Comment la qualité continue des données améliore le CDD

Une institution financière peut automatiser la vigilance à l’égard de la clientèle (CDD), c’est-à-dire le processus consistant à identifier un client et à évaluer le risque de la relation, tout en prenant des décisions à partir de dossiers clients de mauvaise qualité. Le problème peut commencer avant même l’exécution du filtrage, de la vérification d’identité, du géocodage, de l’évaluation des risques ou de l’analyse des bénéficiaires effectifs. Si le dossier client est obsolète, incohérent, inexact ou dupliqué, ces défauts peuvent affecter les informations présentées à un contrôle en aval. La qualité continue des données répond à cette dépendance.

Une automatisation fiable dépend d’entrées fiables

L’automatisation et la qualité des données résolvent des problèmes différents. Un système de filtrage peut exécuter les règles qui lui sont configurées tout en recevant une identité client, une adresse, un dossier d’entreprise ou un dossier de propriété qui est inexact ou obsolète. Un traitement plus rapide ne corrige pas ce dossier. La fiabilité de la décision dépend de la manière dont le contrôle s’exécute et de la capacité du dossier fourni à représenter le client avec une précision suffisante pour la tâche.

Quatre fonctions de qualité des données traitent cette couche d’entrée. La validation vérifie si les informations fournies sont exploitables et exactes, tandis que la standardisation met des informations équivalentes sous des formes cohérentes. La déduplication identifie plusieurs dossiers représentant le même client. La résolution d’entité détermine quels dossiers et quels attributs appartiennent à la même personne ou à la même organisation. Ensemble, ces fonctions soutiennent les données utilisées pour le filtrage, la vérification, l’évaluation des risques et la surveillance.

Les défauts des données clients se répercutent sur les décisions de CDD

Le filtrage des sanctions et des PPE illustre cette dépendance. Un processus de rapprochement qui reçoit une identité mal saisie ou associée de manière incorrecte peut s’exécuter comme prévu tout en effectuant sa recherche à partir d’une représentation défectueuse du client. Le même principe s’applique au géocodage : un service peut traiter une adresse avec succès même lorsque l’adresse conservée est obsolète. L’achèvement technique montre qu’un processus a été exécuté. Le dossier client détermine quelles informations il a évaluées.

Les profils en double créent une autre voie de défaillance. Lorsqu’une même personne ou entreprise apparaît dans plusieurs dossiers, l’historique de la relation ou des transactions peut être réparti entre ces profils. Un processus de risque ou de surveillance qui évalue un profil ne reçoit alors qu’une partie de l’historique disponible. La déduplication et la résolution d’entité traitent ce problème en identifiant les dossiers qui correspondent au même client et en reliant les informations pertinentes.

Les dossiers d’entreprise et de propriété ajoutent un troisième problème. L’évolution des structures d’entreprise ou les représentations incohérentes d’une entreprise peuvent rendre les relations de propriété plus difficiles à relier. Un processus UBO qui s’appuie sur des dossiers obsolètes ou dupliqués peut recevoir une représentation incomplète de ces relations.

Les dossiers d’identité et de contact créent une quatrième voie. Un nom mal saisi peut modifier les informations disponibles pour un contrôle d’identité, tandis que des coordonnées inexactes peuvent faire obstacle aux demandes de documents complémentaires. Dans tous ces exemples, les défauts de données comptent parce que les contrôles en aval prennent leurs décisions à partir des dossiers qu’ils reçoivent.

La qualité des données se poursuit après l’onboarding

Les informations client peuvent changer après l’ouverture d’un compte. Les personnes peuvent changer d’adresse et de coordonnées, tandis que les entreprises peuvent modifier leurs informations commerciales et leurs structures juridiques. Un dossier qui représentait fidèlement un client pendant l’onboarding peut devenir obsolète plus tard dans la relation.

Cela fait de la maintenance des données une composante continue de la couche d’entrée. La validation peut identifier les informations qui nécessitent une correction ou une vérification, et la standardisation peut maintenir la cohérence des informations équivalentes entre les systèmes. La déduplication et la résolution d’entité peuvent préserver une vue client cohérente lorsque plusieurs processus créent ou mettent à jour des dossiers. Ces activités traitent les changements qui apparaissent après la création du dossier client initial.

