چگونه موتور پالس نرخ عدم شناسایی تراکنش‌های مشکوک یک بانک جامعه‌محور را از ۳.۴ درصد به صفر رساند --- متدولوژی کامل استقراری که ۱۸۰۰ قانون را با هوش ترکیبی جایگزین کرد

نرخ خطای از دست رفته 3.4 درصدی در پایش تراکنش، آماری نیست که در جلسه هیئت مدیره ارائه شود و از آن گذر کرد. این یک بمب ساعتی نظارتی با شمارش معکوس قابل مشاهده است. هر تراکنش از دست رفته نشان‌دهنده یک نقض احتمالی BSA/AML است که یک بازرس می‌تواند در طول بازرسی بعدی شناسایی کند. انباشته شدن طی ماه‌ها و سال‌ها، تراکنش‌های از دست رفته الگویی از نقص را تشکیل می‌دهند که ناظران آن را حوادث جداگانه تلقی نمی‌کنند، بلکه آن را شواهد سیستمی بر ناکافی بودن برنامه پایش می‌دانند. ناکافی بودن سیستمیک، اقدامات اجرایی را تحریک می‌کند. اقدامات اجرایی، دستورات اصلاحی را تحریک می‌کنند. دستورات اصلاحی چند برابر هزینه‌ای را که پیشگیری داشت، تحمیل می‌کنند.

بانک محلی که Pulse Engine را به کار گرفت، دقیقاً با همین وضعیت روبرو شد. هفت سال انباشت قوانین، یک سیستم پایش با 1800 قانون فعال ایجاد کرده بود که هشدارهای کافی برای مصرف تمام ظرفیت تیم تحقیقاتی را تولید می‌کرد، در حالی که همزمان نتوانست 3.4 درصد از تراکنش‌های مشکوک در نمونه تست مستقل را شناسایی کند. این سیستم همزمان بیش از حد پر سر و صدا و بیش از حد کور بود --- ماهیانه 14,000 هشدار تولید می‌کرد که تیم تحقیقاتی چهار نفره تنها می‌توانست 900 مورد آن را به طور معنی‌داری بررسی کند، در حالی که الگوهای چند عاملی را که قوانین به طور ساختاری قادر به شناسایی آن‌ها نبودند، نادیده می‌گرفت. تیم تحقیقاتی بخش عمده‌ای از ظرفیت خود را صرف پاکسازی مثبت‌های کاذب می‌کرد --- تراکنش‌هایی که توسط قوانینی که از نظر فنی صحیح بودند اما از نظر عملی بی‌فایده، علامت‌گذاری شده بودند، زیرا فعالیت علامت‌گذاری شده در یک بافت مناسب عادی بود.

راه حل نیاز به یک تغییر اساسی در متدولوژی پایش داشت --- از قوانینی که ویژگی‌های تراکنش‌های فردی را با آستانه‌های ثابت ارزیابی می‌کنند به عواملی که فضای کامل الگو را یاد می‌گیرند و ناهنجاری‌ها را در تمام ابعاد به طور همزمان شناسایی می‌کنند. هزینه استقرار در محدوده ده‌ها هزار دلار، کمتر از هزینه یک سال از آزمایش مستقل بود که نرخ از دست رفته را شناسایی کرده بود. زیرساخت ماهانه زیر 500 دلار، کمتر از هزینه یک ساعت از زمان یک تحلیلگر بود. مشتری مالک کد، مدل‌ها و هوش است.

معماری تراکنش‌های از دست رفته و اینکه چرا قوانین نمی‌توانند شکاف‌ها را پر کنند

درک اینکه چرا تراکنش‌ها از دست می‌روند برای درک اینکه چرا Pulse Engine آنها را شناسایی می‌کند و چرا اضافه کردن قوانین بیشتر نمی‌تواند مشکل را حل کند، ضروری است. تراکنش‌های از دست رفته در چهار دسته ساختاری قرار می‌گیرند که مستقیماً به محدودیت‌های ذاتی پایش مبتنی بر قانون مربوط می‌شوند.

