AML AI의 핵심은 은행 당사자와 은행 당사자의 최근 상황에 대한 상세한 이해이며 특히 다음과 같은 분야에 집중됩니다.
트랜잭션 활동
계좌 소유
당사자 인구통계
위험 조사 데이터
이 페이지에서는 AML의 데이터 모델, 데이터 스키마, 데이터 요구사항에 대한 세부정보를 포함하여 AML AI에 사용되는 데이터의 생성과 관리에 대해 설명합니다. 개별 필드의 세부정보를 포함하는 스키마 자체는 AML 입력 데이터 모델(CSV 파일)에 나타납니다. 빠른 시작을 통해 합성 예시 데이터 세트도 사용할 수 있습니다.
[[["이해하기 쉬움","easyToUnderstand","thumb-up"],["문제가 해결됨","solvedMyProblem","thumb-up"],["기타","otherUp","thumb-up"]],[["이해하기 어려움","hardToUnderstand","thumb-down"],["잘못된 정보 또는 샘플 코드","incorrectInformationOrSampleCode","thumb-down"],["필요한 정보/샘플이 없음","missingTheInformationSamplesINeed","thumb-down"],["번역 문제","translationIssue","thumb-down"],["기타","otherDown","thumb-down"]],["최종 업데이트: 2025-04-21(UTC)"],[[["This page details the data model, schema, and requirements for AML AI, which relies on understanding a bank's parties and their activities."],["The AML data model is divided into three main areas: core banking data (parties, accounts, transactions), risk investigation data (risk cases), and optional supplementary data."],["The data model includes tables such as Party, AccountPartyLink, Transaction, RiskCaseEvent, and PartySupplementaryData, each serving a specific purpose in risk detection and model training."],["AML AI performs data validation checks when a dataset is created, with details on errors and fixes available in the Data Validation Errors section."],["Data lineage is important, and it's recommended to take a snapshot of your BigQuery tables to preserve data integrity for AML AI operations."]]],[]]
