CN110383321B - 使用图表数据库创建各种实体之间的不同关系的系统和方法 - Google Patents
使用图表数据库创建各种实体之间的不同关系的系统和方法 Download PDFInfo
- Publication number
- CN110383321B CN110383321B CN201880016549.6A CN201880016549A CN110383321B CN 110383321 B CN110383321 B CN 110383321B CN 201880016549 A CN201880016549 A CN 201880016549A CN 110383321 B CN110383321 B CN 110383321B
- Authority
- CN
- China
- Prior art keywords
- ownership
- ring
- target enterprise
- entity
- unknown
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 44
- 238000003860 storage Methods 0.000 claims abstract description 11
- 230000008901 benefit Effects 0.000 claims description 49
- 238000004364 calculation method Methods 0.000 claims description 38
- 230000004044 response Effects 0.000 claims description 3
- 238000000547 structure data Methods 0.000 claims description 3
- YTAHJIFKAKIKAV-XNMGPUDCSA-N [(1R)-3-morpholin-4-yl-1-phenylpropyl] N-[(3S)-2-oxo-5-phenyl-1,3-dihydro-1,4-benzodiazepin-3-yl]carbamate Chemical compound O=C1[C@H](N=C(C2=C(N1)C=CC=C2)C1=CC=CC=C1)NC(O[C@H](CCN1CCOCC1)C1=CC=CC=C1)=O YTAHJIFKAKIKAV-XNMGPUDCSA-N 0.000 claims 4
- 238000004590 computer program Methods 0.000 abstract description 2
- 230000008569 process Effects 0.000 description 7
- 230000001105 regulatory effect Effects 0.000 description 7
- 239000008186 active pharmaceutical agent Substances 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 4
- 230000001276 controlling effect Effects 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 238000012384 transportation and delivery Methods 0.000 description 4
- 230000009471 action Effects 0.000 description 3
- 238000007726 management method Methods 0.000 description 3
- 230000008520 organization Effects 0.000 description 3
- 230000003442 weekly effect Effects 0.000 description 3
- 238000013523 data management Methods 0.000 description 2
- 238000013500 data storage Methods 0.000 description 2
- 239000003999 initiator Substances 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000013515 script Methods 0.000 description 2
- 230000001960 triggered effect Effects 0.000 description 2
- 238000013475 authorization Methods 0.000 description 1
- 238000009937 brining Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 238000000354 decomposition reaction Methods 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000011010 flushing procedure Methods 0.000 description 1
- 238000011835 investigation Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000003550 marker Substances 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 239000012925 reference material Substances 0.000 description 1
- 238000009877 rendering Methods 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 230000011218 segmentation Effects 0.000 description 1
- 238000009987 spinning Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
- 239000013598 vector Substances 0.000 description 1
- 238000012800 visualization Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/901—Indexing; Data structures therefor; Storage structures
- G06F16/9024—Graphs; Linked lists
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/248—Presentation of query results
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/26—Government or public services
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T11/00—2D [Two Dimensional] image generation
- G06T11/20—Drawing from basic elements, e.g. lines or circles
- G06T11/206—Drawing of charts or graphs
