Data & Analytics
Het AMLC gebruikt data-analyse om nieuwe verdachten, criminele netwerken, trends en fenomenen op het gebied van witwassen te identificeren.
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.
De AMLC Suite
Het AMLC heeft voor het uitvoeren van deze analyses eigen tools ontwikkeld op basis van open-source technologie. Het totaal van deze tools heet: de AMLC Suite.
- AMLC Browser (onderzoeken)
- Data Framework (analyseren)
- AMLC Matcher (verbinden)
- AMLC Parser (formatteren)
1. AMLC Browser
De AMLC Browser wordt door rechercheurs en analisten van de FIOD gebruikt om data snel en visueel aantrekkelijk te doorzoeken. Hierin vinden zij relaties tussen bijvoorbeeld personen, bedrijven en adressen.
2. Data Framework
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.
3. AMLC Matcher
De AMLC Matcher kan razendsnel verbanden tussen databronnen leggen. Hiermee kan informatie uit verschillende datasets gecombineerd worden door onze data-architecten en -analisten.
4. AMLC Parser
Met de AMLC Parser wordt data in het juiste format gezet om te gebruiken in het Data Framework.
Bekijk hieronder de video voor een toelichting.
Met de zoekbalk van de AMLC Browser is het mogelijk om eenvoudig in meerdere databronnen te zoeken. Het mooie van de browser is, dat vanuit het resultaat weer verder gezocht kan worden. Het is bijvoorbeeld mogelijk om een entiteit te selecteren en vervolgens de omliggende entiteiten zichtbaar te maken. Op basis van een zoekterm kan zo snel inzicht en overzicht worden verkregen. De AMLC Browser kan ook zoeken op basis van patronen. Bijvoorbeeld personen die gekoppeld zijn aan meer dan honderd verdachte transacties met een totale waarde boven de 10 miljoen euro (zie onderstaande figuur).
Bronnen voor data-analyse
Bij het uitvoeren van analyses wordt gebruik gemaakt van zowel openbare bronnen (bijvoorbeeld Leaks zoals de Panama Papers) als gesloten bronnen (bijvoorbeeld verdachte transacties die vanuit de Financial Intelligence Unit worden doorgezet). 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 relevante data. De analyses ondersteunen voor een belangrijk deel de projecten die het AMLC doet in het kader van onze thema’s (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.
Kennis verwerven met Data Challenges
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.
Zo is er in het verleden een Data Challenge op het thema Trade-Based Money Laundering (TBML) geweest, waarbij we kennis over dit onderwerp hebben gedeeld en verdachte transacties hebben doorzocht op TBML-meldingen.
Data doorzoeken met open source technologie
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.