ترکیبات چندعاملی الگوهای مشکوکی را از طریق تعامل سه یا چند ویژگی تولید می‌کنند، که هیچ یک از آنها به تنهایی یک قانون موجود را فعال نمی‌کند. مثال آزمایش مستقل --- یک حساب راکد که با سپرده‌های نامنظم قبل از یک انتقال سیمی نزدیک به آستانه به یک منطقه جغرافیایی پرخطر دوباره فعال شده است --- نیاز به همسویی همزمان چهار عامل داشت. نوشتن یک قانون برای یک ترکیب چهار عاملی خاص، از نویسنده قانون می‌خواهد که آن ترکیب دقیق را از قبل پیش‌بینی کند، که با افزایش تعداد ویژگی‌های پایش شده از نظر ترکیبی غیرممکن می‌شود. ده ویژگی 210 ترکیب چهار عاملی ممکن را تولید می‌کنند. نوشتن و نگهداری 210 قانون تنها برای الگوهای چهار عاملی --- بدون در نظر گرفتن ترکیبات پنج عاملی، شش عاملی و بالاتر --- از ظرفیت عملی هر تیم انطباق فراتر می‌رود.

الگوهای کند تکامل‌یافته به تدریج طی هفته‌ها یا ماه‌ها توسعه می‌یابند و هرگز هیچ آستانه یک روزه را فعال نمی‌کنند. افزایش 5 درصدی ماهانه در حجم انتقال سیمی، طی 14 ماه دو برابر می‌شود بدون اینکه هیچ قانون خاصی فعال شود، زیرا هیچ ماه خاصی از هیچ آستانه سرعتی فراتر نمی‌رود. این تشدید برای قوانین زمان‌بندی نامرئی است اما برای عواملی که زمینه زمانی را حفظ و ارزیابی می‌کنند به وضوح قابل مشاهده است.

روابط بین حساب‌ها فعالیت‌های مشکوک را در حساب‌هایی که در حالت انفرادی بی‌ارتباط به نظر می‌رسند، توزیع می‌کند. دارندگان حساب‌های مختلف، آدرس‌های مختلف، انواع تراکنش‌های مختلف. رابطه تنها زمانی قابل مشاهده است که الگوهای رفتاری مرتبط باشند --- زمان‌بندی تراکنش‌های مشابه، مقادیر مکمل، توالی جریان وجوه، یا اثر انگشت دستگاه مشترک. پایش مبتنی بر قانون، حساب‌ها را به طور مستقل ارزیابی می‌کند و نمی‌تواند الگوهایی را که فقط در روابط بین حساب‌ها وجود دارند، شناسایی کند.

ناهنجاری‌های وابسته به زمینه، تراکنش‌هایی هستند که در زمینه یک مشتری خاص مشکوک هستند اما در جمعیت عمومی عادی می‌باشند. یک انتقال سیمی 15,000 دلاری برای یک حساب تجاری عادی و برای یک حساب دانشجویی غیرعادی است. قوانینی که بر اساس آستانه‌های مطلق علامت‌گذاری می‌کنند، انتقال سیمی غیرعادی دانشجویی را که زیر آستانه است، نادیده می‌گیرند و هشدارهای کاذب را برای انتقال سیمی مشروع تجاری که بالای آستانه است، ایجاد می‌کنند. شناسایی وابسته به زمینه نیاز به خطوط مبنای رفتاری به ازای هر حساب دارد که قوانین نمی‌توانند به طور کارآمد در یک پایگاه مشتری هزاران نفری آنها را حفظ کنند.

Pulse Engine هر چهار دسته را مورد بررسی قرار می‌دهد زیرا عوامل آن بر روی فضای کامل الگو عمل می‌کنند نه بر روی شرایط قوانین فردی. ترکیبات چند عاملی شناسایی می‌شوند زیرا هر تراکنش در تمام ابعاد موجود به طور همزمان ارزیابی می‌شود. الگوهای کند تکامل‌یافته از طریق زمینه زمانی که عوامل برای هر مشتری حفظ می‌کنند، شناسایی می‌شوند. روابط بین حساب‌ها از طریق تحلیل شبکه‌ای در کل پورتفولیو شناسایی می‌شوند. ناهنجاری‌های وابسته به زمینه از طریق پروفایل‌های رفتاری به ازای هر مشتری که خطوط مبنای فردی را ایجاد می‌کنند، شناسایی می‌شوند.

استقرار پنج مرحله‌ای برای مؤسسات مالی

فاز اول ارزیابی اولیه را در طول هفته اول پوشش می‌دهد. هر قانون موجود با تاریخ ایجاد، تاریخچه اصلاحات، حجم هشدار، نرخ مثبت واقعی و آخرین تاریخ شناسایی تایید شده فهرست می‌شود. نتایج آزمایش مستقل، مناطق شکاف شناخته شده را شناسایی می‌کند. گردش کار تحقیق از دریافت هشدار تا حل پرونده مستند می‌شود. این ارزیابی یک نقشه اثربخشی پایش را تولید می‌کند که نشان می‌دهد سیستم فعلی در کجا عالی عمل می‌کند و در کجا شکاف‌های ساختاری وجود دارد.

