پول شویی فرآیندی است که طی آن افراد متخلف با استفاده از امکانات مؤسسات مالی و بانکها درآمد نامشروع خود را تطهیر نموده و آنرا قانونی جلوه می دهند. به منظور شناسایی این فرآیند، دولت ها همواره گزارش های متعددی را از بانک های خود طلب می نمایند و بانک ها موظف هستند موارد مشکوک به پول شویی را در قالب چارچوب مورد درخواست بانک مرکزی تهیه و به طور مستمر ارائه نمایند. از سوی دیگر، شناسایی روش ها و رفتارهای افراد پول شوی با توجه به پیشرفت بانکداری الکترونیکی به تدریج پیچیده تر شده و شناسایی این رفتارها با توجه به حجم انبوه اطلاعات در یک بانک بدون استفاده از سیستم های ضد پولشویی میسر نمی باشد.
سیستم ضد پول شویی (AML) وظیفه دارد که با جمع آوری اطلاعات پراکنده در سطح یک بانک عملیات پردازش و شناسایی افراد و رفتارهای مشکوک به پولشویی را در زمان مناسب انجام داده و گزارش های مورد نیاز را تولید و ارائه نماید.
- Watch-List Filtering
- Reporting
- Know Your Customer
- Transaction Monitoring
- Case Management
- عدم تحمیل بار اضافی بر روی سرورهای عملیاتی بانک بوسیله عملیات این سیستم بواسطه ایجاد Data Warehouse؛
- دقت و سرعت بالا در فرآیند داده کاوی، تجزیه و تحلیل، و گزارش دهی نسبت به سیستم های مبتنی بر “Relational Data Modeling”، بدلیل طراحی مبتنی بر مدل “Dimensional” که با استفاده از OLAP پیاده سازی شده است؛
- دقت بالا در شناسایی و عملکرد روش ها و الگوریتم های داده کاوی مبتنی بر مدل های Dimensional؛
- سادگی، هوشمندی و آموزش پذیری؛
- گزارش گیری کارآمد و سریع.
- تولید گزارش های مورد نیاز بانک مرکزی، طراحی و چاپ سریع هر گونه گزارش توسط هر کاربر و ارائه خروجی ها به صورت نمودار و فهرست افراد مشکوک؛
- یافتن افراد مشکوک به پولشویی، الگوهای رفتاری پولشویان و افراد مرتبط در یک شبکه با هدف پول شویی با استفاده از روش های داده کاوی “Supervised” و “Unsupervised” با کمترین میزان False Positive؛
- توانایی بالا در تشخیص پول شویی بواسطه تنوع زیاد در روش های داده کاوی و استفاده از روش های Clustering و Decision Tree و Link Analysis و تحلیل های خطی؛
- سادگی فرآیند اضافه نمودن “New Rule”، در مقایسه با سیستم های قدیمی ضد پول شویی که مبتنی بر Rule کار می کردند، و امکان محاسبه و ارائه میزان ریسک هر Rule برای هر Case به صورت جداگانه