TWM569465U - 利於稽核之合規處理裝置 - Google Patents

Abstract

一種利於稽核之合規處理裝置，包含實質受益人判定模組、企業背景稽核模組、負面新聞處理模組以及資料庫模組。實質受益人判定模組用以產生持股結構圖並透過持股比例比對出擬似實質受益人。企業背景稽核模組用以搜尋稽核相關之多個企業背景資料、驗證多個企業背景資料之誠實性及真實性並建立企業背景履歷表，且透過所設定之稽核標準判別是否稽核正常。負面新聞處理模組用以設定多個關鍵字及多個負面因子以自動從多個資料來源搜尋多個負面新聞並比對多個企業背景資料來寫入商情報告書。資料庫模組包含擷取模組以及儲存模組，其中擷取模組耦合儲存模組，用以擷取多個資料並儲存於儲存模組，且其中企業背景履歷表及商情報告書以企業歸戶方式儲存於儲存模組。

Description

利於稽核之合規處理裝置

本創作有關於一種合規處理裝置，更詳而言之，其為一種搜尋及檢驗企業之公開資料並找出實質受益人，以利於稽查之合規性資料處理裝置。

現今的市場經濟中，經濟提升有賴於金融市場的活絡。金融市場為實現貨幣借貸和資金融通、辦理各種票據和有價證券交易活動的市場。在金融市場中，大量的交易往來如同錯縱複雜的網路，也產生大量的借貸關係。

銀行因未能遵循法律法規、監管要求、規則、自律性組織制定的有關準則、或已經適用於銀行自身業務活動的行為準則，可能遭受法律製裁或監管處罰，這類準則廣稱為合規性，而若不能有效進行合規性資料的稽核，將進一步造成洗錢行動等金融性犯罪。銀行為避免合規風險，應廣泛收集企業之背景資料，包括企業公司之實質控制人、其負面新聞，以及其他企業相關背景資料。

借貸者（自然人或法人）可能透過其下層層交錯的子孫公司其中一資料來混淆貸款方，例如以子公司向母公司借款，或進行洗錢行動。其中交錯持股的終端受益人可能藉混淆資料申請借貸，此終端受益人稱為實質受益人，所謂「實質受益人」，指對客戶具最終所有權或控制權之自然人，持有法人股份或資本超過百分之二十五，或透過其他方式對法人行使控制權之自然人。進一步而言，在某些情況下，因帳務會處理轉為多家基金會持多家法人，使得個人持有股權不高，雖持有法人股份或資本未超過百分之二十五，但仍具有較高之持股比例者，亦為終端之實質受益人，可稱為「擬似實質受益人」。

一般而言，借款人不會主動或正確地揭露其為實質受益人，為了找出實質受益人，貸款方（或著銀行）需花許多時間及人力，先從一企業找出股權分佈，再從其擁有股權之企業找出下一層企業，並且找出不同企業與股東間之關聯性以計算持股比例，法人股權結構複雜且交叉持股，這使習知以人力進行的稽核方式難以有效進行稽核。

稽核者在稽核過程中需了解借貸者之負面資訊以評估風險，然而這類資訊往往是貸款者較不願提供之資訊，因此習知稽核方式無法讓稽核者快速找出貸款者之負面消息並進行風險分析。