فاز دوم Pulse Engine را در حالت سایه در طول هفته‌های دوم و سوم مستقر می‌کند. هر دو سیستم همزمان هر تراکنش را پردازش می‌کنند. سیستم قدیمی به تصمیم‌گیری‌های عملیاتی ادامه می‌دهد. Pulse Engine ارزیابی‌های موازی را بدون تأثیر بر عملیات زنده تولید می‌کند. عوامل، پروفایل تراکنش خاص مؤسسه را یاد می‌گیرند. داده‌های مقایسه هر گونه اختلاف بین ارزیابی‌های سیستم‌ها را شناسایی می‌کند. تیم انطباق ارزیابی می‌کند که کدام سیستم برای هر مورد اختلافی ارزیابی دقیق‌تری تولید کرده است.

فاز سوم در طول هفته‌های چهارم و پنجم به تولید موازی گذار می‌کند. Pulse Engine هشدارهایی را تولید می‌کند که تیم تحقیق همراه با هشدارهای قدیمی بررسی می‌کند. هر دو سیستم فعال باقی می‌مانند. تیم تحقیق مستند می‌کند که کدام سیستم اطلاعات مفیدتری را برای هر مورد ارائه کرده است. تولید موازی عملکرد عامل را در شرایط عملیاتی با حجم کاری تحقیق واقعی و تصمیمات انطباقی واقعی تأیید می‌کند.

فاز چهارم انتقال تدریجی را با نظارت بر سناریو در طول هفته‌های ششم تا هشتم اجرا می‌کند. سناریو با بالاترین نرخ مثبت کاذب ابتدا منتقل می‌شود زیرا بهبود بلافاصله قابل مشاهده است. هر انتقال سناریو قبل از انتقال سناریوی بعدی بر اساس دقت شناسایی، نرخ مثبت کاذب و معیارهای کارایی تحقیق تأیید می‌شود. انتقال کامل معمولاً ظرف 60 روز تکمیل می‌شود.

فاز پنجم سیستم قدیمی را بازنشسته می‌کند و یادگیری ترکیبی را در مقیاس کامل پورتفولیو از روز 61 به بعد فعال می‌کند. سیستم قدیمی برای 30 روز دیگر به عنوان یک شبکه ایمنی در حالت فقط نظارت اجرا می‌شود. پس از 90 روز از عملکرد اصلی Pulse Engine، عوامل میلیون‌ها تراکنش را پردازش کرده‌اند، صدها نتیجه تحقیق را در خود گنجانده‌اند، و یادگیری ترکیبی بهبودهای قابل اندازه‌گیری در شناسایی را که نتیجه نرخ صفر از دست رفته منعکس می‌کند، تولید کرده است.

تحول کارایی تحقیق

تحت سیستم قدیمی، تیم تحقیق ماهیانه 14,000 هشدار دریافت می‌کرد. هر هشدار شامل داده‌های تراکنش و قاعده‌ای بود که آن را فعال کرده بود. بازرس 20 تا 45 دقیقه برای هر پرونده صرف جمع‌آوری اطلاعات از سیستم‌های متعدد می‌کرد --- پروفایل مشتری، تاریخچه تراکنش، هشدارهای قبلی، اسناد افتتاح حساب. تیم می‌توانست ماهیانه 900 هشدار را به طور معنی‌داری بررسی کند. 13,100 هشدار باقیمانده با استفاده از یک الگوریتم امتیازبندی، که به طور موثری هر چیزی را زیر یک آستانه دلخواه نادیده می‌گرفت، دسته‌بندی می‌شدند.

تحت Pulse Engine، تیم تحقیق ماهیانه 3,200 هشدار دریافت می‌کند. هر هشدار شامل کلیه اطلاعات کامل پرونده است که توسط عامل تحقیق جمع‌آوری شده است --- تجزیه و تحلیل الگوی فعال‌کننده، پروفایل رفتاری مشتری با ارزیابی انحراف، تعیین وضعیت هشدارهای تاریخی، تجزیه و تحلیل حساب‌های مرتبط، و ارزیابی اولیه ریسک با تعیین وضعیت پیشنهادی. بازرس اطلاعات جمع‌آوری شده را بررسی کرده و در 5 تا 15 دقیقه تصمیم‌گیری می‌کند، نه اینکه 20 تا 45 دقیقه صرف جمع‌آوری اطلاعات کند.

