近来美国司法部大举重罚法国巴黎银行，加上此前对 摩根大通(Morgan Chase)和巴克莱(Barclays)数十亿美元的罚款(仅举几例)，很明显，银行已被盯上了。监管部门和其他执法机构不仅加大力度发现和起诉全球范围内金融服务行业所存在的欺诈、腐败和其他犯罪为，与此同时，他们也致力于提高全线技术取证能力。

当然，罪犯也迅速进行着技术和战术创新。以洗钱为例，自过十年经济衰退以来，正在变得越来越复杂。笼统来看，罪犯洗钱似乎总是有优势的，因为他们利用了全球金融基础设施的复杂性来掩盖他们洗钱活动。

无论是罪犯还是监管机构，这两种日益复杂技术趋势，都会使银行陷入困境。他们不能再简单地使用标准化技术和控制手段来取悦监管机构，或者简单地认为这不过是做生意的成本，就像粉笔必然会带来“吱”一样。

洗钱

“至今针对银行的庞大罚款征收还仅是冰山一角”，Anomaly42战略与创新部主任Freddie McMahon说，这是一家提供下一代数据即服务的厂家。“今天技术让洗钱生态系统更容易进行，这在以前是不能想象的。如果立法者和监管者处理了一家银行，这意味着其他卷入该生态系统的银行也会被牵涉其中，即使他们并不知情，更多主要银行会收到可观罚款，这只是一个时间问题。”

银行发现，他们必须积极主动开站反洗钱(AM)和其他预防犯罪的工作，使他们能够领先罪犯以及监管机构一步，推动内部创新 。对于这样的银行，数字化转型不仅是一件好事，而且绝对属于关键任务。

数据分析无止境

在过去几年中，许多银行都致力于技术领先于洗钱和其他国际犯罪组织。根据Steve Culp在Forbes.com一篇文章：“埃森哲研究表明，刚刚超过一半的金融服务机构有客户服务的单一视图，并且其中只有大约一半有遵守反洗钱(AML)指令的单一系统，”尽管Culp文章呼吁加强数据质量、深入洞察分析和改进数据可视化，但银行越来越重视综合能力，但他们已经追不上了。

因为犯罪分子知道如何使用银行数据进行应对，因此银行必须领先罪犯几步去识别可疑数据。在过去五年中，许多银行已在数据管理取得了巨大进步， 但是这并不意味着时间会慢下来。事实上，金融服务机构数据管理较之以往更需要一个更复杂的方法，应对数据质量测量和控制，因为数据质量现在必须被集成到操作风险框架内。根据毕马威的报告：“一个组织可以通过监控用户分享的位置移动数据，将有助于其识别任何不寻常的交易和行为。”

大数据分析对于获得事物全景非常重要，这是传统统计分析方法所不及的。统计分析依靠大数据集的随机抽样，而今天的大数据则是对全数据集的分析。但是，即使在分析全部可用数据也是不够的，因为有可能丢失或不正确信息存在，而这对于识别类似反洗钱行为非常重要。是的，“尽管许多金融机构继续投钱在这些系统，并努力更新和验证他们，更多审查应该被提供，且应该是持续和长期的，而应该仅是应对一套最低的监管要求”毕马威补充到。

企业级数据质量挑战

当然，这不仅是反洗钱系统没有做好。不良行为者可能来自内部和外部，不论是简单错误或者故意欺诈，监管机构的审查自金融危机以来更严格。确保所有的内部数据对上级组织在线，他们可以分析数据以及生成数据的质量信息，以及传统的分析方法，即使大数据分析，也还是给罪犯渗透留下了缝隙。

其结果是一些银行正在从过去的分析技术进入基于概率、归纳、启发式逻辑的新领域。根据CEB TowerGroup的报告：“应对洗钱行为检测的新办法是复制专家分析师动态思维过程。” “有研究表明，在信息有限时，人作出合乎逻辑的选择，会遵循启发式或经验为基础的决策方法。在这种方法中，人脑吸收了过去各种经验加以利用，梳理相互关联的上下文数据，位决策提供强力的参考。”

据CEB TowerGroup报告：为了计算这种推论，银行使用贝叶斯信念网络(Bayesian Belief Networks，BBN)，“在反洗钱管理中，BBN模型确定一组事务是否应该被标记为高风险，不仅是匹配一个已知的情况，还要考虑上下文信息，如客户人口统计资料、风险状况和帐户类型。”因此，贝叶斯模型可以识别洗钱交易为可疑，也可以更加广泛应用。

如果用大数据分析和贝叶斯数学打击金融犯罪，看上去是一项艰巨的任务，那么整个银行业已经开始应对大数据挑战。是的，许多银行在大数据管理方面已经取得了很大进步，但还有更多工作需要做。事实上，几乎没有任何华尔街公司都紧跟数据管理这个层面，因为它需要复杂的数学的水平和一个新的工具集。厂商现在为世界上最大银行机构努力拼凑其所需要的能力，全面应对挑战。