Ga direct naar de inhoud

Data & Analytics

Publicatiedatum 25-03-2020

Het AMLC gebruikt o.a. data-analyse om nieuwe verdachten, criminele netwerken en trends & fenomenen te identificeren op het gebied van witwassen. Met deze inzichten kan de FIOD zich richten op de zaken met de grootste impact voor de samenleving én kan effectiever gebruik worden gemaakt van beschikbare bronnen. Het AMLC heeft voor het uitvoeren van deze analyses eigen tools ontwikkeld op basis van open-source technologie: de AMLC Suite.

AMLC Browser

De AMLC Browser is door het AMLC zelf ontwikkeld. We doorzoeken in de AMLC Browser onze data-sets op een snelle en visueel aantrekkelijke manier. Bekijk hieronder de video voor een toelichting.

Bekijk hieronder de video voor een toelichting.

Bronnen voor data-analyse

Bij het uitvoeren van analyses wordt gebruik gemaakt van zowel openbare bronnen (zoals bijv. de Panama Papers) als gesloten bronnen (bijv. verdachte transacties die gemeld worden vanuit de Financial Intelligence Unit). Bij de keuze voor de bronnen is niet de hoeveelheid data van belang, maar de relevantie van de data voor de bestrijding van witwassen. Het gaat dus niet om big data, maar om relevant data. De analyses ondersteunen voor een belangrijk deel de drie thema’s van het AMLC (Trade-Based Money Laundering, Financial Safety en Concealed Assets). Hiernaast wordt de AMLC Suite ingezet bij de analyses van de Joint Chiefs of Global Tax Enforcement (J5). De J5 is een samenwerkingsverband tussen de VS, Canada, Australië, het Verenigd Koninkrijk en Nederland op het gebied van fiscale fraudebestrijding. Hierbinnen bestaan verschillende actiegroepen, waaronder Data & Platforms, waarin Nederland de leiding neemt.

Kennis verwerven met Data Challenge

Daarnaast wordt de AMLC Suite ingezet bij Data Challenges die door het AMLC worden georganiseerd. Bij een Data Challenge wordt op basis van een gekozen onderwerp getracht met data meer kennis te verwerven over dat onderwerp. Hiervoor worden verschillende experts uitgenodigd om in multidisciplinaire teams opdrachten uit te werken. Door een mix van kennis, ervaring en data worden nieuwe inzichten verworven. Eind 2019 is er bijvoorbeeld een Data Challenge op het thema Trade-Based Money Laundering (TBML) geweest, waarbij we kennis over dit onderwerp hebben gedeeld en daarmee verdachte transacties hebben doorzocht op TBML-meldingen. Dit heeft tot drie interessante signalen geleid, die later verder onderzocht werden.

Data doorzoeken in open-source AMLC Suite

Bij het ontwikkelen van tools maakt het AMLC voornamelijk gebruik van vernieuwende, bij voorkeur open-source technologie. Het voordeel hiervan is dat het kwalitatief goede en snelle software oplevert zonder aanschaf- of onderhoudskosten. Onze tools worden bij elkaar de AMLC Suite genoemd (zie onderstaande figuur) met als vlaggenschip de AMLC Browser. Daarin kan door rechercheurs en analisten van de FIOD visueel en interactief in grote hoeveelheden data worden gezocht. Daarnaast worden met de AMLC Matcher razendsnel relaties gevonden tussen verschillende datasets. Ook worden algoritmes gebruikt om spilfiguren in criminele netwerken te vinden. Bij de J5 is dit bijvoorbeeld gedaan om adressen te vinden die mogelijk interessant zijn om te onderzoeken.

De figuur hieronder geeft de AMLC Suite weer in piramidevorm, met bovenaan de Browser en daaronder de Matcher, Parser en het Data Framework.

 

AMLC Suite in piramidevorm

Data&Analytics-bronnen

De AMLC Suite bestaat uit vier onderdelen:

  • AMLC Browser (onderzoeken)
  • Data Framework (analyseren)
  • AMLC Matcher (verbinden)
  • AMLC Parser (formatteren)

De AMLC Browser wordt door rechercheurs en analisten van de FIOD gebruikt om grote hoeveelheden data te doorzoeken. Hierin vinden zij relaties tussen bijvoorbeeld personen, bedrijven en adressen.

Het Data Framework wordt door data-analisten en -wetenschappers gebruikt om analyses en bewerkingen op de data uit te voeren. Hiermee kunnen zij bijvoorbeeld door netwerkanalyse-algoritmes de spilfiguren in een crimineel netwerk vinden.

De AMLC Matcher kan razendsnel verbanden tussen databronnen leggen. Hiermee kan informatie uit verschillende datasets gecombineerd worden door onze data-architecten en -analisten.

Met de AMLC Parser wordt data in het juiste format gezet om te gebruiken in het Data Framework.

Lees meer over het AMLC.