高品質の取引主体識別子（LEI）データは、世界中の組織が信頼し、信頼されることを保証する鍵である。 しかし、この品質は、一貫性がなく、時間がかかり、コストのかかる、その場限りの手作業による 「クリーンアップ」では実現できない。その代わりに、手動プロセスを減らしながら、規模に応じて品質を向上させるように設計された、監査可能で反復可能なワークフローがますます求められている。
取引主体が業務を停止したことを確認するため、未更新の LEI（更新が期限内に行われなかったことを示す）がいつ「消 去」されるべきかを知るというチャレンジを考えてみよう。どのようにすればこれを大規模に達成できるのか？そして、極めて重要なことは、明確で一貫性があり、検証可能な証拠によってどのように 意思決定を裏付けることができるのか？
このブログ記事では、ポルトガル銀行のデータ管理部門でデータ・サイエンティストを務めるアナ・ソフィア・アフォンソが、このチャレンジにどのように対処したかを説明する。機械学習（ML）と AI ベースのアルゴリズムを厳格な品質管理と専門家による検証 と組み合わせ、廃止の対象となる LEI を特定することにより、国内外の参照システムにおけるデータの 一貫性とガバナンスを強化した。これは、全ての LEI データ・ユーザーがグローバル LEI システム全体の適時性、正確性及び信頼性の向上にどのように貢献できるかを概説する青写真を提供するものである。
国内参照データ環境における LEI の理解
ポルトガルでは、すべての取引主体は、法的及び財政的目的のため、国の識別子を保有しなければなら ない。しかしながら、LEI は、特定の規制上の文脈でのみ必須である。その結果、全体的な LEI の対象範囲はより限定されたままである。加えて、LEI のライフサイクル・イベントは、取引主体の実際の法的地位の変化によるのでは なく、外部報告義務によって引き起こされることが多い。
これは構造的なチャレンジを生み出す。各国の事業登録が進化するにつれ、LEI データは-特に参照データの更新を停止している主体 の-同期を失う可能性がある。時間の経過とともに、我々は、これが幾つかの繰り返し の問題をもたらすことを観察した：
未更新の LEI が慎重な解釈を必要とする理由
これらのチャレンジに対応するため、我々は、LEI ライフサイクル全体のデータ品質を効率的か つ効果的に向上させ、グローバルな参照データへの信頼を強化するアプローチを模索すること に着手した。
我々の初期分析からの重要な洞察は、未更新の LEI は関連取引主体が活動停止中であることを意味しないことであった。非更新は、取引主体の終 了ではなく、単に報告義務の変更を反映することがある。逆に、取引主体は、LEI が未更新のまま又は発行されたまま、既に法的に不活発である可能性が ある。
最も重要な点として、我々は重要な考慮事項を認識した：取引主体が業務を停止したかのように誤っ て LEI を失効させることは、全く失効させないよりも悪いことである。その結果、取引主体は、取引又はより一般的な業務の遂行に支障を来す可能性がある。つまり、「失効」ステータスを引退の自動的なトリガーとすることは、重大なガバナンス・リスクをもたらすことになり、したがって、いかなる解決策も、保守的で、証拠に基づき、完全に監査可能である必要があった。
その結果、真のチャレンジは以下を区別することであった：
a) LEI は更新されなかったが、依然として活動中の主体に対応するもの。
b) ポルトガルで法的に活動していない取引主体に関連する LEI。
我々のアプローチ権威ある国内データとの照合における AI
この区別を確実に行うには、複数のデータ・ソースを統合し、一貫した証拠に基づく品質管理を 適用する必要があった。当社のアプローチは、シンプルな原則を中心に構築された：LEI ライフサイクルの決定は、権威ある国内情報に依拠し、管理されたスケーラブルな方法で実行 されなければならない。
