随着德勤掀起财务行业的革命，“四大”财务机器人相继出炉，以更低成本和更快速度实现商务自动化。在合规与法律工作中，如何使用数据分析手段管理风险，通过机器人自动化手段降低人工错误？

　　“采用基于大数据的人工智能管控技术，识别和监控金融异常交易。”普华永道中国内地及香港法务鉴证服务合伙人杨益骅对记者说。

　　面对全球信息化浪潮，银行业面临着信息技术基础设施建设相对滞后与海量银行交易数据、复杂多变客户行为之间的矛盾，洗钱与反洗钱的博弈日趋严峻。杨益骅表示，在现有的反洗钱监测系统上加载基于大数据的人工智能管控技术，可及时发现洗钱账户网络并建立风险预警机制，更有针对性地配置反洗钱管控资源，通过国际间银行业合作，帮助政府开展相关反洗钱调查。

　　“国际上已有比特币成为洗钱重要金融工具的案例。面对金融创新，反洗钱的监管压力更大，这是全球银行业都面临的新挑战。”目前资金违规转移出境主要包括境外刷卡付款虚假购物、境外信用卡取现、利用贸易融资伪造虚构等洗钱路径，系反洗钱监管的高危区，近年银行等金融机构已为反洗钱管理漏洞付出了不小的代价。

　　杨益骅说，长期以来，国内银行主要针对大额可疑交易行为进行反洗钱监管，但缺乏足够的历史交易数据针对这些可疑账户的洗钱行为趋势、资金的往来路径做出预测与风险预警。由于资金跨境划转呈现“高频率、小额度”特点，若银行不能掌握全部涉嫌洗钱的关联账户网络，就难以找到洗钱踪迹。

　　“由于反洗钱控制依赖于数据，因此数据分析是一个强大的审计工具。基于大数据的人工智能管控将可疑交易的监测识别范围从二维空间拓展至多维空间，通过对比每笔交易，统筹考虑相关人物、事件、内容、地点、时间、原因等要素，理解交易行为的特点，协助银行有效识别可疑交易，完善反洗钱风险管理体系。”近日在北京举办的第四届全球法商领袖论坛上，杨益骅做主题演讲时介绍，“就像一个人的日常生活习惯相对固定，其洗钱技巧同样存在某种延续性，但从中找出具体的洗钱脉络与资金转移动向并非易事。”

　　在围绕反洗钱监管的大数据分析模型中，存在两种数据：结构化数据和非结构化数据。杨益骅介绍，结构化数据主要指企业或个人财务数据与资金流水明细，占大数据分析模型的20%；剩余80%是常被忽视的非结构化数据，包括社交媒体、电子邮件、文本、音频、视频、照片、网络日志等，其规模正在迅猛增长，且成为金融生态环境的主要构成。

　　“此外，当交易数据行为特点、银行发展战略、监管要求发生变化时，反洗钱技术与流程风险指标也可动态优化调整。”杨益骅说。

　　另据知情人士透露，一些国际大型银行曾考虑将自身遍布全球的零售银行、私人银行、投资银行部门客户尽职调查工作整合到一个平台，实现客户信息的内部全流通。银行之间、银行各部门之间的客户账户信息数据共享问题亟待解决，以便于银行内部人员完成了解客户、了解业务与尽职审查三项反洗钱监管的基础操作。银行若实现客户信息的内部分享，须花费巨资在全球各分支机构建立统一的信息数据系统。