Sélectionner les données pour optimiser les performances et la couverture des typologies de risques

L'IA de lutte contre le blanchiment d'argent comporte des champs OBLIGATOIRES qui sont essentiels pour la détection du blanchiment d'argent, tels que la valeur et l'heure de la transaction. Le produit comporte également des champs RECOMMANDÉS permettant d'améliorer la couverture des risques, par l'analyse de l'équité et la traçabilité des données.

Pour optimiser la couverture, vous devez fournir des champs RECOMMANDÉS, car certains d'entre eux activer des fonctionnalités supplémentaires qui sont des indicateurs de risque critiques pour certains et les typologies.

Les champs de données classés comme "RECOMMANDÉS" peuvent améliorer la couverture de la typologie des risques de deux manières :

  • En acceptant les typologies qui ne comportent aucune fonctionnalité associée calculée à partir des champs de données OBLIGATOIRES (par exemple, le blanchiment d'argent via des juridictions à haut risque)
  • En renforçant la couverture d'une typologie déjà acceptée avec de nouvelles les caractéristiques qui donnent des résultats supplémentaires (par exemple, le "muling")

Le tableau suivant récapitule la finalité de tous les champs RECOMMANDÉS de l'AML. Schéma d'IA générative.

ChampTablesImpact sur les performances ?Impact de la couverture des typologies ?Autres utilisations
nationalitiesGroupeOui Oui, plusieurs N/A
residencies Groupe Oui
birth_dateGroupe Dépend de la version du moteur Oui, plusieurs Champ peut être utilisé pour votre propre analyse de l'équité.
establishment_date Groupe Selon la version du moteur Oui, plusieurs Non
gender Groupe Dépend de la version du moteur Oui, plusieurs Vous pouvez utiliser ce champ pour votre propre analyse de l'équité.
is_entity_deletedNonNonCe champ peut être nécessaire pour modéliser correctement la façon dont les entités changent au fil du temps, selon la façon dont vous gérez vos données en interne (voir Comprendre comment les données changent au fil du temps).
source_systemNonNonField vous aide à gérer la qualité de l'ensemble de données.