反洗钱数据治理的路径

本篇文章2873字，读完约7分钟

落实数据责任，将高质量的数据需求整合到各业务部门和环节的绩效流程和处理流程中，严格控制源数据的录入，建立数据质量奖惩机制。统一数据标准，确保明确的数据含义，统一访问规则，为客户信息和交易的独特集成设计规则，并实施基于客户的基金监控制度安排。建立跨部门协调机制，合理平衡反洗钱牵头部门、科技或数据部门与数据采集、处理、使用和审计部门的职责，明确共同维护职责。加强数据安全保密，在安全、保密、可控的基础上，形成反洗钱数据资源共建、共管、共享的局面。

反洗钱涉及面广，其内涵和外延日益扩大，并逐步扩展到反逃税、法人和受益所有人透明等更广泛的领域。封锁非法资金和防止犯罪已成为国际社会的一项重要措施和普遍义务。在金融技术创新发展和数字化转型加速的过程中，风险管理、业务决策等金融核心业务的需求越来越强烈，并映射到反洗钱领域，这体现在迫切需要利用新技术整合散列客户信息和交易信息，提高反洗钱监管和可疑资金监控的整体质量和效率，实现反洗钱工作的数字化。数据治理作为反洗钱数字化的坚实基础手段，必将成为监管机构和志愿机构共同推动反洗钱工作高质量发展的凝聚方向。

反洗钱数据治理的重要性

(1)实施基于风险的工作方法，构建高质量的全面风险管理体系。以《反洗钱法》的颁布实施为起点，中国反洗钱工作已经走过了起步阶段，与制度机制建设同步，监测系统不断优化升级，积累了世界上最大的反洗钱数据资源，为数据资源的深度开发奠定了基础。随着“三反”意见的出台和fatf互评的通过，中国反洗钱工作开始了新的征程，反洗钱工作理念、监管期望和监管力度与时俱进。根据反洗钱金融行动工作组的标准和国际趋势，反洗钱进入了全面风险管理的新时代，面临着建立包括风险评估、风险识别、风险应对和控制措施在内的体系的紧迫任务。数据为风险管理奠定坚实基础，有效预警、识别和控制风险，坚持数据驱动风险管理的反洗钱工作理念，必须依靠数据、信息和客户身份、金融交易等案例。

(2)完善反洗钱金融行动工作组互评的后续工作，提高反洗钱工作的有效性。在互评的后续整改阶段，监管机构和志愿机构都需要积累与跨部门协同监管、有效防范洗钱活动和惩治洗钱犯罪相关的详细数据、丰富案例和成功案例，以帮助统计分析成效结果，证明后续工作的有效性。为解决监管信息缺乏交流和共享、客户信息质量不高、客户信息未能整合和融合、监控系统未能实现全覆盖、可疑交易报告案件完成率低等诸多问题，应优先考虑数据优化和案件积累，反洗钱数据治理必须先行。

(3)提高数据资源利用效率，加快数字化转型。目前，一直走在科技应用前沿的金融业正受到技术创新和监管力度加大的推动，大数据平台、云计算、区块链等新技术相继推出，追求实现数字金融和数字监管的初衷。数据是一种重要的资源，数据资源包含数据价值，这也适用于反洗钱领域。大数据时代的基石是数据价值挖掘和利用。单纯依靠新技术无法从根本上解决数据质量低、数据利用率不足的核心问题，这将制约金融业的数字化转型。以数据治理为前哨，提高数据质量，充分发挥数据价值，解决客户数据不完整、不准确、交易数据无效、综合利用水平低等数据缺口，应该是反洗钱数字化转型战略的坚实举措，同时兼顾观念意识、制度机制、人才储备和技术创新，甚至予以优先考虑。

