大數據技術在反洗錢工作中的應用探討

【摘要】金融業是產生大數據的典型領域，金融機構作為我國主要的反洗錢義務主體，從關于客戶、交易的大數據中有效挖掘高風險客戶和可疑交易信息，對于防范和控制各類洗錢活動，提升反洗錢工作有效性有著重要現實意義。本文探討了大數據技術為反洗錢工作帶來的機遇，基于大數據反洗錢系統的構建，并提出合理可行的政策建議。

【關鍵詞】大數據 反洗錢 風險為本

一、大數據簡介

21世紀是數據管理技術快速和深入發展的時代，移動互聯、社交網絡、電子商務、物聯網、智能電子設備等極大拓展了互聯網的邊界和應用范圍，各種數據正在迅速膨脹并變大，大數據因此應運而生。

大數據（big data）泛指巨量的數據集，當前其數量級已經達到幾十TB甚至數PB（注：1Byte=8 bit，1TB=240Bytes，1PB=250Bytes），該類數據集規模巨大到無法通過傳統的計算機和數據庫工具對其內容進行獲取、管理和處理，同時其規模仍在不斷擴大中。維克托·邁爾-舍恩伯格及肯尼斯·庫克耶編寫的《大數據時代-生活、工作與思維的大變革》一書中將大數據定義為不用隨機采樣分析法（即抽樣調查）這樣的捷徑，而采用所有數據（即“采樣”=“全部”）的方法。大數據具有大量化（Volume）、多樣化（Variety）、快速化（Velocity）、價值密度低（Value）的顯著特征，通常具備這些特點的數據才是大數據。大數據因可從中挖掘出有價值的信息而日益受到世界范圍內各個行業的重視。

在大數據時代背景下，金融業是產生大數據的典型領域。金融機構作為我國主要的反洗錢義務主體，從關于客戶、交易的大數據中有效挖掘高風險客戶和可疑交易信息，從而實現對客戶交易和行為的有效監控，對于防范和控制各類洗錢活動，進一步提升反洗錢工作有效性有著重要的現實意義。

二、大數據技術為反洗錢工作帶來的機遇

（一）能夠合理發揮金融業自身具備的數據優勢

我國金融業正在步入大數據時代的初級階段。經過多年的發展與積累，目前國內金融機構的數據量已經達到100TB以上級別，并且其中非結構化數據量正在以更快的速度增長。這使得金融機構行在大數據應用方面具有天然優勢。一方面金融企業在業務開展過程中積累了包括客戶身份、資產負債情況、資金收付交易等大量高價值密度的數據，這些數據在運用專業技術挖掘和分析之后，將產生巨大的商業價值。另一方面，金融機構具有較為充足的資金預算和良好的發展平臺，可以吸引到實施大數據技術平臺所需的高端人才，也有能力采用大數據的最新技術。

（二）可以充分利用金融業成熟的軟硬件平臺

金融行業在其業務創新發展過程中，建立和維護了豐富的業務信息系統，并有著與之配套的先進硬件平臺，經過多年業務實踐的驗證及持續的系統升級換代和改造，各方面技術基礎都比較成熟，有利于大數據中數據獲取、存儲、管理和分析及系統整合、平臺構建等技術的實現，因而為大數據技術的平穩引入奠定了良好基礎。

（三）有助于提升反洗錢工作的整體效能

金融機構反洗錢工作的核心是客戶身份識別、大額和可疑交易報告、客戶身份資料及交易記錄保存，分別對應洗錢過程的事前預防、事中監控和事后追溯的三個階段。風險為本反洗錢工作方法強調客戶身份識別與異常資金交易監測的有機融合，而金融機構在業務過程中形成的大數據中包含了充分的客戶及交易信息，同時可以借助于互聯網及其他來源的各類共享信息，不僅可以利用傳統的名單監控、異常交易資金模型監測等技術來實現反洗錢監控，更可以利用大數據分析技術，從統計意義上挖掘客戶的真實身份、目的行為和交易特點，有效監測和預測高風險客戶及涉嫌洗錢的交易，不但能夠有效解決傳統反洗錢方法在識別實際控制人和受益人、客戶及其交易的真實背景、目的和性質，同時能夠解放人力在甄別分析判斷高風險客戶和可疑交易方面的重復勞動，推動反洗錢內控體系的合理更新，從而達到提升反洗錢工作整體效能的目標。