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Databases & Information Systems (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Computational Linguistics (AREA)
- Software Systems (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Abstract
一种用于通过填充数据库结构来确定目标企业的受益所有权范围的系统和方法,其中,企业和在企业之间的所有权关系由节点和链接表示。步骤包括:查询数据库,以建立相关的所有权链接;对查询进行分析,以确定所有权环形;对所有权关系进行去环形;并且基于去环形的所有权关系来计算目标企业的受益所有人中的每一个的百分比所有权。计算机可读非暂态存储介质存储计算机程序的指令,该计算机程序的指令在由计算机系统执行时,使得执行该方法的步骤。还公开了具有独特地适合任务的特征的系统架构。
Description
本申请要求于2017年2月3日提交的美国临时专利申请序列号62/454,572的优先权和权益,其全部内容通过引用出于各种目的而并入本文中。
技术领域
本公开内容涉及用于确定受益所有权的装置和方法。更具体地,本公开内容涉及用于使用图表数据结构来确定公司层级中的最终受益所有人的装置和方法,尤其是在标准的分析方法和装置可能无法辨别这种信息的情况下或者在无法容易地或准确地获得这种信息的情况下。
背景技术
金融监管环境正变得越来越复杂和多样化。监管当局正在寻求更详细的信息以协助他们在反洗钱、反贿赂和腐败、反恐融资、制裁和观察名单筛选以及监控政治暴露人员方面所做的努力。有时对于复杂的公司结构,有必要能够识别并验证最终受益所有人或客户以及第三方,以使机构能够提高监管合规性并且降低尽职调查工作的风险。金融行动特别工作组(FATF)将受益所有人定义为“最终拥有或控制法人实体的自然人和/或代表其进行交易的自然人。还包括对法人或协议实施最终有效控制的那些人。”
在当今正在使用的许多系统中,公司所有权信息是使用常规的关系模型设计的并且在关系数据库管理系统(RDBMS)中实现。使用RDBMS的缺点是:识别所有权是多步骤过程,其中,该系统仅限于检索一个级别的所有权。需要用户的动作来收集下一级别。由于整个所有权结构不可用于计算,因此无法进行受益所有权计算。关系数据库没有存储关系的概念,因此实际上为了找到记录之间的“关系”或共性,关系数据库不得不每次查看每条记录,以查看每条记录是否具有公共因子。
因此,用于确定受益所有人的常规系统和方法有时效率低下且不准确。将公司层级表示为树结构的常规表示会漏掉关于个人的关键所有权链接。此外,常规表示通常无法解释以下情况:其中,子公司在母公司中拥有某些所有权,母公司反过来又拥有子公司的所有权。
此外,据估计,就平均而言,从事桌上型电脑研究的用户将在一条相对简单的企业记录上花费约十五分钟来计算达到所需监管标准的所有权。
最近,图表数据库已经被用于各种应用中。图表数据库基于图表理论。图表数据库利用节点、边缘和属性。节点表示诸如人、企业、账户或您可能想要跟踪的任何其他项目的实体。节点大致相当于关系数据库中的记录、关系或行、或者文档数据库中的文档。
属性是与节点有关的相关信息。例如,如果维基百科是节点之一,则根据维基百科的哪些方面与特定的数据库有关,人们可以将维基百科与诸如网站、参考材料或以字母w开头的单词的属性相关联。
存在对准确、计算高效并且满足各种监管要求的用于确定受益所有人的系统和方法的需要。
发明内容
本公开内容利用数据组织及其技术例如图表数据库(如Neo4j)的进步来确保容易地遍历用于最终受益所有人(UBO)计算的组织所有权结构。
当将数据导入图表数据库时,关系被视为具有与数据库记录本身一样多的价值。这有助于实时构建与节点(在这种情况下,企业和在这些企业中拥有股份的人)之间的连接相关联的复杂查询。由于客户或其他用户通常需要立即确定受益所有权,所以这非常重要。
图表数据库(与标准的关系数据库相对)支持行动的自动化,因此不需要人为干预或者在可以处理交易或客户约定之前必须遵守规定的金融机构中办公室支持团队的阵线。
更具体地,与关系数据库中大量的JOIN SQL查询的指数式减速相比,通过访问图表数据库而以仅毫秒数运行所需的计算是有利的。例如,在2.8亿条企业记录的数据库中,每次或在每个计算级别有太多的记录要检查。图表在其生态系统内保持着这些关系,因此几乎立即可以确定什么记录属性是相同/相似的以及为什么它们可以形成关系。基于用户提出的问题,可以快速且高效地确定关系类型和接近度。
通常,本公开内容的实施方式涉及用于表示数据库中的所有权结构的系统和方法。许多企业可以各自被表示为结构中的节点,其中所有权权益被表示为节点之间的链接。所有权结构可以包括环形公司关系(公司通过在其他公司中的股权而拥有其自身的部分或全部的一种手段)。系统和方法允许对数据结构进行去环形(de-looping),以执行建立受益所有权所需的计算。
同样根据本公开内容,对关系中的一系列模式加以识别,为此可以存在预定类型的计算以执行受益所有权计算或受益所有权计算的一部分。可以在部分或整个所有权结构中识别这些模式。关于这些识别出的模式,可以继续进行要执行的具体计算。可以对针对每个模式的计算结果进行组合,以提供关于受益所有权的结果。
具体地,本公开内容涉及一种用于通过下述操作来确定目标企业的受益所有权范围的系统和方法:填充数据库结构,其中,企业、位置以及在企业之间的所有权关系由节点和链接表示;查询数据库,以建立相关的所有权链接;对查询进行分析,以确定所有权环形;对所有权关系进行去环形;并且基于去环形的所有权关系来计算目标企业的受益所有人中的每一个的百分比所有权。
还对数据库中的任何线性所有权关系进行分析,以计算目标企业的受益所有人中的每一个的百分比所有权。
本公开内容还涉及存储有计算机程序的指令的计算机可读非暂态存储介质,该计算机程序的指令在由计算机系统执行时使得执行本文中公开的方法。
还公开了用于执行本文中公开的方法的系统的架构。这些架构使所有的相关计算能够在几秒钟内完成,因而便于准确报告。
附图说明
图1是用于实现本公开内容的计算机系统的框图。
图2A示出了线性所有权结构。
图2B示出了环形所有权结构。
图2C示出了编制结构中所有路径的列表。
图2D和图2E示出了进行深度计算的方式。
图3示出了线性所有权结构的逻辑。
图4A、图4B和图4C示出了用于确定环形所有权结构的逻辑。
图4D示出了用于涉及所有权环形的第一种情况的查询规则。
图4E示出了用于涉及所有权环形的第二种情况的查询规则。
图4F是其中间接所有权的计算包括多条路径的情况。
图4G至图4N示出了用于执行受益所有权计算的另外的规则或模式。
图5A和图5B示出了在图4C之后的逻辑中接下来的步骤。
图6示出了在图5B之后的逻辑中另外的步骤。
图7A和图7B是去环形计算的示例。
图8示出了不正确的计算模式。
图9是所有权结构的示例。
图10示出了对图9的结构的第一部分的分析。
图11和图12示出了对图9的结构的第二部分的分析。
图13和图14示出了对图9的结构的第三部分的分析。
图15、图16和图17示出了图10中目标的所有权的最终确定。
图18示出了用于如本文中所描述的系统的四部分结构。
图19示出了本文中所描述的系统的数据加载架构的实施方式。
图20A和图20B在被组装时构成用于执行本文中所描述的计算的系统的高级架构图。
在附图中的每一个中,使用相同的附图标记表示一个以上附图共有的部件或特征。
具体实施方式
定义
在本文中将使用以下定义:
GBO-全球受益所有权-表示全球股东数据库的术语。
UBO-最终受益所有权-“个人”作为所有人,其是主题DUNS的实际所有人。
CBO-公司受益所有人-在没有进一步信息来确定拥有所有权的人的情况下从拥有主题企业的股份中受益的公司。
