Abschließende Projekt-Fallstudie Nr.

Herausforderung des Kunden: Führendes Finanzinstitut

• Erstellen und Implementieren eines globalen Anti-Geldwäsche (AML) -Risikoscores für

Haftpflichtkunden

• Harmonisierung der AML-Risiko-Scoring-Standards über Geschäftsbereiche und Regionen hinweg

• Analyse und Risikobewertung von Dutzenden von Millionen von Passivkonten

Ein führendes Finanzinstitut muss ein weltweit einheitliches Anti-Geldwäsche (AML) -Risikomodell
entwickeln, um einer Zustimmungsverfügung einer Bankenaufsichtsbehörde nachzukommen. Zeit ist
nicht nur wegen einer engen Frist, die von der Regulierungsbehörde auferlegt wird, von
entscheidender Bedeutung, sondern auch wegen des Umfangs des Projekts: Die Lösung muss das
Risiko-Scoring für Dutzende von Millionen von Kontoinhabern weltweit ermöglichen.

Die bisherigen AML-Risikomodelle des Finanzinstituts wurden auf Geschäftseinheiten und Regionen
aufgebaut. Jede Geschäftseinheit verwendet ihre eigene qualitative Methodik mit einigen regionalen
Variationen, um eine Reihe von Regeln auf die Kundendaten anzuwenden. Eine einzige globale
Lösung zu finden, wird eine Herausforderung sein. Stakeholder einfach in einem Raum zu
versammeln und sie dazu zu bringen, ihre Unterschiede auszudrücken, wird wahrscheinlich nicht zu
einem Konsens führen. Das Finanzinstitut benötigt fachkundige Hilfe, um innerhalb von 13 kurzen
Monaten eine Lösung zu finden, die die Anforderungen des Zustimmungsauftrags erfüllt. Bei
Nichteinhaltung können Bußgelder, Strafen und andere Sanktionen verhängt werden.

Welches Geschäftsproblem versuchen Sie zu lösen?

Reduzierung des Compliance-Risikos durch die Einhaltung der AML-Richtlinien in allen

Geschäftsbereichen weltweit durch die Schaffung eines einheitlichen Harmonious AML Risk
Scoring-Standards für Kundenhaftungskonten.

Was ist der erste Schritt, den Sie unternehmen werden?

Treten Sie mit den Führungskräften der verschiedenen Geschäftsbereiche in Kontakt, um ein
Verständnis dafür zu erlangen, was die verschiedenen Regeln für die Einhaltung in ihrer Region
sind, wie ihre bestehenden Risikomodelle auf ihre eigenen Kundendaten angewendet werden, um
konform zu werden, wie viel es derzeit kostet, Compliance-Probleme zu überwachen und was die
Hauptanliegen bei der Bewertung des Compliance-Risikos sind.

Wie gehen Sie bei der Entwicklung einer Hypothese vor? (Fügen Sie Ihre Hypothese hinzu)
Der Ansatz zur Entwicklung einer Hypothese besteht darin, die Informationen aus den
verschiedenen Geschäftsbereichen und das allgemeine Geschäftsproblem zu berücksichtigen und
anzugeben, was das wahrscheinliche Ergebnis sein könnte, wenn das Geschäftsproblem gelöst ist.

"Ein globales AML-Risikomodell deckt alle AML-Richtlinien für alle Gebiete ab, was zu einer
umfassenderen Bewertung aller Compliance-Risiken zu geringeren Kosten in kürzerer Zeit führt, um
alle regulatorischen Standards zu erfüllen".

Welche Daten würden Sie sammeln?

Die AML-Kriterien für alle Regionen

Kundeninformationen für alle Gebiete hinterlegen

Die neuen Geschäftsrichtlinien oder -richtlinien des Unternehmens

Informationen darüber, wie das Unternehmen Compliance-Probleme überwacht, einschließlich der

Kosten für die Überwachung

Wie würden Sie die Daten analysieren?

Unter Verwendung der AML-Kriterien für alle Regionen und des verschiedenen Risikomodells würde
ich vergleichende Analysen oder Faktorenanalysen verwenden, um die Daten zu untersuchen, um
Trends und/oder Abweichungen in den AML-Anforderungen zu finden und dann mit den aktuellen
AML-Risikomodellen zu vergleichen, die der Kunde verwendet. Identifizieren Sie das stärkste
Modell, das die wichtigsten Anforderungen für alle Gebiete abdeckt, und nehmen Sie die
erforderlichen Anpassungen am Modell vor. Dann würde ich eine Simulation entwerfen, um das
Modell anzuwenden, das die Kundendaten für alle Gebiete erhalten haben, um sicherzustellen, dass
alle Anforderungen für die wichtigsten Compliance-Bereiche des neuen Modells erfüllt werden. Ich
würde auch versuchen, externe Datenbanken irgendwie mit dem neuen AML-Risikomodell zu
verknüpfen, damit, wenn diese Datenbanken mit neuen Richtlinien aktualisiert werden, auch das
Risikomodell aktualisiert werden kann.

Wie würden Sie die Informationen dem Kunden präsentieren?

Ich würde ein Visualisierungstool wie Qlikview oder Qliksense verwenden, das in der Lage ist, die
Business Intelligence-Informationen aus der Analyse zu organisieren und visuell zu kommunizieren,
wie gut ihr aktuelles Modell im Vergleich dazu funktioniert, wie gut das neue Modell funktioniert und
wie vorteilhaft es sein kann.
Welche Erkenntnisse haben Sie entwickelt?

Das aktuelle Modell der AML-Risikomodellierung führt zu Verzögerungen bei der Einhaltung ihrer
regulatorischen Fristen, was das Compliance-Risiko als globales Gremium erhöht, was nicht nur
Bußgelder und Strafen, sondern auch Reputationsrisiken zur Folge hat. Dies wiederum kann sich
negativ auf ihre Aktienkurse auswirken und die Kosten für die Überwachung der Einhaltung der
Vorschriften in die Höhe treiben.

Ein AML-Risikomodell, das für alle Kunden über alle Geschäftsbereiche hinweg gilt, kann das
Compliance-Risiko reduzieren, die Überwachungskosten für die Compliance einsparen und eine
effektivere Möglichkeit bieten, Fälle von Geldwäsche zu erkennen.

Welche Empfehlungen würden Sie geben?

Eingebettet in das neue AML-Risikomodell mit den Geschäftsprozessen für Kunden, um die AML-
Compliance in ihren verschiedenen Phasen zu überwachen. Zum Beispiel die neue
Geschäftsphase, um Instanzen von "Placement" zu erfassen, und die Überweisungsprozesse, um
Instanzen von "Layering" zu erfassen. Dies reduziert das Risiko, dass Geldwäsche mit anderen
Einlagenkunden integriert wird.

Durch die Integration des Risikomodells mit externen "Watchlist" -Datenbanken, die "markierte" oder
politisch exponierte Personen identifizieren, kann die Datenbank des Depotkunden durchsucht
werden und die Erkennung dieser Personen kann in Echtzeit oder in einem verkürzten Zeitrahmen
erfolgen.

Verfügen Sie über ein zentralisiertes Team, das AML-Berichte erstellt, die Einhaltung von AML
überwacht und über Probleme berichtet, die die Aufsichtsbehörden möglicherweise haben. Diese
Informationen können verwendet werden, um das Risikomodell effektiver zu gestalten. Ein
zentralisiertes Team wird auch in der Lage sein, Überwachungskosten zu sparen.