大數據技術在商業銀行反洗錢工作中的應用研究

洗錢行為會造成多種危害：掩蓋了非法所得，造成資本外逃，使腐敗資金轉移境外，導致社會財富外流；為違法犯罪集團提供資金，助長違法犯罪，破壞社會穩定；動搖社會信用，危害金融安全。反洗錢是政府動用立法、司法力量，調動有關的組織和商業機構對可能的洗錢活動予以識別，對有關款項予以處置，對相關機構和人士予以懲罰，從而達到阻止犯罪活動目的的一項系統工程。反洗錢工作對穩定市場經濟秩序、阻止非法資金外流、維護社會穩定起到重要作用。近年來，隨著移動互聯網、物聯網等信息技術的發展，結構化、半結構化以及非結構化數據出現爆發式增長，大數據時代已經來臨。大數據技術為反洗錢工作帶來了機遇與挑戰，如何將大數據技術應用于反洗錢工作，成為金融監管者需要認真思考與研究的課題。

1、大數據簡介

大數據（Big Data）是指巨量數據集，這些數據集無法通過傳統的計算機和數據庫工具進行存儲、處理。在維克托·邁爾 – 舍恩伯格及肯尼斯·庫克耶編寫的《大數據時代》中，大數據被定義為不用隨機分析法（抽樣調查）這樣的捷徑，而采用所有數據進行分析處理。大數據主要有四“V”特征，即：Volume（特大的數據量）、Variety（特別多種多樣的數據）、Veracity（數據真實性高且有價值）、Velocity（輸入和處理速度快）。目前，大數據技術已經快速應用到商業、政治、金融等行業。企業通過海量數據分析、挖掘，實施精準營銷；政客利用大數據分析民意，拉攏選民；金融業利用大量多維度數據訓練風險模型，提高風險估算準確度。在這場大數據浪潮中，數據、技術、創新成為核心競爭力?；诖髷祿?，商業模式將迎來新一輪的變革。商業銀行是產生大數據的重要主體，同時，也承載著反洗錢的重要職責。探索以大數據為基礎的商業銀行反洗錢解決方案，對進一步提升反洗錢工作有效性具有重要的意義。

2、反洗錢工作現狀

在 21 世紀初，為了適應國際反洗錢形勢，我國反洗錢工作逐步開展，反洗錢監管體系從無到有，逐步建立起來。在監管立法方面，雖然我國的《刑法》中很早就有涉及反洗錢的法律條文，但 2006 年頒布實施的《中華人民共和國反洗錢法》則是監管立法成熟的標識。在反洗錢監管體系構建方面：中國人民銀行作為反洗錢的領導者，于2003 年成立了反洗錢局，并在其各省、市分行機構成立了反洗錢監督執行部門；建立了由中央相關部委參加的“部際聯席會議制度”，統籌領導反洗錢的監管工作。盡管我國反洗錢工作開展得如火如荼，取得了些許的成就，但從這幾年反洗錢犯罪的涉案資金來看，我國的反洗錢工作依然任重道遠。2003 年至 2008 年，中國人民銀行和國家外匯管理局共同合作，協助偵查機關破獲反洗錢案件 513 起，涉案金額 2779.45 億人民幣。這些數據表明洗錢正在高速侵蝕著我國的經濟，大力發展反洗錢工作已經刻不容緩。

3、大數據技術應用于反洗錢工作的優勢

3.1　充分發揮商業銀行的數據優勢

商業銀行在大數據應用方面具備天然優勢。在業務的開展過程中，商業銀行每天都會產生海量數據，包括交易系統產生的數以億計的交易信息、業務處理過程中用于作業、授權的影像視頻等半結構化數據、銀行官網的客戶訪問以及客戶投訴評價等交互信息。充分發揮大數據技術與聚類、神經網絡、決策樹等智能算法，對這些數據進行分析和挖掘，可以對反洗錢工作的時效性、準確度進行提升。

3.2　提高反洗錢調查的實效性

商業銀行在判斷客戶交易是否可疑時，前提條件是確定客戶的真實身份，提高客戶身份識別的準確度才能提高可疑報告的質量。商業銀行在進行反洗錢調查時，主要依據《金融機構大額交易和可疑交易報告管理辦法》進行判別，只要相關交易數據符合可疑交易標準，就將該數據報送反洗錢監管機構。在報送可疑數據過程中，商業銀行不會將可疑數據與客戶所屬地域、行業、經濟程度等個人身份特征相聯系，因此容易出現失真、誤報的情況，對反洗錢調查的實效性造成了影響。