位于起点处的主题/目标(T)-这是为找到受益所有权(BO)而从其开始的DUNS编码,该DUNS编码不能是分支DUNS。
路径-从主题/目标至终点的路线,该终点通常是CBO或者UBO。
最远=与T或深度的最长链接。
最近=与T的最短链接。
节点-用于可以在结构中创建节点的3种类型的实体的单个术语。需要两个节点来形成关系。节点有三种类型(公司/个人/实体)。
结构-与主题DUNS相关联的连接关系的集。
实体-三种类型的节点之一:1=公司或公司股东(C),2=个人或自然人股东(P),或者3=结构内的实体。
列表-结构中基于查询的实体的计算子集。列表通常示出直接、间接、控制或受益所有人。
DUNS-通常由给定的Dun&Bradstreet编码表示的特定企业。
直接所有人-直接持有主题DUNS的股份(多数或少数)的实体。
间接所有人-持有主题DUNS的股份的实体,而且该实体还具有拥有其自身与主题DUNS之间的那些股份(多数或少数)的实体。
所有权环-其中实体A在实体B中拥有所有权的情况,以及实体B在实体D中直接或间接地拥有所有权。
控制-直接所有人和间接所有人两者的列表。
受益所有人-基于已经请求的所有权标准,受益地拥有主题DUNS的股份的节点——即拥有25%或更多的受益所有权的任何节点——的列表。
未公开的所有人-意识到两个节点之间的所有权股份或所有权级别。然而,真实的数额尚未被公开(但该数额将介于0.01%与100%之间)。
拥有多数-在另一节点中拥有股份的实体,其中精确的数额未被公开但D&B意识到该数额等于50.01%以上。
自我链接-其中公司实体拥有其自身的股份的关系。
图表数据库-一种非常适合存储数据和计算不相关的关系的数据库。
计算
在本文中使用以下类型的计算。
使用简单的乘法运算用于线性关系。
使用等比例分配用于简化的环形关系或隐藏关系。
几何级数用于较复杂的环形关系以及当股东未被公开时。几何级数(GP)是非零项的序列,其中每个后续项通过将其前一项乘以常数而获得。在这种情况下,我们针对未公开的实体创建常数,以便支持对后续进程关系进行相乘的需要,即使现在缺失确切的所有权百分比。
程序
基于目标的公司所有权结构的模式来使用以下程序。
A.首先构建整个结构。
B.确定结构内的关系类型(示例:环形、隐藏、直接)。
C.使用上面提到的关于目标的不同类型的计算或模式(同一结构上的一种或多种)。
D.执行生成结果、存储结果、显示结果和打印结果中的至少一个。
图1是用于实现本文中公开的系统和方法的计算机系统100的框图。系统100包括:用户接口105;处理器110;存储器115;以及数据库125。系统100可以在通用计算机上实现。虽然在本文中系统100被表示为独立运行的系统,但系统100并不局限于此,而是可以经由网络(未示出)耦接至其他计算机系统,包括具有大量数据库(未示出)的服务器。
存储器115存储用于控制处理器110的操作的数据和指令。存储器115的实现方式可以包括:随机存取存储器(RAM)、硬盘驱动器和只读存储器(ROM)。存储器115的部件之一是程序120。
程序120包括用于控制处理器110执行本文中描述的方法的指令。例如,程序120是指令的集合,该指令可以由处理器110执行以控制处理器110执行本文中描述的方法。优选地,经由用户接口105将所获得的关于UBO的所有权范围的结果输出至显示器或打印机106。
程序120可以实现为单个模块或者实现为彼此协作操作的多个模块。本文中,术语“模块”用于表示功能操作,该功能操作可以体现为独立部件或者体现为多个从属部件的集成配置。
用户接口105包括用于使用户能够将信息和命令选择传送至处理器110的输入设备,诸如键盘或语音识别子系统。用户接口105还包括诸如显示器或打印机106的输出设备。诸如鼠标、跟踪球或操纵杆的光标控制允许用户操纵显示器上的光标,以将附加信息和命令选择传送至处理器110。
虽然将程序120被表示为已经加载至存储器115中,但是可以将程序120配置在存储介质130上,用于随后加载至存储器115中。存储介质130可以是以有形形式在其上存储有程序120的任何常规存储介质。存储介质130的示例包括磁带、光存储介质、光盘或软盘。可替选地,存储介质130可以是位于远程存储系统上的随机存取存储器或其他类型的电子存储器。
计算机系统100可以用作连接至如下面描述的更为复杂的系统架构的终端,或者如果有足够的资源可用,则可以用于执行本文中描述的方法。
图2A和图2B与以下附加的定义相关联。
线性所有权结构(图表1):所有的C和P都拥有单向所有权;没有子公司拥有其股东的所有权。
环形所有权结构(图表2):当T或Ci拥有其自己的股东Ci+n的股份时,那么Ci与Ci+n之间的所有权结构为环形所有权结构。在图表2中,T和C2是一个环形,C2和C3是另一环形,并且T和C3也是环形。
环点:在上面的情况中,Ci变成环点;环点被认为是环形发起者。在图表2中,T是TC2环形的环点,C2是C2 C3环形的环点,T是T C3环形的环点,因为C3不是任何环形的发起者,所以C3不是环点。
去环形:使用计算以将P和C直接链接至环点并且将环形结构变成线性结构。
环形调整的所有权公式为:所有权%/(1-自我所有权%)。
图2C示出了当已经构建了整个结构200时,可以编制结构中所有可能路径的列表202。可以运行MATCH查询(如美国专利第6,026,398号和第7,392,240号中所公开的)。最后步骤204、收集了什么206以及哪些节点是不同的208都被列出。在最后步骤204中,因为基于存在的所有权环形,最后四个条目是冗余的,所以不需要最后四个条目。
参照图2D和图2E中,执行结构深度的计算。深度表示从目标节点遍历至终点节点需要图表上的多少个向量。在示出的每种情况下,生成表格。
参照图3,线性结构的逻辑如下:
1.从T(目标Duns)开始。
2.计算直接所有权,将任何缺失的所有权%分配至未知P并且使总直接所有权=100%。
3.拥有T的直接所有权(例如C2)并且还由另一公司或个人(例如C4或P1)所拥有的任何公司,这类公司或个人的间接所有权需要通过他们的直接所有权级别进行计算。同样将任何缺失的所有权分配至未知P。
4.如果仍剩下C作为处于上一级别的间接所有人,则重复过程3,直至将所有的所有权指向Pi或未知P为止。
5.总计每个Pi的直接和间接所有权,以得到Pi对T的总所有权。Pi是最终受益所有人。
6.总计未知P的直接和间接所有权,以得到未知P对T的总所有权。这是T的未分配的所有权,这意味着没有足够的数据来发现100%所有权。
示例1:
T=10%C3+90%C2=10%C3+90%(40%C4+20%C5+30%P1+10%未知P)
=10%C3+90%(40%(20%C7+80%C8)+20%C9+30%P1+10%未知P)
=10%C3+90%(40%(20%C7+80%C8)+20%(10%C12+90%C10)+30%P1+10%未知P)
=........=%P1+%P2+%未知P
对于环形所有权结构,以下普通逻辑适用。
1.从T(目标Duns)开始
2.计算直接所有权,将任何缺失的所有权%分配至未知P并且使总直接所有权=100%
3.任何C拥有直接所有权,并且需要通过上一级别的间接所有权进行计算,将缺失的所有权分配至未知P
4.如果仍剩下C作为处于上一级别的间接所有人,则重复过程3,直至将所有的所有权指向Pi或未知P为止。
继续参照图4A、图4B和图4C:
识别所有的环点和环形结构:
在3期间,当上一级别股东Ci由任何Ci-n或T(Ci直接或间接地拥有其股份的任何Ci-n或T)完全或部分地拥有时,那么识别Ci-n Ci环形,将Ci-n标记为环点。
T拥有上一级别实体C2的股份,因此将T识别为环点并且标记T/C2
除了以下情况之外,继续计算如3中描述的间接所有权:每当观察到环点(Ci-n)时,不需要计算/突破(Ci-n);留下(Ci-n),就好像它是链中的P,直至随后对Ci进行去环形为止。
C2拥有上一级别实体C3的股份,因此将C2识别为环点并且标记C2/C3.
