วารสารวิชาการ ป.ป.ช. ปีที่ 15 ฉบับที่ 1

กับเจ้าหน้าที่ของรัฐในพื้นท่ีและในส่วนกลางในการป้องกันการทุจริตในส่วนราชการและส่งเสริมการบริหาร
กิจการบา้ นเมอื งทีด่ ี มีท้ังดาเนินการในระยะสน้ั และระยะยาว

แนวทางการมีส่วนร่วมของภาคประชาชนในการป้องกันการทุจริตของสานักงานยุติธรรมจังหวัดนา
ร่อง กระทรวงยุติธรรมควรมีแนวทางที่เป็นลาดับข้ันตอนดังน้ี 1) ให้ข้อมูลข่าวสารแก่ประชาชน (To inform)
เมื่อเริ่มต้นในการดาเนินกิจกรรมของหน่วยงาน 2) เปิดช่องทางให้แก่ประชาชนในพื้นท่ีแสดงความคิดเห็น
(To consult) ต่อโครงการของสานักงานยุติธรรมจังหวัดนาร่องท่ีจะจัดหรือดาเนินการในพื้นที่ โดยการรับฟัง
ความคิดเห็นของประชาชนและการเข้าปรึกษาหารือกับกลุ่มประชาชนท้ังในรูปแบบที่เป็นทางการและแบบไม่เป็น
ทางการก่อนที่จะดาเนินโครงการในพ้ืนท่ี 3) เปิดช่องทางให้ประชาชนในพื้นท่ีมีส่วนร่วมในการกาหนดวิธีการ
ในการทางานหรือวิธีในการทางานร่วมกันระหว่างภาครัฐและภาคเอกชน (To involve) ในโครงการ
ของสานักงานยุติธรรมจังหวัดนาร่องในทุกโครงการ 4) เปิดช่องทางให้ประชาชนในพื้นที่เป็นหุ้นส่วน
(To collaboration) ในการดาเนินกิจกรรมในโครงการทุกโครงการของสานักงานยุติธรรมจังหวัด
ในทุกขั้นตอน 5) เปิดโอกาสให้ประชาชนในพ้ืนท่ีมีบทบาทในการตัดสินและดาเนินกิจกรรมของประชาชน
ในพ้ืนที่ดว้ ยประชาชนเอง (To empower) โดยให้ภาครฐั เปน็ ผสู้ ง่ เสริมและสนบั สนุนการดาเนินการ

เอกสารอ้างอิง
กระทรวงยุติธรรม. คำสั่งกระทรวงยุติธรรม ที่ 159/2555 เรอื่ ง จัดตั้งสำนักงำนยุติธรรมจงั หวัดนำร่อง ลงวันที่

26 มถิ นุ ำยน 2555. ม.ป.ท.: กระทรวงยตุ ธิ รรม, 2555.
กระทรวงยุติธรรม. คำส่ังกระทรวงยุติธรรม ท่ี 569/2559 กำรบริหำรงำนสำนักงำนยุติธรรมจังหวัด และ

สำนักงำนยตุ ธิ รรมจังหวัดสำขำ ลงวนั ที่ 24 พฤศจกิ ำยน 2559. ม.ป.ท.: กระทรวงยุตธิ รรม, 2559.
กระทรวงยตุ ิธรรม. สำนักงำนยุติธรรมจงั หวัดกับกฎหมำยสำมญั ประจำบ้ำน. กรงุ เทพฯ: กระทรวงยตุ ิธรรม,

2553.
จุฑารัตน์ เอ้ืออานวย, ระบบยุติธรรมและยุติธรรมทำงเลือก: แนวกำรวิเครำะห์เชิงสังคมศำสตร์ (กรุงเทพฯ:

จฬุ าลงกรณ์มหาวทิ ยาลัย, 2556)
ชาญชัย แสวงศกั ดิ์. กฎหมำยปกครอง. กรงุ เทพฯ: สานกั พิมพม์ หาวทิ ยาลยั รามคาแหง, 2548.
ณภัทร เตโช, อภิชาต จีนทราธิบดี, ภัชรีย์ มีแก้ว, และ อรดี ไกรยุทธศักดิ์. “แนวทางการป้องกันและปราบปราม

