大数据技术在反洗钱工作中的应用探讨

【摘要】金融业是产生大数据的典型领域，金融机构作为我国主要的反洗钱义务主体，从关于客户、交易的大数据中有效挖掘高风险客户和可疑交易信息，对于防范和控制各类洗钱活动，提升反洗钱工作有效性有着重要现实意义。本文探讨了大数据技术为反洗钱工作带来的机遇，基于大数据反洗钱系统的构建，并提出合理可行的政策建议。

【关键词】大数据 反洗钱 风险为本

一、大数据简介

21世纪是数据管理技术快速和深入发展的时代，移动互联、社交网络、电子商务、物联网、智能电子设备等极大拓展了互联网的边界和应用范围，各种数据正在迅速膨胀并变大，大数据因此应运而生。

大数据（big data）泛指巨量的数据集，当前其数量级已经达到几十TB甚至数PB（注：1Byte=8 bit，1TB=240Bytes，1PB=250Bytes），该类数据集规模巨大到无法通过传统的计算机和数据库工具对其内容进行获取、管理和处理，同时其规模仍在不断扩大中。维克托·迈尔-舍恩伯格及肯尼斯·库克耶编写的《大数据时代-生活、工作与思维的大变革》一书中将大数据定义为不用随机采样分析法（即抽样调查）这样的捷径，而采用所有数据（即“采样”=“全部”）的方法。大数据具有大量化（Volume）、多样化（Variety）、快速化（Velocity）、价值密度低（Value）的显著特征，通常具备这些特点的数据才是大数据。大数据因可从中挖掘出有价值的信息而日益受到世界范围内各个行业的重视。

在大数据时代背景下，金融业是产生大数据的典型领域。金融机构作为我国主要的反洗钱义务主体，从关于客户、交易的大数据中有效挖掘高风险客户和可疑交易信息，从而实现对客户交易和行为的有效监控，对于防范和控制各类洗钱活动，进一步提升反洗钱工作有效性有着重要的现实意义。

二、大数据技术为反洗钱工作带来的机遇

（一）能够合理发挥金融业自身具备的数据优势

我国金融业正在步入大数据时代的初级阶段。经过多年的发展与积累，目前国内金融机构的数据量已经达到100TB以上级别，并且其中非结构化数据量正在以更快的速度增长。这使得金融机构行在大数据应用方面具有天然优势。一方面金融企业在业务开展过程中积累了包括客户身份、资产负债情况、资金收付交易等大量高价值密度的数据，这些数据在运用专业技术挖掘和分析之后，将产生巨大的商业价值。另一方面，金融机构具有较为充足的资金预算和良好的发展平台，可以吸引到实施大数据技术平台所需的高端人才，也有能力采用大数据的最新技术。

（二）可以充分利用金融业成熟的软硬件平台

金融行业在其业务创新发展过程中，建立和维护了丰富的业务信息系统，并有着与之配套的先进硬件平台，经过多年业务实践的验证及持续的系统升级换代和改造，各方面技术基础都比较成熟，有利于大数据中数据获取、存储、管理和分析及系统整合、平台构建等技术的实现，因而为大数据技术的平稳引入奠定了良好基础。

（三）有助于提升反洗钱工作的整体效能

金融机构反洗钱工作的核心是客户身份识别、大额和可疑交易报告、客户身份资料及交易记录保存，分别对应洗钱过程的事前预防、事中监控和事后追溯的三个阶段。风险为本反洗钱工作方法强调客户身份识别与异常资金交易监测的有机融合，而金融机构在业务过程中形成的大数据中包含了充分的客户及交易信息，同时可以借助于互联网及其他来源的各类共享信息，不仅可以利用传统的名单监控、异常交易资金模型监测等技术来实现反洗钱监控，更可以利用大数据分析技术，从统计意义上挖掘客户的真实身份、目的行为和交易特点，有效监测和预测高风险客户及涉嫌洗钱的交易，不但能够有效解决传统反洗钱方法在识别实际控制人和受益人、客户及其交易的真实背景、目的和性质，同时能够解放人力在甄别分析判断高风险客户和可疑交易方面的重复劳动，推动反洗钱内控体系的合理更新，从而达到提升反洗钱工作整体效能的目标。

