在商业领域,许多持股股东、实际控制人选择隐藏自己的身份,以便能够通过精心设计的中间壳公司的架构,获得税收优惠,也可能是为了欺诈和洗钱。对于笨重、缓慢和过于复杂的不适当的架构设计来说,最终受益人的识别即使能够完成也是一项艰巨的挑战。
要了解业务实体的所有权结构,最直观的方法是以图查询的方式(也称为网络分析、网络关联方式)显示其相关数据。如果某人作为公司的法定代表,则在图的设置中,这是一条连接两个节点的边,一个节点是人,指向另一个节点即公司,并且该边(关系)标记为“Legal”(代表法人)。
支持纯实时深度穿透、高并发场景下的基于工商图谱等融合数据的股权关联关系定性、定量计算、最终受益人、实控人、关联交易发现等欺诈风险识别,以及关系图谱可视化,基于嬴图系统性能较Neo4j提升上万倍(深度股权穿透时间从2小时缩短到200毫秒)——此场景在2020、2021年在多家券商、证券交易所得到验证。
智能图谱 | 嬴图 | Neo4j |
---|---|---|
集群规模 | 3台(HTAP) | 3台(热备份) |
在线数据量(点边) | 10亿 | 10亿 |
查询深度 | 32层 | ≤5层 |
平均处理时间 | ≤200毫秒 | ~2小时 |
