影响。影响性分析能帮助用户迅速了解分析当前元数据对象的下游数据信息，快速识别元数据的价值，掌握元数据变更可能造成的影响，以便更有效的评估变化带来的风险。

在元数据图谱基础上，针对特定的数据资产，通过知识图谱分析能力，进行数据资产的图分析、图查询，以可视化交互的方式，方便数据管理运营人员进行数据资产链路及血缘的拓展及推演。

在元数据图谱基础上，开展核心资产识别及数据链路查询。通过知识图谱的路径分析能力，进行数据资产全链路查询分析，并通过例如中心点分析、PageRank、社群分析等图算法能力，从元数据定义、应用情况、价值密度、数据质量等维度，进行核心数据资产识别以及重复数据资产识别治理等工作。

在元数据图谱基础上，进行核心业务数据链路提取、数据加工任务监控等建设内容，实现应用链路监控、状态异常告警、错误定位分析等，从而辅助数据运营管理人员快速发现和定位数据问题及根因，提高数据运营能力。

2017年底，建行先以图数据库的图存储及GRAPHX的图计算能力做信用风险传导图场景的应用实现。基于特定风险事件与关系网络形成的特定传导路径，构建企业风险传导模型，输出企业的整体风险、传染源头及传染路径，为业务风险管理提供业务支撑。

2018年中，建行厦开领了大数据云平台的建设规划任务把知识图谱组件当做了数据挖掘层的核心组件，因而产生了图数据分析挖掘和应用隔离的图分析平台的设计逻辑；随着图分析平台架构的完善以及作用放大，经过与整体大数据云平台对接融合，形成现在的全行级架构，并全面赋能知识图谱应用落地。

随着多个图谱项目的实际落地应用，也暴露出各项目独立开发建设过程中，存在图数据标准体系建设、图计算资源整合应用、图平台运维标准化、图数据权限控制体系、图知识服务输出标准等诸多方面的重复投入和各自为战的不足。能否构建一个完备且体系化的数据管理体系是支撑行内图谱长远化、稳定化、多元化发展的前提条件，所以需要从一个大且全面的视角构建和完备全行图数据体系的建设。

建设银行内部分为金融知识图谱、通用知识图谱、其他知识图谱三大部分，2023年将逐步对其他知识图谱进行统一上收。目前行内图数据库集群规模达到30+节点，经过图仓的本体合并、明细汇总等操作，总体图数据量大约在700亿，其中实体大约在50亿+关系大约在600亿+。

近年来银行各业务条线的不良率上升，其中零售、信用卡等借贷不良业务增量突出，继各大银行对息费调减尺度开放之后，涌现出大量攻略（代办，非代办）客户，客户投诉案件呈现迅猛攀升的趋势。为了打击黑产攻略客户投诉带来的业务冲击，某股份制银行信用卡中心基于客户基础属性、全量历史交互轨迹、全量录音文本及客户知识图谱关系网络等信息搭建智能黑产识别模型，帮助客户团队在接线时识别对攻略客户作出概率预判，有效应对。

公安部门总结10大类、48子类常见的电信网络诈骗，各种诈骗模式在信息流中各有差异、在资金流特征存在共性特征，基于不同诈骗类型的共性和个性特征，建立以专家规则、机器学习与图算法结合的可疑行为与交易监测模型。