此外，目前並無有效的裝置可供銀行端使用，針對合規性資料進行搜尋、整理、比對資料、企業歸戶、可隨時更新，並可用以稽核。

有鑑於上述習知的問題，本創作之目的在於提供一種利於稽核之合規處理裝置，針對如實質受益人、企業背景、負面新聞等合規性資料進行擷取、整理、更新並進行稽核作業。

為達上述目的，本創作提供一種利於稽核之合規優化裝置，包含一伺服器，伺服器包含一實質受益人判定模組、一企業背景稽核模組、一負面新聞處理模組，以及一資料庫模組。實質受益人判定模組，用以產生一持股結構圖並透過持股比例比對出一擬似實質受益人。企業背景稽核模組，耦合實質受益人判定模組，用以搜尋稽核相關之多個企業背景資料、驗證該多個企業背景資料之誠實性及真實性並建立一企業背景履歷表，且透過所設定之一稽核標準判別是否稽核正常。負面新聞處理模組，耦合企業背景稽核模組，用以設定多個關鍵字及多個負面因子以自動從多個資料來源搜尋多個負面新聞並比對多個企業背景資料來寫入一商情報告書。資料庫模組，耦合實質受益人判定模組、企業背景稽核模組及負面新聞處理模組，包含一擷取模組以及一儲存模組，其中擷取模組耦合儲存模組，用以擷取多個資料並儲存於儲存模組，且其中企業背景履歷表及商情報告書以企業歸戶方式儲存於儲存模組。

為達上述所有目的，資料庫模組更包含一切割分類模組、一標準化模組以及一翻譯模組。切割分類模組耦合擷取模組，依據字串將多個資料切割分類，以生成多個欄位資料。標準化模組耦合切割分類模組，用以標準化多個欄位資料。翻譯模組耦合標準化模組及儲存模組，對標準化後的多個欄位資料進行翻譯，使多個欄位資料具有多種語言輸入，並將已處理之多個欄位資料儲存於儲存模組。

為達上述所有目的，其中擷取模組具有一光學字符識別模組，用以識別以圖形格式呈現之多個資料。

為達上述所有目的，其中實質受益人判定模組包含一持股運算模組及一第一比對模組。持股運算模組，依據多個資料或已處理之多個欄位資料，以持股比例運算產生持股結構圖。第一比對模組，耦合持股運算模組，依據持股結構圖比對出擬似實質受益人。

為達上述所有目的，其中持股結構圖中所關聯之企業包含母子孫至少三層之企業或境外企業，且其中擬似實質受益人為持有法人股份或資本超過一預設之比例或為持股比例最高者。

為達上述所有目的，其中母子孫至少三層之企業其董監事出現兩次以上為擬似關係人。

為達上述所有目的，其中企業背景稽核模組包含一延伸搜尋模組、一驗證模組以及一稽核模組。延伸搜尋模組，用以搜尋稽核相關之該多個企業背景資料。驗證模組，耦合該延伸搜尋模組，用以驗證該多個企業背景資料之誠實性及真實性並建立該企業背景履歷表。稽核模組，耦合該驗證模組，透過所設定之該稽核標準判別是否稽核正常。

為達上述所有目的，其中多個企業背景資料包含法規有規定的特殊行業且有公開資料供搜尋以佐證身分並進行稽核。

為達上述所有目的，其中負面新聞處理模組包含一智能模組、一打標模組以及一負面新聞模組。智能模組，用以提供多個關鍵字、多個負面因子及設定多個關鍵字與多個負面因子之權重以自動從多個資料來源搜尋稽核相關企業之多個負面新聞。打標模組耦合智能模組，將多個資料依據多個關鍵字及多個負面因子標記輸出。負面新聞模組耦合打標模組，依據多個負面因子及多個負面因子之權重計算一負面評分並比對多個企業背景資料以寫入商情報告書及判別一異常名單。

為達上述所有目的，其中智能模組藉更新之多個負面因子以及更新之多個負面因子之權重來更新該商情報告書及該異常名單。

相較於先前習知技術，根據本創作之利於稽核之合規處理裝置，除了較傳統使用人力方式來收集或整理合規性資料更有效率外，更具有可快速找出負面新聞等企業背景整合為合規資料，進行企業歸戶，並可即時進行稽核等功能。

