Da­ta­dre­vet AML

Formål

Lær at lave datadrevne risikovurderinger, baserer sig på fakta og viden - ikke anekdoter eller holdninger. Du lærer at identificere, analysere og håndtere risici ved brug af teknologi, herunder specielt transaktionsovervågning.

Dit udbytte

• Lave data-drevne risikovurderinger i compliancearbejde, herunder specielt i forhold til hvidvask, terrorfinansiering og anden økonomisk kriminalitet.
• Designe og optimere regler til transaktionsovervågning i kampen mod økonomisk kriminalitet.
• Analysere effekten af eksisterende overvågningssystemer samt identificere adfærd, der indikerer forsøg på at omgå overvågning (fx ”smurfing” og ”structuring”).
• Vurdere balancen mellem compliance- og forretningshensyn i kampen mod økonomisk kriminalitet.
• Diskutere hvordan AI kan (og ikke kan) bruges i kampen mod økonomisk kriminalitet.
• Reflektere over de etiske, juridiske og samfundsmæssige problemstillinger ved brugen af data og teknologi (specielt AI) i kampen mod økonomisk kriminalitet. 

Beskrivelse

Vil du stå stærkere i kampen mod økonomisk kriminalitet? 
Få de nyeste metoder og værktøjer til at arbejde langt mere effektivt, datadrevet og dokumentérbart med risiko, hvidvask og transaktionsovervågning.
Lær fra forskning, internationale cases og regulatoriske krav og få kompetencerne til at levere skarpe analyser, målrettede risikomodeller og intelligent overvågning. Få indsigt i hvordan AI kan styrke dit arbejde uden at gå på kompromis med etik, governance og ansvarlighed.

Undervisningen er håndgribelig og praksisnær, så du går derfra med konkrete løsninger, der kan implementeres i din organisation fra dag ét. Kurset er for dig, der vil løfte din faglighed, forankre beslutninger i fakta og være på forkant med udviklingen i et felt, hvor kravene stiger, og teknologien rykker hurtigt.

Temaer

• Data-drevne risikovurderinger i compliance og anti-hvidvask (AML).
• Design, validering og optimering af overvågningssystemer til AML.
• Modeller til detektion og prædiktion af mistænkelige mønstre og adfærd.
• Machine learning og AI i kampen mod økonomisk kriminalitet.
• Etik, bias og governance i brugen af data og AI teknologi.
• Nationale og europæiske krav til teknologisk AML-overvågning.