AML データモデルと要件を理解する

AML AI の中核となるのは、特に以下を含む、銀行の当事者とその活動についての詳細かつ最新の理解です。

  • トランザクション アクティビティ
  • 口座所有
  • 当事者のユーザー属性
  • リスク調査データ

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。AML のデータモデル、データスキーマ、データ要件の詳細も説明します。個々のフィールドの詳細など、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。合成サンプル データセットは、クイックスタートでも利用できます。

このページでは、次の前提条件については説明しません。

データ要件の概要

AML データモデルは、リテールまたは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受け入れます。このセクションでは、さまざまなエンティティ間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 つの領域で構成されています。

コア バンキング データ

  • テーブル: グループ、AccountPartyLink、トランザクション
  • 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、リスクの検出に使用します。モニタリング対象のすべての当事者、アカウント、トランザクションを含める必要があります。AML AI データセットで小売データまたは商用データのいずれかを提供する

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

補足データ

  • 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オプションのテーブル。補足データを提供せずに AML AI の使用を開始する必要があります。

テーブルの関係

次の図は、テーブルの関係、主キー、外部キーを示しています。

AML データモデルのスキーマ図

エラー

データセットを作成すると、AML AI はデータ検証チェックを自動的に実行します。これらのチェック、エラー メッセージ、修正方法については、データ検証エラーをご覧ください。

技術的なスキーマの詳細については、AML 入力データモデル（CSV ファイル）をご覧ください。 データの保存期間の要件とスコープについては、データのスコープと期間を理解するをご覧ください。BigQuery でテーブルの準備ができたら、AML AI を使用してデータセットを作成して管理できます。