图4A、图4B和图4C示出了用于确定环形所有权结构的逻辑。
在图4D中示出的查询规则中,包括环形的受控所有权计算是所有Xn的乘积,其中,X是从一个DUNS至公司股东的关系链接。Yn是从公司股东至早期访问过的DUNS的关系链接,该早期访问过的DUNS持有该公司股东的所有权。股东百分比Yn不包括在股东所有权计算之内,并且忽略了返回至先前访问过的节点的链接。
在图4D中,d=乘数.01。UBO间接所有权=dX1*dX2*dX3*dX4*100。设置d等于.01,用于舍入不太重要的所有权股份,这些所有权股份对于遵守监管要求而言并不重要。此外,使总所有权标准化为100%。
在图4E中,描述间接所有权的路径包括多个环形。在这些情况中的每种情况下,忽略了环形所有权百分比Yn。同样,d=.01,并且UBO间接所有权=dX1*dX2*dX3*dX4*dX5*100。
在图4F中,是其中间接所有权的计算包括多条路径的情况。同样,d=.01。UBO间接所有权=dX1*((dX2*dX3*dX4)+(dX6*dX7))*dX5*100。在这种情况下,多条路径交汇于UBO对其拥有直接所有权的公司股东。这条规则不包含其中UBO具有两个或更多个不同标识符的情况。
图4G至图4N示出了用于执行受益所有权计算的另外的规则或模式。尽管可以开发其他的计算规则或模式,但是本文中公开了总共19条。
具有重要意义的附加考虑因素包括所有人的直接或间接所有权(所有的UBO),包括任何‘叶’公司所有人在总所有权中的所有权,其中,“叶公司”没有将所有权分配至另一“叶公司”。(所有的CBO)将多条单独的路径总计至单个所有人的总计所有权(单个ID),并且包括任何未分配的公司所有权%(已分配的<100%),作为公司所有人的所有权并且将其包括在总所有权中。
继续参照图5A和图5B:
7.确定最远的环形和环点:在间接所有权计算(面值)完成时,系统需要确定哪个环点是朝向T的最远环点:在这种情况下,在C2之上,不再存在环点,因此C2是最远环点。C2/C3环形是最远环形。
当结构更为复杂在多个线性方向上具有环形结构时,最远的环点由以下因素确定:
A.按环点离T有多远,将环点排成行,并且标记每行的最远环点。
B.对所有的环点进行比较,以查看是否存在任何来自其他行的最远环点比所检查的行中的最远环点更远。
C.通过对所有的行进行比较,可以找出哪一个是最远环点。
继续参照图6:
8.自我所有权计算:使用定义的去环形计算用于对最远环形进行去环形并且计算环点的自我所有权。
9.使用每个环点的自我所有权和Pi公式来计算针对每个P的实际/环形调整的间接所有权。
10.使用来自去环形计算的结果来计算下一个最远环点的自我所有权。
11.重复点10,直至计算出所有环点的自我所有权为止。
12.总计每个Pi的直接所有权和实际/环形调整的间接所有权,以得到Pi对T的总所有权。Pi是最终受益所有人。
13.总计未知P的直接所有权和实际/环形调整的间接所有权,以得到未知P对T的总所有权。这是T的未分配的所有权,这意味着没有足够的数据来发现100%所有权。
图7A示出了环形所有权结构。
图7B示出了去环形计算的第一步骤的结果。一旦已经确定了C2的自我所有权,就可以执行将股权重新分配至P3、P2和C1。
去环形从最远环点开始。每次对环点进行去环形并且计算自我所有权时,其他所有人中的每个所有人的级别所有权将受到比例1/(1-Ci自我所有权)的影响。
图8示出了为什么一旦识别出环点则通过环点来计算是不正确的。一旦C被识别为环点,如果C再次出现在更高级别的间接所有权计算中(这意味着C也是更高级别公司的股东),那么系统应该留下此环点,就好像它是P。不需要通过P的所有权来进一步分解。如果继续分解环点上的所有权,则将进入无限循环的计算(如图8的矩形90和92所示)。一旦已经对所有的其他环形进行去环形,就计算环点的自我所有权。
在图8的示例中,T被识别为循环点;因此,系统不应该通过矩形90中的T来分解所有权或进行计算。否则,矩形90和92中所示的模式将会被无限地重复。
图9是环形所有权布置的示例。
图10示出了图9的结构的要被单独去环形的第一部分。目标是了解C4拥有其自身的多少,以有效地去除C5和附属的作为C4的百分比所有人的P5。C4有效地拥有其自身的15%。
图11示出了将图10中的第一去环形结构与最初在图9中描述的整个环形所有权布置整合成一体的结果。
继续在图12中,与结构的要被单独去环形的第二部分相关联,对C4的P5所有权进行了定义。需要了解C3拥有其自身的多少,以有效地去除C4以及附属的作为C3的百分比所有人的P5和P4。C3有效地拥有其自身的11.76%。
图13示出了图12中的第二去环形结构与最初在图9中描述的整个环形所有权布置整合成一体的结果。
在图14中,单独示出了结构的要被去环形的第三部分。对C3的P5和P4所有权进行了定义。了解C2拥有其自身的多少,有效地去除了C3以及附属的作为C2的百分比所有人的P5、P4和P3。C2有效地拥有其自身的10.20%。
图15示出了图14中的第三去环形结构与最初在图9中描述的整个环形所有权布置整合成一体的结果。
参照图16,可以向下去环形至目标。了解T拥有其自身的多少,有效地去除了C2以及附属的作为T的百分比所有人的P5、P4、P3和P2。T有效地拥有其自身的22.27%。
图17示出了对所有权结构的完全去环形以及每个P的受益所有权。
图18示出了具有以下四部分的结构:数据源1802、数据存储和处理1804、服务1806以及交付层1808。
数据源1802:从数据源层收集数据。存在来自这些应用程序的放入网络中登陆区域的平面文件或XML文件,调度的作业从其中获取数据并将数据放入数据存储和处理1804中的数据存储层。数据源为:GSRL 1810、处理的D&B数据1812、BIF 1814、ATLAS(ER&C/ALR1816、ATLAS(全球链接)1818和ATLAS(名称/地址/状态)1820。
数据存储&处理1804:数据一旦放入数据存储和处理1804内的数据存储层中,就在1822处被验证、转换并且加载至Neo4J中央图表数据库1824中。在1826处,执行数据的计算和检索。
在1827处表示的数据馈送处理器根据需要在选定的时间、每日、每周或每月将数据从数据源1802馈送至数据存储和处理1804。
服务1806:在服务层中使用API,以向需要访问UBO计算服务或实用程序的其他下游系统提供UBO计算服务或实用程序。输出包括:列表UBO 1828;完整的所有权结构1830,其通常显示为“地图”,其中实体表示为节点并且关系表示为连接节点的线;以及UBO路径1832(通常显示为“地图”或显示在“地图”上)。
交付:交付层1808可以通过需要UBO相关信息的任何应用来执行。示出的示例包括D&B直接2.0 1834、直接板载1836和其他应用1838。
图19示出了AWS数据加载架构1902。部件包括:
数据中心:这包括图18的数据源1802。
如上面参照图18所描述的,数据源1802按照约定的频率(每日、每月和一次性)将数据文件推送至安全文件传输协议(SFTP)。调度程序使用脚本来轮询STP位置中的文件,压缩数据文件并且将文件加载至AWS S3 1904上。
Amazon S3 1904是用于通过脚本从数据中心获取每日、每月、一次性数据馈送文件的输入数据存储器。S3的不同特征可以设置适当的权限:读写访问权限和认证用户读取访问权限。根据不同文件消耗的频率(即DD或MM),下面列出了文件结构,其可以用于文件夹里针对年份(2016/2017……)、月份(1月/2月/……12月)、日期(01、02、03……31)和时间(01、02……24)的各个文件夹。
在完成数据加载时,触发事件日志,以在1906处执行Lambda,以运行调度的数据管道作业。
AWS数据管道1908是用于使数据的移动和转换自动化的web服务。在UBO AWS环境中,AWS数据管道1908作业用于按预定义的每小时从AWS S3 1904访问每日/一次性数据文件,并且然后运行Amazon弹性地图缩小(Amazon Elastic Map Reduce)(Amazon EMR)1910群集1912,以将数据加载至Neo4j数据库1914。
触发每日、每周和针对一次性作业而调度的Amazon弹性Map Reduce 1910,以识别文件、验证文件并且将文件加载至Neo4j数据库1914。
Neo4j数据库1914是依某种目的而构建以利用(leverage)不仅数据而且其关系的高度可扩展的原生图表数据库。Neo4j的原生图表存储和处理引擎交付持续的实时执行,帮助企业构建智能应用,以应对当今不断演变的数据挑战。
利用图19的布置,可以在世界范围内以多种格式和语言交付数据。通过使用数据管理规则,使数据标准化,以便在图表数据库中对数据进行维护,将数据作为可以建立关系的逻辑数据。公司名称、地址数据、股份百分比、出生日期等都以关于这些数据管理规则的通用标准进行保存。由于可以在任何时候接收数据,因此系统可以支持每月、每周、每日或每小时馈送来自多于200个国家的新信息。
