Machine Learning: Bessere Compliance durch Digitalisierung
Schneller sein als Kriminelle, Kosten für False Positives reduzieren
Compliance-Systeme in Banken und Versicherungen müssen zeitnah erkennen und entscheiden, welche Kunden oder Transaktionen ein Compliance-Risiko sind. Viele Unternehmen verwenden dazu die ACTICO Compliance Suite. Sie basiert auf Regeln, die Terrorismusfinanzierung, Geldwäsche, Marktmissbrauch und Insiderhandel erkennen. Jetzt ergänzen Machine-Learning-Verfahren dieses regelbasierte System.
Key Features
Maschinelles Lernen in der ACTICO Compliance Suite
Die ACTICO Compliance Suite erkennt auffälliges Kundenverhalten und potenzielle Compliance-Risiken mit Regeln. Machine-Learning-Verfahren ergänzen das regelbasierte System. Diese Kombination verbindet Expertenwissen von Compliance Verantwortlichen mit Wissen, das aus Daten automatisiert erlernt wird (Datenwissen). ACTICO Machine Learning ist jetzt ein Modul der Compliance Suite und integriert sich nahtlos in die bestehenden fachlichen Module.
Entscheidungen priorisieren
ACTICO Machine Learning bewertet die Wahrscheinlichkeit, mit der ein Treffer ein True Positive ist.
Aus Daten lernen
Präzise Modelle lernt ACTICO Machine Learning aus historischen Daten.
Ausnahmen erkennen
ACTICO Machine Learning erkennt ungewöhnliche Transaktionen aus einer Menge von Transaktionen.
Vorteile
Weniger False Positives
Machine Learning ist in der Lage, komplexe Modelle zu lernen. Deshalb ist es sehr präzise bei der Analyse von Compliance-Risiken. False Positives werden reduziert.
Optimierter Ressourcen-Einsatz
Machine Learning hilft bei der Priorisierung von Treffern. Ein Compliance Officer bearbeitet damit die Treffer, die mit hoher Wahrscheinlichkeit True Positives sind, mit hoher Priorität.
Mehr echte True-Positives
Machine Learning ergänzt bestehende regelbasierte Ansätze und deckt bisher unbekannte Fälle auf. In Kombination liefern diese beiden Methoden mehr echte Treffer.