De kracht van graph technology in de strijd tegen witwassen
Hoewel banken miljoenen investeren om hun poortwachtersfunctie naar behoren in te vullen, blijkt witwassen nog altijd een behoorlijke uitdaging. Vol verwachting kijken financieel dienstverleners dan ook naar nieuwe methodes om het proces efficiënter én effectiever in te richten. Eén van die veelbelovende technologieën is graph technology.
In dit artikel betoogt Monocle Solutions hoe de techniek een effectieve tool kan zijn in de strijd tegen witwassen. En die effectiviteit is hard nodig; meer dan 95% van de gegenereerde alerts van de huidige transactiemonitoringsystemen zijn naar verluidt valt positief.
Traditionele AML-systemen zijn namelijk gebaseerd op relationele databases en rule based transactie monitoringsystemen, die verdachte transacties trachten te identificeren. Hoewel dergelijke systemen in staat zijn om miljoenen transacties te verwerken, zijn ze niet in staat om complexe patronen en subtiele verbanden te herkennen. En juist hier komt graph technology om de hoek kijken.
“Graph technology visualiseert complexe relaties tussen entiteiten en verborgen patronen als een netwerk van knooppunten (nodes) en randen (edges)”, legt Monocle Solutions uit.
Knooppunten vertegenwoordigen entiteiten zoals personen, bedrijven, bankrekeningen en landen, terwijl randen de relaties tussen deze entiteiten weergeven (waaronder transacties).
Machine learning algoritmes
Door financiële data in een grafische vorm te presenteren, kunnen AML-analisten patronen en structuren gemakkelijker herkennen in verdachte transacties. Als het ware ontstaat er een whiteboard die voor analisten logisch te interpreteren is, waardoor een holistischer beeld van geldstromen en de daaraan gekoppelde witwasmogelijkheden ontstaat.
De techniek maakt daarbij gebruik van machine learning-algoritmen om ongebruikelijke patronen en anomalieën te detecteren en “data aan elkaar te verbinden”. Door (bestaande) data te analyseren, kan het systeem leren welke transacties als verdacht moeten worden beschouwd en zelfs voorspellingen doen over toekomstige witwasactiviteiten.
Tevens zijn graph AML-systemen in staat om grote hoeveelheden data realtime te verwerken, waardoor financiële instellingen ad hoc kunnen reageren op verdachte transacties die anders niet opgevallen zouden zijn.
Monocle Solutions somt de voordelen van de techniek op: "Graph technology zorgt voor een nauwkeurigere detectie, heeft een verhoogde efficiëntie (en zorgt daardoor voor tijdswinst) en stelt bedrijven in staat om preventieve maatregelen te nemen."
Integratie
Het optuigen van een graph technologie is echter geen makkelijke klus, stelt Monocle Solutions. Zo dienen bedrijven een database en een datamodel op te zetten (waarvoor weer een aparte taxonomie en ontologie gecreëerd moet worden).
Vervolgens dient de data geprepareerd te worden in het systeem, waarna de algoritmes geschreven moeten worden die in het graph systeem met de data aan de slag gaat.
Door de effectiviteit van het systeem wordt het gebruik van graph technology in de financiële dienstverlening echter steeds aantrekkelijker. “Helemaal nu de techniek zich verder ontwikkelt en de gebruikersmogelijkheden duidelijker zijn geworden.”
Het adviesbureau laat dan ook weten klaar te staan om bedrijven te helpen met deze ingewikkelde klus. “Onze expertise in datamanagement, datatransformatie en de automatisering van deze processen en controles stelt ons in staat om onze klanten te helpen bij het integreren van graph technology in de bedrijfsvoering die volledig voldoet aan de wettelijke eisen van toezichthouders.”
Meer weten? Lees hier het volledige whitepaper van Monocle Solutions.
Meer AML-gerelateerd nieuws is te vinden op de AML-themapagina van banken.nl.