在部署有Neo4j数据库的AWS VPC(虚拟私有云)中提供EC2(弹性计算云)实例。AWSEC2便于云上的虚拟计算机按需运行用户应用,并且允许可扩展部署。VPC(虚拟私有云)是建立在D&B与AWS之间的私有&安全网络,确保用户的全部安全和隐私。服务器的横向扩展使得能够管理执行针对多个请求的多个计算所需的数据的巨大增长。
服务器命名约定:
在UBO Dev AWS环境中,为了易于识别架构并且防止架构的混淆,因此将对所有的AWS部件进行命名。出于此使用目的,我们将使用AWS标记特征。以下是命名约定的详细信息。
“<DNB项目>-<部件>-<部署>-<类型>-<运行编号>”
DNB项目-表示是哪个DNB项目。可能的值为“UBO”。
部件-表示AWS部件。可能的值为:
W->Windows:L->Linux;ELB->ELB(公开);ILB->ELB(私有)VPC->VPC,SNT->子网;RTB->路由表,IGW->因特网网关;SG->安全小组;
部署-表示服务器所属的环境。可能的值为:DEV->Dev;STG->分段;PRD->生产;MGT->管理服务器。
类型-表示AWS部件的目的。可能的值为:WEB->Web服务器;APP->App服务器BS->Bastion服务器;PR->私有路由;NR->NAT路由;IR->因特网路由;LB->ELB。
运行编号-表示实例在具体服务器类型内的编号的运行编号。
图20A和图20B是根据本文中所公开的方法的用于执行受益所有权计算的系统的高级图。在该系统中使用了图19的数据加载架构。如上面所述,经由如2002处所表示的FTP,将来自数据源1802的数据文件加载至Amazon S3 1904。图20A和图20B还示出了系统的客户或其他用户如何能够检索所计算出的受益所有权的端到端流程。
客户可以请求关于多个企业的信息(在一个请求中多达一百万个公司),或者可以请求关于单个企业的信息。
在客户交付门户2004中,加载了经由安全FTP作为文件交付的多个用户请求,将记录与唯一的DUNS编号进行匹配,以确保在发送以用于计算受益所有人之前的记录的唯一性。对图表数据库内该记录的数据进行定位。Amazon S3 1904、AWS数据管道1908和AWS EMR1910用于输入请求或查询。AWS EMR 1910包括HTTP客户端1911和CVS转换1913。
请求和响应由JSON API的2006、2008、2010和2012管理。弹性加载平衡器2014、2016、2018和2020确保系统中有足够的容量来处理尽可能多的请求。例如,优选的是,小型计算的结果在不到300毫秒内交付,具有超过10000个关系的中型计算的结果在约一秒内交付,并且具有超过100000个关系的大型计算在十秒内完成。在这些时间范围内返回的数据使用户能够基于对受益所有权的考虑,立即做出是否可以允许继续进行需要对企业所有权进行监管审查的交易的决定。
如上面详细描述的,在Neo4j图表数据库中执行导出受益所有权所需的计算,其中结果在发送至请求者之前被临时存储在Neo4j图表数据库中。可以复制主Neo4j图表数据库1914M,以根据需要提供尽可能多的从属Neo4j图表数据库1914S,以便以及时的方式将信息交付至用户。Neo4j图表数据库是基于云的,允许自动管理从属Neo4j图表数据库1914S和JSON API的更多或更少个实例的“旋转(spinning up)”,以根据当前流量提供所需的容量或延迟。
计算的答案或结果包括:关于实体的公司统计结构数据;直接、间接、控制和受益所有人的列表1828;以及如上所述,完整的所有权结构1830,其通常显示为“地图”,其中实体表示为节点并且关系表示为连接节点的线;以及UBO路径1832,其通常显示为“地图”或显示在“地图”上。该数据被发送至用户,以在例如与如关于图1所示和所描述的计算机相关联的显示屏上查看。数据云也可以以XML格式提供,以便在客户的专有显示系统中使用,或者在自动决策引擎使用,或者在用于使用可视化软件来在UI/UX中呈现数据的D&B产品和服务之一中使用。例如,如图20A和图20B所示,终端用户可以是客户2022,其可以在顾问2024的协助下分批进行查询。板载客户2026可以访问在云锋(cloud front)2018中维护的UBO可视化库。用户2026可以经由企业服务层2030来访问UBO数据。可以经由用于认证、授权、计费和审计的UBO端点来向直接2.0板载交易客户2032提供服务。
例如,图20A和图20B的系统可以支持在2小时40分钟的时间内对一百万条企业记录进行受益所有权计算。与如上所述的用于通过常规技术计算单个企业的受益所有权所估计的平均15分钟的时间相比,这极为有利。
除了多条记录之外,图20A和图20B的系统例如经由在线门户或可以编码至机构的专有系统中的API还支持单个请求。
本文中描述的技术是示例性的,并且不应被解释为暗示对本公开内容的任何特定限制。应该理解的是,本领域技术人员可以想出各种替代、组合和修改。例如,除非另外指定或由步骤本身指示,否则可以以任何顺序执行与本文中描述的过程相关联的步骤。本公开内容旨在涵盖落入所附权利要求书的范围内的所有这些替代、修改和变化。
术语“包括”或“包含”将被解释为明确说明存在所述特征、整体、步骤或部件,但并不排除存在一个或更多个其他特征、整体、步骤或部件或其组合。
Claims (30)
1.一种用于确定目标企业的受益所有权范围的方法,包括:
填充数据库,其中,企业和在所述企业之间的所有权关系由节点和链接表示;
查询所述数据库,以建立相关的所有权链接;
对所述查询进行分析,以确定所有权环形;
对所述所有权关系进行去环形;以及
基于去环形的所有权关系来计算所述目标企业的受益所有人中的每一个的百分比所有权,
其中,确定所述目标企业的受益所有权范围包括至少遵循以下多个步骤中的一个或更多个步骤:
a.计算针对所述目标企业的直接所有权;
b.将任何缺失的所有权百分比分配至未知实体P,使得总直接所有权为百分之百;
c.对于具有直接所有权的任何实体,计算上一级别间接所有权并且将任何缺失的所有权分配至未知实体P;
d.对于仍然是处于上一级别的间接所有人的任何剩余实体,重复步骤c,直至将所有的所有权指向至少一个其他实体Pi或未知实体P为止;
e.识别所有的环点和环形结构:
f.继续按照步骤c计算所述间接所有权;
g.确定距所述目标企业的最远环形和最远环点;
h.通过对所述最远环形进行去环形以计算所述最远环点的自我所有权,来执行自我所有权计算;
i.使用每个环点的所述自我所有权来计算针对每个未知实体P的实际/环形调整的间接所有权;
j.使用来自所述去环形的结果来确定距所述目标企业下一个最远环点的所述自我所有权;
k.重复步骤j,直至计算出所有环点的所述自我所有权为止;
l.总计每个Pi的所述直接所有权和所述实际/环形调整的间接所有权,以确定作为最终受益所有人的每个Pi对所述目标企业的总所有权;以及
m.总计未知实体P的所述直接所有权和所述实际/环形调整的间接所有权,以确定所述未知实体P对所述目标企业的未知总所有权,所述未知实体P对所述目标企业的所述未知总所有权是所述目标企业的未分配的所有权,针对所述目标企业的未分配的所有权没有足够的数据来确定百分之百所有权。
2.根据权利要求1所述的方法,还包括对所述数据库中的任何线性所有权关系进行分析,以计算所述目标企业的所述受益所有人中的每一个的所述百分比所有权。
3.根据权利要求1所述的方法,其中,所述数据库是图表数据库。
4.根据权利要求1所述的方法,还包括构建所述目标企业的全部所有人的图表,其中,所述所有人为节点,并且所述所有权关系为在所述节点之间的链接。
5.根据权利要求4所述的方法,还包括确定在所述图表中从所述目标企业遍历至最远所有人的最大步骤数。
6.根据权利要求4所述的方法,还包括:
对所述目标企业的全部所有人的所述图表进行搜索,以识别多个预定所有权模式中的至少一个;以及
使用与找到的每个预定所有权模式对应的预定计算来执行所述目标企业的所述受益所有权计算的一部分。
7.根据权利要求1所述的方法,其中,当对所述所有权关系进行去环形并且所述环形是简单环形或者包含隐藏关系时,在所述环形结束时在拥有实体所有权的某些百分比的实体之间均等分配去环形的所有权的百分比。
8.根据权利要求1所述的方法,其中,当对所有权关系进行去环形并且所述环形与简单环形相比更复杂时或者其中所有人未公开时,针对未公开的实体分配常数值,并且在计算中使用与所述常数值的连乘,以使接下来的所有权值相乘。
9.根据权利要求8所述的方法,其中,当实体的确切所有权百分比未知时,使用所述常数值。
10.根据权利要求1所述的方法,还包括:
