Comprendere il modello dei dati AML e i relativi requisiti

Al centro dell'IA AML c'è una conoscenza dettagliata e aggiornata delle parti della banca e della loro attività, che copre, in particolare, i seguenti dati:

• Attività transazionale
• Possessori dell'account
• Dati demografici dei partiti
• Dati dell'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 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). È inoltre disponibile un set di dati di esempio sintetico tramite la guida introduttiva.

I seguenti prerequisiti non sono trattati in questa pagina:

• La configurazione per utilizzare AML AI con un set di dati AML (vedi Configura un progetto e le autorizzazioni)
• Funzionalità di sicurezza e conformità (vedi le pagine nella sezione Funzionalità di sicurezza e conformità)

Panoramica dei requisiti dei dati

Il modello dei dati AML accetta informazioni su parti al dettaglio o commerciali, i loro e transazioni, nonché informazioni dettagliate sui casi di rischio correlati queste parti. Questa sezione introduce aspetti importanti del modello dei dati che sono validi tra le diverse entità.

Lo schema del modello di dati AML è organizzato in tre aree: dati di core banking, dati di indagine sui rischi e dati supplementari.

Dati di core banking

• Tables: Party, AccountPartyLink, Transazione
• Scopo: funge da raccolta strutturata di dati sui clienti e la propria attività bancaria, utilizzata per rilevare i rischi. Tutte le parti, gli account e le transazioni da monitorare. Fornisci dati commerciali o di vendita al dettaglio in un set di dati di IA AML

Dati dell'indagine sui rischi

• Tabella: RiskCaseEvent
• Scopo:
  • Serve da raccolta strutturata di dati sull’indagine sui rischi di processi e parti identificati in precedenza come rischiosi
  • Aiuta a creare etichette di addestramento per i modelli di rischio AML

Dati supplementari

• Tabella: PartySupplementaryData
• Finalità: tabella facoltativa che può contenere informazioni aggiuntive pertinenti all'identificazione del rischio di riciclaggio di denaro che non è coperto dal resto dei . Dovresti iniziare a utilizzare l'IA AML senza fornire alcun dato aggiuntivo.

Relazioni tabella

Il seguente diagramma descrive le relazioni tra tabelle, le chiavi primarie e chiavi esterne.

Nota: poiché AML AI utilizza i dati nel tempo, le chiavi primarie potrebbero includere validity_start_time per consentire una rappresentazione accurata dei dati nel tempo. Per Ad esempio, AML AI può rilevare quando un cliente è stato aggiunto rimosso da un account comune. Per maggiori dettagli, consulta Informazioni su come cambiano i dati nel tempo.

Errori

Quando crei un set di dati, AML AI esegue automaticamente i dati controlli di convalida. Per informazioni su questi controlli, i messaggi di errore e su come correggerli, consulta Errori di convalida dei dati.

Per ulteriori informazioni sullo schema tecnico, consulta Modello dei dati di input AML (file CSV). Per comprendere i requisiti di durata dei dati e l'ambito, consulta Comprendi l'ambito e la durata dei dati. Quando hai pronto le tabelle in BigQuery, puoi utilizzare da AML AI a 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, dalla configurazione del motore la valutazione delle prestazioni. Per assicurarti che i dati rimangano invariati, ti consigliamo di creare una delle tue tabelle BigQuery. Se non acquisisci lo snapshot dei dati, le operazioni di AI AML leggono le tabelle BigQuery ogni volta che un'operazione utilizza il set di dati, pertanto le modifiche al set di dati potrebbero influire su ottimizzazione, addestramento, backtesting e previsioni.