BFC Bulletins Monthly News Digest
Tags Данные Отмывание денег
На сайте международной консалтинговой компании McKinsey & Company вышла статья о современных практиках, которые используют банки для борьбы с отмыванием денег. Самое главное — в нашем пересказе.
Отмывание денег — глобальная проблема. Банки с каждым прикладывают все больше усилий для ее решения, однако мошенники становится все хитрее, а регуляторы требуют все больше.
Основной инструмент для борьбы с отмыванием денег — модель оценки рисков клиента. Однако на практике он не всегда работает, и регуляторы рекомендуют банкам внедрять инновационные решения. Среди них можно выделить следующие:
- Упрощение архитектуры модели оценки рисков. Большинство таких моделей слишком сложные, и немногие могут настроить их для корректной работы в современных условиях.
- Повышение качества данных. Низкокачественная информация (некорректные данные о клиенте, неправильное описание его бизнеса) — основная причина, из-за которой модели оценки рисков клиентов не помогают банкам. Справиться с этим помогают алгоритмы машинного обучения и обработка естественного языка.
- Использование статистического анализа наряду с экспертными суждениями. Обычно банки полагаются на специалистов и нормативные руководства для анализа данных в рамках моделей оценки рисков. Зачастую это усложняет процесс: у разных экспертов разные мнения, сделать общий вывод на их основе не всегда легко. Статистически откалиброванные модели использовать куда проще. Кроме того, у них меньше процент ложных срабатываний.
- Постоянное обновление профилей клиентов. Информация о пользователе быстро устаревает, однако большинство моделей оценки рисков не учитывают этого. Другая проблема в том, что банки не всегда уделяют внимание поведению клиента. Хотя даже информация о том, кем он работает и какими банковскими продуктами пользуется, уже повышает ценность модели оценки рисков. Еще больше может сказать о нем, например, поведение при совершении транзакций.
- Инструменты машинного обучения и network science (наука о сетях). Их применение существенно повышает эффективность моделей оценки рисков.