反洗钱数据治理的路径构成

一、客户身份数据治理。识别和登记客户身份基本信息是反洗钱的核心义务，完整、准确、有效的客户身份基本信息是反洗钱客户风险分类、可疑交易监控、识别和分析的基础。在日常监管实践中，因客户身份基本信息不完整、不准确而受到处罚的案例很多。反洗钱数据治理应从客户信息开始，并与客户识别流程紧密结合。在系统支持的帮助下，做好客户信息身份注册、合并统一、补充和更正工作，消除身份信息缺失、证书过期、同一客户唯一客户身份等不合规问题。

(2)金融交易数据治理。金融机构的信息系统集群庞大，基于量化客户群的交易多年来积累了大量的数据，使得数据整合变得困难。目前，反洗钱资金监控大多基于数据加载和入库的存储模式，这就要求从上游核心系统进行数据提取、转换、清洗和加载的高技术实现。在多系统数据采集和入库过程中，数据类型不匹配、数据截断、重复加载等技术遗漏会导致漏报、迟报和资金监控错报。通过反洗钱数据管理，可以完整、准确地复制上游系统数据，这直接决定了客户识别、可疑活动分析和洗钱案件调查的质量和效率。

(3)理清履行职责的有效性。坚持依法行政、高效履职，探索“数字加”在监管领域的应用，依法梳理反洗钱管理产生的信息，依法披露行政检查行为、行政强制行为、行政处罚、投诉举报、双重随机性、监管对象和执法人员等非保密敏感信息，梳理整合监管信息资源，支持联合监管行动，推进信息共享和数字监管，方便监管有效性统计分析。注意保留内部责任的痕迹，以备将来参考，可能包括责任期间生成的监管数据、合规问题整改的实施情况、反映整改结果的详细数据图表、堵塞洗钱风险漏洞的做法、高风险客户管控经验实例、发现并纠正反洗钱系统的数据错误、人员全面有效履行职责等。

反洗钱数据治理建议

一、完善数据治理的顶层设计。数据治理是一个系统工程，应该包含在最高级别的战略规划和公司治理中。反洗钱数据治理应作为提高合规管理和风险管控水平的战略措施，体现高层决心。通过自上而下的指导和监督，自下而上推进实施，形成长期、技术、持续、协同的数据治理的统一认知和执行。同时，完善制度机制、健全治理规则和创新治理模式、规划技术路线、培育数据文化和数据治理都是全员参与的理念，树立人人对数据质量负责的数据意识，营造履行职责共同维护数据质量的环境。

(2)构建数据治理体系和机制体系。坚持制度第一，涵盖治理目标、工作原则、组织架构、职责分工、治理范围、协调机制、安全控制、制度保障、监督检查、数据质量控制、检查评估、责任追究等方面。落实数据责任，将高质量的数据需求整合到各业务部门和环节的绩效流程和处理流程中，严格控制源数据的录入，建立数据质量奖惩机制。统一数据标准，确保明确的数据含义，统一访问规则，为客户信息和交易的独特集成设计规则，并实施基于客户的基金监控制度安排。建立跨部门协调机制，合理平衡反洗钱牵头部门、科技或数据部门与数据采集、处理、使用和审计部门的职责，明确共同维护职责。加强数据安全保密，在安全、保密、可控的基础上，形成反洗钱数据资源共建、共管、共享的局面。

(3)加强科技赋权数据的治理和共享。坚持制度机制和制度支持双管齐下，构建反洗钱数据治理和质量监控智能平台，覆盖数据全生命周期，支持对客户信息不完整、不准确、大额可疑交易迟报、漏报错报、客户风险等级分类和定期调整不及时等问题的持续监控、分析、反馈和纠正，完善核心系统功能，增加客户信息必填项检测、自动验证提示等管控措施。，综合运用客户和交易指标优化客户洗钱风险。坚持数字化监管方向，探索“互联网+”和区块链等前沿技术在联合监管中的推广应用，充分发挥新技术在促进监管信息共享、优化监管流程、提高监管效率方面的作用，开辟监管信息共享链、应用链和价值链。