反洗钱数字化四大提升目标是什么？

我们观察到，处于不同反洗钱数字化成熟度的金融机构，存在不同的数字化痛难点和 相应的提升需求。

1.目标1：夯实基础 – 反洗钱数据治理

数据治理是反洗钱数字化的基石，为反洗钱工作提供数据保障并护航反洗钱有效性。 优质的反洗钱数据应完整、准确记录客户身份及交易信息，深度结合机构自身业务， 最大化还原业务交易的资金流转实质，为反洗钱工作提供有价值的调查线索。

许多机构已经认识到反洗钱数据治理对于其他反洗钱工作的重要意义与作用。盘活数 据资产，提高数据利用率，释放数据应用价值，反哺业务。与此同时，由于反洗钱数 据涵盖客户、账户、交易等多方面要素，往往涉及了机构大量的核心数据，具有治理 难度大、涉及范围广、牵动部门多等特点。

此外，反洗钱数据治理正在经历由基础向上提升的过程：基础阶段反洗钱数据治理主 要关注在基于监管现场检查要素（银发 [2017] 300号文，中国人民银行关于印发《银 行业金融机构反洗钱现场检查数据接口规范（试行）》的通知）的数据检核、客户身 份信息治理；而进阶阶段则是以数据应用为导向，注重围绕业务场景、交易数据、内 部账户的数据治理工作。

以收单业务场景的治理为例： 某A银行作为收单机构，客户为与其建立收单业务关系的特约商户。客户通过POS机进 行收款，收单资金先计入A银行收单内部账户；而收单指定结算账户常常是特约商户在 他行开立的账户。

因特约商户仅在A银行开展了收单业务但未开立结算账户，故而账户系统未记录该交易； A银行视角下，收单资金动账过程涉及账户均为内部账户。因此，如果简单抓取客户账 户系统数据，该笔交易将不能纳入反洗钱监测；此外，通过从海量内部账户记录还原 该交易时，还需准确抓取并拼接才能准确还原交易要素信息。

2.目标2：提高效能 – 模型订制化开发、验证与调优

反洗钱监管要求金融机构对模型至少每年对监测标准及其运行效果进行一次全面评估， 并根据评估结果完善监测标准。在“风险为本”的原则下，金融机构还应在特定情况 下及时评估和完善监测标准，包括新产品或新业务以及应对新的洗钱风险形势。反洗 钱模型有效性未来将成为金融机构洗钱风险管理工作开展质效的重要试金石。

金融机构内部来看，反洗钱模型对于厂商的依赖性较强，自主分析管理能力较弱，模 型缺乏针对性，发现风险和识别可疑或重点可疑的能力一般，同时，大量的低效模型 准确率以及冗余预警给金融机构带来了不小的负担。

金融机构正在由粗放的“机械照搬照抄”反洗钱模型，向全面识别、评估自身面临洗 钱风险，充分结合机构客户、交易特征的“订制化”精准模型提升。其解决手段集中 为：模型订制化开发、模型验证评价，以及模型阈值调优。

3.目标3：智能升华 – 模型智能化应用

智能化是数字化的进阶应用，国际和国内反洗钱智能化创新应用具有显著多样性。领 先机构在积极探索AI模型在反洗钱模型的应用场景。这些应用场景，大多从三个角度 辅助反洗钱工作：挖掘未知洗钱风险，减少冗余低效预警，辅助提升自动化程度。

反洗钱智能应用已经全面覆盖可疑交易监测模型、可疑交易审阅及报告、客户风险评 级和名单筛查模型，具体应用场景包括客户分群，预警评分，模型调优，阈值调优， 团伙挖掘等等。从技术层面应用包括有监督、无监督模型以及自然语言处理 （“NLP”）技术应用。

以无监督客户分群为例：传统可疑交易监测模型，对不同客户群体采用统一阈值进行 交易监测，未能参考不同客户群体间交易行为的差异性。

例如：对私客户群体中，不同身份背景特征的客户交易行为显然不同，相同身份背景 客户的交易行为也因开户目的及储蓄消费投资习惯有所不同。

为避免可疑交易监测模型“一刀切”的问题，提升可疑交易监测模型的“风险为本” 能力，对客户群体进行细分是国际上常用的有效手段。客户分群方法中，基于无监督 学习的客户分群是国际实践较常用的方法。无监督客户分群，较传统简单客户分群一 方面更加细分且实践“风险为本”；另一方面，深度结合客户群体交易行为的科学统 计方法。在赋予客户画像的同时，关注了客户群体的交易行为习惯。

无监督客户分群，不仅适合在可疑交易监测模型应用，其基于客户行为的画像能力， 在对高风险客户限制措施管理上也能够很好发挥因“客”制宜的作用。

4.目标4：保障安全 – 筑牢数据安全保障体系

反洗钱数据安全和保密性是数字化的必要保障和前置条件。《中华人民共和国反洗钱 法》及相关法律法规明确规定了金融机构对反洗钱信息安全的法定义务。在反洗钱数 字化过程中，金融机构应将反洗钱信息安全纳入信息安全整体统一管理，于此同时， 重点治理以下两类反洗钱数据安全常见关注点。

数据保密和权限管理：按照分级分类的原则构建完善的数据保护制度，对反洗钱数据 强化流程控制和授权管理。强化反洗钱信息的脱敏和严格控制反洗钱信息知悉范围。

数据出境风险管理：重点关注反洗钱保密信息的潜在数据出境场景。

其中，包括数据 在境内运营收集传输、存储至海外的场景；也包括数据存储在境内，境外机构、组织 或个人可以访问的场景。 其中，对数据系统共享场景丰富，数据系统流转复杂的机构，往往在数据保密和权限 管理方面存在较大挑战。而对于提供大量跨境产品服务，或与境外分支或总部机构交 互较多的机构，则需要特别关注数据出境风险。