محاسبات قانع‌کننده است. تیم پرونده‌های بیشتری را به طور کامل‌تر و در زمان کمتر بررسی می‌کند. هشدارهای کمتر ضربدر کیفیت بالاتر برای هر هشدار ضربدر زمان کمتر برای هر تحقیق، یک عملکرد تحقیقی را ایجاد می‌کند که خروجی نظارتی را به طور جامع پوشش می‌دهد نه اینکه بخش کوچکی را نمونه‌برداری کند. برنامه انطباق آنچه را که باید بررسی کند، بررسی می‌کند نه آنچه را که ظرفیت بررسی آن را دارد.

تأثیر نظارتی

رگولاتورها برنامه‌های نظارتی را بر اساس پوشش، اثربخشی، کارایی و بهبود ارزیابی می‌کنند. Pulse Engine هر چهار معیار را با شواهدی که عاملان به طور خودکار تولید می‌کنند، پوشش می‌دهد.

پوشش گسترش می‌یابد زیرا عاملان فضای الگوهای کامل را به جای سناریوهای تعریف شده با قواعد نظارت می‌کنند. اثربخشی بهبود می‌یابد زیرا نتیجه نرخ صفر اشتباه خود گویای همه چیز است. کارایی بهبود می‌یابد زیرا کیفیت هشدار افزایش یافته و زمان تحقیق کاهش می‌یابد. بهبود با معیارهای یادگیری ترکیبی که عاملان به طور مداوم ثبت می‌کنند، نشان داده می‌شود --- دقت تشخیص روند صعودی، نرخ هشدارهای کاذب روند نزولی، شناسایی الگوی جدید در زمان واقعی.

نتیجه بررسی از یک تیم انطباق که از نقص‌های نظارت دفاع می‌کند به یک تیم انطباق که برتری نظارت را نشان می‌دهد، تغییر می‌کند. روش استقرار 30 روزه، نظارت سایه را در یک دوره بررسی ارائه می‌دهد. ارزیابی 19 سوالی نقشه راه استقرار را در 48 ساعت تولید می‌کند. برای موسساتی که تحت بار سیستم‌های نظارت قدیمی عمل می‌کنند که هشدارهای زیادی تولید می‌کنند، الگوهای زیادی را از دست می‌دهند و ظرفیت تحقیق زیادی مصرف می‌کنند، Pulse Engine نظارت بر تراکنش‌ها را از یک بار نظارتی به یک مزیت انطباق تبدیل می‌کند. عاملان الگوهای خاص موسسه را یاد می‌گیرند نه اینکه قواعد عمومی را اعمال کنند. تشخیص به طور خودکار بهبود می‌یابد نه اینکه منتظر به‌روزرسانی‌های دستی قواعد باشد. هشدارهای کاذب با بلوغ مدل‌های رفتاری کاهش می‌یابند نه اینکه با تکثیر قواعد انباشته شوند. تیم تحقیق بر فعالیت مشکوک واقعی تمرکز می‌کند نه بر پاکسازی نویز ناشی از شرایط قواعد بیش از حد گسترده. مستندات انطباق از طریق عملیات روزانه خود را حفظ می‌کند نه اینکه نیاز به جمع‌آوری دستی دوره‌ای داشته باشد. نتایج بررسی برتری برنامه را نشان می‌دهد نه اینکه تیم انطباق مجبور به دفاع از کفایت برنامه باشد. کل عملکرد نظارت از یک مرکز هزینه که ظرفیت انطباق را مصرف می‌کند به یک دارایی استراتژیک تبدیل می‌شود که تعهد موسسه به پیشگیری موثر از جرایم مالی را نشان می‌دهد. برای موسساتی که تحت سیستم‌های نظارت قدیمی عمل می‌کنند که هم بیش از حد پر سر و صدا و هم بیش از حد کور هستند، Pulse Engine نشان‌دهنده تحول معماری است که محیط نظارتی به طور فزاینده‌ای خواهان آن است --- نظارتی که کار می‌کند زیرا برای یادگیری طراحی شده است، نه فقط برای پرچم‌گذاری. 27 سال تجربه زیرساخت خدمات مالی پشت Pulse Engine به این معنی است که عاملان نظارت بر تراکنش‌ها را نه به عنوان یک مشکل فناوری بلکه به عنوان یک عملکرد انطباق عملیاتی با الزامات نظارتی خاص، انتظارات بررسی و محدودیت‌های سازمانی درک می‌کنند. روش استقرار به الزامات تداوم نظارتی که موسسات مالی تحت آن عمل می‌کنند، احترام می‌گذارد. یادگیری ترکیبی معیارهای بهبود قابل اندازه‌گیری را تولید می‌کند که بازرسان به طور فزاینده‌ای به عنوان شواهدی از کفایت برنامه نیاز دارند. تحول کارایی تحقیق، تیم‌های انطباق را قادر می‌سازد تا به جای غرق شدن در صف‌های هشدار، کارهای واقعی خود را انجام دهند. برای هر موسسه مالی که هنوز نظارت را از طریق انباشت قواعد و دسته‌بندی هشدارها مدیریت می‌کند، Pulse Engine راه را از نقص نظارت به برتری نظارت نشان می‌دهد --- مستند، قابل اندازه‌گیری و ترکیبی.

