La IA de lucha contra el blanqueo de capitales se basa en un conocimiento detallado y actualizado de las partes del banco y su actividad, que abarca, en particular, los siguientes datos:
- Actividad transaccional
- Tenencias de la cuenta
- Datos demográficos de los partidos
- Datos de investigación de riesgos
En esta página se explica cómo crear y gestionar los datos que usa AML AI, incluidos los detalles del modelo de datos, el esquema de datos y los requisitos de datos de AML. El propio esquema, incluidos los detalles de los campos individuales, se muestra en el modelo de datos de entrada de la lucha contra el blanqueo de dinero (archivo CSV). También hay disponible un conjunto de datos sintéticos de ejemplo en la guía de inicio rápido.
En esta página no se tratan los siguientes requisitos previos:
- Configurar AML AI con un conjunto de datos de AML (consulta Configurar un proyecto y permisos)
- Funciones de seguridad y cumplimiento (consulta las páginas de Funciones de seguridad y cumplimiento)
Resumen de los requisitos de datos
El modelo de datos de PLA acepta información sobre partes comerciales o minoristas, sus cuentas y transacciones, e información detallada sobre casos de riesgo relacionados con estas partes. En esta sección se presentan aspectos importantes del modelo de datos que son válidos en las diferentes entidades.
El esquema del modelo de datos de la lucha contra el blanqueo de dinero se divide en tres áreas: datos bancarios principales, datos de investigación de riesgos y datos complementarios.
Datos bancarios principales
- Tablas: Party, AccountPartyLink, Transaction
- Finalidad: sirve como colección estructurada de datos sobre sus clientes y su actividad bancaria, que se usa para detectar riesgos. Deben incluirse todas las partes, cuentas y transacciones que se vayan a monitorizar. Proporcionar datos comerciales o de venta al por menor en un conjunto de datos de IA de lucha contra el blanqueo de capitales
Datos de investigación de riesgos
- Tabla: RiskCaseEvent
- Objetivo:
- Sirve como una colección estructurada de datos sobre los procesos de investigación de riesgos y las partes identificadas previamente como peligrosas.
- Ayuda a crear etiquetas de entrenamiento para modelos de riesgo de blanqueo de capitales
Datos complementarios
- Tabla: PartySupplementaryData
- Finalidad: tabla opcional que puede contener información adicional relevante para identificar el riesgo de blanqueo de capitales que no se incluye en el resto del esquema. Deberías empezar a usar la IA de AML sin proporcionar ningún dato complementario.
Relaciones de tabla
En el siguiente diagrama se describen las relaciones de las tablas, las claves principales y las claves externas.
Errores
Cuando creas un conjunto de datos, AML AI realiza automáticamente comprobaciones de validación de datos. Para obtener información sobre estas comprobaciones, los mensajes de error y cómo solucionarlos, consulte Errores de validación de datos.
Para obtener más información sobre el esquema técnico, consulta el modelo de datos de entrada de la lucha contra el blanqueo de dinero (archivo CSV). Para conocer los requisitos y el ámbito de la duración de los datos, consulta el artículo Información sobre el ámbito y la duración de los datos. Cuando tengas las tablas listas en BigQuery, puedes usar la IA de AML para crear y gestionar un conjunto de datos.