Strises ståndpunktsdokument om data

Sätter standarden för etisk datapraxis inom AML

Sammanfattning

Strise omvandlar fragmenterade AML-data till användbara insikter genom SuperData, plattformens data- och entitetsmatchningslager. Kärnan i vårt tillvägagångssätt är ett engagemang för etisk datapraxis, regelefterlevnad samt transparent leverantörsutvärdering och datakvalitetssäkring.

Introduktion

Att hantera datautmaningarna inom AML

Inom AML är problemet tvådelat: fragmenterade datamängder och ineffektiva arbetsflöden. Strise hanterar dessa utmaningar med avancerade grafmodeller, transparent användning av AI och robusta leverantörsbedömningar.

Vad som skiljer Strise från mängden

Strises arkitektur utför datainhämtning och databearbetning innan AML-handläggare genomför due diligence. Alla kunder prenumererar på samma sanningskälla i en multi-tenant-molnmiljö.

Fördelar med förbearbetning

• Dynamiska ändringar i äganderätt: Automatisk screening när förändringar i äganderätt sker
• Konflikthantering: Identifierar konflikter i äganderätt mellan manuella redigeringar och registeruppdateringar
• Dataintegritet: Behåller alltid ursprungsversionen av data

Fördelar med en multi-tenant-arkitektur

• Kostnadseffektivitet: Delad infrastruktur sänker kostnaderna
• Sömlösa uppdateringar: Realtidsuppdateringar för alla kunder
• Skalbarhet: Växer i takt med kundernas behov
• Gemensamma insikter: Samlade, anonymiserade förbättringar
• Effektiviserad integration: Enhetliga API:er och datamodeller över samtliga tenants
• Förbättrad säkerhet: Strikt datasegregering, kryptering samt efterlevnad av GDPR och AMLD6

Datafilosofi

• Etisk dataanvändning: Bygger på allmänt tillgängliga data
• Kvalitet först: Betrodda dataleverantörer med kontinuerlig utvärdering
• Inbyggd integritet (Privacy by Design): Integritetsskydd inbyggt i varje steg
• Transparent AI: Tydlig insyn i AI-beslutsfattande

Hur Strise använder data

Strise använder grafmodeller för att representera det komplexa nätverket av relationer i näringslivet. Vår 7-stegsprocess (steg 2–5 sker före due diligence):

1. Datainsamling

• Lokala register: Prioriteras för precision via mellanhänder såsom Creditsafe
• Globala källor: Partnerskap med Sayari Labs för svårtillgängliga jurisdiktioner
• Regulatoriska listor: Täckning av sanktioner och PEP via Trapets och Dow Jones
• Dynamiska uppdateringar: Alla källor uppdateras dagligen

2. Automatisk rensning och deduplicering

• Triangulering: Korsreferering av flera källor
• Användning av metadata: Födelsedatum och adresser för validering
• Användarvänliga dedupliceringsverktyg: Intuitivt gränssnitt för att granska manuellt

3. Manuell rensning och deduplicering

• Dynamisk länkning: Knappen "Koppla ägare" för entiteter med begränsad information
• Effektiviserad sökning: Resultat filtreras efter land och entitetstyp
• Flexibel sammanslagning: Säker sammanslagning med stöd av metadata

4. Kontrollberäkningar

Äganderätt i Strise avser relationer där entiteter äger delar av andra entiteter, inklusive indirekt äganderätt genom flera led.

UBO:er kontra ABO:er:

• UBO:er: Fysiska personer som antas kontrollera en entitet genom äganderätt, familjeband eller avtal
• ABO:er: Fysiska personer med lägre grad av säkerhet gällande deras status som verklig huvudman

Landsspecifika riktlinjer finns tillgängliga för Norge, Danmark, Sverige, Finland och Storbritannien.

5. Manuell redigering av data

Användare kan redigera befintliga ägare, ta bort ägare eller roller samt lägga till nya ägare eller roller. Alla ändringar återspeglas omedelbart på hela plattformen och märks med den användare som gjorde dem.

6. Screening

• Anpassningsbar fuzzy matching: Justerbara tröskelvärden för screeningprecision över hela teamet
• Screening mot sanktioner: Sammanställda data från OFAC, OFAC SDN, Storbritannien, EU och FN
• PEP- och RCA-screening: Data från Trapets och Dow Jones
• Adverse Media Screening (AMS): Egenutvecklad NLP-baserad lösning som behandlar miljontals artiklar dagligen

7. Övervakning

• Kontinuerlig kundövervakning: Automatisk flaggning av förändringar
• Kontinuerliga riskuppdateringar: Automatiserade riskbedömningar som triggas av dataändringar
• Anpassningsbara automatiserade kontroller: Regelkonfiguration utan kod
• Global PEP- och sanktionsscreening: Kontinuerlig, automatiserad efterlevnad

Leverantörsutvärdering

• Årliga omutvärderingar: Utvärderingar av GDPR, säkerhet och datakvalitet
• Benchmarking: Regelbundna jämförelser med konkurrenter
• Certifieringar: ISO 27001- och SOC 2 Type II-certifierade leverantörer

Friskrivning om datakvalitet

Datakvaliteten beror på tredjepartsleverantörer och offentliga källor. Täckningen varierar mellan länder. Strise arbetar kontinuerligt för att förbättra datakvaliteten genom partnerskap och teknik.

Åtaganden och framtidsvision

Strise är fast beslutet att upprätthålla etisk, transparent och säker datapraxis. Vi kommer att fortsätta investera i datakvalitet, leverantörsutvärdering och AI-transparens för att säkerställa att våra kunder har de bästa möjliga verktygen för AML-efterlevnad.