二、基于大数据的反洗钱系统构建

（一）拓展反洗钱大数据来源

大数据的数据量级目前已由TB级升至PB级，并仍在持续爆炸式增长。金融机构要发展反洗钱大数据平台，首要的前提是做好反洗钱大数据的收集工作，数据充分性是大数据分析和预测技术在反洗钱方面应用的前提。金融机构在做好本系统内部数据收集基础上，还应打破传统的数据源边界，注重与其他行业如第三方支付、电信运营商、电商、社交网络、数据服务商等机构在数据方面的共享与连接，多渠道、全方位获取客户密切联系人、日常行为、交易、市场资讯、舆情等背景信息，从而为有效识别客户身份和分析预测客户是否存在洗钱风险做好数据准备。

（二）构建反洗钱大数据分析系统

反洗钱大数据分析系统对计算机软硬件技术有着极高的要求。在硬件方面，大数据的存储和分析远远超出了单台普通计算机或服务器的能力，通常需要在计算机集群构成的分布式系统或云计算的环境下进行。在软件方面，金融机构反洗钱大数据分析系统在内部要实现各类业务信息系统的集成，在外部要实现与其他机构的安全共享与连接，同时大数据分析技术要在能够处理传统结构化数据的同时，更重要的是应具备强大的处理文本、图像、音频、视频等非结构化数据的能力，这对系统架构、数据存储、智能数据挖掘和分析及查询与处理算法都提出了挑战。

（三）完善大数据安全及风险管控机制

大数据分析技术在很大程度上能够解决当前反洗钱工作中客户身份信息、交易背景、目的及性质与掌握信息不对称的问题，为金融机构洗钱风险管理提供了更为有效的手段。但如果管理不善，“大数据”本身也可能演化成“大风险”。大数据应用改变了数据安全风险的特征，它不仅需要新的管理方法，还必须纳入到金融行业全面风险管理体系，进行统一监控和治理。为了确保大数据的安全，金融机构必须抓住三个关键环节：一是协调大数据链条中的所有机构，共同推动数据安全标准，加强产业自我监督和技术分享；二是加强与监管机构合作交流，借助监管服务的力量，提升自身的大数据安全水准；三是主动与客户在数据安全和数据使用方面加强沟通，提升客户的数据安全意识，形成大数据风险管理的合力效应。

三、政策建议

（一）遵循“鼓励创新、风险可控、平衡规范”的原则确保大数据技术在反洗钱工作的妥善应用

大数据技术在我国金融业反洗钱工作中的应用还处于起步阶段，相关的技术标准、应用规范、战略目标、信息共享与安全机制尚有待完善，这就需要在实践中鼓励创新，将其在反洗钱工作中的应用纳入全面风险管理体系，在统筹兼顾的基础上实现其平衡规范有序发展。

（二）实现风险为本反洗钱工作方法与大数据技术的有机融合

金融机构反洗钱工作与大数据技术有着良好的契合性。在反洗钱工作中合理运用大数据技术，更有效地分析、预测、识别和发现高风险客户及其交易，能够使金融机构采取相应的强化风险控制措施，达到反洗钱资源分配与洗钱风险相当的工作目标。

（三）加强金融领域反洗钱大数据人才的培养

金融领域是高端、复合型人才聚集的技术密集型产业，尤其在反洗钱工作方面，我国金融行业亟须培养大量兼具金融业务、信息技术和管理等多种知识技能的复合型人才。特别是在大数据领域，要求人才拥有较强的业务理解、数据资产管理、数据处理以及数据挖掘能力，理解大数据并能够利用大数据进行创新的人才亟待培养和储备。这些都对现代金融教育和人才培养提出了新的诉求和挑战。

参考文献

[1]维克托.迈尔-舍恩伯格，肯尼思.库克耶著，盛杨燕，周涛译.大数据时代[M].浙江人民出版社.2013.

[2]邬贺铨.大数据时代的机遇与挑战.求是杂志[J].2013（4）

[3]王珊，王会举，覃雄派，周烜.架构大数据：挑战、现状与展望[J].计算机学报.2011，vol（34）：10.

[4]李东荣.大数据时代的金融人才培养[J].中国金融.2013（24）.

作者简介：李新安（1973-），男，汉族，山东潍坊人，现任职于中国人民银行潍坊市中心支行，研究方向：金融风险管理、公司治理。