3.3　提升反洗錢工作效率

作為數據來源，商業銀行內部有許多套信息系統。這些系統具有分散、異構的特征，技術指標各不相同，形成了一個個封閉的信息孤島。利用傳統的關系型數據庫和挖掘技術構建反洗錢平臺，會遇到數據量大，數據格式不一致，無法存儲、處理等技術難點。而利用大數據技術，則可以解決這些難題。大數據技術接受非結構化數據，允許數據存在不一致。利用大數據技術，整合銀行內部數據資源，構建一個統一的反洗錢系統，將縮短響應時間，提升反洗錢工作的效率。

4、基于大數據的商業銀行反洗錢系統構建

4.1　反洗錢系統需求

通過對反洗錢系統的分析，可以確定反洗錢系統主要包含四方面的需求：構建一個數據倉庫；實現反洗錢數據 ETL 處理；配置反洗錢業務規則；完成可疑交易的篩選以及反洗錢報表展示。需要實現的功能主要包括以下幾方面：基于大數據的數據倉庫；數據加載、處理、清洗、轉換模塊；可疑數據展示模塊；規則配置模塊。

4.2　反洗錢系統邏輯分層設計

4.2.1　源數據層

數據來自銀行內部各個系統數據源。

4.2.2　數據存儲層

初始與源數據層表結構一致，隔離源數據層表結構的變化。

4.2.3　數據匯聚層

數據匯聚層主要完成主題數據整理，包括客戶、賬戶、交易數據采集。

4.2.4　數據計算層

依據定義的可疑規則，分析數據匯聚層的數據，找出可疑交易，并生成報表。

4.2.5　信息管理層

對數據計算層分析出的預警信息以及報表信息進行管理，包含角色管理、用戶管理、規則定義、白名單配置、權限管理、日志管理、報表管理、報送管理等。

4.2.6　決策分析層

用戶對預警信息進行處理，確認可疑交易，篩選出相關數據報送監管局。

4.3　反洗錢系統架構

采用 hadoop 和 hive 技術構建反洗錢數據倉庫，整合銀行內部多種來源的數據。配置反洗錢業務規則，并結合批量服務，分析出可疑交易數據，提供給前臺展現。采用 Sqoop 工具實現 Hive 與關系型數據庫之間的數據傳輸.

系統中主要模塊功能如下：

4.3.1　源系統

包含各銀行內部各種數據源系統，屬于系統邏輯分層中的源數據層。

4.3.2　數據傳輸平臺

將源系統中的數據統一傳送到指定位置。

4.3.3　反洗錢服務端

反洗錢服務端由批量服務和聯機服務兩大部分組成。

4.3.3.1　批量服務

批量服務主要由系統自動完成可疑數據提取功能。批量服務從源系統獲取源數據，并進行清洗和裝載。在源數據的基礎上根據預設的各項指標計算賬戶和客戶的指標值，在各項指標值的基礎上根據預設的可疑規則生成可疑報送數據，同時進行報表生產。屬于系統邏輯分層中的數據存儲層、數據匯聚層、數據計算層。

4.3.3.2　聯機服務

聯機服務是本系統用戶使用系統的主要入口，負責提供本系統的操作功能，包括：系統管理、參數設定、預警 / 報告處理、統計報表。屬于系統邏輯分層中的信息管理層。

4.3.4　統一 WEB 服務端

反洗錢系統的前臺，用戶通過該前臺獲取反洗錢系統相關的聯機數據。屬于系統邏輯分層中的決策分析層。

5、結語

在全球經濟信息化不斷加快的背景下，洗錢犯罪的特征也在發生改變，呈現出隱蔽、快速的特點。商業銀行作為金融機構的重要一環，承擔著反洗錢工作的重要職責。在大數據時代，商業銀行反洗錢工作也當順勢而為，充分利用大數據技術，整合商業銀行內部的海量數據，構建統一的反洗錢平臺，深入挖掘，提高反洗錢工作的時效性和準確性。