利用大數據分析審判反洗錢的未來

大數據分析是指對規模巨大的數據進行分析。大數據可以概括為5個V， 數據量大(Volume)、速度快(Velocity)、類型多(Variety)、價值(Value)、真實性(Veracity)。大數據作為時下最火熱的IT行業的辭彙，隨之而來的數據倉庫、數據安全、數據分析、數據挖掘等等圍繞大數據的商業價值的利用逐漸成為行業人士爭相追捧的利潤焦點。隨著大數據時代的來臨，大數據分析也應運而生。

大數據與反洗錢：

中國的銀行、金融機構以及准金融機構(以下統稱金融機構)，在涉及到跨境資金轉移的時候，會面臨著更加嚴格的反洗錢以及反資助恐怖分子(以下統稱反洗錢)的合規監管。

在繼續往下聊合規監管這個問題時，我們似乎有必要區分一下反洗錢不合規與洗錢犯罪的區別，如果一個金融機構明知(甚至應當知道)其所服務的客戶有洗錢行為，仍然為其提供便利，進而達到了掩飾、隱瞞非法收入的來源和性質這樣一個可以洗錢罪入刑的程度，那麼這個金融機構就是在實施犯罪行為而非我們所說的合規問題了。當一個律師在討論「知道」或者「應當知道」這個問題時，合規問題可能要升級到刑事責任問題了。

傳統的反洗錢合規管理工具，比如關聯性的資料庫管理體系(Relational Database Management System)，已經不能夠滿足現代金融業的反洗錢合規需求，尤其是在一個金融機構涉及到跨境資金轉移時，傳統的反洗錢合規管理工具更是顯得「捉襟見肘」。首先，參與到境外交易的金融機構所涉及的數據量被顯著地放大;第二，金融機構面臨著多語種的語言轉換，從而加大了反洗錢的合規難度;第三，原來看似不是那麼重要的一些反洗錢合規需求(比如反資助恐怖分子的合規需求)一旦涉及境外交易就會變得急迫起來;第四，外國監管機構的監管要求可能比國內的監管要求更加嚴格，導致很多金融機構不適應。解決這些問題的更好的方法，換言之，升級合規管理體系來應對更嚴格的反洗錢合規義務，比較好的解決方案可能就是大數據分析。

大數據分析是指對規模巨大的數據進行分析。大數據可以概括為5個V， 數據量大(Volume)、速度快(Velocity)、類型多(Variety)、價值(Value)、真實性(Veracity)。大數據作為時下最火熱的IT行業的辭彙，隨之而來的數據倉庫、數據安全、數據分析、數據挖掘等等圍繞大數據商業價值的利用逐漸成為行業人士爭相追捧的利潤「焦點」。隨著大數據時代的來臨，大數據分析也應運而生。我們通過本文來看一看金融機構針對反洗錢合規的大數據分析有什麼特點。

?

大數據具體應用：

首先，得花錢投資來收集和儲存客戶數據

收集並儲存客戶數據當然會有成本支出。為了滿足監管需求，金融機構必須要收集並儲存能夠滿足監管需求的合規數據，但是這些合規數據對於大數據分析來說可能還不夠，一個金融機構應當考慮進一步細化它能從客戶那裡所收集的數據-——有的金融機構已經考慮在收集自然人客戶的聲音，作為聲紋數據收集保存起來。

進一步細化客戶的數據貌似吃力不討好，其實，這些金融機構所收集到的數據也是資產，可以讓金融機構朝著定製化的方向更加精準地研發以及提升服務產品來匹配客戶的需求，從而起到「一石二鳥」的作用。

其次，數據儀錶化

數據儀錶化是指把那些與合規管理相關的數據通過人性化的、一看就懂的儀錶盤的方式予以展示，從而實現人機對話。

第三，數據去重(Deduplication)

數據會重複，所以要去重，從而能夠節省數據儲存空間及費用，並提高大數據分析的實時性、有效性。

數據去重對於反洗錢來說還有一個非常實際的效用，那就是能夠發現一個涉嫌洗錢的公司或者個人是否開了多個賬戶從而方便洗錢。

第四，數據來自於多個渠道

大數據分析除了我們前面所說的數據量大之外，還體現在數據來源廣泛。就一個客戶而言，如果針對它、他或她的數據來自於多個渠道，且這些渠道本身的差異化巨大，那麼其分析和挖掘出來的結果才會形成這個客戶的全息圖景，從而更加真實並具有前瞻性。

為了讓數據量足夠大，一個金融機構也許還得向其他第三方去調取數據。所以應當有串聯繫統，把各個不同的資料庫的數據串聯起來進行分析。

最後，向人工智慧演變

人工智慧，相對於一個數據分析平台而言，具有自我學習、糾錯、成長的功能。大數據分析再加上日益現代化的分析技術就會使得大數據分析朝著人工智慧的方向發展，從而使得大數據分析能夠更加精準地管控洗錢風險。

總之，大數據分析對於一個金融機構的反洗錢合規而言是「最佳實踐」(Best practice)，其實對於一些其他銀行及金融機構的業務(比如信貸風控)而言也是如此。這個最佳實踐還可以應用到其他行業的其他應用(比如任何行業的客戶營銷、賄賂風險與欺詐風險防範)。從這個角度講，大數據分析豈止是反洗錢的未來?它一定也是銀行業甚至其他行業的未來!

文/易金欽盤