确定所述目标企业的整个所有权结构;
确定所述结构内所有权关系的类型;
使用适用于所述结构内每个所有权关系的计算来确定针对该所有权关系的受益所有权范围;以及
响应于所述查询而生成受益所有权数据。
11.根据权利要求10所述的方法,其中,所述所有权关系包括线性、环形、自链接和隐藏中的至少一个。
12.根据权利要求11所述的方法,其中,所述受益所有权数据包括以下中的至少一个:关于实体的公司统计结构数据;直接、间接、控制和受益所有人的列表;完整的所有权结构;以及最终受益所有人路径。
13.根据权利要求1所述的方法,其中,所述去环形包括:将环形所有权结构转换成线性所有权结构。
14.根据权利要求1所述的方法,其中,拥有第二实体的至少一部分的第一实体和直接地或间接地拥有所述第一实体的一部分的所述第二实体是环形所有权结构,并且对所述环形所有权结构进行去环形包括:将所述环形所有权结构转换为线性所有权结构。
15.一种用于确定目标企业的受益所有权范围的装置,包括:
处理器;
包含一系列计算机可读指令的存储器,所述计算机可读指令用于使所述处理器执行以下步骤:
填充数据库,其中,企业和在所述企业之间的所有权关系由节点和链接表示;
查询所述数据库,以建立相关的所有权链接;
对所述查询进行分析,以确定所有权环形;
对所述所有权关系进行去环形;以及
基于去环形的所有权关系来计算所述目标企业的受益所有人中的每一个的百分比所有权,
其中,确定所述目标企业的受益所有权范围包括至少遵循以下多个步骤中的一个或更多个步骤:
a.计算针对所述目标企业的直接所有权;
b.将任何缺失的所有权百分比分配至未知实体P,使得总直接所有权为百分之百;
c.对于具有直接所有权的任何实体,计算上一级别间接所有权并且将任何缺失的所有权分配至未知实体P;
d.对于仍然是处于上一级别的间接所有人的任何剩余实体,重复步骤c,直至将所有的所有权指向至少一个其他实体Pi或未知实体P为止;
e.识别所有的环点和环形结构:
f.继续按照步骤c计算所述间接所有权;
g.确定距所述目标企业的最远环形和最远环点;
h.通过对所述最远环形进行去环形以计算所述最远环点的自我所有权,来执行自我所有权计算;
i.使用每个环点的所述自我所有权来计算针对每个未知实体P的实际/环形调整的间接所有权;
j.使用来自所述去环形的结果来确定距所述目标企业下一个最远环点的所述自我所有权;
k.重复步骤j,直至计算出所有环点的所述自我所有权为止;
l.总计每个Pi的所述直接所有权和所述实际/环形调整的间接所有权,以确定作为最终受益所有人的每个Pi对所述目标企业的总所有权;以及
m.总计未知实体P的所述直接所有权和所述实际/环形调整的间接所有权,以确定所述未知实体P对所述目标企业的未知总所有权,所述未知实体P对所述目标企业的所述未知总所有权是所述目标企业的未分配的所有权,针对所述目标企业的未分配的所有权没有足够的数据来确定百分之百所有权。
16.根据权利要求15所述的装置,其中,所述存储器还包括计算机可读指令,所述计算机可读指令用于使所述处理器:对所述数据库中的任何线性所有权关系进行分析,以计算所述目标企业的所述受益所有人中的每一个的百分比所有权。
17.根据权利要求15所述的装置,其中,所述数据库是图表数据库。
18.根据权利要求15所述的装置,其中,所述计算机可读指令还包括用于构建所述目标企业的全部所有人的图表的指令,其中,所述所有人为节点,并且所述所有权关系为在所述节点之间的链接。
19.根据权利要求18所述的装置,其中,所述计算机可读指令还包括用于确定在所述图表中从所述目标企业遍历至最远所有人的最大步骤数的指令。
20.根据权利要求15所述的装置,其中,所述计算机可读指令还包括用于进行以下步骤的指令:
对所述目标企业的全部所有人的图表进行搜索,以识别多个预定所有权模式中的至少一个;以及
使用与找到的每个预定所有权模式对应的预定计算来执行所述目标企业的所述受益所有权计算的一部分。
21.根据权利要求15所述的装置,其中,所述计算机可读指令还包括用于以下的指令:当对所述所有权关系进行去环形并且所述环形是简单环形或者包含隐藏关系时,在所述环形结束时在拥有实体所有权的某些百分比的实体之间均等分配去环形的所有权百分比。
22.根据权利要求15所述的装置,其中,所述计算机可读指令还包括用于进行以下步骤的指令:当对所有权关系进行去环形并且所述环形与简单环形相比更复杂时或者其中所有人未公开时,针对未公开的实体分配常数值,并且在计算中使用与所述常数值的连乘来确定接下来的所有权值。
23.根据权利要求22所述的装置,其中,当实体的确切所有权百分比未知时,使用所述常数值。
24.根据权利要求15所述的装置,另外,其中,所述计算机可读指令还包括用于进行以下操作的指令:
确定所述目标企业的整个所有权结构;
确定所述结构内所有权关系的类型;
使用适用于所述结构内每个所有权关系的计算来确定针对该所有权关系的受益所有权范围;以及
响应于所述查询而生成受益所有权数据。
25.根据权利要求24所述的装置,其中,所述所有权关系包括线性、环形、自链接和隐藏中的至少一个。
26.根据权利要求24所述的装置,其中,所述受益所有权数据包括以下中的至少一个:关于实体的公司统计结构数据;直接、间接、控制和受益所有人的列表;完整的所有权结构;以及最终受益所有人路径。
27.一种计算机可读非暂态存储介质,在所述计算机可读非暂态存储介质上具有非暂态指令,所述非暂态指令用于使计算机的处理器执行用于确定目标企业的受益所有权范围的以下步骤:
填充数据库,其中,企业和在企业之间的所有权关系由节点和链接表示;
查询所述数据库,以建立相关的所有权链接;
对所述查询进行分析,用于确定所有权环形;
对所述所有权关系进行去环形;以及
基于去环形的所有权关系来计算所述目标企业的受益所有人中的每一个的百分比所有权,
其中,确定所述目标企业的受益所有权范围包括至少遵循以下多个步骤中的一个或更多个步骤:
a.计算针对所述目标企业的直接所有权;
b.将任何缺失的所有权百分比分配至未知实体P,使得总直接所有权为百分之百;
c.对于具有直接所有权的任何实体,计算上一级别间接所有权并且将任何缺失的所有权分配至未知实体P;
d.对于仍然是处于上一级别的间接所有人的任何剩余实体,重复步骤c,直至将所有的所有权指向至少一个其他实体Pi或未知实体P为止;
e.识别所有的环点和环形结构:
f.继续按照步骤c计算所述间接所有权;
g.确定距所述目标企业的最远环形和最远环点;
h.通过对所述最远环形进行去环形以计算所述最远环点的自我所有权,来执行自我所有权计算;
i.使用每个环点的所述自我所有权来计算针对每个未知实体P的实际/环形调整的间接所有权;
j.使用来自所述去环形的结果来确定距所述目标企业下一个最远环点的所述自我所有权;
k.重复步骤j,直至计算出所有环点的所述自我所有权为止;
l.总计每个Pi的所述直接所有权和所述实际/环形调整的间接所有权,以确定作为最终受益所有人的每个Pi对所述目标企业的总所有权;以及
m.总计未知实体P的所述直接所有权和所述实际/环形调整的间接所有权,以确定所述未知实体P对所述目标企业的未知总所有权,所述未知实体P对所述目标企业的所述未知总所有权是所述目标企业的未分配的所有权,针对所述目标企业的未分配的所有权没有足够的数据来确定百分之百所有权。
28.一种用于确定目标企业的受益所有权范围的系统,包括:
在至少一个服务器上的多个数据库;
用于在所述数据库与数据计算部件之间交换数据的通信网络,所述数据计算部件包括:
处理器;
包含一系列计算机可读指令的存储器,所述计算机可读指令用于使所述处理器执行以下步骤:
填充附加数据库,其中,企业和在所述企业之间的所有权关系由节点和链接表示;
查询所述数据库,以建立相关的所有权链接;
对所述查询进行分析,以确定所有权环形;
对所述所有权关系进行去环形;以及
基于去环形的所有权关系来计算所述目标企业的受益所有人中的每一个的百分比所有权,
其中,确定所述目标企业的受益所有权范围包括至少遵循以下多个步骤中的一个或更多个步骤:
a.计算针对所述目标企业的直接所有权;
b.将任何缺失的所有权百分比分配至未知实体P,使得总直接所有权为百分之百;
c.对于具有直接所有权的任何实体,计算上一级别间接所有权并且将任何缺失的所有权分配至未知实体P;
d.对于仍然是处于上一级别的间接所有人的任何剩余实体,重复步骤c,直至将所有的所有权指向至少一个其他实体Pi或未知实体P为止;
e.识别所有的环点和环形结构:
f.继续按照步骤c计算所述间接所有权;
g.确定距所述目标企业的最远环形和最远环点;
h.通过对所述最远环形进行去环形以计算所述最远环点的自我所有权,来执行自我所有权计算;
i.使用每个环点的所述自我所有权来计算针对每个未知实体P的实际/环形调整的间接所有权;
j.使用来自所述去环形的结果来确定距所述目标企业下一个最远环点的所述自我所有权;
