大数据技术在商业银行反洗钱工作中的应用研究

2015-09-09

摘 要:商业银行在大数据应用方面具备天然优势,而作为反洗钱职责的承担者,研究应用新技术,用于防范和控制反洗钱活动、提升反洗钱工作的效率有着积极的意义。基于此,探讨了大数据技术应用于反洗钱工作的优势,并提出了一套构建反洗钱系统的方案。


洗钱行为会造成多种危害:掩盖了非法所得,造成资本外逃,使腐败资金转移境外,导致社会财富外流;为违法犯罪集团提供资金,助长违法犯罪,破坏社会稳定;动摇社会信用,危害金融安全。反洗钱是政府动用立法、司法力量,调动有关的组织和商业机构对可能的洗钱活动予以识别,对有关款项予以处置,对相关机构和人士予以惩罚,从而达到阻止犯罪活动目的的一项系统工程。反洗钱工作对稳定市场经济秩序、阻止非法资金外流、维护社会稳定起到重要作用。近年来,随着移动互联网、物联网等信息技术的发展,结构化、半结构化以及非结构化数据出现爆发式增长,大数据时代已经来临。大数据技术为反洗钱工作带来了机遇与挑战,如何将大数据技术应用于反洗钱工作,成为金融监管者需要认真思考与研究的课题。


1 大数据简介


大数据(Big Data)是指巨量数据集,这些数据集无法通过传统的计算机和数据库工具进行存储、处理。在维克托·迈尔舍恩伯格及肯尼斯·库克耶编写的《大数据时代》中,大数据被定义为不用随机分析法(抽样调查)这样的捷径,而采用所有数据进行分析处理。大数据主要有四“V”特征,即:Volume(特大的数据量)、Variety(特别多种多样的数据)、Veracity(数据真实性高且有价值)、Velocity(输入和处理速度快)。目前,大数据技术已经快速应用到商业、政治、金融等行业。企业通过海量数据分析、挖掘,实施精准营销;政客利用大数据分析民意,拉拢选民;金融业利用大量多维度数据训练风险模型,提高风险估算准确度。在这场大数据浪潮中,数据、技术、创新成为核心竞争力。基于大数据,商业模式将迎来新一轮的变革。商业银行是产生大数据的重要主体,同时,也承载着反洗钱的重要职责。探索以大数据为基础的商业银行反洗钱解决方案,对进一步提升反洗钱工作有效性具有重要的意义。


2 反洗钱工作现状


21 世纪初,为了适应国际反洗钱形势,我国反洗钱工作逐步开展,反洗钱监管体系从无到有,逐步建立起来。在监管立法方面,虽然我国的《刑法》中很早就有涉及反洗钱的法律条文,但 2006 年颁布实施的《中华人民共和国反洗钱法》则是监管立法成熟的标识。在反洗钱监管体系构建方面:中国人民银行作为反洗钱的领导者,于2003 年成立了反洗钱局,并在其各省、市分行机构成立了反洗钱监督执行部门;建立了由中央相关部委参加的部际联席会议制度,统筹领导反洗钱的监管工作。尽管我国反洗钱工作开展得如火如荼,取得了些许的成就,但从这几年反洗钱犯罪的涉案资金来看,我国的反洗钱工作依然任重道远。2003 年至 2008 年,中国人民银行和国家外汇管理局共同合作,协助侦查机关破获反洗钱案件 513 起,涉案金额 2779.45 亿人民币。这些数据表明洗钱正在高速侵蚀着我国的经济,大力发展反洗钱工作已经刻不容缓。


3 大数据技术应用于反洗钱工作的优势


3.1 充分发挥商业银行的数据优势


商业银行在大数据应用方面具备天然优势。在业务的开展过程中,商业银行每天都会产生海量数据,包括交易系统产生的数以亿计的交易信息、业务处理过程中用于作业、授权的影像视频等半结构化数据、银行官网的客户访问以及客户投诉评价等交互信息。充分发挥大数据技术与聚类、神经网络、决策树等智能算法,对这些数据进行分析和挖掘,可以对反洗钱工作的时效性、准确度进行提升。


