वैश्विक स्तर पर वित्तीय संस्थानों ने ग्राहक संबंधी उचित परिश्रम/अपने ग्राहक को जानें प्रक्रियाओं को शुद्ध कला के स्तर तक बढ़ाया है। कुछ मामलों में, संस्थान 600 से अधिक व्यक्तिगत क्षेत्रों की जानकारी एकत्र करते हैं, और कुछ समर्थन के लिए 14 से अधिक डेटा इंटरफेस का उपयोग करते हैं
आंतरिक सिस्टम और बाहरी डेटा प्रदाताओं का मिश्रण। यह उस बिंदु पर पहुंच रहा है जहां हम अपने ग्राहकों, उनके संबंधित पक्षों और उनके मालिकों के बारे में अपने बारे में जितना जानते हैं उससे कहीं अधिक जानते हैं। लेकिन जैसा कि कहा जाता है, "कोई भी अच्छा काम बिना सज़ा के नहीं होता" और सीडीडी/केवाईसी
केवल ग्राहकों पर डेटा संग्रह के साथ समाप्त नहीं होता है।
उचित परिश्रम के सभी कार्य - प्रश्न संग्रह, डेटा इंटरफेस और पिंग सेवाएं, विस्तारित संबंधों का विश्लेषण, फ़्लैगिंग और फॉलो-अप - जोखिम को पूरी तरह से और अधिक यथार्थवादी रूप से कम करने के लिए दोहराए जाने की आवश्यकता है। मैं सोचता हूं बारे में
इस व्यापक दृष्टिकोण को "नो योर वर्ल्ड" या केवाईडब्ल्यू के रूप में जाना जाता है।
केवाईडब्ल्यू में, आपके पास ड्यू डिलिजेंस की आवश्यकता वाली कई प्रमुख श्रेणियां हैं:
- ग्राहक
- ग्राहकों के सभी संबंधित पक्ष
- विक्रेताओं
- कर्मचारी
- प्रबंधक
- एआई/एमएल अनुप्रयोग
- श्रेणी 2 से श्रेणी 1 के अलावा अन्य श्रेणियों के बीच सभी ज्ञात संबंध
आप सभी श्रेणियों के साथ जो भी उचित परिश्रम करते हैं उसका एक ही उद्देश्य होता है: वित्तीय अपराधों के जोखिम की पहचान करना और उसे कम करना।
आइए KYW दृष्टिकोण में अतिरिक्त श्रेणियों के बारे में थोड़ी बातचीत करें:
विक्रेता: किसी ग्राहक के मामले में आपके द्वारा किए जाने वाले उचित परिश्रम के स्तर में कोई अंतर नहीं है। विक्रेताओं द्वारा उत्पन्न असंख्य जोखिमों को समझें और कम करें।
कर्मचारी और प्रबंधक: वित्तीय संस्थानों में अधिकांश लोगों को यही समस्या है: "हम ऐसा क्यों करना चाहेंगे?" ये संस्था के कर्मचारी और प्रबंधक हैं। आप कर्मचारियों और प्रबंधकों पर जो उचित परिश्रम करते हैं वह अलग है, लेकिन
कर्मचारियों या प्रबंधकों का अपेक्षित व्यवहार क्या है, यह स्थापित करना उचित परिश्रम है। बाद में - जिस तरह आप अप्रत्याशित व्यवहार की तलाश में अपने ग्राहक डेटा की निगरानी करते हैं - उसी तरह आप कर्मचारियों और प्रबंधकों के साथ भी करेंगे। आप निगरानी कर रहे हैं
डेटा-ग्राहक या कर्मचारी नहीं। केवल जब संबंधित-व्यवहार ध्वज ट्रिगर किया जाता है तो सही लोगों को इसका पालन करने के लिए इसके बारे में पता चल जाएगा।
