In un articolo tecnico pubblicato [I dubbi sulla ricerca di anomalie nel contrasto al riciclaggio (riskcompliance.it)] sulla piattaforma Risk & Compliance, dove sono solito scrivere di antiriciclaggio, ho evidenziato l’importanza di disporre di un vasto patrimonio informativo nelle attività di adeguata verifica della clientela e di monitoraggio nel continuo. Avevo anche accennato ad alcune difficoltà che si incontrano oggi nell’ottenere dati di qualità in merito ai propri clienti; tra queste, il costo degli stessi dati è stato confermato anche scambiando alcuni commenti con dei professionisti del mondo antiriciclaggio. Mentre iniziavo a scrivere questo contributo, Federico Morando pubblicava una riflessione dal titolo “Open data, come usarli nella lotta alla corruzione: il caso di Anac”. Leggendola, si viene a conoscenza dell’utilità degli open data nell’ambito dei contratti pubblici: la loro disponibilità consente di identificare e segnalare delle incongruenze su cui è possibile per le autorità preposte effettuare delle indagini.  

Gli open data consentono infatti alla democrazia di essere più trasparente perché permettono ai cittadini un maggiore controllo della cosa pubblica. La possibilità di accedere a dati grezzi, non ancora elaborati, permette ad osservatori esterni di ricostruire il percorso decisionale con lo stesso livello di dettaglio disponibile ai decisori, di applicare i modelli utilizzati dal soggetto pubblico (o di prendere atto dell’arbitrarietà delle decisioni, nel caso peggiore), di costruire indicatori complessi, di individuare le dimensioni sulle quali valutare gli impatti e di monitorare l’implementazione.

L’uso delle tecnologie dei linked data [Cosa sono i linked data e perché creano valore | LinkedData.Center] consente inoltre di visualizzare in modo molto intuitivo grandi quantità di dati, altrimenti di difficile comprensione. Che cosa potrebbero fare le autorità che combattono contro il riciclaggio di denaro?

A parere di chi scrive vi sono almeno due grandi opportunità:

1. 1. arricchimento delle fonti dati su profili individuali e su statistiche aggregate;
   2. disponibilità di dataset per allenare strumenti di machine learning.

 Nel corso dell’adeguata verifica della clientela occorre fare dei controlli sulle informazioni comunicate dal cliente, identificare dei PEP (persone esposte politicamente), cercare delle notizie pregiudizievoli su database e media. Sebbene lo scraping, l’estrazione con programmi di informazioni dai siti internet, non sia visto di buon occhio (anzi, è solitamente illegale), è la tecnologia probabilmente più utilizzata, visto che può essere automatizzata. Vi sono decine di società che hanno trovato modalità di scandagliare il web per raccogliere notizie utili.

Lo scraping, in voga a inizio 2000, è oggi reso più complicato dall’architettura dinamica dei siti e richiede l’uso di piattaforme specializzate. Quando poi si è riusciti a catturare i dati, rimane il problema della loro corretta interpretazione: pochi software sono attualmente in grado di capire con precisione il tipo di connotazione di una notizia rispetto ai nominativi coinvolti.

Per questo motivo, è necessario disporre di fonti informative di prima mano, machine readable; ecco alcuni database, utili per il contrasto alla criminalità, che potrebbero essere forniti secondo l’approccio dei dati aperti:

1. 1. sentenze penali di secondo grado passate in giudicato;
   2. sentenze della Corte di Cassazione (in progetto una loro trasformazione in formati open data);
   3. aziende che hanno partecipato a bandi pubblici e hanno dichiarato fallimento successivamente all’inizio dei lavori – con informazioni sulla loro struttura societaria;
   4. Comuni e Aziende Sociosanitarie sciolti per mafia.

Vi sono poi informazioni già fornite pubblicamente, ma in formati che non ne consentono un trattamento agevole e automatizzabile, che potrebbero giovare di una revisione meramente tecnica:

1. 1. i provvedimenti sanzionatori e i provvedimenti rilevanti pubblicati dalla Banca d’Italia;
   2. tutti gli albi bancari e finanziari, distribuiti tra Banca d’Italia, Consob e OAM.

L’utilizzo dei dati aperti in specifici contesti richiede competenze e strumenti specialistici, occorre infatti dotare i dati presenti su database classici di una semantica formale nel rispetto di standard come RDF. Per questo scopo esistono piattaforme di “smart data management” che consentono di effettuare più velocemente le operazioni di traduzione.

Ma l’aspetto tecnico è solo una parte del problema: è necessario avere anche istituzioni trasparenti e collaborative, e interlocutori attenti a questi temi.

Per questo, se l’articolo ti è piaciuto, ti invitiamo a condividerlo sui social network per aiutarci a creare una pubblica opinione più consapevole delle soluzioni già possibili per contrastare la criminalità organizzata.