圖1為根據本創作之一實施例說明利於稽核之合規處理裝置之系統方塊圖。參閱圖1所示，在此實施例中，合規處理裝置包含一伺服器100。伺服器100包含一實質受益人判定模組110、一企業背景稽核模組120、一負面新聞處理模組130、一資料庫模組200及一稽核模組300。合規處理裝置之使用者先取得所欲進行歸戶或稽核之企業統編，資料庫模組200即可藉由此統編搜尋公開資料，包含工商登記之資料，例如公司狀況、公司行業別、發票申報狀況，法人或董監事持股比例。接著實質受益人判定模組110產生一持股結構圖並透過持股比例比對出一擬似實質受益人。企業背景稽核模組120，耦合實質受益人判定模組，將擬似實質受益人資料及其他企業背景相關資料進行比對並彙整建立一企業背景履歷表以設定稽核標準進行稽核。

負面新聞處理模組130耦合企業背景稽核模組120，用以設定多個關鍵字及多個負面因子以自動從多個資料來源搜尋多個負面新聞並比對多個企業背景資料來寫入一商情報告書。負面新聞處理模組130搜尋所有擬似實質受益人之負面新聞，運算權重得出分數並作出分類（例如以紅黃燈標示情節輕重），比對企業背景稽核模組120所搜尋稽核相關之企業背景資料，最後寫入商情報告書。資料庫模組200耦合實質受益人判定模組110、企業背景稽核模組120及負面新聞處理模組130。資料庫模組包含一擷取模組以及一儲存模組，其中擷取模組耦合儲存模組，用以擷取多個資料並儲存於儲存模組。最後，做為合規性資料之企業背景履歷表及該商情報告書以企業歸戶方式儲存於此儲存模組。

圖2為根據本創作之一實施例說明資料庫模組之系統方塊圖。參閱圖2所示，在此實施例中，資料庫模組200包含一擷取模組202以及一儲存模組210，其中擷取模組202耦合儲存模組210，擷取模組202用以擷取多個資料並儲存於儲存模組210。資料庫模組200可在使用者輸入企業統編後，由擷取模組202擷取所需之公開資料900，並儲存於儲存模組210，以供實質受益人判定模組110進行比對。可替代地，資料庫模組200可單獨為一資料合規的處理裝置，適於自外部收集相關商業、產業、法律訴訟等重大訊息，並可將該些訊息彙整後提出一準確、完整、及時的訊息資訊。

在此實施例中，資料庫模組200更包含一切割分類模組204、一標準化模組206以及一翻譯模組208。切割分類模組204耦合擷取模組202，依據字串將多個資料切割分類，以生成多個欄位資料。標準化模組206耦合切割分類模組204，用以標準化多個欄位資料。翻譯模組208耦合標準化模組206及儲存模組210，對標準化後的多個欄位資料進行翻譯，使多個欄位資料具有多種語言輸入，並將已處理之多個欄位資料儲存於儲存模組210。舉例而言，擷取模組202先擷取165萬筆工商資料、30萬筆國貿局資料以及88萬筆黃頁資料，將所有資料切割分類並填入不同類別欄位以進行準化最後進行翻譯，已完成企業歸戶與建檔。應注意的是，擷取模組202在擷取公開資料900時可包含網路爬蟲中辨識碼識別的各種演算法，自動快速、且具有可更新性地擷取公開資料900之所有企業資訊。

在一實施例中，擷取模組202可用以擷取企業資料，其中擷取模組202具有一光學字符識別模組（Optical Character Recognition, OCR），用以識別以圖形格式呈現之企業資料。換言之，不論從公開資料900，或使用者提供之統編資料或401申報單，擷取模組202皆能實質上讀取此些資料之資訊。

圖3為根據本創作之一實施例說明實質受益人判定模組之系統方塊圖。參閱圖3所示，在此實施例中，實質受益人判定模組110包含一持股運算模組114以及一第一比對模組116。透過資料庫模組200的擷取模組202所擷取之公開資料900或資料庫模組200已進行標準化之欄位資料，持股運算模組114，從企業董監事或法人持股資料中依據持股比例運算產生一產生該持股結構圖，舉例而言，產生三層32家關聯企業及境外公司之持股結構圖，且每層皆具有企業董監事持股比例。應注意者，在此之關聯企業及境外公司之持股結構圖並不限於三層，企業清單之計算層數應視持股運算模組114所設定之運算方式而訂，舉例而言，使用者可設定層數計算至所有持股比例皆導向自然人持股時停止、設定直到取得擬似實質受益人600為止，或直接設定所需計算的層數為止。故通常而言，所搜尋之層數至少三層，且最後一層為自然人持股。第一比對模組116耦合持股運算模組114，依據上述交叉持股企業清單比對出擬似實質受益人600。