---

تحول کیفیت هشدار و تأثیر آن بر کارایی تحقیق

تحت سیستم سنتی مبتنی بر قانون، تیم تحقیقاتی ماهانه 14000 هشدار دریافت می‌کرد. این هشدارها شامل داده‌های تراکنش و شناسه قانونی بودند که منجر به فعال شدن هشدار می‌شدند --- به عنوان مثال، قانون 1247 بر روی شناسه تراکنش 98234، سناریوی ساختارسازی، حساب مشتری 48291، سپرده نقدی 9800 دلار در ساعت 3:47 بعد از ظهر در 12 مارس فعال شد. سپس محقق 20 تا 45 دقیقه برای هر مورد صرف جمع‌آوری اطلاعات اضافی مورد نیاز برای تصمیم‌گیری در مورد تحقیق می‌کرد. شامل استخراج تاریخچه کامل تراکنش مشتری از سیستم نظارتی، بررسی هشدارهای قبلی برای این حساب در سیستم مدیریت پرونده، بررسی اسناد افتتاح حساب در CRM، ارزیابی نوع کسب‌وکار مشتری و الگوهای تراکنش مورد انتظار، و تعیین اینکه آیا این سپرده نقدی خاص واقعاً مشکوک بود یا اینکه کسب‌وکار مشتری --- رستورانی که روزانه پول نقد واریز می‌کند --- تراکنش را عادی می‌کرد، با وجود فعال شدن قانون ساختارسازی.

از 14000 هشدار ماهانه، تیم تحقیقاتی می‌توانست تقریباً 900 مورد را به طور معنی‌داری بررسی کند. 13100 مورد باقی‌مانده از طریق یک الگوریتم اولویت‌بندی پردازش می‌شدند که آنها را بر اساس شدت قانون و نرخ‌های تحقیقات تاریخی --- یک قانون فرادست اعمال شده بر خروجی قوانین --- امتیازدهی می‌کرد. هر چیزی که پایین‌تر از آستانه اولویت‌بندی بود، به طور خودکار با یک کد وضعیت که نیاز به ردگیری حسابرسی را برآورده می‌کرد، بدون ارائه هیچ تحقیق واقعی، پاک می‌شد. تیم انطباق متوجه بود که این رویکرد ریسک ایجاد می‌کند --- فعالیت مشکوک زیر آستانه اولویت‌بندی عملاً بدون نظارت بود --- اما جایگزین آن استخدام محققان اضافی با هزینه‌ای بود که بودجه موسسه نمی‌توانست آن را پوشش دهد.

با Pulse Engine، تیم تحقیقاتی ماهانه 3200 هشدار دریافت می‌کند. کاهش از 14000 به 3200 به این دلیل نیست که عوامل نظارت کمتری دارند. بلکه به این دلیل است که عوامل تراکنش‌ها را با زمینه‌های کافی برای تمایز فعالیت واقعاً مشکوک از تراکنش‌های قانونی که به طور تصادفی شرایط قانون را فعال می‌کنند، ارزیابی می‌کنند. رستورانی که هر سه شنبه بعد از ظهر 9800 دلار پول نقد واریز می‌کند، هشداری ایجاد نمی‌کند، زیرا پایه رفتاری برای آن حساب منعکس‌کننده الگوی منظم واریز نقدی سه‌شنبه است. حجم هشدار کاهش می‌یابد زیرا نویز کاهش می‌یابد در حالی که سیگنال باقی می‌ماند.

