Sorprendentemente capita che le banche non sappiano abbastanza sui loro clienti. E questa mancanza di informazioni può avere gravi conseguenze, soprattutto se il cliente è coinvolto in attività fraudolente o di riciclaggio di denaro. Know Your Customer (KYC), un insieme di norme che impone alle banche di raccogliere informazioni sui propri clienti per individuare eventuali transazioni anomale, è stato pensato proprio per proteggerle da questo rischio.
Superare questa tipologia di problemi senza affidarsi alla tecnologia è praticamente impossibile. Soluzioni come l’analisi dei Big Data, possono contribuire a ridurre il numero di casi sospetti che non vengono rilevati: un approccio che offre agli istituti finanziari anche il potenziale vantaggio di valutare meglio i rischi associati ai prestiti o alla sottoscrizione di assicurazioni.
Un enorme serbatoio di informazioni è già disponibile
Per poter prendere decisioni migliori, le banche hanno bisogno di dati validi – e questi sono di solito disponibili in quantità sufficiente.
Quello che spesso manca sono i sistemi giusti per generare le informazioni adeguate e trarre le giuste conclusioni da uno stock di dati a volte molto disorganizzato.
Tuttavia, l’elaborazione delle informazioni si concentra troppo spesso sui settori chiave della gestione dei conti, della contabilità e dell’amministrazione dei clienti.
I sistemi Big Data non solo potrebbero offrire un vantaggio decisivo alle banche stesse, ma anche ai clienti che potrebbero beneficiare di una migliore consulenza.
Valutando le spese e le entrate di un cliente, la banca può, ad esempio, sviluppare un concetto di finanziamento o investimento su misura che può tenere conto di fattori quali la disponibilità ad assumersi rischi, i fondi disponibili, le abitudini (ad es. quando si finanzia un’auto o una moto o si paga un viaggio) o l’andamento dell’età e della salute (ad es. quando si stipula una pensione complementare).
Big Data utilizzati contro il riciclaggio di denaro sporco
Ma i sistemi Big Data possono essere perfettamente utilizzati anche per difendersi dalle pratiche commerciali abusive di alcuni clienti a scopo di riciclaggio di denaro o di finanziamento illecito.
Un sistema di analisi basato su Big Data è quindi in grado di registrare e identificare i tipici modelli comportamentali nell’uso fraudolento di un conto. Ad esempio, le spese e i ricavi sono di solito uguali o almeno simili. Se un conto per le buste paga registra improvvisamente un elevato volume di trasferimenti di denaro transfrontalieri verso determinati Paesi con i quali non è stata precedentemente effettuata alcuna operazione, il conto deve essere monitorato poiché è probabile che venga utilizzato, ad esempio, per il finanziamento di organizzazioni illegali.
Come possono i Big Data contribuire alla lotta contro il riciclaggio di denaro sporco?
Le tre fasi del processo di riciclaggio, che consistono nell’iniezione, nell’occultamento e nell’integrazione, devono essere chiaramente comprese.
Durante la prima fase, quella dell’iniezione, vengono introdotte nel ciclo finanziario piccole somme di denaro ottenute attraverso atti criminali. Ciò avviene di solito sotto forma di acquisizione di beni che possono essere rivenduti, ma anche sotto forma di pagamenti su conti bancari. I criminali di solito iniettano solo piccole quantità di denaro che non attirano l’attenzione. Il deposito di importi minimi nell’ambito del riciclaggio di denaro è noto anche come “puffing”. Poiché l’ordinante deve essere identificato per depositi in contanti pari o superiori a 15.000 Euro e queste informazioni devono essere conservate per cinque anni, i criminali iniettano somme che non superano questo limite.
Quando il denaro viene versato, le tracce della sua origine vengono offuscate dal trasferimento da un conto all’altro fino a quando non è più rintracciabile. Ad esempio, le somme di denaro possono essere mascherate per apparire “legittime” in transazioni fittizie con banche offshore o società di comodo.
Nella terza fase, l’integrazione, il denaro riciclato viene utilizzato per operazioni legali come l’acquisto di immobili o azioni.
Di conseguenza, il riciclaggio di denaro sporco è un processo complesso e frammentato, difficile da identificare solo con i mezzi umani.
Nel caso di transazioni di grandi dimensioni, non c’è tempo sufficiente per reagire in modo adeguato alle attività sospette. I dati non sono in discussione – sono disponibili in quantità sufficiente.
Le qualità di una soluzione Big Data
Per superare questo problema e soddisfare le aspettative del legislatore, una piattaforma Big Data in grado di trarre conclusioni da dati non strutturati è la soluzione ideale. Un Enterprise Data Cloud può combinare un’ampia varietà di informazioni provenienti da diverse fonti – pubbliche, private, ibride e multi-cloud – in un’unica piattaforma.
L’Enterprise Data Cloud consente di effettuare analisi da qualsiasi luogo, indipendentemente dalla posizione dei dati. Oltre alle proprie risorse informatiche, gli istituti finanziari possono contare su un elevato grado di flessibilità e agilità nella gestione dei carichi di lavoro grazie all’utilizzo di sistemi ibridi e multi-cloud. Gli strumenti multifunzione compatibili con le diverse “nuvole” offrono numerose funzioni di analisi che permettono di accedere allo stesso database. Naturalmente, una “nuvola finanziaria” dovrebbe essere sempre soggetta a norme severe in materia di protezione dei dati, governance, migrazione dei dati e gestione dei metadati – indipendentemente da dove si trova.
Infine, la scelta di una soluzione Big Data dovrebbe basarsi anche su una piattaforma aperta. Con software open source, architettura IT e piattaforme di storage aperte, gli istituti finanziari possono essere sicuri di non essere alla mercé di un unico fornitore di soluzioni, ovvero di strategie di vendor lock-in.
