博客 保险公司反洗钱数据治理方案

保险公司反洗钱数据治理方案

   数栈君   发表于 2023-03-21 14:07  372  0

反洗钱数据治理的意义

从反洗钱视角,金融机构在日常经营过程中,形成了以“客户+交易”为核心的来源广泛、类型多样的海量数据。在数字经济、数字金融及金融科技高速发展阶段,建设更加有效的反洗钱数据治理体系,提升金融情报价值,对推动我国反洗钱事业高质量发展、实现数字化转型意义重大。


1.反洗钱数据治理是金融业数字化转型的重要抓手。2020年4月中共中央、国务院发布《关于构建更加完善的要素市场化配置机制体制的意见》,首次提出以“数据”为生产要素的数字经济,并加快培育数据要素市场。反洗钱工作是为了预防和遏制洗钱及相关犯罪活动,洗钱风险识别、风险评估、资金监测,均需要以高质量的反洗钱数据为基础。2018年人民银行发布的《法人金融机构洗钱和恐怖融资风险管理指引(试行)》已将数据治理纳入了洗钱风险管理体系,并对数据质量提出了明确的指导要求。反洗钱数据涉及范围广、业务场景复杂,开展反洗钱数据治理可以提高金融机构客户信息、交易数据质量,有效预警、识别、报告和管控风险,提高数据资源利用效能,对推进以数据为核心的金融业数字化转型意义重大。


2.反洗钱数据治理有利于维护国家金融安全和社会稳定。习近平总书记指出,“防范化解金融风险是金融工作的根本性任务,要做到管住人、看住钱、扎牢制度防火墙”。反洗钱工作是围绕“追踪资金”建立的制度安排,反洗钱数据是资金监测的基础,数据质量好坏直接影响着监测效果。当前,电信诈骗、网络赌博等涉众型经济犯罪的洗钱手法持续升级,严重侵犯人民群众财产权益,严重危害社会金融秩序。反洗钱数据治理将提升金融机构风险监测、评估判断的有效性,及时发现、切断、消弱违法犯罪活动的经济基础,推动金融行业合规稳健经营,增强老百姓对财产安全的信心,维护国家金融安全和社会稳定。


3.反洗钱数据治理为推进国家治理体系和治理能力现代化提供有力支撑。习近平总书记强调,要运用大数据提升国家治理现代化水平,建立健全大数据辅助科学决策和社会治理机制,实现政府决策科学化、社会治理精准化、公共服务高效化。深化数字经济治理、营造良好数字生态,是推进国家治理体系和治理能力现代化的重要任务。当前反洗钱工作外延不断扩张,已经拓展到反恐怖融资、反大规模杀伤性武器扩散融资、反逃税等广泛领域,成为国家治理的重要手段。反洗钱数据治理提高了市场主体进入金融体系的透明度,保障了市场主体及其交易的真实性、规范性,不断促进市场主体诚信经营,降低社会治理成本,优化营商环境,为全社会编织了一张保护正常经济金融活动免受侵害的“安全网”,是社会治理的重要内容。


反洗钱数据治理难点

近几年,随着反洗钱监管力度持续加大,对客户信息、交易数据不合规的处罚越来越多,“倒逼”金融机构陆续开展反洗钱数据治理工作。但反洗钱数据治理投入成本高、持续周期长,特别是随着数字化转型的加快,对反洗钱数据治理提出了更高的要求和挑战。


1.数据标准不统一,落实执行不到位,互通难。反洗钱数据治理的对象是金融机构为客户提供服务的过程中形成的客户身份信息和交易记录数据。从监管层面看,人民银行制定并下发了《金融机构客户身份识别和客户身份资料及交易记录保存管理办法》《关于大额交易和可疑交易报告要素及释义的通知》《义务机构反洗钱现场检查数据接口规范》等监管制度文件,明确了金融机构反洗钱数据的采集口径,要求其按照监管数据接口规范提供反洗钱相关数据。但从机构本身来看,机构业务条线繁杂、业务种类多样,海量数据分散在众多业务系统中,形成了一个个数据“烟囱”,有的金融机构反洗钱工作人员不知道反洗钱管理的数据有哪些、在哪里。由于各业务部门在数据统计口径与采集标准各有不同,相同数据字段可能在不同业务场景含义不同、业务含义相同但数据字段可能名称不同、同一数据源在不同系统可能存在不同取数标准,导致数据的一致性难以保障。有的金融机构未明确数据字段含义、获取数据的源系统和代码转换规则,导致反洗钱系统采集的数据不能完整、真实、准确地反映上游业务系统数据原貌。