การทุจริตในส่วนราชการไทย.” สานักงานคณะกรรมการป้องกันและปราบปรามการทุจริตแห่งชาติ.
สืบค้นเมื่อวันท่ี 24 ธันวาคม 2564, http://www.nacc.go.th/ download/article_20100126184143
.pdf.
ปิยะธิดา อภัยภักดิ์. “แนวทางการป้องกันและปราบปรามการทุจริตคอร์รัปชันในหน่วยงานภาครัฐ.” วำรสำร
บัณฑิตวทิ ยำลัย มหำวทิ ยำลัยรำชภัฏจนั ทรเกษม 13, ฉ. 1 (2561): 1-12.
ปรุ ะชัย เปยี่ มสมบรู ณ์. กำรบรหิ ำรงำนตำรวจ. กรุงเทพฯ: โอเดยี นสโตร์, 2530.
พระราชบัญญัติประกอบรัฐธรรมนูญว่าด้วยการป้องกันและปราบปรามการทุจริต พ.ศ. 2561. รำชกิจจำ
นุเบกษำ เล่มที่ 135 ตอนท่ี 52ก (21 กรกฎาคม 2561): 1-80
วิชา มหาคุณ. บรรยำยพเิ ศษในกำรอบรมหลักสูตร นยปส.7. ม.ป.ท.: สานกั งานคณะกรรมการป้องกนั และ
ปราบปรามการทจุ รติ แหง่ ชาติ, 2559.

วารสารวิชาการ ป.ป.ช. ปีท่ี 15 ฉบับที่ 1 37
การมีสว่ นร่วมของประชาชนในการปอ้ งกนั การทุจรติ : กรณีศกึ ษาสานักงานยตุ ิธรรมจังหวัดนารอ่ ง กระทรวงยุติธรรม

ศรสวรรค์ ปุญญัติวรัณ. “มาตรการทางกฎหมายในการป้องกันและปราบปรามการทุจริตภาครัฐ.” วิทยานิพนธ์
นิติศาสตรมหาบัณฑิต, สาขาวิชานิติศาสตร์ คณะนิติศาสตร์ปรีดี พนมยงค์ มหาวิทยาลัยธุรกิจบัณฑิต,
2557.

สานักงานคณะกรรมการป้องกันและปราบปรามการทุจริตในภาครัฐ. หลักสูตรคู่มือและแนวทำงกำรสร้ำง
เครือข่ำยภำครัฐต่อต้ำนกำรทจุ ริต. กรุงเทพฯ: สานักงานคณะกรรมการปอ้ งกันและปราบปรามการทุจริต
ในภาครฐั , 2558.

สานักงานคณะกรรมการพัฒนาระบบราชการ. “แนวความคิดเก่ียวกับการบริหารราชการแบบมีส่วนร่วม.”
สานั กงาน คณ ะกรรมการพั ฒ น าระบ บราชการ . สืบ ค้นเมื่อวันที่ 21 กันยายน 2564.
https://www.opdc.go.th/content/Mjc4Nw.

สานักงานปลดั กระทรวงยตุ ิธรรม. ยุติธรรมจงั หวดั นำรอ่ ง. กรุงเทพฯ: สานักงานปลดั กระทรวงยุติธรรม, 2560.
สานักงานสภาพัฒนาเศรษฐกิจและสังคมแห่งชาติ. “ดัชนีช้ีวัดภาพลักษณ์คอร์รัปชัน.” สานักงานสภาพัฒนาการ

เศรษฐกจิ และสังคมแห่งชาติ. สืบค้นเม่ือวนั ที่ 30 ตุลาคม 2564. https://www.nesdc.go.th/article_attach
/article_file_20210201184051.pdf
อภิชาติ ศิริสิทธิ. “ความมีระเบียบวินัยในการใช้สื่ออิเล็กทรอนิกส์กับการบังคับใช้กฎหมาย.” วิทยาลัยป้องกัน
ราชอาณาจักร. สืบค้นเมื่อวันที่ 24 ธันวาคม 2564. http://www.dsdw2016.dsdw.go.th/doc_pr/
ndc_2559-2560/wpa_8305.html.
Transparency International. “ What is Corruption.” Transparency International. Accessed
October 30, 2021. https://www.transparency.org/en/what-is-corruption