k.重复步骤j,直至计算出所有环点的所述自我所有权为止;
l.总计每个Pi的所述直接所有权和所述实际/环形调整的间接所有权,以确定作为最终受益所有人的每个Pi对所述目标企业的总所有权;以及
m.总计未知实体P的所述直接所有权和所述实际/环形调整的间接所有权,以确定所述未知实体P对所述目标企业的未知总所有权,所述未知实体P对所述目标企业的所述未知总所有权是所述目标企业的未分配的所有权,针对所述目标企业的未分配的所有权没有足够的数据来确定百分之百所有权。
29.根据权利要求28所述的系统,还包括用于提供关于单个目标企业或一批目标企业的受益所有权的查询中的至少一个的装置,以使所述系统提供受益所有权数据。
30.根据权利要求29所述的系统,其中,所述附加数据库是基于云的,并且所述附加数据库包括:
主数据库;以及
一系列从数据库和加载平衡器,当向所述系统提供关于所述一批目标企业的查询时,根据需要在所述云内创建所述一系列从数据库和加载平衡器以在给定时间段内执行计算。
Applications Claiming Priority (3)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
US201762454572P | 2017-02-03 | 2017-02-03 | |
US62/454,572 | 2017-02-03 | ||
PCT/US2018/016692 WO2018144905A1 (en) | 2017-02-03 | 2018-02-02 | System and method of creating different relationships between various entities using a graph database |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110383321A CN110383321A (zh) | 2019-10-25 |
CN110383321B true CN110383321B (zh) | 2023-06-02 |
Family
ID=63037757
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201880016549.6A Active CN110383321B (zh) | 2017-02-03 | 2018-02-02 | 使用图表数据库创建各种实体之间的不同关系的系统和方法 |
Country Status (6)
Country | Link |
---|---|
US (1) | US11222073B2 (zh) |
EP (1) | EP3577624A4 (zh) |
CN (1) | CN110383321B (zh) |
AU (1) | AU2018215471B2 (zh) |
CA (1) | CA3052305A1 (zh) |
WO (1) | WO2018144905A1 (zh) |
Families Citing this family (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111104568B (zh) * | 2019-12-17 | 2023-06-09 | 深圳前海环融联易信息科技服务有限公司 | 企业股权关系深度搜索方法、装置、计算机设备及存储介质 |
CN111241347A (zh) * | 2019-12-30 | 2020-06-05 | 北京邮电大学 | 一种图数据库的创建方法、企业数据查询方法及装置 |
US11824837B2 (en) * | 2020-07-15 | 2023-11-21 | Sap Se | End user creation of trusted integration pathways between different enterprise systems |
JPWO2023008420A1 (zh) * | 2021-07-30 | 2023-02-02 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104517177A (zh) * | 2013-10-04 | 2015-04-15 | 国际商业机器公司 | 用于自动化的商业模式生成的方法和系统 |
Family Cites Families (20)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US8230363B2 (en) * | 2002-08-06 | 2012-07-24 | Goldman, Sachs & Co. | Management of corporate entities |
US20060031246A1 (en) * | 2004-08-04 | 2006-02-09 | Grayson Loren P | Universal database method and system |
US11477093B2 (en) * | 2004-12-14 | 2022-10-18 | Kyndryl, Inc. | Coupling of a business component model to an information technology model |
US20070211056A1 (en) * | 2006-03-08 | 2007-09-13 | Sudip Chakraborty | Multi-dimensional data visualization |
CN101093493B (zh) * | 2006-06-23 | 2011-08-31 | 国际商业机器公司 | 数据库查询语言转换方法、转换装置 |
US7783658B1 (en) * | 2007-06-18 | 2010-08-24 | Seisint, Inc. | Multi-entity ontology weighting systems and methods |
US20100185467A1 (en) * | 2009-01-20 | 2010-07-22 | Strnad Ii James Frank | Computer Implemented Method and Apparatus for Establishing and Executing a Dynamic Equity Instrument |
US20100250314A1 (en) * | 2009-03-25 | 2010-09-30 | International Business Machines Corporation | Service portfolio approach for soa governance |
US8674993B1 (en) * | 2009-10-14 | 2014-03-18 | John Fleming | Graph database system and method for facilitating financial and corporate relationship analysis |
WO2012150828A2 (ko) * | 2011-05-04 | 2012-11-08 | 씨에스 주식회사 | 기업의 시장가치와 기본적 분석에 의한 차이를 활용한 현재 시점의 기업가치 괴리율 표시방법 |
US8775517B1 (en) * | 2011-07-12 | 2014-07-08 | Relationship Science LLC | Viewing connectivity between user and entity of an information service |
US9092821B2 (en) * | 2011-10-20 | 2015-07-28 | Ashbury Heights Capital, Llc | Method for estimating flows between economic entities |
US9390126B2 (en) * | 2014-02-03 | 2016-07-12 | International Business Machines Corporation | Distributed analytics for entity resolution |
US20150317384A1 (en) * | 2014-02-13 | 2015-11-05 | Entity Keeper, LLC | Methods and Systems for Graph Database Processing of Complex Entity Relationships |