在一實施例中，持股結構圖中之企業包含母子孫至少三層之企業，且其中擬似實質受益人600為持有法人股份或資本超過一預設之比例或為持股比例最高者。在此實施例中，使用者可自行設定擬似實質受益人600之標準，舉例而言，以直接或間接持有股權累計最高者之法人做為擬似實質受益人600，則擬似實質受益人600將為一自然人，設定直接或間接持有股權超過百分之十五，則擬似實質受益人600將可能為多個自然人。但不限於此，使用者亦可設定多種運算規則來找出終端受益之擬似實質受益人600。在一實施例中，可設定在持股結構圖中母子孫至少三層之企業其董監事出現兩次以上為擬似關係人。擬似實質受益人及擬似關係人將做為考慮企業實質控制人之合規性資料送至企業背景稽核模組。

圖4為根據本創作之一實施例說明企業背景稽核模組之系統方塊圖。參閱圖4所示，在一實施例中，企業背景稽核模組120包含一延伸搜尋模組122、一驗證模組124以及一稽核模組126。延伸搜尋模組122，用以搜尋稽核相關之多個企業背景資料，企業背景資料包含法規有規定的特殊行業且有公開資料供搜尋以佐證身分並進行稽核。舉例而言，搜尋擬似實質受益人及擬似關係人之企業背景資料例如搜尋上述關係人或企業是否有宗教團體之背景，是否從事醫師、律師或會計師之職業，這些背景或職業在法規上有規定必須提供一定的公開資料（例如身分、職業登記號等等），但不限於此，更包括近期發票申報紀錄、法院支付命令、美國相關企業資料等等。驗證模組124，耦合延伸搜尋模組122，用以驗證多個企業背景資料之誠實性及真實性，舉例而言，以公開資料擷取之發票申報紀錄比對企業所提供之發票申報。最後，將上述所有相關合規資料整理成企業背景履歷表。稽核模組126，耦合驗證模組124，透過所設定之一稽核標準判別是否稽核正常，舉例而言，使用法院支付命令做為稽核標準。若稽核不正常，則提出異常警示，提醒使用者，又例如檢驗美國企業資料的違規紀錄作為稽核標準。

圖5為根據本創作之一實施例說明負面新聞處理模組之系統方塊圖。參閱圖5所示，在此實施例中，負面新聞處理模組130包含一智能模組136、一打標模組134以及一負面新聞模組138。智能模組136用以提供多個關鍵字、多個負面因子及設定多個關鍵字與多個負面因子之權重以自動從多個資料來源搜尋稽核相關企業之多個負面新聞。進一步而言，關鍵字可包括企業名稱、企業負責人名稱，或負面關鍵字例如不法、假交易、超貸、小三等等。負面因子可包括法院訴訟、公家投標拒絕投標黑名單、上市櫃重大訊息、負面新聞、積欠員工薪資、制裁名單等。而智能模組136將可針對上述多個關鍵字及多個負面因子設定權重。資料來源可包括工商登記資料、公開資訊觀測站（如重大訊息）、司法院（如司法最新動態、家事事件公告）、法務部（如通緝犯系統查詢）等等。在另一實施例中，智能模組136接著自動比對多個企業背景資料與多個負面新聞是否吻合，舉例而言，利用企業背景資料中的關係人職業背景來確認與此職業相關之負面新聞無誤。又或著企業背景資料中的工商登記資料中企業名稱有更名紀錄，智能模組136判定比對失誤，重新搜尋更名後企業名稱之負面新聞。

