AML AI の中核となるのは、特に以下を含む、銀行の個々の顧客についての詳細かつ最新の理解です。
- ユーザー属性
- 口座所有
- トランザクション アクティビティ
- トランザクション グラフ
- リスク調査アクティビティ
このページでは、データモデル、データスキーマ、AML のデータ要件の詳細など、AML AI で使用されるデータの作成と管理について説明します。個々のフィールドの詳細を含むスキーマ自体は、AML 入力データモデル(CSV ファイル)に表示されます。
次の前提条件はこのページで説明しません。
- AML データセットで AML AI を使用するための設定(プロジェクトと権限の設定を参照)
- セキュリティとコンプライアンスのトピック(モデルとリスク ガバナンスを準備するのページを参照)
データ要件の概要
AML データモデルは、リテールとコマーシャルの当事者、その口座とトランザクション、およびこれらの当事者に関連するリスクケースに関する詳細情報を組み合わせます。このセクションでは、さまざまなエンティティ間で有効なデータモデルの重要な側面について説明します。
AML データモデル スキーマは、コア バンキング データ、リスク調査データ、補足データの 3 つの領域で構成されています。
コア バンキング データ
- テーブル: Party、AccountPartyLink、Transaction
- 目的: 顧客と銀行取引に関する構造化されたデータとして機能し、リスクのある特性や行動の検出に使用する
リスク調査データ
- テーブル: RiskCaseEvent
- 目的:
- リスク調査プロセスと、以前にリスクとして特定された当事者に関するデータの構造化データ コレクションとして機能する
- AML リスクモデルのトレーニング ラベルの作成を支援する
補足データ
- テーブル: PartySupplementaryData
- 目的: スキーマの残りの部分でカバーされないマネー ロンダリングのリスクに関連する追加情報を含む
詳細については、AML 入力データモデル(CSV ファイル)をご覧ください。BigQuery でテーブルが準備できたら、AML AI を使用してデータセットを作成および管理します。
エラー
データセットの作成時に、1 つ以上のデータ検証エラーが発生することがあります。これらのエラーの修正方法については、データ検証エラーをご覧ください。