Comprendere i requisiti e il modello dei dati AML

Al centro di AML AI c'è una comprensione dettagliata e aggiornata dei singoli clienti della banca, in particolare di quanto segue:

• Dati demografici
• Tenute del conto
• 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 dei requisiti dei dati per AML. Lo schema stesso, inclusi i dettagli dei singoli campi, viene visualizzato nel modello dei dati di input AML (file CSV).

In questa pagina non vengono trattati i seguenti prerequisiti:

• Configurazione per utilizzare AML AI con un set di dati AML (consulta Configurare un progetto e le autorizzazioni)
• Argomenti relativi a sicurezza e conformità (vedi le pagine in Prepararsi per la governance del modello e del rischio)

Panoramica dei requisiti dei dati

Il modello dei dati AML combina informazioni su parti commerciali e di vendita al dettaglio, relativi account e transazioni, nonché informazioni dettagliate sui casi di rischio relativi a queste parti. Questa sezione introduce aspetti importanti del modello dei dati che sono validi nelle diverse entità.

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

Dati bancari di base

• Tabelle: Party, AccountPartyLink, Transaction
• Finalità: funge da raccolta strutturata di dati sui clienti e sulla loro attività bancaria, utilizzata per rilevare caratteristiche e comportamenti rischiosi

Dati dell'indagine sui rischi

• Tabella: RiskCaseEvent
• Scopo:
  • Funge da raccolta strutturata di dati sui processi di indagine dei rischi e sulle parti precedentemente identificate come rischiose
  • Assiste nella creazione di etichette di addestramento per i modelli di rischio AML

Dati supplementari

• Tabella: PartySupplementaryData
• Finalità: contiene informazioni aggiuntive pertinenti all'identificazione del rischio di riciclaggio di denaro che non sono contemplate nel resto dello schema

Per ulteriori informazioni, consulta Modello dei dati di input AML (file CSV). Quando le tabelle sono pronte in 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, a partire dalla configurazione, l'addestramento e la valutazione del motore. Per assicurarti che i dati rimangano invariati, ti consigliamo di creare uno snapshot delle tabelle BigQuery dopo che hanno superato la convalida dei dati. Se non esegui snapshot dei dati, le operazioni di AML AI leggono le tabelle BigQuery ogni volta che un'operazione utilizza il set di dati, quindi le modifiche al set di dati potrebbero influire su ottimizzazione, addestramento, backtesting e previsioni.

Errori

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