金融業務中反欺詐、風控本質上是通過數據、技術甄別業務中的潛在風險。采用不同維度的數據，靈活組合產品與服務模塊，建立關聯數據之間的信息挖掘、推理，識別詐騙團伙，建立科學量化的分級策略模型，進行業務場景中的欺詐風險驗證，洞察業務中的高危行為，解決金融行業風險痛點。
依托知識圖譜中的圖關聯分析、圖計算推理等技術，解決金融領域數據孤島、數據不對等造成的風險不可控問題，提前對信息的一致性進行驗證，識別欺詐團伙、關聯監控、失蹤復聯、黑產識別等風險，對客戶數據、交易數據全面整合，建立頻繁匯入、匯出、以及環裝、匯聚等模型，對用戶、賬戶進行針對性管理，減少機構、企業的損失。
金融欺詐的形式、方式不斷更新，相對於風控，概括來說就是“道高一尺，魔高一丈”，從而引發一系列金融黑產，這些黑產的特征上逐漸呈現呈現專業化、產業化、隱蔽化、場景化等特征。
風險是金融的固有屬性。金融機構本身就是以經營風險為盈利的根本手段，所以金融機構要提高盈利，最重要的就是降低風險。金融行業的 5大風險包括：信用、市場、流動性、操作和法律，以信用和市場風險為主。
信用風險是指債務人或交易對手未能履行合同所規定的義務或信用質量發生變化，影響金融產品價值，從而給債權人或金融產品持有人造成經濟損失的風險。
市場風險是指在證券市場中因股市價格、利率、匯率等的變動而導致價值未預料到的潛在損失的風險。
流動性風險是指因市場成交量不足或缺乏意願交易的對手，導致未能在理想的時點完成買賣的風險。
操作風險是指由不完善或有問題的內部程序、員工、信息科技系統以及外部事件所造成損失的風險。
為降低信用風險與市場風險給金融機構帶來的影響，實時引入市場新聞、輿情、社交信息、政策變化，以及其他機構的信用數據，挖掘各放信息建立不同緯度的信用風險，信用風險不單單是評估不光是狹義的個人信用問題，還包含設計廣義上的社會不可控因素。
建立市場風險評估，更要深度結合股市價格、利率、匯率等數據，與相關數據房建立深度合作關系，把握實時市場走勢，識別風險、預測風險影響范圍，給出風險定價范圍，清楚的給出細粒度的風險計算結果，讓預測結果更有可信性和溯源性。
風控不單單是對外，也要包含對機構內部的風險控制，對內主要是對機構內部流程、跨部門合作漏洞、子機構對接風險、業務邏輯風險、產品策略風險、多條業務線重合風險等各種隱含風險，所以在系統設計時應盡量進行全量數據、全角色的覆蓋整合。
金融知識圖譜構建的早期還是以數據為主，隨着不同緯度數據的補充，數據源市場集中度的提升，市場核心需求逐漸由數據過渡到建模，不久的未來金融KG市場的競爭核心，將是數據與分析平分天下。
以前風控業務是以數據輸出為主，建模分析為輔，因此收費模式核心為數據調取量，隨着數據壁壘的打破，數據分析能力（打分卡+數據科學家）輸出將成為風控商業模式的核心。
需要注意的是搭建KG系統的核心不是數據和算法，而是對業務的理解和知識圖譜的設計，就像常見的各類業務系統，數據庫選型和數據表設計非常關鍵，但是這種系統的設計離不開對業務深入理解和對未來場景變化的預判。