Strises posisjonsnotat om dataKopier lenke til overskriften

Setter standarden for etisk datapraksis innen AML

SammendragKopier lenke til overskriften

Strise gjør fragmenterte AML-data om til handlingsrettet innsikt gjennom SuperData, data- og entitetsoppløsningslaget på plattformen. Kjernen i tilnærmingen vår er en forpliktelse til etisk datapraksis, etterlevelse av regelverk og transparent leverandørevaluering og datakvalitetssikring.

InnledningKopier lenke til overskriften

Håndtering av datautfordringer innen AMLKopier lenke til overskriften

Innen AML er problemet todelt: fragmenterte datasett og ineffektive arbeidsflyter. Strise løser disse utfordringene med avanserte grafmodeller, transparent bruk av AI og solide leverandørevalueringer.

Hva som skiller StriseKopier lenke til overskriften

Strises arkitektur utfører datainnhenting og -behandling før AML-saksbehandlere utfører due diligence. Alle kunder abonnerer på den samme sannhetskilden i et multi-tenant skymiljø.

Fordeler med forhåndsbehandlingKopier lenke til overskriften

• Dynamiske eierskapsendringer: Automatisk screening når det skjer endringer i eierskap
• Konfliktløsning: Identifiserer eierskapskonflikter mellom manuelle endringer og registeroppdateringer
• Dataintegritet: Beholder alltid den opprinnelige versjonen av dataene

Fordeler med multi-tenant-arkitekturKopier lenke til overskriften

• Kostnadseffektivitet: Delt infrastruktur reduserer kostnadene
• Sømløse oppdateringer: Sanntidsoppdateringer for alle kunder
• Skalerbarhet: Vokser i takt med kundenes behov
• Felles innsikt: Aggregerte, anonymiserte forbedringer
• Strømlinjeformet integrasjon: Konsekvente API-er og datamodeller på tvers av leietakere
• Forbedret sikkerhet: Streng dataseparasjon, kryptering, samt overholdelse av GDPR og AMLD6

DatafilosofiKopier lenke til overskriften

• Etisk databruk: Bygget på offentlig tilgjengelige data
• Kvalitet først: Pålitelige dataleverandører med kontinuerlig evaluering
• Innebygd personvern: Personvern integrert i alle ledd
• Transparent AI: Tydelig innsyn i AI-beslutninger

Hvordan Strise bruker dataKopier lenke til overskriften

Strise bruker grafmodeller for å representere det komplekse nettverket av relasjoner i næringslivet. Vår 7-trinns prosess (trinn 2–5 skjer før due diligence):

1. DatainnhentingKopier lenke til overskriften

• Lokale registre: Prioritert for presisjon via formidlere som Creditsafe
• Globale kilder: Partnerskap med Sayari Labs for jurisdiksjoner som er vanskelig tilgjengelige
• Regulatoriske lister: Dekning av sanksjoner og PEP via Trapets og Dow Jones
• Dynamiske oppdateringer: Alle kilder oppdateres daglig

2. Automatisk rensing og dedupliseringKopier lenke til overskriften

• Triangulering: Kryssjekking mot flere kilder
• Utnyttelse av metadata: Fødselsdatoer, adresser for validering
• Brukervennlige verktøy for deduplisering: Intuitivt grensesnitt for manuell vurdering

3. Manuell rensing og dedupliseringKopier lenke til overskriften

• Dynamisk kobling: «Koble til eier»-knapp for entiteter med begrenset informasjon
• Effektivt søk: Resultater filtrert etter land og entitetstype
• Fleksibel sammenslåing: Sikker sammenslåing støttet av metadata

4. KontrollberegningerKopier lenke til overskriften

Eierskap i Strise refererer til relasjoner der entiteter eier deler av andre entiteter, inkludert indirekte eierskap gjennom flere ledd.

Reelle rettighetshavere vs. antatte reelle rettighetshavere:

• Reelle rettighetshavere: Fysiske personer som eier eller kontrollerer en entitet gjennom eierskap, familieforbindelser eller avtaler
• Antatte reelle rettighetshavere (ABO-er): Fysiske personer der Strise har lavere konfidens til statusen som reell rettighetshaver

Landspesifikke retningslinjer er tilgjengelige for Norge, Danmark, Sverige, Finland og Storbritannia.

5. Manuell redigering av dataKopier lenke til overskriften

Brukere kan redigere eksisterende eiere, slette eiere eller roller, og legge til nye eiere eller roller. Alle endringer gjenspeiles umiddelbart på tvers av plattformen og merkes med brukeren som utførte dem.

6. ScreeningKopier lenke til overskriften

• Tilpassbar fuzzy matching: Justerbare terskler for screeningpresisjon på team-nivå
• Sanksjonsscreening: Konsoliderte data fra OFAC, OFAC SDN, Storbritannia, EU og FN
• PEP- og RCA-screening: Data fra Trapets og Dow Jones
• Adverse Media Screening (AMS): Egenutviklet NLP-basert løsning som behandler millioner av artikler daglig

7. MonitoreringKopier lenke til overskriften

• Kontinuerlig kundemonitorering: Automatisk varsling om endringer
• Kontinuerlige risikooppdateringer: Automatiserte risikovurderinger utløst av dataendringer
• Tilpassbare automatiserte kontroller: Kodefri («no-code») regelkonfigurasjon
• Global PEP- og sanksjonsscreening: Kontinuerlig, automatisert etterlevelse

LeverandørevalueringKopier lenke til overskriften

• Årlige re-evalueringer: Evalueringer av GDPR, sikkerhet og datakvalitet
• Benchmarking: Jevnlige sammenligninger med konkurrenter
• Sertifiseringer: Leverandører sertifisert i henhold til ISO 27001 og SOC 2 Type II

Forbehold om datakvalitetKopier lenke til overskriften

Datakvaliteten avhenger av tredjepartsleverandører og offentlige kilder. Dekningen varierer fra land til land. Strise arbeider kontinuerlig med å forbedre datakvaliteten gjennom partnerskap og teknologi.

Forpliktelser og fremtidsvisjonKopier lenke til overskriften

Strise er forpliktet til etisk, transparent og sikker datapraksis. Vi vil fortsette å investere i datakvalitet, leverandørevaluering og AI-transparens for å sikre at kundene våre har de best mulige verktøyene for AML-etterlevelse.