US10474702B1 (en) * | 2014-08-18 | 2019-11-12 | Street Diligence, Inc. | Computer-implemented apparatus and method for providing information concerning a financial instrument |
US10169355B2 (en) * | 2014-10-27 | 2019-01-01 | Tata Consultancy Services Limited | Knowledge representation in a multi-layered database |
CN106126614A (zh) * | 2016-06-21 | 2016-11-16 | 山东合天智汇信息技术有限公司 | 一种追溯两个企业多层级关联路径的方法及系统 |
US10372883B2 (en) * | 2016-06-24 | 2019-08-06 | Scripps Networks Interactive, Inc. | Satellite and central asset registry systems and methods and rights management systems |
US10452714B2 (en) * | 2016-06-24 | 2019-10-22 | Scripps Networks Interactive, Inc. | Central asset registry system and method |
US10896198B2 (en) * | 2016-11-01 | 2021-01-19 | Sap Se | Scaling for elastic query service system |
-
2018
- 2018-02-02 US US15/887,645 patent/US11222073B2/en active Active
- 2018-02-02 WO PCT/US2018/016692 patent/WO2018144905A1/en unknown
- 2018-02-02 EP EP18747934.0A patent/EP3577624A4/en active Pending
- 2018-02-02 AU AU2018215471A patent/AU2018215471B2/en active Active
- 2018-02-02 CA CA3052305A patent/CA3052305A1/en active Pending
- 2018-02-02 CN CN201880016549.6A patent/CN110383321B/zh active Active
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104517177A (zh) * | 2013-10-04 | 2015-04-15 | 国际商业机器公司 | 用于自动化的商业模式生成的方法和系统 |
Also Published As
Publication number | Publication date |
---|---|
WO2018144905A1 (en) | 2018-08-09 |
EP3577624A4 (en) | 2020-10-14 |
EP3577624A1 (en) | 2019-12-11 |
AU2018215471B2 (en) | 2023-11-09 |
US20180225389A1 (en) | 2018-08-09 |
CA3052305A1 (en) | 2018-08-09 |
CN110383321A (zh) | 2019-10-25 |
US20220092117A1 (en) | 2022-03-24 |
US11222073B2 (en) | 2022-01-11 |
AU2018215471A1 (en) | 2019-09-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110383321B (zh) | 使用图表数据库创建各种实体之间的不同关系的系统和方法 | |
US10824758B2 (en) | System and method for managing enterprise data | |
EP3121738A1 (en) | Data storage extract, transform and load operations for entity and time-based record generation | |
US11966870B2 (en) | System and method for determination of recommendations and alerts in an analytics environment | |
US20160004741A1 (en) | Method and apparatus for managing corporate data | |
CN111427971B (zh) | 用于计算机系统的业务建模方法、装置、系统和介质 | |
US8943042B2 (en) | Analyzing and representing interpersonal relations | |
CN104346371A (zh) | 内存数据库驱动业务整合系统报告 | |
US11366791B2 (en) | System and method for process and automation framework to enable acceptance test driven development | |
CN112997168A (zh) | 用于通过分析应用环境进行数据分析的系统和方法 | |
JP6218783B2 (ja) | 住宅ローン事前審査システム、方法およびプログラム | |
EP2199903A1 (en) | Metadata model repository | |
US11514031B2 (en) | Product navigator | |
CN112102099A (zh) | 保单数据处理方法、装置、电子设备及存储介质 | |
US11010817B2 (en) | Systems and method for coordinating trend data via a hub | |
CN110990637A (zh) | 网络图谱的构建方法及其装置 | |
US12001480B2 (en) | System and method of creating different relationships between various entities using a graph database | |
US9489438B2 (en) | Systems and methods for visualizing master data services information | |
US20190272721A1 (en) | Systems and methods for providing an electronic line-of-business gateway | |
US9892418B1 (en) | Methods systems and computer program products for analyzing utilization of tax preparation application website | |
CN110991923B (zh) | 架构构建方法、装置、电子设备和介质 | |
US20230410049A1 (en) | System, Method, and Computer Program Product for Generating and Executing a Workflow Program | |
US20220188344A1 (en) | Determining an ontology for graphs | |
CN111027866A (zh) | 产品模型构建方法、装置、电子设备和介质 | |
Surya | Compare Data Warehouse to Data Marts |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |