Jak Banco de Portugal podnosi jakość danych LEI na dużą skalę

Ana Sofia Afonso, analityk danych w dziale zarządzania danymi w Banco de Portugal, dzieli się praktycznym podejściem do utrzymywania najwyższych standardów jakości danych na dużą skalę - łącząc weryfikację krzyżową z wykorzystaniem sztucznej inteligencji w odniesieniu do wiarygodnych źródeł krajowych z mechanizmem masowych wyzwań GLEIF z obsługą API.

---

---

Wysokiej jakości dane Identyfikatora podmiotu prawnego (LEI) mają kluczowe znaczenie dla zapewnienia zaufania i wiarygodności organizacji na całym świecie. Jednak jakości tej nie można osiągnąć poprzez doraźne, jednorazowe ręczne "czyszczenie", które jest niespójne, powolne i kosztowne. Zamiast tego coraz częściej wymaga audytowalnych, powtarzalnych przepływów pracy zaprojektowanych w celu poprawy jakości na dużą skalę przy jednoczesnym ograniczeniu procesów ręcznych.

Weźmy na przykład wyzwanie polegające na ustaleniu, kiedy Wygasłe LEI - wskazujące, że odnowienie nie nastąpiło w terminie - powinno zostać "wycofane", aby potwierdzić, że podmiot prawny zaprzestał działalności. Jak można to osiągnąć na dużą skalę? I, co najważniejsze, w jaki sposób można poprzeć decyzje jasnymi, spójnymi i weryfikowalnymi dowodami?

W tym wpisie na blogu Ana Sofia Afonso, Data Scientist w dziale zarządzania danymi w Banco de Portugal, wyjaśnia, w jaki sposób poradzono sobie z tym wyzwaniem. Łącząc uczenie maszynowe (ML) i algorytmy oparte na sztucznej inteligencji z rygorystycznymi kontrolami jakości i walidacją ekspercką w celu identyfikacji LEI, które kwalifikują się do wycofania, wzmocniono spójność danych i zarządzanie nimi w krajowych i międzynarodowych systemach referencyjnych. Stanowi to plan określający, w jaki sposób wszyscy użytkownicy danych LEI mogą przyczynić się do zwiększenia terminowości, dokładności i niezawodności w Globalnym Systemie LEI.

Zrozumienie LEI w krajowym środowisku danych referencyjnych

W Portugalii każdy podmiot prawny będący rezydentem musi posiadać krajowy identyfikator do celów prawnych i podatkowych. Kody LEI są jednak obowiązkowe tylko w określonych kontekstach regulacyjnych. W rezultacie ogólny zakres LEI pozostaje bardziej ograniczony. Ponadto zdarzenia związane z cyklem życia LEI są często wywoływane przez zewnętrzne obowiązki sprawozdawcze, a nie przez faktyczne zmiany w statusie prawnym podmiotu.

Stwarza to wyzwanie strukturalne. W miarę ewolucji krajowych rejestrów przedsiębiorstw dane LEI - szczególnie w przypadku podmiotów, które przestają odnawiać swoje dane referencyjne - mogą przestać być zsynchronizowane. Z czasem zaobserwowaliśmy, że wiąże się to z kilkoma powtarzającymi się problemami:

• Wygasłe LEI po tym, jak odpowiadające im podmioty stały się nieaktywne w krajowym rejestrze przedsiębiorstw;
• Niespójności między krajowymi identyfikatorami zarejestrowanymi w GLEIF a identyfikatorami przechowywanymi przez organy krajowe (dane źródłowe dla systemów danych referencyjnych Banco de Portugal);
• Konieczność prowadzenia ręcznych dochodzeń, które były czasochłonne, trudne do ustalenia priorytetów i niemożliwe do skutecznego skalowania.

Dlaczego Wygasłe LEI wymagają ostrożnej interpretacji

W odpowiedzi na te wyzwania postanowiliśmy zbadać podejście do wydajnej i skutecznej poprawy jakości danych w całym cyklu życia LEI i zwiększenia zaufania do globalnych danych referencyjnych.

Kluczowym wnioskiem z naszej wstępnej analizy było to, że wygasłe LEI nie oznacza, że powiązany podmiot prawny jest nieaktywny. Nieprzedłużenie może po prostu odzwierciedlać zmianę obowiązków sprawozdawczych, a nie zakończenie działalności podmiotu prawnego. I odwrotnie, podmiot może być już prawnie nieaktywny, podczas gdy jego kod LEI wygasł lub nadal jest nadawany.

Co najważniejsze, zwróciliśmy uwagę na kluczową kwestię: nieprawidłowe wycofanie kodu LEI jest gorsze niż niewycofanie go w ogóle, ponieważ wprowadzałoby w błąd, że podmiot prawny zaprzestał działalności. W konsekwencji podmiot może mieć utrudnioną zdolność do prowadzenia działalności handlowej lub prowadzenia działalności w sposób bardziej ogólny. Oznaczało to, że poleganie na statusie "wygasłym" jako automatycznym wyzwalaczu wycofania wprowadziłoby znaczące ryzyko związane z zarządzaniem, a zatem każde rozwiązanie musiało być konserwatywne, oparte na dowodach i w pełni możliwe do skontrolowania.

