Comprendere il modello dei dati AML e i relativi requisiti

Alla base di AML AI c'è una comprensione dettagliata e aggiornata dei singoli clienti della banca, coprendo in particolare i seguenti servizi:

• Dati demografici
• Possessori dell'account
• Attività transazionale
• Grafico delle transazioni
• Attività di indagine sui rischi

Questa pagina illustra la creazione e la gestione dei dati utilizzati da AML AI, inclusi i dettagli del modello dei dati, dello schema dei dati e requisiti dei dati per AML. Lo schema stesso, inclusi i dettagli singoli campi, vengono visualizzati nel modello dei dati di input AML (file CSV).

I seguenti prerequisiti non sono trattati in questa pagina:

• La configurazione per utilizzare AML AI con un set di dati AML (vedi Configura un progetto e le autorizzazioni)
• Argomenti su sicurezza e conformità (vedere le pagine in Prepararsi per il modello e la governance del rischio)

Panoramica dei requisiti dei dati

Il modello dei dati AML combina informazioni su soggetti retail e parti commerciali, e transazioni, nonché informazioni dettagliate sui casi di rischio correlati queste parti. Questa sezione introduce aspetti importanti del modello dei dati che sono validi tra le diverse entità.

Lo schema del modello dei dati AML è organizzato in tre aree: dati bancari di base, rischi dati dell'indagine e dati supplementari.

Dati bancari principali

• Tables: Party, AccountPartyLink, Transazione
• Scopo: funge da raccolta strutturata di dati sui clienti e la propria attività bancaria, utilizzata per rilevare caratteristiche di rischio comportamenti

Dati dell'indagine sui rischi

• Tabella: RiskCaseEvent
• Finalità:
  .
  • Serve da raccolta strutturata di dati sull’indagine sui rischi di processi e parti identificati in precedenza come rischiosi
  • Agevola la creazione di etichette di addestramento per i modelli di rischio AML

Dati supplementari

• Tabella: PartySupplementaryData
• Finalità: contiene informazioni aggiuntive pertinenti per l'identificazione di denaro. rischio di riciclaggio non contemplato nel resto dello schema

Per maggiori informazioni, consulta la sezione sul modello dei dati di input AML. (file CSV). Quando le tabelle sono pronte BigQuery, utilizzerai AML AI per creare e gestire un set di dati.

Nota: la maggior parte dei criteri di governance dei modelli definisce un requisito per monitorare la derivazione dei dati utilizzata in tutte le operazioni di ML, dalla configurazione, all'addestramento e alla valutazione dei motori. Per assicurarti che i dati rimangano invariati, ti consigliamo di: creare uno snapshot delle tabelle BigQuery (anziché limitarsi a creare delle copie) e utilizzare Snapshot di BigQuery nel tuo set di dati AML AI. Nel caso in cui non gli snapshot dei dati, le operazioni di AML AI leggono le tabelle BigQuery utilizzo del set di dati da parte di un'operazione, pertanto le modifiche al set di dati potrebbero influire su ottimizzazione, backtesting e previsioni.

Errori

Quando crei un set di dati, potresti riscontrare una o più funzionalità di convalida dei dati errori. Per informazioni su come correggere questi errori, consulta Errori di convalida dei dati.