L'IA de lutte contre le blanchiment d'argent repose sur une compréhension détaillée et à jour des parties de la banque et de leur activité, couvrant en particulier les données suivantes:
- Activité transactionnelle
- Comptes détenus
- Données démographiques sur les partis
- Données d'investigation des risques
Cette page explique comment créer et gérer les données utilisées par l'IA AML, y compris les détails du modèle de données, du schéma de données et des exigences en matière de données pour l'AML. Le schéma lui-même, y compris les détails des différents champs, apparaît dans le modèle de données d'entrée AML (fichier CSV). Un exemple d'ensemble de données synthétiques est également disponible via le guide de démarrage rapide.
Les conditions préalables suivantes ne sont pas abordées sur cette page:
- Configurez l'IA AML avec un ensemble de données AML (voir la section Configurer un projet et des autorisations).
- Fonctionnalités de sécurité et de conformité (voir les pages sous Fonctionnalités de sécurité et de conformité)
Présentation des exigences concernant les données
Le modèle de données de lutte contre le blanchiment d'argent accepte les informations sur les parties commerciales ou de vente au détail, leurs comptes et leurs transactions, ainsi que des informations détaillées sur les cas de risque liés à ces parties. Cette section présente les aspects importants du modèle de données qui sont valides pour les différentes entités.
Le schéma du modèle de données AML est organisé en trois zones: les données bancaires de base, les données d'investigation des risques et les données complémentaires.
Données de base
- Tables: Party, AccountPartyLink, Transaction
- Objectif: sert de collection structurée de données sur vos clients et leur activité bancaire, utilisée pour détecter les risques. Toutes les parties, comptes et transactions à surveiller doivent être inclus. Fournir des données commerciales ou de vente au détail dans un ensemble de données AML AI
Données d'investigation des risques
- Table: RiskCaseEvent
- Objectif :
- Il sert de collection structurée de données sur les processus d'investigation des risques et les parties précédemment identifiées comme risquées.
- Aide à créer des libellés d'entraînement pour les modèles de risque de blanchiment d'argent
Données supplémentaires
- Table: PartySupplementaryData
- Objectif: table facultative pouvant contenir des informations supplémentaires pertinentes pour identifier les risques de blanchiment d'argent non couverts par le reste du schéma. Vous devez commencer à utiliser l'IA de lutte contre le blanchiment d'argent sans fournir de données supplémentaires.
Relations entre les tables
Le diagramme suivant décrit les relations entre les tables, les clés primaires et les clés étrangères.
Erreurs
Lorsque vous créez un ensemble de données, l'IA AML effectue automatiquement des contrôles de validation des données. Pour en savoir plus sur ces vérifications, les messages d'erreur et la façon de les résoudre, consultez la section Erreurs de validation des données.
Pour en savoir plus sur le schéma technique, consultez le modèle de données d'entrée AML (fichier CSV). Pour comprendre les exigences et la portée de la durée des données, consultez la section Comprendre la portée et la durée des données. Lorsque vous avez des tables prêtes dans BigQuery, vous pouvez utiliser l'IA AML pour créer et gérer un ensemble de données.