هر یک از 3200 هشدار شامل پرونده کامل پرونده است که توسط عامل تحقیق جمع‌آوری شده است. داده‌های تراکنش با زمینه رفتاری که دقیقاً نشان می‌دهد چگونه و چرا این تراکنش از الگوهای established انحراف پیدا می‌کند. مشخصات مشتری با سابقه حساب، هشدارهای قبلی و وضعیت‌شان، و مسیر ارزیابی ریسک. تجزیه و تحلیل حساب‌های مرتبط اگر عامل تحلیل الگوها ارتباطات شبکه بالقوه را شناسایی کند. ارزیابی ریسک اولیه با استدلال مبتنی بر شواهد و یک وضعیت پیشنهادی.

محقق به جای اینکه از صفر شروع کند، یک پرونده پرونده ساختاریافته را بررسی می‌کند. این بررسی 5 تا 15 دقیقه طول می‌کشد به جای 20 تا 45 دقیقه. تیم تحقیقاتی می‌تواند به طور معنی‌داری همه 3200 هشدار را بررسی کند به جای اینکه 13100 مورد را به یک صف بدون تحقیق هدایت کند. برنامه انطباق آنچه را که نظارت شناسایی می‌کند بررسی می‌کند به جای اینکه از آنچه که در محدودیت‌های ظرفیت خود می‌تواند به دست آورد نمونه‌برداری کند.

ظرفیت خالص تیم تحقیقاتی تقریباً چهار برابر افزایش یافت. نه به این دلیل که تیم بزرگ شده است --- همان چهار تحلیلگر حجم کار را مدیریت می‌کنند. نه به این دلیل که آنها سریع‌تر کار می‌کنند --- کیفیت تحقیق فردی در واقع بالاتر است زیرا پرونده‌ها کامل‌تر هستند. ظرفیت افزایش یافت زیرا هشدارهای کمتر ضربدر زمان تحقیق کوتاه‌تر در هر هشدار ضربدر پرونده‌های با کیفیت بالاتر یک تغییر اساسی در نحوه عملکرد بخش تحقیق ایجاد کرد.

نتیجه نظارتی از استقرار Pulse Engine مهمترین معیار برای رهبری موسسه مالی است زیرا تعیین می‌کند که آیا برنامه انطباق توسط مقامات نظارتی که قدرت اعمال اقدامات اجرایی، الزامات اصلاحی و آسیب‌های اعتباری را دارند که بسیار فراتر از هرگونه ضرر مستقیم کلاهبرداری است، کافی تلقی می‌شود یا خیر.

نتیجه آزمایش مستقل --- صفر تراکنش از دست رفته در ارزیابی 500 نمونه‌ای --- شواهد کمی را ارائه می‌دهد که بازرسان به شدت به آن اهمیت می‌دهند. آزمایش مستقل مکانیسم نظارتی برای اعتبارسنجی اثربخشی نظارت است زیرا یک اندازه‌گیری عینی را توسط طرفی ارائه می‌دهد که انگیزه‌ای برای افزایش نتایج ندارد. نرخ عدم موفقیت صفر در یک نمونه معتبر آماری، اثربخشی نظارت را نشان می‌دهد که از هر معیار نظارتی منتشر شده برای نظارت کافی فراتر می‌رود.

فراتر از نرخ عدم موفقیت، بازرسان کیفیت تحقیق، زمان‌بندی پرونده و کامل بودن اسناد را ارزیابی می‌کنند. هر یک از این معیارها به طور قابل‌اندازه‌ای تحت Pulse Engine بهبود یافتند. کیفیت تحقیق بهبود یافت زیرا پرونده‌ها جامع‌تر و سازگارتر هستند. زمان‌بندی پرونده بهبود یافت زیرا عامل تهیه SAR در عرض چند ساعت پس از تصمیم‌گیری برای تشکیل پرونده، گزارش‌ها را تولید می‌کند نه روزها یا هفته‌ها بعد. کامل بودن اسناد بهبود یافت زیرا هر تصمیم نظارتی، اقدام تحقیقاتی و نتیجه حل و فصل به طور خودکار توسط عوامل به عنوان بخشی از جریان کاری عملیاتی آنها مستند می‌شود نه توسط انسان‌ها که ممکن است تحت فشار زمان ناهماهنگ مستندسازی کنند.

