Lucha contra el lavado de dinero con análisis gráficos

Por qué las instituciones financieras y los reguladores deben dejar de jugar de acuerdo con las reglas

Las instituciones financieras están luchando para seguir el ritmo que marcan las redes criminales globales maliciosas que constantemente idean formas nuevas y más complejas de lavar fondos a través de sistemas financieros legítimos. Los sistemas de lucha contra el lavado de dinero (AML) heredados y que solo actúan de acuerdo con las reglas han llegado a un punto crucial y ya no son suficientes para combatir las redes delincuenciales internacionales, cada vez más sofisticadas.

Cómo funciona un sistema AML basado solo en reglas

• Aplica reglas de AML a los datos de transacciones
• Identifica las actividades sospechosas
• Alerta a un investigador humano sobre las señales de alerta

Límites de un sistema AML basado solo en reglas

• No considera otros tipos de datos que puedan ayudar a prevenir actividades delictivas
• No se pueden dibujar conexiones entre entidades
• No se pueden reconocer patrones y tendencias más grandes
• Inflexible, mientras que los delincuentes se adaptan con frecuencia
• No utiliza la gran cantidad de datos almacenados en las instituciones

Utiliza el análisis gráfico para vencer a los lavadores de dinero con sus propias armas

Las instituciones financieras deben luchar contra los delincuentes lavadores de dinero en sus propios términos y operar más allá de las restricciones que establecen los sistemas de lucha contra el blanqueo de capitales. Con la analítica de gráficos, los bancos pueden revelar complejas redes de prácticas de lavado de dinero que los sistemas heredados podrían pasar por alto. Este es el comienzo de una nueva era en la que los bancos pueden aumentar la seguridad contra la actividad criminal invasiva para proteger mejor a sus organizaciones, reputaciones y clientes.

El análisis gráfico es un modelo matemático que investiga la información en formato de gráfico, trazando puntos de datos como nodos y bosquejando las relaciones entre esos puntos de datos como aristas. Gracias a la capacidad de evaluar conexiones, independientemente de su complejidad o de la distancia que la separe, esta tecnología ayuda a los bancos a reconstruir patrones que hasta hace poco no podían identificarse.

Muchos sectores utilizan esta tecnología para obtener insights que antes no se podían descubrir y cumplir con las reglas de AML. Los directores de cumplimiento se beneficiarán enormemente de los análisis gráficos, ya que la solución puede resultar extremadamente eficaz para combatir las redes maliciosas de delincuentes lavadores de dinero y fortalecer los sistemas de gestión de cumplimiento.

Análisis gráficos de Oracle Financial Crime and Compliance Management Cloud Service

Oracle Financial Crime and Compliance Management incorporó análisis gráficos en 2018, basados en investigaciones de Oracle Labs. Reforzada por nuestro liderazgo en datos, consultas, procesamiento y visualizaciones, esta tecnología fortalece el cumplimiento de las reglas de AML por parte de las instituciones.

1. Los datos, el elemento principal

• La herramienta de análisis gráfico de gestión de conformidad y delincuencia financiera de Oracle cuenta con la tecnología de Oracle Financial Services Data Foundation, que incluye los modelos de datos contra la delincuencia financiera más completos del sector. Esta solución se ha ido perfeccionando durante más de 20 años.
• Nuestro modelo integrado de gráficos de delitos financieros funciona en conjunto con nuestra Financial Services Data Foundation, consolidando e indexando datos para que se puedan visualizar mediante análisis gráficos. El modelo de gráfico de delitos financieros es flexible y no funciona con un esquema predefinido, lo que garantiza que la solución sea útil incluso con cantidades escasas de datos.
• Los usuarios pueden aprovechar una configuración de varios modelos (como Oracle Database) para decidir de forma flexible cómo consultar y gestionar datos.
• El modelo Financial Crime Graph Model obtiene información de lagos de datos, bases de datos relacionales, conjuntos de datos únicos y fuentes de datos de terceros. Al facilitar una imagen más holística de los clientes y sus relaciones, esta herramienta permite a los usuarios modelar conexiones entre todas sus fuentes de datos.
• Nuestra integración cuantificada ofrece información bajo demanda y clasificada en función del grado de riesgo basada en inteligencia de código abierto y fuentes de datos externas.
• Los datos del International Consortium of Investigative Journalists (famoso por publicar los "Papeles de Panamá") se integran en el gráfico. Esta información ayuda a los usuarios a detectar y resolver instantáneamente potenciales actores con objetivos deshonestos.

2. Lenguaje de consulta superior

• El lenguaje de consulta de gráficos es fácil de usar y fácil de entender. Aplica una lógica que simplifica la expresión de patrones, independientemente de si las relaciones de datos son complejas, indirectas o distantes.
• El lenguaje SQL de Oracle se denomina lenguaje de consulta de gráficos de propiedades (PGQL). El proyecto de código abierto expresa las consultas de forma concisa, lo que garantiza que la codificación y el procesamiento se lleven a cabo de forma más sencilla y rápida.
• Las consultas PGQL funcionan de uno a dos órdenes de magnitud más rápido que las consultas similares ejecutadas en SQL.

3. Procesamiento más rápido

• Oracle utiliza un motor de análisis gráfico en memoria escalable denominado Oracle Parallel Graph Analytics (Oracle PGX).
• Oracle PGX brinda respuestas rápidas aprovechando el procesamiento paralelo y las grandes capacidades de memoria disponible.
• Mientras que los usuarios tienen acceso a algoritmos incorporados para realizar consultas frecuentes, también pueden crear algoritmos y restricciones personalizados para satisfacer sus necesidades específicas.
• Los usuarios que deseen crear sus propios algoritmos pueden aprovechar una API para realizar una personalización completa.

4. Excelentes visualizaciones

• Los usuarios pueden hacer clic en los nodos para analizar intuitivamente las relaciones entre varios puntos de datos.
• Con tecnología de blocs de notas de ciencia de datos con código abierto, las visualizaciones de análisis gráficos se integran en la aplicación Oracle Financial Services Enterprise Case Management a través del módulo Oracle Financial Services Crime and Compliance Investigation Hub.
• Las actualizaciones en tiempo real de las visualizaciones ayudan a proporcionar contexto para las calificaciones de riesgo.
• Al visualizar las conexiones, los científicos de datos pueden crear un algoritmo con mayor facilidad. Esto es fundamental, ya que la implementación de análisis gráficos en un ecosistema de aprendizaje automático puede mejorar la precisión.