Memahami model dan persyaratan data AML

Inti dari AML AI adalah pemahaman yang mendetail dan terbaru tentang pihak bank dan aktivitas mereka, yang mencakup, khususnya, data berikut:

• Aktivitas transaksional
• Kepemilikan akun
• Demografi pesta
• Data investigasi risiko

Halaman ini membahas pembuatan dan pengelolaan data yang digunakan oleh AML AI, termasuk detail model data, skema data, dan persyaratan data untuk AML. Skema itu sendiri, termasuk detail untuk setiap kolom, muncul di model data input AML (file CSV). Contoh set data sintetis juga tersedia melalui Panduan Memulai.

Prasyarat berikut tidak dibahas di halaman ini:

• Penyiapan untuk menggunakan AML AI dengan set data AML (lihat Menyiapkan project dan izin)
• Fitur keamanan dan kepatuhan (lihat halaman di bagian Fitur keamanan dan kepatuhan)

Ringkasan persyaratan data

Model data AML menerima informasi tentang pihak retail atau komersial, akun dan transaksi mereka, serta informasi mendetail tentang kasus risiko yang terkait dengan pihak tersebut. Bagian ini memperkenalkan aspek penting dari model data yang berlaku di berbagai entitas.

Skema model data AML disusun menjadi tiga area: data perbankan inti, data investigasi risiko, dan data tambahan.

Data perbankan inti

• Tabel: Party, AccountPartyLink, Transaction
• Tujuan: Berfungsi sebagai kumpulan data terstruktur tentang pelanggan Anda dan aktivitas perbankan mereka, yang digunakan dalam deteksi risiko. Semua pihak, akun, dan transaksi yang akan dipantau harus disertakan. Berikan data retail atau komersial dalam set data AML AI

Data investigasi risiko

• Tabel: RiskCaseEvent
• Tujuan:
  • Berfungsi sebagai kumpulan data terstruktur tentang proses penyelidikan risiko dan pihak yang sebelumnya diidentifikasi sebagai berisiko
  • Membantu pembuatan label pelatihan untuk model risiko AML

Data tambahan

• Tabel: PartySupplementaryData
• Tujuan: Tabel opsional yang dapat berisi informasi tambahan yang relevan untuk mengidentifikasi risiko pencucian uang yang tidak tercakup dalam skema lainnya. Anda harus mulai menggunakan AI AML tanpa memberikan data tambahan.

Hubungan tabel

Diagram berikut menjelaskan hubungan tabel, kunci utama, dan kunci asing.

Catatan: Karena AI AML menggunakan data dari waktu ke waktu, kunci utama dapat menyertakan validity_start_time untuk memungkinkan representasi data yang akurat dari waktu ke waktu. Misalnya, AML AI dapat menangkap saat pelanggan ditambahkan ke atau dihapus dari rekening bersama. Untuk mengetahui detail selengkapnya, lihat memahami perubahan data dari waktu ke waktu.

Error

Saat Anda membuat set data, AML AI akan otomatis melakukan pemeriksaan validasi data. Untuk informasi tentang pemeriksaan ini, pesan error, dan cara memperbaikinya, lihat Error validasi data.

Untuk informasi selengkapnya tentang skema teknis, lihat model data input AML (file CSV). Untuk memahami persyaratan dan cakupan durasi data, lihat Memahami cakupan dan durasi data. Setelah tabel siap di BigQuery, Anda dapat menggunakan AML AI untuk membuat dan mengelola set data.

Catatan: Sebagian besar kebijakan tata kelola model menentukan persyaratan untuk melacak silsilah data yang digunakan di semua operasi ML dari konfigurasi, pelatihan, dan evaluasi mesin. Untuk memastikan data tetap tidak berubah, sebaiknya buat salinan tabel BigQuery. Jika Anda tidak mengambil snapshot data, operasi AI AML akan membaca tabel BigQuery setiap kali operasi menggunakan set data, sehingga perubahan pada set data dapat memengaruhi penyesuaian, pelatihan, pengujian balik, dan prediksi.