Le fonctionnement d'AML AI repose sur une compréhension détaillée et à jour des clients individuels de la banque, couvrant notamment les éléments suivants:
- Données démographiques
- Avoirs de comptes
- Activité transactionnelle
- Graphique des transactions
- Activité d'enquête sur les risques
Cette page traite de la création et de la gestion des données utilisées par AML AI, y compris des détails du modèle de données, du schéma de données et des exigences en termes de données pour AML. Le schéma lui-même, y compris les détails des champs individuels, apparaît dans le modèle de données d'entrée AML (fichier CSV).
Les conditions préalables suivantes ne sont pas traitées sur cette page:
- Configurer AML AI avec un ensemble de données AML (consultez Configurer un projet et les autorisations)
- Sujets liés à la sécurité et à la conformité (consultez les pages de la section Préparer le modèle et la gouvernance des risques)
Présentation des exigences concernant les données
Le modèle de données AML combine des informations sur les marchands et les parties commerciales, leurs comptes et leurs transactions, ainsi que des informations détaillées sur les cas de risque qui leur sont associés. Cette section présente des aspects importants du modèle de données valides pour les différentes entités.
Le schéma du modèle de données AML est organisé en trois domaines: données bancaires principales, données d'investigation sur les risques et données supplémentaires.
Données bancaires principales
- Tables: Party, AccountPartyLink, Transaction
- Objectif: servir de collection structurée de données sur vos clients et leur activité bancaire, utilisée pour détecter les caractéristiques et les comportements à risque
Données d'enquête sur les risques
- Tableau: RiskCaseEvent
- Objectif :
- Sert de collecte structurée de données sur les processus d'enquête sur les risques et les parties précédemment identifiées comme étant à risque
- Aide à la création d'étiquettes d'entraînement pour les modèles de risque AML
Données supplémentaires
- Tableau: PartySupplementaryData
- Objectif: Il contient des informations supplémentaires pertinentes pour identifier les risques de blanchiment d'argent qui ne sont pas couverts dans le reste du schéma.
Pour en savoir plus, consultez la section Modèle de données d'entrée AML (fichier CSV). Lorsque vous avez des tables prêtes dans BigQuery, vous pouvez utiliser AML AI pour créer et gérer un ensemble de données.
Erreurs
Lorsque vous créez un ensemble de données, vous pouvez rencontrer une ou plusieurs erreurs de validation des données. Pour savoir comment corriger ces erreurs, consultez Erreurs de validation des données.