🔍 Hvordan fungerer beregningen for vektlegging av de ulike datafeltene i innstillingene for PEP-treff?
Når Strise screener for PEPs (Politisk Eksponerte Personer), sammenligner vi en Strise-enhet med oppføringer fra utvalgte PEP-lister (som Trapets eller Dow Jones). For å hjelpe deg med å finjustere hvor streng eller lempelig denne prosessen er, lar vi deg angi vektlegging av datafelt – en enkel måte å kontrollere hvor mye hvert datafelt (som navn eller fødselsår) bidrar til den totale treffpoengsummen.
Denne guiden forklarer hvordan vektlegging fungerer og hvordan det påvirker kategoriseringen av treff i PEP-disposisjoneringsvisningen. Du finner den under PEP og sanksjoner enten i entitetssiden (som åpnes når du klikker på et selskap eller en person i Strise) eller under en Vurdering (i hovedmenyen til venstre). For å åpne PEP-disposisjoneringsvisningen, klikk på Verifiser ved siden av et navn (i delen som heter "PEP og sanksjoner".
🧮 Hva er vektlegging av ulike datafelt i PEP-treff-sammenheng?
Vektlegging av datafelt lar deg bestemme hvor viktige ulike felt er når du beregner den totale treffprosenten mellom en Strise-enhet og en foreslått enhet fra en PEP-liste.
Du kan tildele en vekt fra 0 til 100 til hvert av følgende felt:
Navn
Fødselsdato
Fødselsår
Land
Jo høyere tallet er, desto mer bidrar feltet til den endelige treffprosenten. En verdi på 0 betyr at feltet ignoreres. En verdi på 100 betyr at det har maksimal innflytelse.
⚖️ Eksempel på oppsett
La oss si at du setter opp vektleggingen din slik:
Felt | Vekt |
Navn | 80 |
Fødselsdato | 100 |
Fødselsår | 100 |
Land | 50 |
Disse vektene normaliseres for å skape en samlet poengsum. Slik fungerer det i praksis:
Eksempel på PEP-treff:
Navn: 100 % treff
Fødselsdato: 100 % treff
Fødselsår: 100 % treff
Land: 100 % treff
Systemet beregner treffprosenten slik:
Total = (0.8 × 100 + 1.0 × 100 + 1.0 × 100 + 0.5 × 100) / (0.8 + 1.0 + 1.0 + 0.5) = (330) / (3.3) = 100 %
Hvis dette 100 % treffet er over terskelen du har definert (f.eks. 80 %), vil det automatisk bli plassert i kategorien "Foreslått sann".
🧠 Hva med eksakte treff på nasjonal ID?
Hvis et treff inneholder en unik nasjonal ID, vil det bli vurdert som et 100 % treff uavhengig av vektinnstillingene dine. Disse overstyrer fuzzy-treffberegningen og vises alltid som "Bekreftet sann" for din gjennomgang.
📊 Terskel: Foreslått sann vs. Foreslått usann
Du setter også en "Terskel for foreslått sann treff" – vanligvis mellom 50-100 %.
Treff på eller over denne terskelen vil automatisk bli kategorisert som Foreslått sann.
Treff under den vil bli plassert under Foreslått usann.
Dette gjør gjennomgangen din mer effektiv ved å fremheve kun de mest relevante treffene basert på hvor strenge innstillingene dine er.
✅ Tips for å sette vekter
Hvis navnvariasjoner er vanlig i dataene dine, kan det være lurt å gi mer vekt til fødselsdato og år.
For globale selskaper som opererer på tvers av landegrenser, kan land være mindre kritisk – men likevel nyttig for å snevre inn treff.
Start med standardforslagene og juster basert på hva som gir teamet ditt det beste forholdet mellom signal og støy.
🖼️ Hvor ser jeg dette i praksis?
I PEP-disposisjoneringsvinduet (som du finner ved å trykke Verifiser ved siden av et navn), vil du se hvordan hvert treff ble beregnet. Bare hold musepekeren over treffprosenten for å se:
Fordeling felt for felt
Hvordan den endelige poengsummen ble beregnet
Om den passerte den foreslåtte terskelen
Dette hjelper deg og teamet ditt med å forstå nøyaktig hvorfor et treff ble kategorisert slik det ble.
Har du fortsatt spørsmål? Kontakt kundestøtte via e-post på [email protected] eller nå oss i chatboblen nederst i høyre hjørne i appen.