Sélectionner des données pour une meilleure couverture de la typologie des performances et des risques

La fonctionnalité principale d'AML AI est de prendre en charge les types de risques liés à la surveillance des transactions. Ces typographies incluent les suivantes:

  • Entonnoir de conversion (emplacement)
  • Fonds répercutés
  • Structuration
  • Juridictions à haut risque
  • Activités transfrontalières
  • Shell sociétés
  • Facteurs professionnels
  • Les mules

Pour optimiser la couverture, vous ne devez pas seulement fournir des champs OBLIGATOIRES, mais aussi des champs RECOMMANDÉS, car certains d'entre eux activent des fonctionnalités supplémentaires qui sont des indicateurs de risque critiques pour les typographies les moins courantes.

Les champs de données classés dans la catégorie RECOMMENDED peuvent améliorer la couverture de la typologie des risques de deux manières:

  • En prenant en charge des typologies moins courantes qui ne disposent d'aucune fonctionnalité calculée à partir des champs de données OBLIGATOIRES (par exemple, blanchiment d'argent via des juridictions à haut risque).
  • En renforçant la couverture d'une typologie déjà prise en charge à l'aide de nouvelles fonctionnalités qui génèrent des résultats supplémentaires (par exemple, la gestion de budget).

Le tableau suivant récapitule l'objectif de tous les champs RECOMMANDÉS du schéma AML AI.

ChampTablesQuel impact sur les performances ?Impact de la couverture typographique ?Autres utilisations
nationalitiesGroupeOui Oui – Multiplication d'argent
  • Blanchiment d'argent par le biais d'entreprises fictives et d'outils professionnels
  • Blanchiment d'argent dans des juridictions à haut risque et dans le cadre d'activités transfrontalières
Non disponible
residenciesGroupeOui
birth_dateGroupeNonNon Vous pouvez utiliser ce champ pour votre propre analyse de l'équité. Le champ peut être utilisé pour générer des fonctionnalités, selon la version du moteur.
establishment_dateGroupeNonNon Le champ peut être utilisé pour générer des fonctionnalités, selon la version du moteur.
genderGroupeNonNonVous pouvez utiliser ce champ pour votre propre analyse de l'équité.
is_entity_deletedNonNonCe champ peut être nécessaire pour modéliser correctement l'évolution des entités au fil du temps, en fonction de la manière dont vous gérez vos données en interne (voir Comprendre l'évolution des données au fil du temps).
source_systemNonNonCe champ vous permet de gérer la qualité des ensembles de données.