2.数据质量待提高,挖掘效果打折扣,应用难。当前,金融业整体反洗钱数据质量不高现象依然突出,极大制约着反洗钱数据的深度挖掘和高效应用。一是反洗钱业务需求不清晰,导致技术无法构建出合理、正确的数据模型。有的金融机构未能结合本地区、本机构客户特点设置客户洗钱风险评估子项,客户风险评级模型无法划分出相应风险客户;可疑交易监测标准不全面,规则、阈值参数设置不合理,监测模型指标预警率、成案率较低。二是数据源本身存在质量问题。反洗钱数据是从金融机构生产系统采集过来的,由于反洗钱工作起步晚于金融机构业务发展,生产系统中的很多历史数据本身就存在重复、缺失、错误等问题,加大了风险识别、预警和处置难度。三是系统字段和映射关系设置不合理。有的金融机构业务系统功能要素项设置不全,导致客户信息无法采集或采集不完整;有的金融机构在核心系统或业务系统保存了相关客户信息或交易记录,但归集到数据仓库时,出现主键冲突、校验失败、数据不匹配、重复加载等技术性问题,导致映射到反洗钱系统的数据出现问题;有的金融机构业务系统未与反洗钱系统实现联动,客户信息呈分散割裂状态,导致系统之间数据不一致。


3.安全管控有隐患,风险意识较薄弱,保护难。数据安全是金融业数字化转型的前提,是数据治理的关键。如果金融机构对反洗钱数据保护力度不够,不仅会引发金融机构法律风险,还会影响金融稳定甚至国家安全。部分金融机构数据安全保护意识、内部管理、技防能力薄弱,反洗钱信息泄密事件时有发生,严重侵害了金融消费者权益,受到监管部门处罚。究其原因,一是员工教育管理存在不足。反洗钱数据的采集、存储、加工、使用等环节岗位人员较多,有的金融机构人员缺少数据安全培训和教育,未能养成数据安全责任意识,无法有效落实反洗钱数据安全责任。二是权限控制措施有待强化。有的金融机构反洗钱数据访问账号和用户权限的管理不清晰,数据使用过程中的审批流程不明确,数据共享交换时的控制措施不可靠,并缺少数据采集、传递、使用的监督管理,客观上也加大了反洗钱数据泄露的风险。


4.治理体系不完善,数据权属不清晰,认责难。随着金融业数字化转型加快,金融业务实现了多元化发展,金融数据呈现井喷式增长。反洗钱数据治理是一项长期、复杂的系统性工程,需要高管层重视和支持,需要业务、技术、管理部门协调配合。有的金融机构由于数据管理体系不完善,导致数据职责主体不明晰,如未明确高管层、业务、科技等职能部门的反洗钱数据管理职责,未明确数据生产、数据管理、数据使用和数据监督部门的数据权属关系,导致出现数据问题时,找不到责任人。从业务层面看,金融机构各业务部门出于自身业务需求考量,数据采集往往“自成一派”,多头收集、分散保存现象时有发生,数据孤岛、数据壁垒问题突出,海量数据难以盘活,成为数据治理难点。从技术层面看,部分金融机构缺失统一的数据治理体系,在数据采集、加工、处理等环节就存在不科学、不规范等问题,导致数据错误、数据丢失,无法保证其准确性。



近日,袋鼠云重磅发布《数据治理行业实践白皮书》,白皮书基于袋鼠云在数据治理领域的8年深厚积累与实践服务经验,从专业视角逐步剖析数据治理难题,阐述数据治理的概念内涵、目标价值、实施路线、保障体系与平台工具,并借助行业实践案例解析,为广大读者提供一种数据治理新思路。

免费获取链接:https://fs80.cn/4w2atu

http://dtstack-static.oss-cn-hangzhou.aliyuncs.com/2021bbs/files_user1/article/0e662680662d09ea3db216e393e35c89..png





免责申明:

本文系转载,版权归原作者所有,如若侵权请联系我们进行删除!



想了解或咨询更多有关袋鼠云大数据产品、行业解决方案、客户案例的朋友,浏览袋鼠云官网:

https://www.dtstack.com/?src=bbs

同时,欢迎对大数据开源项目有兴趣的同学加入「袋鼠云开源框架钉钉技术群」,交流最新开源技术信息,群号码:30537511,项目地址:https://github.com/DTStack


0条评论
社区公告
  • 大数据领域最专业的产品&技术交流社区,专注于探讨与分享大数据领域有趣又火热的信息,专业又专注的数据人园地

最新活动更多
微信扫码获取数字化转型资料
钉钉扫码加入技术交流群