Dúsított adatok és strukturált adatok: Miről is van szó valójában?

Amikor az ISO 20022-ről beszélünk, két kifejezés jelenik meg következetesen: "Dúsított adatok" és "strukturált adatok". Vizsgáljuk meg, mit jelentenek, milyen előnyökkel járnak, és miért fontosak.

Minden modern vállalkozás középpontjában az adatok állnak. A nyers adatok önmagukban azonban nem elegendőek. Olyan ez, mint egy hatalmas könyvtár katalógus nélkül - lehet, hogy értékes információkkal rendelkezik, de rendszerezés nélkül kihívást jelent az értelmes információk kinyerése.

A gazdagított adatok túlmutatnak az alapvető részleteken. Ezek olyan adatok, amelyeket további kontextussal és értékkel bővítettek. Míg az emberek intuitív módon képesek értelmezni a kontextust, a számítógépeknek struktúrára van szükségük a félreértések és hibák elkerülése érdekében. Itt jönnek a képbe a strukturált adatok.

A strukturált adatok keretet biztosítanak az információk rendszerezéséhez - amikor az információk meghatározott darabjait előre meghatározott formátumban (egyedi mezőkben) adják meg, amelyek könnyen értelmezhetők és feldolgozhatók a számítógépek által. A struktúra segít elkerülni a kétértelműséget és az adatok ellentmondásosságát, és lehetővé teszi a gépek számára, hogy értelmezzék az egyes információk kontextusát és értékét. Ezért, bár a dúsított adatok és a strukturált adatok különálló dolgok, a maximális érték csak akkor valósul meg, ha együttesen állnak rendelkezésre. Az ISO 20022 lehetővé teszi a gazdagabb adatok strukturált formában történő cseréjét.

A feldúsított és strukturált adatok felhasználásával a vállalatok pontosabb és teljesebb képet alkothatnak üzleti tevékenységükről és ügyfeleikről.

A beszélgetés nem csak a megfelelésről és a technikai átjárhatóságról szól, hanem ennél sokkal többről.

1. A strukturált név és postai cím lehetővé teszi az érintett felek egyértelmű azonosítását. Ez nagyban segíthet a KYC és a szankciók pontos szűrésében, hogy ne csak a szankciókkal érintett feleket azonosítsa a kifizetésben, hanem csökkentse a szűrőrendszer által generált hamis pozitív eredmények számát is (lásd a 3. felhasználási esetet).

2. A strukturált átutalási információk lehetővé teszik, hogy a fizetési üzenetekben olyan információk, mint a számlaszámok, a rendelésszámok és egyéb, a fizetésre vonatkozó hivatkozások továbbításra kerüljenek. A vállalatirányítási rendszerek (ERP) számára lehetővé teszi, hogy gazdagabb átutalási adatokat fogadjanak és dolgozzanak fel, ami automatizált egyeztetéshez vezethet, és javíthatja a pénzforgalom kezelését.

3. A jogalany-azonosító (LEI) nagyobb átláthatóságot biztosít a kifizetésekben, hogy egyértelműen azonosítani lehessen az érintett jogalanyokat, ami segíthet a jobb KYC, az automatikus szankciószűrés és az egyeztetés javításában.

4. A célkódok betekintést nyújtanak a fizetések okába, és következetes alkalmazásuk esetén többféle előnnyel járhat, például a legfontosabb ügyféltendenciák azonosítása, ami lehetővé teszi az innovatív szolgáltatások fejlesztését, a csalás megelőzését és a fizetések feldolgozásának rangsorolását. A Bank of England például azt tervezi, hogy a célkódot a kritikus időigényű kifizetések, például az ingatlanvásárlások azonosítására és rangsorolására használja.

5. A többszörös fizetési azonosítók lehetővé teszik, hogy minden fél egyedi hivatkozásokat adjon meg a fizetés azonosításához, ami javítja az egyeztetési folyamatot.

6. A végső adósok és hitelezők, más néven OBO - "nevében" - kifizetések információt nyújtanak arról, hogy ki az a valódi végső fél, aki az alapot fizeti vagy kapja.

Az összes adat együttesen részletes információkkal szolgálhat a vállalkozások számára a küldött és fogadott fizetések elemzéséhez. Ez nemcsak a csalások felderítése és megelőzése, hanem az ügyfélélmény javítása és a belső folyamatok optimalizálása érdekében is jobb döntéshozatalt eredményezhet.

Vizsgáljunk meg néhány felhasználási esetet:

Egyes kormányzati juttatások megtalálása és igénylése meglehetősen bonyolult lehet, ami évente több millió dollár marad igény nélkül. A CBA rájött, hogy a célkódok használatával pontosan azonosítani tudja a diákügyfeleket, és így segíthet nekik abban, hogy hozzájussanak a hiányzó juttatásokhoz. Ez a személyre szabott megközelítés személyre szabottabbá és relevánsabbá tette a banki tapasztalatokat minden egyes diák számára.

Sok nagy kiskereskedelmi vállalat küzd azzal, hogy manuálisan kell egyeztetnie a különböző beszállítóktól származó számlákat, amelyek mindegyike saját egyedi adatformátummal rendelkezik, ami megnövekedett költségekhez vezet, ami hatással lehet az eredményre. A bankok olyan szolgáltatásokat tudnak nyújtani a vállalatoknak, amelyek a beérkező fizetések adatai és az ügyfél ERP rendszere által szolgáltatott számlaadatok között összevethetők, ami automatikus egyeztetést és pontos jelentéstételt tesz lehetővé. Ez csak azért lehetséges, mert a megfelelő adatok a megfelelő mezőben vannak.

A kifizetések gyakran késnek a fizető vagy kedvezményezett nevére adott téves találatok (hamis pozitív találatok) miatt, ami az ügyfelek elégedetlenségéhez vezet, és a bankok számára bevételkiesést és a manuális vizsgálatok miatt megnövekedett költségeket eredményezhet.

Mohammed Ali és Maria Chavez nemzetközileg elterjedt nevek, amelyek szintén szerepelnek a szankciós listákon. E név miatt fizetési szankciók ellenőrzésére lehetett figyelmeztetni. Azonban, csak egy fiktív példával élve, az 1997-ben született londoni Mohammed Ali vagy az 1980-ban született New York-i Maria Chavez különbözik az 1965-ben született egyiptomi Mohammed Alitól vagy az 1967-ben született mexikói Maria Chaveztől, akik szerepelhetnek az OFAC listáján.

Az olyan további adatok, mint a cím, születési dátum és egyéb attribútumok beépítésével az átvilágító rendszerek pontosabb riasztásokat adhatnak, megtakarítva a pénzintézeteknek az átvilágítási és vizsgálati költségeket, és ami fontos, javítva az ügyfélélményt.