4. 数据基础与数据源
在AML交易监测项目中，模型与规则决定“怎么查”，而数据决定“能不能查、查得准不准”。很多项目失败并非算法不行，而是数据源没打通、字段口径不一致、数据字典缺失，导致规则上线后大量误报或漏报。本章从数据源分类、接入方法、数据字典设计到常见误区，系统梳理AML监测的数据基础。
一、核心原理：AML监测需要哪些数据？
AML交易监测的本质是“以客户为中心，以交易为线索，以名单为边界”的关联分析。因此数据源可归为四类：
- 客户身份数据（KYC系统）：客户基本信息、证件、职业、受益所有人、风险等级、开户渠道等，是判断“谁在交易”的基础。
- 账户与合约数据（银行核心系统）：账号、账户类型、开户机构、状态、利率、余额等，用于确定交易主体与账户关系。
- 交易流水数据（支付系统/核心交易）：转账、汇款、现金存取、跨境支付、第三方支付等，是监测的核心对象。
- 外部名单与公共数据：制裁名单、PEP名单、负面新闻、工商登记、司法涉诉等，用于筛查与风险加成。
这四类数据通过“客户号、账号、证件号、交易流水号”等主键关联，形成AML监测的数据底座。缺少任何一类，监测能力都会显著下降。
二、方法流程：数据接入与数据字典建设
数据接入通常遵循“盘点—映射—抽取—校验—字典化”五步流程：
- 数据盘点：确认各系统有哪些表、字段、更新频率、数据量级。
- 字段映射：将源系统字段映射到AML标准模型，如将核心系统的“客户号”映射为统一客户ID。
- 数据抽取：通过ETL或CDC方式抽取，注意增量与全量策略。
- 数据校验：检查空值率、主键唯一性、金额正负、时间顺序等。
- 数据字典化：为每个字段定义名称、类型、来源、口径、示例、是否必填。
数据字典是团队协作的“合同”。没有字典，开发、规则、模型、审计各方对同一字段的理解可能完全不同。例如“交易金额”在支付系统中可能是“分”，在核心系统中是“元”，若不统一，规则阈值会差100倍。
示例：交易流水表关键字段字典（节选）
| 字段名 | 中文含义 | 类型 | 来源系统 | 口径说明 |
|---|---|---|---|---|
| txn_id | 交易流水号 | string | 支付系统 | 全局唯一，不可为空 |
| cust_id | 客户号 | string | 核心系统 | 统一客户标识 |
| acct_no | 账号 | string | 核心系统 | 脱敏后存储 |
| txn_amt | 交易金额 | decimal | 支付系统 | 单位：元，保留2位小数 |
| txn_time | 交易时间 | datetime | 支付系统 | UTC+8，精确到秒 |
| txn_type | 交易类型 | string | 支付系统 | 转账/汇款/现金/跨境 |
| counterparty | 对手方 | string | 支付系统 | 姓名或账号 |
| risk_level | 客户风险等级 | string | KYC系统 | 高/中/低 |
在工程实现上，建议用配置化方式管理数据字典，便于版本控制与审计。例如：
{
"table": "aml_txn",
"fields": [
{"name": "txn_id", "type": "string", "required": true},
{"name": "txn_amt", "type": "decimal", "unit": "CNY", "scale": 2},
{"name": "txn_time", "type": "datetime", "timezone": "Asia/Shanghai"}
],
"source": "payment_system",
"update_freq": "T+1"
}三、案例/场景：跨境汇款监测的数据关联
假设某客户触发“跨境汇款金额突增”规则。系统需要：从支付系统取交易流水，从核心系统取账户与余额，从KYC系统取客户风险等级与职业，从外部名单库比对收款人是否命中制裁名单。若缺少KYC数据，就无法判断客户是否属于高风险职业；若缺少外部名单，就无法识别制裁风险。四类数据缺一不可。
提示：外部名单更新频率高，建议采用“每日全量+实时增量”方式接入，并保留历史版本，便于回溯命中时点。
四、误区与复盘
- 误区一：只接交易数据，忽略KYC。导致无法做客户风险分层，规则只能“一刀切”。
- 误区二：字段口径不统一。金额单位、时间时区、证件类型编码不一致，造成规则误判。
- 误区三：数据字典缺失或过期。源系统升级后字段变更未同步，导致抽取失败或数据错位。
- 误区四：外部名单未去重与标准化。同一实体多种拼写，造成漏匹配或重复告警。
复盘建议：上线前必须做一次“数据质量基线”检查，包括空值率、主键重复率、金额异常率、时间倒挂率。建议将检查结果纳入项目验收清单。
总之，数据基础与数据源是AML交易监测的“地基”。只有把核心系统、支付系统、KYC系统和外部名单打通，并建立清晰、可维护的数据字典，后续的规则、模型和案件调查才能稳定运行。