• businessintelligence
• antiriciclaggio
• outlierdetection
• machinelearning
• AML

La detection rappresenta per un intermediario finanziario la necessità di individuare i comportamenti anomali della clientela, in base alle caratteristiche intrinseche del cliente e della sua movimentazione finanziaria.
All'interno del contesto degli strumenti già in uso presso gli intermediari finanziari questo lavoro di tesi si pone come obiettivi principali per la detection nell'ambito dell'antiriciclaggio di profilare e identificare la clientela di una banca.
In particolare, lo studio può essere definito essenzialmente da due fasi. La prima consiste nell'elaborare e aggregare i dati in input con la costruzione di indicatori di “livello di anomalia”. Mentre da una parte, nessun indicatore è in grado di identificare un comportamento sospetto singolarmente, dall'altra non è necessario che tutti questi indicatori segnalino contemporaneamente dei livelli alti di anomalia per definire un’operazione sospetta.
La seconda invece, prevede l'individuazione dei comportamenti sospetti tramite l’utilizzo di algoritmi di apprendimento non supervisionato e tecniche di statistica avanzata.