3.2 提高反洗钱调查的实效性


商业银行在判断客户交易是否可疑时,前提条件是确定客户的真实身份,提高客户身份识别的准确度才能提高可疑报告的质量。商业银行在进行反洗钱调查时,主要依据《金融机构大额交易和可疑交易报告管理办法》进行判别,只要相关交易数据符合可疑交易标准,就将该数据报送反洗钱监管机构。在报送可疑数据过程中,商业银行不会将可疑数据与客户所属地域、行业、经济程度等个人身份特征相联系,因此容易出现失真、误报的情况,对反洗钱调查的实效性造成了影响。


3.3 提升反洗钱工作效率


作为数据来源,商业银行内部有许多套信息系统。这些系统具有分散、异构的特征,技术指标各不相同,形成了一个个封闭的信息孤岛。利用传统的关系型数据库和挖掘技术构建反洗钱平台,会遇到数据量大,数据格式不一致,无法存储、处理等技术难点。而利用大数据技术,则可以解决这些难题。大数据技术接受非结构化数据,允许数据存在不一致。利用大数据技术,整合银行内部数据资源,构建一个统一的反洗钱系统,将缩短响应时间,提升反洗钱工作的效率。


4 基于大数据的商业银行反洗钱系统构建


4.1 反洗钱系统需求


通过对反洗钱系统的分析,可以确定反洗钱系统主要包含四方面的需求:构建一个数据仓库;实现反洗钱数据 ETL 处理;配置反洗钱业务规则;完成可疑交易的筛选以及反洗钱报表展示。需要实现的功能主要包括以下几方面:基于大数据的数据仓库;数据加载、处理、清洗、转换模块;可疑数据展示模块;规则配置模块。


4.2 反洗钱系统逻辑分层设计


4.2.1 源数据层


数据来自银行内部各个系统数据源。


4.2.2 数据存储层


初始与源数据层表结构一致,隔离源数据层表结构的变化。


4.2.3 数据汇聚层


数据汇聚层主要完成主题数据整理,包括客户、账户、交易数据采集。


4.2.4 数据计算层


依据定义的可疑规则,分析数据汇聚层的数据,找出可疑交易,并生成报表。


4.2.5 信息管理层


对数据计算层分析出的预警信息以及报表信息进行管理,包含角色管理、用户管理、规则定义、白名单配置、权限管理、日志管理、报表管理、报送管理等。

4.2.6 决策分析层


用户对预警信息进行处理,确认可疑交易,筛选出相关数据报送监管局。


4.3 反洗钱系统架构


采用 hadoop hive 技术构建反洗钱数据仓库,整合银行内部多种来源的数据。配置反洗钱业务规则,并结合批量服务,分析出可疑交易数据,提供给前台展现。采用 Sqoop 工具实现 Hive 与关系型数据库之间的数据传输.


系统中主要模块功能如下:


4.3.1 源系统


包含各银行内部各种数据源系统,属于系统逻辑分层中的源数据层。


4.3.2 数据传输平台


将源系统中的数据统一传送到指定位置。


4.3.3 反洗钱服务端


反洗钱服务端由批量服务和联机服务两大部分组成。


4.3.3.1 批量服务


批量服务主要由系统自动完成可疑数据提取功能。批量服务从源系统获取源数据,并进行清洗和装载。在源数据的基础上根据预设的各项指标计算账户和客户的指标值,在各项指标值的基础上根据预设的可疑规则生成可疑报送数据,同时进行报表生产。属于系统逻辑分层中的数据存储层、数据汇聚层、数据计算层。


4.3.3.2 联机服务


联机服务是本系统用户使用系统的主要入口,负责提供本系统的操作功能,包括:系统管理、参数设定、预警 / 报告处理、统计报表。属于系统逻辑分层中的信息管理层。


4.3.4 统一 WEB 服务端


反洗钱系统的前台,用户通过该前台获取反洗钱系统相关的联机数据。属于系统逻辑分层中的决策分析层。


5 结 语


在全球经济信息化不断加快的背景下,洗钱犯罪的特征也在发生改变,呈现出隐蔽、快速的特点。商业银行作为金融机构的重要一环,承担着反洗钱工作的重要职责。在大数据时代,商业银行反洗钱工作也当顺势而为,充分利用大数据技术,整合商业银行内部的海量数据,构建统一的反洗钱平台,深入挖掘,提高反洗钱工作的时效性和准确性。