Memahami model dan persyaratan data AML

Inti dari AML AI adalah pemahaman yang mendetail dan terbaru tentang masing-masing pelanggan bank yang mencakup, khususnya, hal berikut:

• Demografi
• Kepemilikan rekening
• Aktivitas transaksi
• Grafik transaksi
• Aktivitas 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 dalam model data input AML (file CSV).

Prasyarat berikut tidak dibahas di halaman ini:

• Penyiapan untuk menggunakan AML AI dengan set data AML (lihat Menyiapkan project dan izin)
• Topik keamanan dan kepatuhan (lihat halaman di bagian Menyiapkan tata kelola model dan risiko)

Ringkasan persyaratan data

Model data AML menggabungkan informasi mengenai pihak retail dan komersial, akun dan transaksi mereka, serta informasi terperinci mengenai kasus risiko yang terkait dengan para pihak ini. Bagian ini memperkenalkan aspek penting dari model data yang valid di berbagai entity.

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

Data perbankan inti

• Tabel: Party, AccountPartyLink, Transaksi
• Tujuan: Berfungsi sebagai kumpulan data terstruktur tentang nasabah Anda dan aktivitas perbankan mereka, yang digunakan dalam mendeteksi karakteristik dan perilaku yang berisiko

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: Berisi informasi tambahan yang relevan untuk mengidentifikasi risiko pencucian uang yang tidak tercakup dalam skema lainnya

Untuk mengetahui informasi selengkapnya, lihat model data input AML (file CSV). Setelah menyiapkan tabel di BigQuery, Anda 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, mulai dari konfigurasi, pelatihan, dan evaluasi mesin. Untuk memastikan data tetap tidak berubah, sebaiknya buat snapshot tabel BigQuery Anda setelah validasi data diteruskan. Jika Anda tidak mengambil snapshot data, operasi AML AI akan membaca tabel BigQuery setiap kali operasi menggunakan set data, sehingga perubahan pada set data dapat memengaruhi penyesuaian, pelatihan, pengujian kembali, dan prediksi.

Error

Saat membuat set data, Anda mungkin mengalami satu atau beberapa error validasi data. Untuk mengetahui informasi tentang cara memperbaiki error ini, lihat Error validasi data.