打標模組134耦合智能模組136，將多個資料依據多個關鍵字及多個負面因子標記輸出。應注意的是，此多個資料可透過直接搜尋資料庫模組200已標準化之表單資料或即時透過資料庫模組200之擷取模組202進行搜尋，舉例而言，資料庫模組200之擷取模組202將以多個關鍵字及多個負面因子擷取不同報紙、新聞等媒體中任何包含關鍵字及負面因子之資料，再經由智能模組136設定關鍵字之權重以標記，例如將關鍵字-企業名子及企業負責人設為第一權重對應白底標記、將關鍵字-金錢設定為第二權重以紅底標記、將關鍵字-小三設定為第三權重對應黃底標記。負面新聞模組138耦合打標模組134，依據多個負面因子及多個負面因子之權重計算一負面評分以寫入商情報告書及判別一異常名單800。負面因子及負面因子之權重即為風險及風險等級，舉例而言，設定一負面因子為法院支付命令之筆數超過10筆，權重為60分，風險等級中等（黃燈）。在一實施例中，所有設定之負面因子及其權重可加總作為一負面評分，並根據負面評分之總分判別出異常名單800，另一方面，上述所有資訊皆可由智能模組136設定以寫入商情報告書。

在一實施例中，智能模組136可學習（training）或訓練（tuning）來提供多個負面因子。舉例而言，稽核人員將新聞中負面因子的種類、筆數、風險性、重要性轉換為相對應的分數，來完成負面因子及權重的設定。經由智能模組136之輔助，可完成正規化之資料並儲存於資料庫模組200以利於快速更新商情報告書及異常名單。在一實施例中，智能模組136藉更新之多個負面因子以及更新之多個負面因子之權重來更新商情報告書及異常名單。舉例而言，設定每日或每周進行更新商情報告書及異常名單並儲存於資料庫模組200中。在另一實施例中，藉由智能模組136，負面新聞模組138可自動串接與比對企業背景稽核模組所搜尋之企業背景資料，以進行負面新聞之過濾、整合，及更新，最後以企業歸戶方式寫入商情報告書，以降低銀行端遭遇地雷客戶之風險。

在一實施例中，企業背景履歷表及商情報告書以企業歸戶方式儲存於儲存模組，例如以統編做為歸戶方式，以各企業做為主體更新合規資料。進一步而言，可隨時更新各企業之合規相關資料或稽核紀錄。

上述之目的在於解釋，各種特定細節是為了提供對於本創作之徹底理解。熟知本創作領域之通常知識者應可實施本創作，而無需其中某些特定細節。在其他實施例中，習知的結構及裝置並未顯示於方塊圖中。在圖式元件之間可能包含中間結構。所述的元件可能包含額外的輸入和輸出，其並未詳細描繪於附圖中。

100‧‧‧伺服器

110‧‧‧實質受益人判定模組

114‧‧‧持股運算模組

116‧‧‧第一比對模組

120‧‧‧企業背景稽核模組

122‧‧‧延伸搜尋模組

124‧‧‧驗證模組

126‧‧‧稽核模組

130‧‧‧負面新聞處理模組

134‧‧‧打標模組

136‧‧‧智能模組

138‧‧‧負面新聞模組

200‧‧‧資料庫模組

202‧‧‧擷取模組

204‧‧‧切割分類模組

206‧‧‧標準化模組

208‧‧‧翻譯模組

210‧‧‧儲存模組

600‧‧‧擬似實質受益人

800‧‧‧異常名單

900‧‧‧公開資料

圖1為根據本創作之一實施例說明利於稽核之合規處理裝置之系統方塊圖。 圖2為根據本創作之一實施例說明資料庫模組之系統方塊圖。 圖3為根據本創作之一實施例說明實質受益人判定模組之系統方塊圖。 圖4為根據本創作之一實施例說明企業背景稽核模組之系統方塊圖。 圖5為根據本創作之一實施例說明負面新聞處理模組之系統方塊圖。

Claims (10)