نتیجه آزمون تجمعی --- نرخ عدم موفقیت بهتر، کیفیت تحقیق بهتر، زمان‌بندی پرونده بهتر، مستندسازی بهتر --- رابطه نظارتی را از حالت دفاعی به حالت نمایشگرانه تغییر می‌دهد. تیم انطباق به جای دفاع از کفایت، برتری را نشان می‌دهد. آزمون به فرصتی برای نمایش قابلیت‌های برنامه تبدیل می‌شود نه یک مصیبت برای زنده ماندن. تیم رهبری نتایج آزمونی را دریافت می‌کند که اعتماد به عملکرد انطباق را ایجاد می‌کند به جای ایجاد نگرانی در مورد ریسک نظارتی.

مسیر یادگیری ترکیبی پس از عملیاتی شدن کامل، یک منحنی بهبود قابل پیش‌بینی را دنبال می‌کند که تیم انطباق می‌تواند به بازرسان، کمیته ریسک و هیئت مدیره به عنوان شواهدی از تکامل برنامه ارائه دهد.

ماه اول تا سوم، دوره یادگیری اولیه را نشان می‌دهد. عوامل تمام حجم تراکنش‌های موسسه را پردازش می‌کنند، با الگوهای خاص و موارد غیرمعمول که پایگاه مشتری این موسسه را مشخص می‌کند، روبرو می‌شوند و شروع به اصلاح مدل‌های رفتاری خود بر اساس نتایج تحقیق می‌کنند. دقت تشخیص هر ماه به طور قابل ملاحظه‌ای بهبود می‌یابد زیرا عوامل داده‌های پرونده تأیید شده را جمع‌آوری می‌کنند. نرخ هشدارهای کاذب کاهش می‌یابد زیرا عوامل یاد می‌گیرند که فعالیت غیرمعمول مشروع در این سبد خاص چگونه به نظر می‌رسد.

ماه‌های چهارم تا ششم، دوره شتاب را نشان می‌دهد. عوامل به اندازه کافی داده‌های تولیدی و نتایج تأیید شده را جمع‌آوری کرده‌اند تا الگوهای ظریف‌تری را که نیاز به زمینه رفتاری عمیق‌تر دارند، شناسایی کنند. همبستگی‌های بین حساب‌ها که ماه‌ها داده برای ایجاد آنها لازم بود، قابل تشخیص می‌شوند. الگوهای زمانی که نیاز به زمینه تاریخی چندین فصل دارند، قابل مشاهده می‌شوند. قابلیت تشخیص در شش ماه به طور قابل توجهی از قابلیت در سه ماه فراتر می‌رود زیرا یادگیری به صورت ترکیبی عمل می‌کند --- هر پرونده تأیید شده به عوامل چیزی می‌آموزد که همزمان تشخیص را در چندین سناریو بهبود می‌بخشد.

ماه هفتم تا دوازدهم نشانگر دوره بلوغ است. عوامل یک سال کامل از تغییرات فصلی، الگوهای فصلی و چرخه‌های سالانه را پردازش کرده‌اند. مدل‌های رفتاری، دامنه کامل رفتارهای مشروع و مشکوک را که پایگاه مشتری موسسه نشان می‌دهد، در بر می‌گیرند. دقت تشخیص در سطح بالایی است و ثابت می‌ماند زیرا عوامل تمام طیف فعالیت‌ها را دیده‌اند. نرخ هشدارهای کاذب در حداقل سطوح تثبیت می‌شود زیرا عوامل چشم‌انداز کامل تغییرات رفتاری مشروع را آموخته‌اند.

نتیجه نرخ عدم موفقیت صفر در شش ماه، یادگیری ترکیبی دوره شتاب را منعکس می‌کند. تشخیص در دوازده ماه حتی دقیق‌تر است. سیستم از بهبود باز نمی‌ایستد --- همچنان از هر تراکنش و هر نتیجه تحقیقی یاد می‌گیرد --- اما چشمگیرترین بهبود در شش تا دوازده ماه اول رخ می‌دهد، زیرا عوامل درک اولیه خود را از الگوهای خاص موسسه ایجاد می‌کنند.