วารสารวิชาการ ป.ป.ช. ปีที่ 15 ฉบับท่ี 1 38
การมสี ว่ นรว่ มของประชาชนในการป้องกันการทุจรติ : กรณีศึกษาสานกั งานยุตธิ รรมจังหวดั นารอ่ ง กระทรวงยตุ ิธรรม

The Innovation of prevention and suppression of Money Laundering
through Online - Single Platform and Blockchain
in the Case Study of Antique Dealers

นวตั กรรมใหมใ่ นการปอ้ งกันและปราบปรามการฟอกเงินผา่ น Online - Single Platform
และ Blockchain ศกึ ษาเฉพาะกรณผี ปู้ ระกอบธรุ กิจคา้ ของเก่า
Noppatsorn Sornkom
นภภัสสร สอนคม
Anti-Money Laundering Office
สำนักงำนปอ้ งกันและปรำบปรำมกำรฟอกเงนิ

[email protected]

Abstract
According to the problem of Anti-Money Laundering and Terrorist Financial Support, the Case

Study of Value Antiques Dealers who are responsible for reporting under Section 16 (5) The Anti-
Money Laundering Act B.E. 2542 and its amendments found that it is unable to support the
information technology system to assist and facilitate the operators to work in accordance with the
law. The author studied the development and improvement of information technology systems,
focused on the problems solving system in terms of prevention and monitoring, also considered the
problem of money laundering and terrorism through the trading of antiques both domestically and
internationally. This will lead to scope and set the system to be used in the context of surveillance,
rapid monitoring, and also immediate support the Anti-Money Laundering operations in accordance
with the current environment of technological growth and the complex nature of money laundering
offenders.
Keywords: money laundering, innovation, antique trade

วารสารวิชาการ ป.ป.ช. ปีท่ี 15 ฉบับที่ 1

นวตั กรรมใหมใ่ นการปอ้ งกันและปราบปรามการฟอกเงนิ ผ่าน 39

Online-Single Platform และ Blockchain ศกึ ษากรณีผปู้ ระกอบธุรกจิ คา้ ของเก่า

บทคดั ยอ่
จากสภาพปัญหาการป้องกันและปราบปรามการฟอกเงินและการสนับสนุนทางการเงินแก่การก่อการร้าย

ศึกษาเฉพาะกรณีผู้ประกอบการธุรกิจค่าของเก่า ซึ่งเป็นผู้มีหน้าที่รายงานตามมาตรา 16(5) ตามพระราชบัญญัติ
ป้องกันและปราบปรามการฟอกเงิน พ.ศ. 2542 และท่ีแก้ไขเพ่ิมเติม พบว่ายังไม่สามารถสนับสนุนระบบเทคโนโลยี
สารสนเทศให้สามารถรองรับและอานวยความสะดวกในการใช้งานของผู้ประกอบการเพ่ือให้สามารถปฏิบัติงานได้
สอดคล้องตามกฎหมายทุกข้ันตอน ผู้เขียนจึงได้ทาการศึกษาเก่ียวกับการพัฒนาและปรับปรุงระบบเทคโนโลยี
สารสนเทศโดยเน้นให้ระบบสามารถแก้ไขสภาพปัญหาในเชิงการป้องกันและตรวจสอบเป็นหลัก ประกอบกับการ
พิจารณาสภาพปัญหาการฟอกเงินและการก่อการร้ายผ่านการซ้ือขายของเก่าทั้งจากในประเทศและต่างประเทศ เพ่ือ
นามาสู่การกาหนดขอบเขตในการสร้างระบบให้สามารถใชง้ านท้ังในบริบทของการเฝา้ ระวัง ติดตาม ตรวจสอบ อย่าง
รวดเร็ว อีกท้ังยังเป็นการสนับสนุนการปฏิบัติงานปราบปรามทุจริตฟอกเงินได้อย่างทันท่วงทีตามสภาพแวดล้อมใน
ปัจจุบันที่มีความเจริญเติบโตทางเทคโนโลยีมากข้ึนพร้อมกับลักษณะวิธีการกระทาความผิ ดของอาชญากรฟอกเงิน ท่ี
ซับซอ้ น

