-
良好的统一性与扩展性
统一监管报送平台确保系统具备在满足反洗钱监测、反洗钱监测试点、客户风险评级的监管要求基础上，进行各类监管报送的无缝、低耦合的扩展。
-
底层数据结构分层合理
良好的底层数据架构既可满足当前反洗钱的各类监管要求，还可灵活进行各类监管底层数据的扩展，实现数据的高度共享与重复利用，减轻业务人员的监管报送压力。
-
全方位的监管政策理解
对人民银行反洗钱监测中心对反洗钱监测制度有着深厚理解，可提供全方位的监管咨询服务，同时可为金融机构量身定制针对反洗钱监管要求的建设规划和实施方案。
-
客户案例与实施经验丰富
在人民银行反洗钱监测中心要求金融机构进行反洗钱相关的系统建设后，众多金融机构和试点机构和中软融鑫进行深入合作，项目实施经验丰富。
-
报告处理工作量大
系统的待办工作中会显示所有触发大额、可疑交易洗钱规则的报告信息，造成报告信息的冗杂，报送给监管机构的报文准确性不高。
-
监测规则有效性低
目前业界反洗钱系统都是针对客户或交易进行分析，建立的单一维度规则并不能完全覆盖，导致大部分规则抓取出来的交易都是无效的，金融机构的监测规则有效性极低。
-
展现分析手段不足
业务老师在进行反洗钱报告处理时，需借助大量分析数据。目前市场上的同类系统提供的客户分析信息基本都呈碎片化，不能为鉴别洗钱行为提供有效依据。
-
系统监控机制不完善
由于反洗钱监测规则的运行设计到的任务，目前系统普遍存在任务监控机制不完善的问题，增大了对问题的定位以及排查难度。
-
系统功能支持不理想
行内流程不完善，权限分工不明确，无法通过系统达到协助工作，降低工作流程的难度和工作的繁琐度。
计算性能显著提升
中软融鑫新版反洗钱监测系统采用J2EE技术架构。
ETL可支持市面上主流的各类工具，如DataStage、Kettle等。
Web开发采用Sping MVC作为开发框架，后台数据采用Mybatis作为数据映射层。
-
监测模型 精准识别
通过洗钱类型识别和分析不同上游犯罪的犯罪类型，合理地划分了监测模型归属，使其能够精准地匹配到十三类疑似犯罪类型，可有针对性地预防和打击洗钱犯罪。
-
计算引擎 制胜法宝
基于反洗钱业务的计算引擎，在运算性能、业务场景适应性、架构健壮性、可扩展性等诸多方面寻求最佳契合点，让反洗钱系统成为洗钱者的克星。
-
客户舆情 自动生成
反洗钱系统针对可疑案例客户会自动生成客户舆情标签卡，用户能够简单直观地看出此案例交易主体的特性。例如：高风险、老年客户、企业高管、高风险地区客户等等。
-
数据质量 双管齐下
反洗钱系统建立起两套数据质量自动完善、修复机制。多源异构的数据模型，使金融机构原本杂乱无章的数据变得井井有条，基本实现大额报告免补录、可疑案例补录工作降到最低点。专业的数据自动修复模型，针对字段缺失的数据，修复模型能以点带面地进行修复。
-
黑名单系统 匹配分享
反洗钱监测平台内置黑名单系统，通过名单匹配模型，自动将名单内的数据与行内客户进行匹配，将匹配成功的客户信息供前台使用（评级、案例等）。系统同时保留第三方通信接口（webservice、http等），将系统内的名单信息、评级信息等，供行内其他系统对接、查看。
-
智能撰写可疑交易报告
系统可依托行业优秀范例，结合人行风险提示、重大洗钱案件的疑点特征，精准提炼案例疑点分析内容。从七大资金交易分析维度，结合图表，整合数据、全面收集客户交易特征，深挖客户潜在交易风险，快速生成完整的可疑交易报告。
-
人行自检系统
通过全方位模拟人行现场检查流程，以15张现场检查数据表为抓手，有效预警机构反洗钱履职问题。另配套900+规则，覆盖反洗钱数据格式预检、业务合规性筛查、风险防御性检查三大业务场景。自检全流程支持配置化，可实现跨机构、跨部门协同办公，完成反洗钱数据质量的计划制定、问题发现、问题整改等操作，有效助力金融机构降低反洗钱业务操作风险。