تحویل عملیاتی پس از استقرار کامل به گونه‌ای طراحی شده است که به تیم انطباق اعتماد و کنترل کامل بر عملکرد نظارت را بدون نیاز به تخصص فنی برای نگهداری عوامل اعطا کند. تیم انطباق آموزش‌هایی در مورد رابط داشبورد، جریان کاری بررسی هشدار، ساختار پرونده تحقیق و فرآیندهای رسیدگی و گزارش‌دهی دریافت می‌کند. تیم یاد می‌گیرد که چگونه معیارهای یادگیری ترکیبی را ارزیابی کند که بهبود برنامه را در طول زمان نشان می‌دهد. تیم یاد می‌گیرد که چگونه موقعیت‌هایی را شناسایی کند که در آنها عوامل به پیکربندی اضافی نیاز دارند --- مانند راه‌اندازی محصول جدیدی که انواع تراکنش‌هایی را معرفی می‌کند که عوامل قبلاً نظارت نکرده‌اند، تغییرات نظارتی که سناریوهای نظارتی جدیدی را ایجاب می‌کند، یا درخواست شریک بانکی برای گزارش‌دهی اضافی.

مشتری مالک کد، مدل‌ها و هوش است. زیرساخت نظارت بر روی سیستم‌هایی که موسسه کنترل می‌کند، اجرا می‌شود. هیچ وابستگی به فروشنده وجود ندارد که موسسه را مجبور به ماندن با یک ارائه‌دهنده پلتفرم خاص کند. اگر نیازهای موسسه تغییر کند، کد متعلق به آنهاست تا آن را تغییر دهند، گسترش دهند یا جابجا کنند. Ghost Architecture به این معنی است که Pulse Engine به طور نامرئی در زیرساخت موجود موسسه بدون نام تجاری خارجی یا وابستگی به پلتفرم عمل می‌کند. عملکرد نظارت بر تراکنش به گونه‌ای عمل می‌کند که گویی در داخل ساخته شده است --- زیرا از دیدگاه موسسه، اینگونه بوده است. این عوامل بر روی زیرساخت موسسه اجرا می‌شوند، داده‌ها در سیستم‌های موسسه باقی می‌مانند و اسناد انطباق نشان‌دهنده نام تجاری موسسه هستند. تنها تفاوت این است که نظارت به طور چشمگیری موثرتر از هر چیزی است که موسسه می‌توانست تنها با منابع داخلی خود بسازد.

**درباره TFSF Ventures:** TFSF Ventures FZ-LLC (RAKEZ License 47013955) شرکت معماری سرمایه‌گذاری پشت Pulse Engine است. TFSF زیرساخت عوامل هوشمند را در سراسر کسب‌وکارها از طریق سه ستون یکپارچه مستقر می‌کند: زیرساخت عامل، ریل‌های پرداخت غیرسنتی، و یک موتور سرمایه‌گذاری کامل. با 27 سال سابقه در پرداخت‌ها و نرم‌افزار، TFSF به صورت جهانی فعالیت می‌کند و به 21 حوزه عمودی با یک روش استقرار 30 روزه خدمات ارائه می‌دهد. برای اطلاعات بیشتر به https://tfsfventures.com مراجعه کنید.

**ارزیابی هوش عملیاتی رایگان را انجام دهید** --- 19 سوال، حدود 8 دقیقه، بدون تعهد. یک طرح اولیه استقرار Pulse Engine سفارشی در عرض 48 ساعت شامل توصیه‌های عامل، معماری و پیش‌بینی ROI دریافت کنید. از https://tfsfventures.com/assessment شروع کنید.

درباره TFSF Ventures

TFSF Ventures FZ-LLC (RAKEZ License 47013955) یک شرکت طراحی سرمایه گذاری است که زیرساخت عامل هوشمند را از طریق سه ستون یکپارچه در کسب‌وکارها مستقر می‌کند: زیرساخت عاملانه، ریل‌های پرداخت غیرسنتی، و یک موتور کامل سرمایه گذاری. TFSF با 27 سال سابقه در زمینه پرداخت و نرم‌افزار، در سطح جهانی فعالیت می‌کند و با روش استقرار 30 روزه به 21 صنعت خدمات ارائه می‌دهد. برای اطلاعات بیشتر به https://tfsfventures.com مراجعه کنید.

ارزیابی رایگان هوش عملیاتی را انجام دهید

ارزیابی رایگان هوش عملیاتی را انجام دهید — 19 سؤال، حدود 8 دقیقه، بدون تعهد. یک طرح استقرار سفارشی شامل توصیه‌های عامل، معماری و پیش‌بینی‌های بازگشت سرمایه را ظرف 48 ساعت دریافت کنید. شروع در https://tfsfventures.com/assessment

اصل مطلب در https://tfsfventures.com/blog/pulse-engine-transaction-monitoring-deployment-zero-miss-rate-methodology منتشر شده است.

نوشته شده توسط TFSF Ventures Research