二、基于大數據的反洗錢系統構建

（一）拓展反洗錢大數據來源

大數據的數據量級目前已由TB級升至PB級，并仍在持續爆炸式增長。金融機構要發展反洗錢大數據平臺，首要的前提是做好反洗錢大數據的收集工作，數據充分性是大數據分析和預測技術在反洗錢方面應用的前提。金融機構在做好本系統內部數據收集基礎上，還應打破傳統的數據源邊界，注重與其他行業如第三方支付、電信運營商、電商、社交網絡、數據服務商等機構在數據方面的共享與連接，多渠道、全方位獲取客戶密切聯系人、日常行為、交易、市場資訊、輿情等背景信息，從而為有效識別客戶身份和分析預測客戶是否存在洗錢風險做好數據準備。

（二）構建反洗錢大數據分析系統

反洗錢大數據分析系統對計算機軟硬件技術有著極高的要求。在硬件方面，大數據的存儲和分析遠遠超出了單臺普通計算機或服務器的能力，通常需要在計算機集群構成的分布式系統或云計算的環境下進行。在軟件方面，金融機構反洗錢大數據分析系統在內部要實現各類業務信息系統的集成，在外部要實現與其他機構的安全共享與連接，同時大數據分析技術要在能夠處理傳統結構化數據的同時，更重要的是應具備強大的處理文本、圖像、音頻、視頻等非結構化數據的能力，這對系統架構、數據存儲、智能數據挖掘和分析及查詢與處理算法都提出了挑戰。

（三）完善大數據安全及風險管控機制

大數據分析技術在很大程度上能夠解決當前反洗錢工作中客戶身份信息、交易背景、目的及性質與掌握信息不對稱的問題，為金融機構洗錢風險管理提供了更為有效的手段。但如果管理不善，“大數據”本身也可能演化成“大風險”。大數據應用改變了數據安全風險的特征，它不僅需要新的管理方法，還必須納入到金融行業全面風險管理體系，進行統一監控和治理。為了確保大數據的安全，金融機構必須抓住三個關鍵環節：一是協調大數據鏈條中的所有機構，共同推動數據安全標準，加強產業自我監督和技術分享；二是加強與監管機構合作交流，借助監管服務的力量，提升自身的大數據安全水準；三是主動與客戶在數據安全和數據使用方面加強溝通，提升客戶的數據安全意識，形成大數據風險管理的合力效應。

三、政策建議

（一）遵循“鼓勵創新、風險可控、平衡規范”的原則確保大數據技術在反洗錢工作的妥善應用

大數據技術在我國金融業反洗錢工作中的應用還處于起步階段，相關的技術標準、應用規范、戰略目標、信息共享與安全機制尚有待完善，這就需要在實踐中鼓勵創新，將其在反洗錢工作中的應用納入全面風險管理體系，在統籌兼顧的基礎上實現其平衡規范有序發展。

（二）實現風險為本反洗錢工作方法與大數據技術的有機融合

金融機構反洗錢工作與大數據技術有著良好的契合性。在反洗錢工作中合理運用大數據技術，更有效地分析、預測、識別和發現高風險客戶及其交易，能夠使金融機構采取相應的強化風險控制措施，達到反洗錢資源分配與洗錢風險相當的工作目標。

（三）加強金融領域反洗錢大數據人才的培養

金融領域是高端、復合型人才聚集的技術密集型產業，尤其在反洗錢工作方面，我國金融行業亟須培養大量兼具金融業務、信息技術和管理等多種知識技能的復合型人才。特別是在大數據領域，要求人才擁有較強的業務理解、數據資產管理、數據處理以及數據挖掘能力，理解大數據并能夠利用大數據進行創新的人才亟待培養和儲備。這些都對現代金融教育和人才培養提出了新的訴求和挑戰。

參考文獻

[1]維克托.邁爾-舍恩伯格，肯尼思.庫克耶著，盛楊燕，周濤譯.大數據時代[M].浙江人民出版社.2013.

[2]鄔賀銓.大數據時代的機遇與挑戰.求是雜志[J].2013（4）

[3]王珊，王會舉，覃雄派，周烜.架構大數據：挑戰、現狀與展望[J].計算機學報.2011，vol（34）：10.

[4]李東榮.大數據時代的金融人才培養[J].中國金融.2013（24）.

作者簡介：李新安（1973-），男，漢族，山東濰坊人，現任職于中國人民銀行濰坊市中心支行，研究方向：金融風險管理、公司治理。