W rezultacie prawdziwym wyzwaniem było rozróżnienie pomiędzy:
a) LEI, które nie zostały odnowione, ale nadal odpowiadają aktywnym podmiotom, oraz
b) LEI powiązanych z podmiotami nieaktywnymi prawnie w Portugalii.

Nasze podejście: Sztuczna inteligencja w kontroli krzyżowej z wiarygodnymi danymi krajowymi

Osiągnięcie tego rozróżnienia w sposób wiarygodny wymagało integracji wielu źródeł danych i zastosowania spójnych, opartych na dowodach kontroli jakości. Nasze podejście opierało się na prostej zasadzie: Decyzje dotyczące cyklu życia LEI muszą opierać się na wiarygodnych informacjach krajowych i być podejmowane w kontrolowany, skalowalny sposób.

W tym celu dane z GLEIF, źródeł zewnętrznych i krajowego rejestru przedsiębiorstw są stale integrowane z naszym środowiskiem danych referencyjnych, zapewniając skonsolidowany obraz tożsamości podmiotu, jego statusu prawnego i statusu rejestracji LEI. Algorytmy uczenia maszynowego i sztucznej inteligencji są następnie stosowane do standaryzacji nazw i identyfikatorów podmiotów oraz do obliczania wyników podobieństwa między zestawami danych, umożliwiając kontrolę krzyżową rekordów LEI na dużą skalę z wiarygodnymi źródłami krajowymi w celu określenia, kiedy wymagane są aktualizacje.

Po zatwierdzeniu aktualizacje są następnie wdrażane za pośrednictwem funkcji masowych zastrzeżeń GLEIF z obsługą API, co znacznie zmniejsza nakład pracy ręcznej i usprawnia nasze wewnętrzne procesy. Jednocześnie system ten zapewnia dodatkową warstwę gwarancji, umożliwiając niezależną walidację informacji przez strony trzecie. Gwarantuje to, że zweryfikowane wycofania LEI są przetwarzane w sposób spójny, wydajny i w pełni identyfikowalny, przy jednoczesnym uniknięciu niepotrzebnych interwencji ad hoc lub ręcznych.

Należy również zauważyć, że w całym przepływie pracy nadzór ludzki pozostaje niezbędny. Złożone lub niejednoznaczne przypadki są eskalowane do przeglądu przez ekspertów, dzięki czemu automatyzacja wzmacnia zarządzanie, a nie je zastępuje.

Wyniki: Od reaktywnych dochodzeń do kontrolowanych procesów

Zastosowanie tego podejścia przyniosło wyraźne, wymierne rezultaty.

Po pierwsze, zidentyfikowaliśmy Weryfikowalne LEI, które rzeczywiście kwalifikowały się do wycofania, na podstawie zweryfikowanej nieaktywności prawnej, a nie samego zachowania związanego z przedłużeniem.

Po drugie, odkryliśmy znaczną liczbę problemów z jakością danych niezwiązanych z wycofaniem, w szczególności dotyczących dokładności identyfikatorów. Rozwiązanie tych rozbieżności poprawiło ogólną zgodność między krajowymi referencyjnymi bazami danych a rekordami GLEIF.

Po trzecie, nasza analiza podłużna statusu rejestracji LEI wykazała, że wzrost liczby wygasłych i wycofanych LEI w dużej mierze odzwierciedlał autentyczną dynamikę cyklu życia podmiotu, a nie systemową degradację danych. Uwzględnienie tego wymiaru czasowego okazało się niezbędne do prawidłowej interpretacji danych.

Wreszcie, przeszliśmy od doraźnych, ręcznych dochodzeń do powtarzalnych, możliwych do skontrolowania przepływów pracy wspieranych przez jasne kryteria i udokumentowane wyniki, wzmacniając zarówno spójność, jak i zarządzanie.

Poprawa jakości danych w całym globalnym systemie LEI

Poza znaczącymi korzyściami operacyjnymi, podejście to stanowi wyraz naszego silnego zaangażowania w Globalny System LEI. Udostępniając informacje w odpowiednim czasie i aktualizując dane referencyjne LEI poza standardowym cyklem odnawiania, aktywnie pomagamy w utrzymaniu najwyższych standardów jakości danych i zapewniamy, że dane referencyjne LEI pozostają dokładne i aktualne. Odgrywa to kluczową rolę w promowaniu zaufania i przejrzystości w portugalskiej gospodarce i poza nią.

Podziękowania

Niniejsza praca jest wynikiem współpracy zespołowej, łączącej wiedzę, doświadczenie i perspektywy kilku współpracowników, których wspólny wysiłek umożliwił osiągnięcie tego rezultatu. Chciałbym wyrazić szczerą wdzięczność wszystkim osobom zaangażowanym w ten proces, których dyskusje, opinie i zaangażowanie miały fundamentalne znaczenie dla rozwoju tej pracy, ze szczególnym uwzględnieniem Marii do Carmo Moreno i Bruno Gonçalo Tenório. Poglądy wyrażone w tej pracy niekoniecznie reprezentują poglądy instytucji i powinny być rozumiane wyłącznie jako interpretacja i analiza tematu przez autorów.

---