Un nettoyage périodique traite les dossiers présents au moment où il est exécuté. Des changements ultérieurs peuvent introduire de nouveaux doublons, de nouvelles incohérences ou des champs obsolètes. L’intégration des processus de qualité des données à la maintenance continue des données clients répond à cette situation récurrente. L’objectif est de maintenir une représentation du client exploitable lorsque des décisions ultérieures de filtrage, de surveillance, de vérification ou de risque en dépendent.

La qualité continue des données modifie la conception des contrôles

Cette dépendance affecte aussi la responsabilité des contrôles. Les informations client peuvent passer par des processus opérationnels et technologiques avant d’atteindre le filtrage, la vérification, la surveillance ou l’évaluation des risques. La question clé de conception des contrôles est de savoir si quelqu’un est responsable des processus de données dont dépendent les décisions de CDD.

Lorsqu’un contrôle automatisé produit un résultat qui nécessite une investigation, les évaluateurs peuvent devoir examiner à la fois l’exécution du contrôle et le dossier client qui lui a été fourni. Un défaut détecté à ce stade a déjà atteint le processus de décision. Une validation, une standardisation, une déduplication ou une résolution d’entité plus en amont peut traiter des défauts spécifiques des dossiers avant que des contrôles ultérieurs ne consomment les informations concernées.

La gouvernance des données joue donc un rôle pratique dans la conception de la CDD. La conformité peut définir quelles informations client sont déterminantes pour une décision et dans quel état elles doivent se trouver. Les équipes data, opérations et technologie peuvent attribuer la responsabilité de la capture, de la maintenance, du transfert et du rapprochement. Cela relie les exigences d’une décision de conformité aux processus qui fournissent ses entrées.

Améliorer les entrées tout en préservant les contrôles spécialisés

Les capacités de qualité des données peuvent améliorer les dossiers fournis au filtrage des sanctions et des PPE, à la surveillance des médias défavorables, à la vérification d’identité, à la détection des UBO, à l’évaluation des risques et à la surveillance continue. La validation, la standardisation, la déduplication et la résolution d’entité remplissent une fonction différente de celle de ces contrôles spécialisés. Elles améliorent ou rapprochent les informations client afin que les systèmes en aval reçoivent une représentation plus cohérente de la personne ou de l’entreprise évaluée.

Pour une institution financière, la question de conception consiste à déterminer où les défauts des dossiers clients peuvent apparaître, persister et atteindre une décision de CDD. Les contrôles de qualité des données peuvent cibler ces points avant que les systèmes spécialisés ne consomment les dossiers concernés, puis se poursuivre à mesure que les informations client évoluent. Cela donne à la qualité des données un rôle de soutien dans l’environnement de contrôle en maintenant les dossiers dont dépendent le filtrage, la vérification, l’évaluation de la propriété, l’évaluation des risques et la surveillance.

Points clés à retenir pour les décideurs

Une automatisation fiable exige des entrées fiables : Les systèmes de CDD peuvent s’exécuter correctement et malgré tout produire des décisions faibles lorsque les dossiers clients sont obsolètes, inexacts ou incohérents. Considérez la qualité des données comme un prérequis à une automatisation efficace.
Les défauts de données se répercutent sur les décisions de CDD : Des identités mal saisies, des adresses obsolètes, des profils en double et des dossiers de propriété incomplets peuvent affaiblir le filtrage, la vérification et l’évaluation des risques. Appliquez la validation, la déduplication et la résolution d’entité avant que les contrôles en aval ne consomment les données.
La qualité des données doit se poursuivre après l’onboarding : Les informations sur les clients et les entreprises évoluent tout au long de la relation. Assurez une maintenance continue des données plutôt que de vous appuyer sur un nettoyage périodique pour maintenir à jour les entrées de la CDD.
La conception des contrôles doit inclure la responsabilité des données : Attribuez clairement la responsabilité de la capture, de la maintenance, du transfert et du rapprochement des données clients. Les équipes conformité, data, opérations et technologie doivent aligner les exigences relatives aux données sur les décisions que ces dossiers soutiennent.
Améliorez les entrées sans remplacer les contrôles spécialisés : Les capacités de qualité des données soutiennent, plutôt qu’elles ne remplacent, le filtrage des sanctions, la vérification d’identité, la détection des UBO et la surveillance. Utilisez-les pour fournir à ces systèmes un dossier client plus exact et plus cohérent.