来源：中保网

近年来，我国反洗钱的法律法规和监管标准逐步趋严、趋紧，监管检查处罚力度空前加大，包括银行及非银金融机构在内的多家金融机构曾密集受罚，甚至不乏金额超千万元人民币的罚单。

与此同时，央行和银保监会也陆续发布文件，进一步强调反洗钱系统建制中数据所扮演的关键角色，并对数据治理框架和数据质量等提出了明确的指导要求。

普华永道管理咨询（上海）有限公司总监李昀在接受《中国银行保险报》记者采访时表示，当前很多金融机构都在探索应用前沿科技管理反洗钱合规工作，这对高质量数据的需求更加严苛，因此，夯实反洗钱各流程中的数据基础，对能否实现科技赋能合规管理的战略至关重要。

反洗钱对未来中国经济社会健康发展有重大意义

记者：大力开展反洗钱工作的重要性和意义体现在哪些方面？

李昀：作为现代社会资金融通的主渠道，金融系统是洗钱的易发及高危领域。因此，实施预防洗钱的行为必须以金融机构为核心主体，通过金融机构监测并报告异常资金流动，发现并控制犯罪资金。每家金融机构反洗钱合规工作的质量，也牵涉到整个国家的金融安全。大力开展反洗钱工作对未来中国经济社会的健康发展具有重大意义，具体来说反映到下面三个方面：

一是从国家角度出发，有利于及时发现和监控洗钱活动，追查并没收犯罪所得，遏制洗钱犯罪及其上游犯罪，维护经济安全和社会稳定，及时发现和切断资助犯罪行为的资金来源和渠道，防范新的犯罪行为；

二是从市场的角度出发，反洗钱有利于市场经济的健康运行。现阶段我国经济领域的许多违法犯罪活动，往往与洗钱有直接的关联。如：毒品、走私、地下钱庄、贪污贿赂犯罪、破坏金融管理秩序犯罪、诈骗犯罪等，这些违法犯罪活动会引发不仅引发经营风险，还会严重扰乱经济秩序；

三是从金融机构角度出发，金融机构作为资金活动的载体，客观上容易成为洗钱活动的渠道。金融机构卷入洗钱活动，不仅严重损害金融机构的声誉，还会带来的潜在金融风险和法律风险；金融机构开展反洗钱工作同时也有利于保护犯罪受害客户的财产权，履行银行所有责任和义务。

良好的数据是反洗钱系统和模型行之有效的基础

记者：金融科技手段在反洗钱工作中扮演了怎样的角色？

李昀：金融科技手段能够让反洗钱工作的效率和效果得到进一步的提升，是反洗钱工作

的催化剂和加速剂。从反洗钱总体的角度来看，金融科技手段从系统、数据、建模等多个方面都能够拥有一定程度的应用。

具体来说，有些机构在反洗钱工作中运用大数据统计分析、机器学习等算法，能够从海量数据中梳理异常指标信息，识别复杂洗钱特征，进而提高可疑行为侦察能力和监测效果。例如，使用监督学习的算法对生成预警的风险进行量化评估和打分，按照评估风险高低进行优先级排序，将比较有风险的预警优先分配给比较有经验的反洗钱专员进行审阅，一方面增强了审阅的及时性，另一方面也提高了人力利用效率。

记者：为什么说解决数据问题是反洗钱工作的“重中之重”？

李昀：首先，面对日益复杂的洗钱活动和狡猾的洗钱分子，需要系统和模型以支持反洗钱合规的有效监测，而良好的数据则是反洗钱系统和模型行之有效的基础。许多金融机构所面临的数据质量问题将会极大影响合规系统模型的性能和效率，所以解决数据问题是第一等重要的环节。比如客户职业或行业信息为空或者不准确的情况，将直接影响客户风险评级模型结果，同时也可能间接影响可疑交易监测模型的结果。

其次，现场检查，反洗钱执法检查、大额及可疑等一些报送规定，都对金融机构的数据质量有一定的要求。若不满足要求，可能会直接造成不合规的情况，如《保险机构反洗钱执法检查数据提取接口规范》就要求保险机构提供包括客户身份信息、受益人信息、及各类型保单信息等17表300多个栏位的数据。

此外，数据是管理人员做出风险决策的基础，如果赖以决策的数据基础出现问题，则在此基础上做出的一切都没有任何意义。例如，一些保险机构会对客户的年龄和所选险种的关系进行分析，判断是否应加强对特定年龄客户的监测。

健全的数据治理架构至少需三部门通力合作

记者：健全的反洗钱合规数据治理架构应该是怎样的？

李昀：一个健全数据治理架构应当建立起明确的反洗钱数据治理机制，以应对数据架构、配置和使用的变化，能够配合企业级数据治理，反洗钱数据治理的机制嵌入金融机构的战略和实操愿景。

而健全的数据治理架构应至少需要合规部门、信息科技部门以及业务部门的通力协作。其中，合规部门主要负责维护数据治理架构，信息科技部门主导技术层面数据治理标准的实施和应用。而业务部门则履行数据生产过程中应满足的数据标准和要求；识别潜在数据风险及数据问题，并积极与合规部门、信息科技部门进行讨论和沟通；配合进行数据整改和问题追踪开展，参与数据问题解决方案的设计，从业务角度提供意见等。