एआई अनुप्रयोग: यह वह श्रेणी है जो सबसे पहले लोगों को डबलटेक करने के लिए प्रेरित करती है - जब तक कि वे रुककर इसके बारे में न सोचें। एक ऐसे उद्योग में जो हमारी हर प्रक्रिया और प्रक्रिया में "मुझे दिखाओ" मॉडल का पालन करता है, एआई एक अपवाद प्रतीत होता है - एक समस्याग्रस्त
अपवाद।
आइए, जब हम एआई एप्लिकेशन कहते हैं तो हम किस बारे में बात कर रहे हैं, इसे तैयार करके शुरू करें। आर्टिफिशियल इंटेलिजेंस सिस्टम जो आप नियमित रूप से टीवी नाटकों में देखते हैं, वे मनोरंजन के लिए सिर्फ काल्पनिक साधन हैं; सच्ची सोच की मशीन अभी भी दूर है।
जिसे हम अक्सर एआई कहते हैं वह वास्तव में एमएल या मशीन लर्निंग होता है। और यद्यपि यह स्वतंत्र रूप से बुद्धिमान नहीं है, फिर भी यह सीख सकता है। शो-मी उद्योग में समस्या यहीं है।
तीन तरीके हैं जिनसे एक कंप्यूटर एल्गोरिदम अब सीख सकता है: पर्यवेक्षित शिक्षण, सुदृढीकरण, और अनपर्यवेक्षित। पर्यवेक्षित विधि सबसे अधिक पारदर्शी प्रतीत होती है क्योंकि आप वह डेटा देखते हैं जिसका उपयोग सिस्टम को प्रशिक्षित करने के लिए किया गया था। यह विधि सीमित है
नियमों में आप आवेदन कर सकते हैं, और जो डेटा आप इसे खिलाते हैं उसमें आपको सभी शर्तें बनानी होंगी।
दूसरा विकल्प सुदृढीकरण विधि है, जिसे सीखते समय मानवीय सत्यापन की आवश्यकता होती है।
फिर हम जंगली, जंगली पश्चिम में आते हैं: बिना पर्यवेक्षित शिक्षा। बिना पर्यवेक्षण के सीखना वैसा ही है जैसा लगता है। बिना पर्यवेक्षण के, आप एल्गोरिदम को डेटा देते हैं और सिस्टम को आपके द्वारा प्रदान किए गए नियमों के अनुसार यह पता लगाने देते हैं कि डेटा का क्या अर्थ है। इसलिए
आपको अपने एमएल/एआई अनुप्रयोगों को शामिल करने, जोखिम दर और निगरानी करने की आवश्यकता होगी। उद्योग की शो-मी अनिवार्यता को देखते हुए, आप सोच सकते हैं कि आप जानते हैं कि आपके एमएल/एआई एप्लिकेशन क्या कर रहे हैं, लेकिन आप इसे बहुत आसानी से साबित नहीं कर सकते।
अज्ञात रिश्ते: आपकी विभिन्न श्रेणियों के बीच गैर-स्पष्ट या अज्ञात रिश्तों का कोई मतलब नहीं हो सकता है या किसी के व्यवहार को वैध या अवैध बनाने के लिए अहा-हा क्षण हो सकता है।
अंत में, नो योर वर्ल्ड दृष्टिकोण आपके संस्थान में गंभीर जोखिम के स्रोतों पर व्यापक और गहराई से नज़र रखता है। और क्योंकि यह डेटा के माध्यम से व्यवहार की निगरानी है, हम व्यक्तियों के प्रति अत्यधिक आक्रामक या अनुचित हुए बिना जोखिम की निगरानी कर सकते हैं।
जब हम व्यवहार की निगरानी करते हैं, तो हम कभी भी विषय को नहीं देखते हैं। बल्कि, हम डेटा में स्पष्ट व्यवहार या विभिन्न व्यवहारों की तलाश करते हैं। और जब हम उन्हें ढूंढते हैं, तभी और केवल तभी व्यवहार किसी प्रकार की इकाई से बंधा होता है: एक ग्राहक, एक विक्रेता, या एक एआई/एमएल
आवेदन।
