Kunden aus dem Finanzdienstleistungssektor kämpfen zwischen der Einhaltung von Vorschriften bei gleichzeitiger Optimierung des Kostenmanagement. Finanzinstitute in Deutschland wenden mehr als 40 Milliarden Euro pro Jahr für die Geldwäschebekämpfung auf und die Kosten sind zwischen 2015 und 2017 durchschnittlich um 22% gestiegen. Eine Grundursache für diesen Kampf ist eine Kombination aus schlechter Datenqualität und der mangelnden Fähigkeit, die Breite ihrer Kundenbeziehungen klar zu erfassen.
Eingeschränkte Transaktionsinformationen umfassen in der Regel eine einzelne, eigenständige Transaktion und berücksichtigen nicht den, auf dem wirtschaftlichen Eigentümer basierenden, Transaktionslebenszyklus der Gelder. Der Aufwand der Ermittlungen wächst.
Um eine effektive AML-Erkennung im Korrespondenzbankwesen zu implementieren, ist es notwendig, alle Zahlungen an/von Korrespondenzbanken durch deren Kunden (Pseudokunden) zu gruppieren.
Der Prozess des Identifizierens, Abgleichens und Gruppierens von Transaktionen nach Entitäten wird als Entity Resolution bezeichnet und ist zusammengefasst als Standardisieren, Validieren, Parsen, Abgleichen, Konsolidieren, Anreichern durch ID und Speichern als Pseudostammdatensatz.
Datenqualität spielt also die tragende Rolle, um das bestehende Transaction Monitoring zu optimieren, Geldwäsche besser nachzuverfolgen und Vorschriften einzuhalten bei gleichzeitiger Kostensenkung.
Was Sie in diesem Online-Forum lernen:
- Wie die Datenqualität verbessert werden kann, um eine Auflösung der Entität zu ermöglichen.
- Wie verbesserte Datenqualität False Positive Ergebnisse reduziert.
- Wie Sie Klarheit über Ihre Daten erhalten und somit Ihre Kundenbeziehungen besser verstehen.
- Wie Sie kriminelle Netzwerke besser identifizieren können.
- Wie Sie die Effizienz der Ermittler steigern und Kosten senken.