1. 一種利於稽核之合規處理裝置，包含一伺服器，該伺服器包含： 一實質受益人判定模組，用以產生一持股結構圖並透過持股比例比對出一擬似實質受益人； 一企業背景稽核模組，耦合該實質受益人判定模組，用以搜尋稽核相關之多個企業背景資料、驗證該多個企業背景資料之誠實性及真實性並建立一企業背景履歷表，且透過所設定之一稽核標準判別是否稽核正常； 一負面新聞處理模組，耦合該企業背景稽核模組，用以設定多個關鍵字及多個負面因子以自動從多個資料來源搜尋多個負面新聞並比對該多個企業背景資料來寫入一商情報告書；以及 一資料庫模組，耦合該實質受益人判定模組、該企業背景稽核模組及該負面新聞處理模組，包含一擷取模組以及一儲存模組，其中該擷取模組耦合該儲存模組，用以擷取多個資料並儲存於該儲存模組，且其中該企業背景履歷表及該商情報告書以企業歸戶方式儲存於該儲存模組。
2. 如申請專利範圍第1項所述之利於稽核之合規處理裝置，其中該資料庫模組更包含： 一切割分類模組，耦合該擷取模組，依據字串將該多個資料切割分類，以生成多個欄位資料； 一標準化模組，耦合該切割分類模組，用以標準化該多個欄位資料；以及 一翻譯模組，耦合該標準化模組及該儲存模組，對標準化後的該多個欄位資料進行翻譯，使該多個欄位資料具有多種語言輸入，並將已處理之該多個欄位資料儲存於該儲存模組。
3. 如申請專利範圍第1項或第2項所述之利於稽核之合規處理裝置，其中該擷取模組具有一光學字符識別模組，用以識別以圖形格式呈現之該多個資料。
4. 如申請專利範圍第1項或第2項所述之利於稽核之合規處理裝置，其中該實質受益人判定模組包含： 一持股運算模組，依據該多個資料或已處理之該多個欄位資料，以持股比例運算產生該持股結構圖；以及 一第一比對模組，耦合該持股運算模組，依據該持股結構圖比對出該擬似實質受益人。
5. 如申請專利範圍第4項所述之利於稽核之合規處理裝置，其中該持股結構圖中所關聯之企業包含母子孫至少三層之企業或境外企業，且其中該擬似實質受益人為持有法人股份或資本超過一預設之比例或為持股比例最高者。
6. 如申請專利範圍第5項所述之利於稽核之合規處理裝置，其中母子孫至少三層之企業其董監事出現兩次以上為擬似關係人。
7. 如申請專利範圍第1項所述之利於稽核之合規處理裝置，其中該企業背景稽核模組包含： 一延伸搜尋模組，用以搜尋稽核相關之該多個企業背景資料； 一驗證模組，耦合該延伸搜尋模組，用以驗證該多個企業背景資料之誠實性及真實性並建立該企業背景履歷表；以及 一稽核模組，耦合該驗證模組，透過所設定之該稽核標準判別是否稽核正常。
8. 如申請專利範圍第7項所述之利於稽核之合規處理裝置，其中該多個企業背景資料包含法規有規定的特殊行業且有公開資料供搜尋以佐證身分並進行稽核。
9. 如申請專利範圍第7項所述之利於稽核之合規處理裝置，其中該負面新聞處理模組包含： 一智能模組，用以提供該多個關鍵字、該多個負面因子及設定該多個關鍵字與該多個負面因子之權重以自動從該多個資料來源搜尋稽核相關企業之該多個負面新聞； 一打標模組，耦合該智能模組，將該多個資料依據該多個關鍵字及該多個負面因子標記輸出；以及 一負面新聞模組，耦合該打標模組，依據該多個負面因子及該多個負面因子之權重計算一負面評分並比對該多個企業背景資料以寫入該商情報告書及判別一異常名單。
10. 如申請專利範圍第9項所述之利於稽核之合規處理裝置，其中該智能模組藉更新之該多個負面因子以及更新之該多個負面因子之權重來更新該商情報告書及該異常名單。