大数据技术在商业银行反洗钱工作中的应用研究

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

在 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 和 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。