これを行うため、GLEIF、外部情報源及び国内事業登録からのデータは、取引主体、法的地位及び LEI 登録状況の統合されたビューを提供する当社の参照データ環境に継続的に統合される。ML 及び AI ベースのアルゴリズムは、その後、事業体名と識別子を標準化し、データセット間の 類似性スコアを計算するために適用され、更新が必要な時期を特定するため、権威ある国家情報源に対す る LEI 記録の大規模なクロスチェックを可能にする。
有効性が確認されると、更新はGLEIF の API 対応の一括チャレンジ機能を通じて運用され、手作業を 大幅に削減し、内部プロセスを合理化する。同時に、同機能は、独立した第三者による情報の検証を可能にすることにより、更なる保証のレイヤーを追加する。これにより、検証可能な LEI の失効は、不必要なアドホック又は手作業による介入を回避しつつ、 一貫性、効率性及び完全なトレーサビリティをもって処理される。
ワークフロー全体を通じて、人的監視が不可欠であることにも留意することが重要である。複雑又は曖昧なケースは、専門家のレビューのためにエスカレーションされ、自動化がガバナンスに取って代 わるのではなく、ガバナンスを強化することを確保する。
結果反応的な調査から管理されたプロセスへ
このアプローチを適用した結果、明確で測定可能な結果が得られました。
第一に、更新行為のみではなく、検証可能な法的不活動に基づき、真に引退に値するLEIを特定した。
第二に、我々は、特に識別子の正確性に関係する、廃止とは無関係の相当数のデータ品質 の問題を発見した。これらの不一致を解決することにより、国別参照デー タベースと GLEIF 記録との間の全体的な整合性が改善された。
第三に、LEI 登録状況の縦断的分析は、未更新及び引退の LEI の増加が、体系的なデータの劣化 よりもむしろ、真正な取引主体のライフサイクルの動態を主として反映していることを示した。この時間的側面を組み込むことは、データを正しく解釈するために不可欠であることが判明した。
最後に、我々は、明確な基準と文書化された結果に支えられた、その場限りの手作業による調 査から、反復可能で監査可能なワークフローに移行し、一貫性とガバナンスの両方を強化した。
グローバル LEI システム全体のデータ品質の強化
実現した業務上の大きな利点にとどまらず、このアプローチは、グローバル LEI システムに対する当社の強いコミットメントを示すものである。タイムリーに情報を共有し、標準的な更新サイクルの外で LEI 参照データを更新することにより、我々は、積極的に、最高 のデータ品質基準の維持を支援し、LEI 参照データが正確かつ最新であり続けることを確保する。これは、ポルトガル経済及びそれ以 外における信頼と透明性を促進する上で、極めて重要な役割を果たしている。
謝辞
本作品は、複数の貢献者の知識、経験及び視点を結集した共同チームワークの成果であり、その 共同努力により本成果が可能となった。本研究の発展の基礎となった議論、フィードバック、献身をいただいた関係者の方々、特にマリア・ド・カルモ・モレノとブルーノ・ゴンサロ・テノリオに深く感謝する。本作品で表明された見解は、必ずしも各機関の見解を代表するものではなく、あくまでも主題に関する著者の解釈と分析として理解されるべきである。
ブログにコメントされる場合は、識別用にご自分の氏名をご入力ください。コメントの隣にお名前が表示されます。電子メールアドレスは公開されません。掲示板へアクセスまたは参加されることにより、GLEIFブログポリシーに同意されたものと見なされますので、当ポリシーをよくお読みください。
アナ・ソフィア・アフォンソはポルトガル銀行のデータ管理部門のデータサイエンティスト。金融学修士。専門は、複雑で断片化されたデータを、統計作成と戦略のための信頼できる洞察に変換すること。PythonとSQL、データパイプライン、分析、可視化、そしてモデルの品質、ワークフローの効率、データの信頼性を向上させるための高度な統計学、機械学習、フィーチャーエンジニアリング、最新のデータエンジニアリングプラクティスに取り組んでいる。
