AML AI の中核となるのは、特に以下を含む、銀行の個々の顧客についての詳細かつ最新の理解です。
- ユーザー属性
- 口座所有
- トランザクション アクティビティ
- トランザクション グラフ
- リスク調査アクティビティ
このページでは、AML AI で使用されるデータの作成と管理について説明します。これには、AML のデータモデル、データスキーマ、データ要件の詳細も含まれます。個々のフィールドの詳細を含むスキーマ自体は、AML 入力データモデル（CSV ファイル）に表示されます。
このページでは、次の前提条件について説明しません。
- AML データセットで AML AI を使用するためのセットアップ（プロジェクトと権限を設定するを参照）
- セキュリティとコンプライアンスのトピック（モデルとリスク ガバナンスの準備ページを参照）
データ要件の概要
AML データモデルは、リテールとコマーシャルの当事者、その口座とトランザクション、およびこれらの当事者に関連するリスクケースに関する詳細情報を組み合わせます。このセクションでは、さまざまなエンティティで有効なデータモデルの重要な側面について説明します。
AML データモデル スキーマは、コア バンキング データ、リスク調査データ、補足データの 3 つの領域に分かれています。
コア バンキング データ
- テーブル: Party、AccountPartyLink、Transaction
- 目的: 顧客と銀行取引に関する構造化されたデータとして機能し、リスクのある特性や行動の検出に使用する
リスク調査データ
- テーブル: RiskCaseEvent
- 目的:
- リスク調査プロセスと、以前にリスクとして特定された当事者に関するデータの構造化データ コレクションとして機能する
- AML リスクモデルのトレーニング ラベルの作成を支援する
追加のデータ
- テーブル: PartySupplementaryData
- 目的: スキーマの残りの部分でカバーされないマネー ロンダリングのリスクに関連する追加情報を含む
詳細については、AML 入力データモデル（CSV ファイル）をご覧ください。BigQuery でテーブルの準備が整ったら、AML AI を使用してデータセットを作成して管理します。
エラー
データセットの作成時に、1 つ以上のデータ検証エラーが発生することがあります。これらのエラーを修正する方法については、データ検証エラーをご覧ください。