مشتریان
سیستم ضد پولشویی
پول شویی فرآیندی است که طی آن افراد متخلف با استفاده از امکانات مؤسسات مالی و بانک­ها درآمد نامشروع خود را تطهیر نموده و آنرا قانونی جلوه می­دهند. به منظور شناسایی این فرآیند، دولت­ها همواره گزارش­های متعددی را از بانک­های خود طلب می­نمایند و بانک­ها موظف هستند موارد مشکوک به پول شویی را در قالب چارچوب مورد درخواست بانک مرکزی تهیه و به طور مستمر ارائه نمایند. از سوی دیگر، شناسایی روش­ها و رفتارهای افراد پول­ شوی با توجه به پیشرفت بانکداری الکترونیکی به تدریج پیچیده­تر شده و شناسایی این رفتارها با توجه به حجم انبوه اطلاعات در یک بانک بدون استفاده از سیستم­های ضد پول شویی میسر نمی­باشد.

 

سیستم ضد پول شویی (AML) وظیفه دارد که با جمع آوری اطلاعات پراکنده در سطح یک بانک عملیات پردازش و شناسایی افراد و رفتارهای مشکوک به پول شویی را در زمان مناسب انجام داده و گزارش­های مورد نیاز را تولید و ارائه نماید. ماژول­های مورد نیاز در یک سیستم ضد پول شویی استاندارد شامل موارد زیر می­باشد:

  • Watch-List Filtering
  • Reporting
  • Know Your Customer
  • Transaction Monitoring
  • Case Management
ویژگی­های سیستم ضد پول شویی نگین عبارتند از:
    • عدم تحميل بار اضافی بر روی سرورهای عملیاتی بانک بوسیله عملیات این سیستم بواسطه­ ایجاد Data Warehouse؛
    • دقت و سرعت بالا در فرآیند داده کاوی، تجزیه و تحلیل، و گزارش دهی نسبت به سیستم­های مبتنی بر "Relational Data Modeling"، بدليل طراحی مبتنی بر مدل "Dimensional" که با استفاده از OLAP پیاده سازی شده است؛
    • دقت بالا در شناسایی و عملکرد روش­ها و الگوریتم­های داده­کاوی مبتنی بر مدل­های Dimensional؛
    • سادگی، هوشمندی و آموزش پذيری؛
    • گزارش­گیری کارآمد و سریع.

    از امکانات سیستم ضد پول شویی نگین می توان به موارد زیر اشاره کرد:

    • تولید گزارش­های مورد نیاز بانک مرکزی، طراحی و چاپ سريع هر گونه گزارش توسط هر کاربر و ارائه­ خروجی­ها به صورت نمودار و فهرست افراد مشکوک؛
    • يافتن افراد مشکوک به پول شویی، الگوهای رفتاری پول شویان و افراد مرتبط در یک شبکه با هدف پول شویی با استفاده از روش­های داده­کاوی "Supervised" و "Unsupervised" با کمترین میزان False Positive؛
    • توانایی بالا در تشخیص پول شویی بواسطه­ تنوع زياد در روش­های داده کاوی و استفاده از روش­های Clustering و Decision Tree و Link Analysis و تحلیل­های خطی؛
    • سادگی فرآیند اضافه نمودن "New Rule"، در مقایسه با سیستم­های قدیمی ضد پول شویی که مبتنی بر Rule کار می­کردند، و امکان محاسبه و ارائه­ میزان ریسک هر Rule برای هر Case به­صورت جداگانه