Strises positionspapir om data

Sætter standarden for etisk datapraksis inden for AML

Sammenfatning

Strise forvandler fragmenterede AML-data til handlingsorienteret indsigt via SuperData, platformens data- og entitetsopløsningslag. Kernen i vores tilgang er et engagement i etisk datapraksis, overholdelse af lovgivningen samt gennemsigtig leverandørevaluering og datakvalitetssikring.

Introduktion

Håndtering af AML's dataudfordringer

Inden for AML er problemet todelt: fragmenterede datasæt og ineffektive arbejdsgange. Strise adresserer disse udfordringer med avancerede grafmodeller, gennemsigtig brug af AI og robuste leverandørvurderinger.

Hvad der adskiller Strise

Strises arkitektur udfører dataindlæsning og -behandling, før AML-sagsbehandlere udfører due diligence. Alle kunder tilgår den samme kilde til sandhed i et multi-tenant cloud-miljø.

Fordele ved forbehandling

• Dynamiske ejerskabsændringer: Automatisk screening, når der sker ændringer i ejerskab
• Konfliktløsning: Identificerer ejerskabskonflikter mellem manuelle redigeringer og registeropdateringer
• Dataintegritet: Bevarer altid den oprindelige version af data

Fordele ved en multi-tenant-arkitektur

• Omkostningseffektivitet: Delt infrastruktur reducerer omkostningerne
• Sømløse opdateringer: Realtidsopdateringer for alle kunder
• Skalerbarhed: Vokser i takt med kundens behov
• Kollektiv indsigt: Samlede, anonymiserede forbedringer
• Strømlinet integration: Ensartede API- og datamodeller på tværs af tenants
• Forbedret sikkerhed: Streng datasegregation, kryptering, GDPR- og AMLD6-overholdelse

Datafilosofi

• Etisk databrug: Bygger på offentligt tilgængelige data
• Kvalitet først: Pålidelige dataleverandører med løbende evaluering
• Privacy by Design: Privatlivsbeskyttelse integreret på alle stadier
• Gennemsigtig AI: Klar indsigt i AI-beslutningstagning

Hvordan Strise anvender data

Strise bruger grafmodeller til at repræsentere det komplekse netværk af relationer i erhvervslivet. Vores 7-trins proces (trin 2-5 sker før due diligence):

1. Dataindsamling

• Lokale registre: Prioriteret for præcision via formidlere som Creditsafe
• Globale kilder: Partnerskaber med Sayari Labs for jurisdiktioner, der er svære at tilgå
• Regulatoriske lister: Dækning af sanktioner og PEP via Trapets og Dow Jones
• Dynamiske opdateringer: Alle kilder opdateres dagligt

2. Automatisk rensning og deduplikering

• Triangulering: Krydsreferering af flere kilder
• Udnyttelse af metadata: Fødselsdatoer, adresser til validering
• Brugervenlige deduplikeringsværktøjer: Intuitiv brugerflade til manuel vurdering

3. Manuel rensning og deduplikering

• Dynamisk sammenkædning: "Tilknyt ejer"-knap til entiteter med begrænsede oplysninger
• Strømlinet søgning: Resultater filtreret efter land og entitetstype
• Fleksibel sammenlægning: Sikker sammenlægning understøttet af metadata

4. Kontrolberegninger

Ejerskab i Strise refererer til relationer, hvor entiteter ejer dele af andre entiteter, herunder indirekte ejerskab gennem flere lag.

UBO'er vs. ABO'er:

• UBO'er: Fysiske personer, der formodes at kontrollere en entitet gennem ejerskab, familieforbindelser eller aftaler
• ABO'er: Fysiske personer med mindre vished om deres status som reel ejer

Landespecifikke retningslinjer er tilgængelige for Norge, Danmark, Sverige, Finland og Storbritannien.

5. Manuel redigering af data

Brugere kan redigere eksisterende ejere, slette ejere eller roller og tilføje nye ejere eller roller. Alle ændringer afspejles øjeblikkeligt på tværs af platformen og tagges med den bruger, der foretog dem.

6. Screening

• Brugertilpasset fuzzy matching: Justerbare tærskelværdier for screeningpræcision på tværs af hele teamet
• Sanktionsscreening: Konsoliderede data fra OFAC, OFAC SDN, Storbritannien, EU og FN
• PEP- og RCA-screening: Data fra Trapets og Dow Jones
• Adverse Media Screening (AMS): Egenudviklet NLP-baseret løsning, der behandler millioner af artikler dagligt

7. Overvågning

• Kontinuerlig kundeovervågning: Automatisk markering af ændringer
• Løbende risikoopdateringer: Automatiserede risikovurderinger udløst af dataændringer
• Brugertilpassede automatiserede kontroller: No-code-regelopsætning
• Global PEP- og sanktionsscreening: Kontinuerlig, automatiseret compliance

Leverandørevaluering

• Årlige genvurderinger: Evalueringer af GDPR, sikkerhed og datakvalitet
• Benchmarking: Regelmæssige sammenligninger med konkurrenter
• Certificeringer: ISO 27001- og SOC 2 Type II-certificerede leverandører

Ansvarsfraskrivelse vedrørende datakvalitet

Datakvaliteten afhænger af tredjepartsleverandører og offentlige kilder. Dækningen varierer fra land til land. Strise arbejder kontinuerligt på at forbedre datakvaliteten gennem partnerskaber og teknologi.

Forpligtelser og fremtidsvision

Strise er forpligtet til etisk, gennemsigtig og sikker datapraksis. Vi vil fortsætte med at investere i datakvalitet, leverandørevaluering og AI-transparens for at sikre, at vores kunder har de bedst mulige værktøjer til AML-compliance.