1.欺诈团伙调查
图数据库能通过“实体”和“关系”这种简单直观的描述方法来表述现实世界中错综复杂的关联关系。它可以提供逐层挖掘的方式，引导逐步深入分析各种关系；还可以快速呈现实体之间最新的关系变化，积累更新的知识和经验；也可以清晰地呈现复杂关系间的联络线索，为判断事件来龙去脉提供有效引导。此处，以恒昌的客户为例，参考图1中的客户徐某（因数据安全的原因，部分信息作了涂抹，并对原有图结构进行了简化），如果仅考虑该客户自己填写的信息，虽然能看到一度关联信息，但完全看不出该结构会有什么问题，也无法进行深入调查。
图1客户徐某借款时的联系人信息简化图
当关联信息得到补充（相对于原进件联系人，补充了同事、邻居、亲属、朋友等关系，还基于用户授权数据进行了深度扩展）后，暂不考虑物品（如手机号、银行账号、地址等），仅考虑自然人，获取徐某二度关系内同时在恒昌网贷平台有借款行为的用户，得到图2（基于同样原因数据有涂抹及简化）的结果。该图每一个圆都代表一位恒昌客户，图顶部的状态说明了客户当前所处状态。观察左下角以徐某为中心的四个客户（已用红框标出），他们刚好是所呈现图的最大完全子图，符合图论中团的定义。再看除徐某外的三个客户：两个逾期、一个被拒。如果徐某是新入图数据库的借款人，从数学模型的角度看，几乎可以直接判定拒绝。因为符合这种状态的团，是欺诈团伙或是组团代办的几率非常大。
图2客户徐某补充关系类型后的一度及二度关联信息
到这时工作并未完结，如果有需要，可以基于图中的关系尝试与几位客户联系以进行深入背景调查证实，调查的结论可以融合到图数据库中形成数据闭环，直接改善后续自动化预警的结果。
