ddma 24 oktober 2007 fortis over datakwaliteit
DESCRIPTION
Tijdens de Dag van de Datakwaliteit zal De Bruijn aandacht besteden aan de grote overlap tussen de activiteiten binnen dit integriteitdomein en marketing. De afhankelijkheid van data bij het inrichten van effectieve en efficiënte processen in beide gebieden is groot. Data-analyse vormt bij banken inmiddels een belangrijk preventief middel. De kwaliteit van data is cruciaal omdat onderzoek op basis van de aanwezige data en de daaruit voortkomende conclusies, verstrekkende gevolgen kunnen hebben voor de instelling en zijn klanten.TRANSCRIPT
Event: DDMA Dag van de Datakwaliteit
Thema: Datakwaliteit
Spreker: Coen de Bruijn - Fortis
Datum: 24 oktober 2007, De Lindenhof, Delft
www.ddma.nl
Coen de BruijnFortis
Coen de Bruijn | | 2
Risk Management & Datakwaliteit
Coen de BruijnAdviseur Integrity & AML
| | 3
Agenda
– Introductie– Nieuwe en bestaande klant– Afwijkend klantgedrag
| | 4
Fortis Bank Risk
| | 5
Integriteitschendingen
– Interne en Externe Fraude– Witwassen– Terrorisme financiering
| | 6
Fraude : Wat gaat er achter schuil?
oppor-tunity
0-toler-ance
Oppor
tunit
y
Rationalisation
Incentive
Oppor
tunit
y
Rationalisation
Incentive
| | 7
Fasen van het witwasprocesInternationaal wordt het witwasproces in drie fasen verdeeld
Placement Layering Integration
| | 8
Waar komen gegevens vandaan?
Monitoren van bestaande klanten en hun transacties
Externe meldpunten
Filtering van nieuwe en bestaande klanten & transacties
Front office over verdacht gedrag en periodieke reviews
Andere informatie (bijv. pers, info van justitie, etc.)
| | 9
Parallellen tussen MI en CTM*
– Ken uw (potentiële) klant– (Ongebruikelijk) Klantgedrag bekijken– Klantgedrag voorspellen– Klantprofielen– Afhankelijkheid van data
*Customer & Transaction Monitoring
Coen de Bruijn | | 10
Nieuwe en bestaande klanten
| | 11
Do you know who I am?
| | 12
Ken uw (potentiële) Klant
Identificatie Verificatie Registratie Acceptatie
Identificatie tools
From “Know Your Target” to “Know Your Customer”
ScreeningCustomer Due
Diligence
Register Wie, Wat, Wanneer, Waar,
UBO
Client AcceptancePolicy
| | 13
Klantonderzoek
– Ken je klant / tussenpersoon– Ken de klant van je klant / tussenpersoon– Ken de Ultimate Benificial Owner (UBO)– Wat? Met wie? Wanneer? Hoe vaak?
Preventie - Voorkom vervelende verrassingen
| | 14
Data issues
– Kwaliteit van de lijsten– Invoer– Hoeveelheid data (te veel of te weinig)– Matching; Wat te doen als bijv. Ban Laden binnenloopt?– Vastlegging
Systeem
Werkelijkheid
Geen hit
Hit
“Bad guy”“Good guy”
Coen de Bruijn | | 15
Afwijkend klantgedrag
| | 16
Een dag uit het leven van een transactieKlant maakt geld over naar het buitenland
De transactie wordt vertaald naar een swift bericht
Alle elementen in het swift bericht worden onderzocht en vergeleken met zwarte lijsten
De transactie bevat een mogelijke hit op een zwarte lijst! De transactie wordt even “on hold” gezet
Onderzoek toont aan dat het een valse hit was. De transactie wordt verder verwerkt
er wordt naar de transactiehistorie gekeken en de account manager informeert bij de klant naar de achtergrond van de transactie.
De transactie raakt een monitoringsregel! Een onderzoek wordt gestart
De resultaten worden vastgelegd
| | 17
Cliënt & Transactie Monitoring
– Detectie van verdachte transacties (o.a. Account Unusualness)– Review procedures– Data Mining / Profiling / Peer Group Analysis– Name Matching– Filtering
| | 18
Regels en data
TypeBusiness Line
History Combination
Account
Product
Regel = Product + Transactie + Klant
TypeCharacter-istics
History
Geogra-phical info
Customer
| | 19
Detectie ongebruikelijk gedrag
| | 20
Transactie stromen
| | 21
Data Issues
– Vulling van de data– Vertrouwelijkheid van de data (privacy wetgeving)– Extractie– Hoeveelheid data– Selectie van onderzoeksdata– Extremen– Ontbreken van data– Puzzelstukken missen
Gevolgen van een eventueel onderzoek !!
| | 22
Oplossingen
1. Eén transactie-verwerkingssysteem2. Eén datawarehouse / klantbeeld3. Samenwerking met Marketing Intelligence4. Betrokken bij opschoonacties (ivm bijvoorbeeld met Basel II)5. Resultaten tonen6. Verantwoordelijkheid bij de business
a) Regels door business laten aanscherpenb) Selectief opschonen
Thank you