将Didit的AML筛选结果整合到企业数据仓库 (ZH)

精简的合规数据将Didit的AML筛选报告直接整合到您的数据仓库中，集中管理关键合规数据，使其易于审计和分析。

增强的风险分析通过将AML筛选结果与其他内部数据结合，企业可以在其现有数据基础设施内构建复杂的风险画像和预测模型。

自动化工作流程利用Didit的API优先方法，自动化AML筛选数据的摄取，根据可配置的阈值和警告触发后续操作或审查。

模块化和灵活的集成Didit的模块化架构和简洁的API允许与各种数据仓库解决方案灵活集成，支持实时和批量处理需求。

在当今复杂的监管环境中，金融机构和受监管实体面临着遵守反洗钱（AML）法规的巨大压力。除了简单地执行AML检查之外，有效存储、分析和报告这些筛选结果的能力至关重要。像Snowflake和Google BigQuery这样的企业数据仓库提供了强大的平台来整合大量数据，使其成为集成关键合规信息的理想选择。

集中化AML数据的必要性

执行AML筛选是预防金融犯罪的基本步骤。然而，当这些筛选结果不是孤立的，而是整合到整体数据策略中时，其真正的价值才能体现。将AML数据集中到企业数据仓库中可带来诸多好处：

• 统一的风险视图：将AML筛选结果与客户交易历史、行为数据和其他内部指标相结合，为每个实体创建全面的风险画像。
• 高级分析：利用Snowflake或BigQuery等平台的分析能力，识别趋势、检测异常并构建金融犯罪预测模型。
• 精简的报告：轻松生成全面、可审计的监管机构报告，证明符合合规义务。
• 数据治理和安全：严格控制敏感合规数据，确保其安全存储并仅由授权人员访问。
• 运营效率：自动化数据管道，减少数据收集和准备的手动工作，使合规团队能够专注于调查和战略性工作。

Didit的AML筛选提供实时风险检测，根据1300多个全球制裁、PEP和观察名单数据库筛选用户。Didit生成的详细报告结构完美，可无缝摄取到现代数据仓库中。

了解Didit的AML筛选报告以进行数据集成

Didit的AML筛选报告设计全面且机器可读，非常适合程序化集成。当执行AML筛选时，Didit会返回一个详细的JSON对象，其中包含一个带有几个关键部分的aml对象：

• AML状态：提供总体筛选状态和相关的风险级别，可以直接映射到数据仓库中的风险层级。
• 匹配信息：有关潜在观察名单匹配的详细信息，包括具体名单（例如，制裁、PEP、负面媒体）和匹配的姓名。
• 评分详情：至关重要的是，Didit采用两阶段评分系统——匹配分数（身份置信度）和风险分数（实体风险级别）。这些分数及其基本因素（姓名相似度、出生日期、国家、类别）对于数据仓库中的高级风险建模具有不可估量的价值。您可以在Didit中配置这些分数的阈值，以自动触发审查或拒绝。
• 匹配实体信息：有关匹配实体的数据，包括wikidataId、国家、主题、性别、出生日期等属性，提供丰富的分析上下文。
• 验证元数据：时间戳等附加详细信息，用于按时间顺序分析和审计。
• 负面媒体详情和匹配：关于情感分数、负面关键词和来源文章链接的信息，有助于深入调查声誉风险。
• 制裁和警告匹配：有关制裁名单、原因和附加数据的具体详细信息，这对于合规至关重要。

这些结构化数据点可以直接映射到Snowflake或BigQuery中的表，为合规分析创建坚实的基础。例如，POSSIBLE_MATCH_FOUND警告表示需要进一步审查的潜在匹配，可以自动触发数据仓库中的警报，并链接到完整的详细信息以供调查。

将Didit与Snowflake和BigQuery集成

将Didit的AML筛选结果集成到您的数据仓库涉及几个关键步骤，利用Didit的API优先设计：

1. 数据摄取策略

您有几种选项可以将数据从Didit摄取到您的数据仓库中：

• 实时API调用：为了即时更新，您的应用程序可以调用Didit的AML筛选API（POST /v3/aml/），然后使用其各自的API（例如，Snowflake的Snowpipe Streaming或BigQuery的Streaming Inserts）将生成的JSON直接推送到您的数据仓库中。这对于基于AML结果的快速决策至关重要的场景是理想的选择。
• 批量处理：对于时间敏感性较低的数据，您可以通过Didit的API定期检索AML筛选报告，聚合它们，然后使用批量加载工具（例如，Snowflake的从S3/Azure Blob的COPY INTO命令，BigQuery的从Cloud Storage加载数据）将其加载到您的数据仓库中。
• Webhook：Didit可以配置为在AML筛选完成后发送webhook。这些webhook随后可以触发无服务器功能（例如，AWS Lambda，Google Cloud Functions）来处理数据并将其插入到您的数据仓库中。

2. 数据模式设计

仔细的模式设计对于最佳性能和可用性至关重要。您需要创建反映Didit AML报告结构的表。考虑一个主aml_screening_reports表，并可能为嵌套数组（如sanction_matches、adverse_media_matches和warning_matches）创建单独的表，这些表通过通用的report_id链接。

例如，在Snowflake或BigQuery中，您可以使用JSON解析函数或定义包含嵌套ARRAY<STRUCT>类型的模式来处理Didit报告的复杂结构，特别是对于properties、linkedEntity和各种匹配类型等字段。

3. 数据转换和丰富

一旦摄取，原始AML数据可以在您的数据仓库中进行转换和丰富。这可能涉及：

• 标准化：确保不同数据源之间的一致性。
• 分类：根据Didit的评分和您组织的政策分配内部风险类别。
• 数据连接：将AML结果与客户主数据、交易数据和其他相关信息连接起来，以构建全面的画像。
• 审计：添加元数据，如摄取时间戳、源系统和处理状态，以实现完整的数据沿袭。

此过程允许您创建针对报告和分析查询优化的物化视图或聚合表。

Didit如何提供帮助

Didit旨在成为人工智能原生、开发者优先的身份平台，使其特别适合与企业数据仓库集成。我们的模块化架构意味着您可以无缝地接入我们的AML筛选功能，而无需重新架构整个系统。Didit的AML筛选API提供的详细、结构化的JSON输出为Snowflake和BigQuery等平台中的全面分析和报告提供了所有必要的数据点。

Didit提供强大的AML筛选和监控解决方案，实时筛选1300多个全球制裁、PEP和观察名单数据库。我们的两阶段风险评分系统（匹配分数和风险分数）以及可配置的合规阈值，让您可以根据特定的风险偏好调整筛选过程。此外，Didit致力于开发者优先的方法，这意味着简洁的API和全面的文档，确保顺畅的集成过程。您可以从我们的免费核心KYC服务开始，并随着需求增长进行扩展，无需设置费用。

准备好开始了吗？

准备好亲身体验Didit了吗？立即获取免费演示。

使用Didit的免费套餐开始免费验证身份。