คาสาคญั : การฟอกเงนิ นวัตกรรม ธรุ กิจค้าของเกา่

1. บทนา
ในปัจจุบันอาชญากรฟอกเงิน ส่วนใหญ่มักเกี่ยวข้องกับการค้าขายสินค้ารวมไปถึงการกระทาผิดกฎหมาย

ทุกรูปแบบ ได่แก่ ยาเสพติด, อาวุธเถื่อน, แชร์ลูกโซ่ และกลุ่มมิจฉาชีพคอลเซนเตอร์ (Callcenter) โดยวิธีการ
ฟอกเงินจะทาการโยกยา้ ยถา่ ยเททรัพยส์ นิ หลายข้ันตอน เชน่ นาเงนิ และทรัพย์สินที่ได้มาโดยไม่ชอบด้วยกฎหมายเข้าสู่
ระบบสถาบันการเงินประกอบกับแปรสภาพเป็นทรัพย์สินที่มีมูลค่าสูง ได้แก่ รถหรู พระเคร่ือง วัตถุโบราณ
อสังหาริมทรัพย์ เป็นต้น ทั้งน้ีก็เพ่ือให้หน่วยงานของรัฐ คือ สานักงานป้องกันและปราบปรามการฟอกเงิน (สานักงาน
ปปง.) ตามหาแหล่งทมี่ าท่ผี ิดกฎหมายได้ยากขึ้น จนกลายเป็นปัญหาสงั คมใหญ่ ซ่งึ กระบวนการตรวจสอบที่สาคัญท่ีสุด
ท่ีจะช่วยป้องกันและปราบปรามไม่ให้อาชญากรดาเนินการฟอกเงินผ่านทางสถาบันการเงินและกลุ่มธุรกิจผู้ประกอบ
อาชพี ซง่ึ อยภู่ ายใต้การกากบั ดูแลตามพระราชบญั ญตั ิป้องกันและปราบปรามการฟอกเงนิ พ.ศ. 2542 ได้แก่

1. กระบวนการทาความร้จู กั ลูกค้า (Know Your Customer – KYC)
2. กระบวนการตรวจสอบเพอ่ื ทราบข้อเทจ็ จริงเกยี่ วกบั ลกู คา้ (Customer Due Diligence – CDD)
3. กระบวนการรายงานธุรกรรมทม่ี ีเหตอุ นั ควรสงสยั (Suspicious Transaction Report – STR)
โดยกระบวนการเหล่านี้เช่ือมโยงไปถึงการพิสูจน์ทราบและรู้จักตัวตนของลูกค้ าอันเป็นบุคคลที่เข้าข่ายเป็น
อาชญากรฟอกเงิน จึงถือได้ว่าเป็นกระบวนการตรวจสอบเบ้ืองต้นเพ่ือนาไปสู่กระบวนการอายัดการทาธุรกรรม
การไม่สร้างความสัมพันธ์ในการดาเนินการทาธุรกรรมทางการเงิน และการติดตามทรัพย์สินที่ได้มาโดยมิชอบด้วย
กฎหมายคืนใหแ้ ก่ผูเ้ สยี หายหรือเขา้ สู่กระบวนการขายทอดตลาดตอ่ ไป

วารสารวชิ าการ ป.ป.ช. ปีที่ 15 ฉบับที่ 1

นวัตกรรมใหม่ในการปอ้ งกนั และปราบปรามการฟอกเงินผา่ น 40

Online-Single Platform และ Blockchain ศึกษากรณผี ู้ประกอบธรุ กิจคา้ ของเก่า

อย่างไรก็ดีการดาเนินงานตามกระบวนการดงั กล่าวให้ได้ครบถ้วนและมีประสิทธิภาพสูงสุด ลดโอกาสเส่ียงใน
การผิดพลาดต่าในกรณีท่ีมีจานวนลูกค้ามากและมีปริมาณและยอดการทาธุรกรรมทางการเงินสูง ถ้าหากยังใช้
กระบวนการตรวจสอบเอกสารโดยบคุ ลากรหรือเจ้าหนา้ ท่ี อาจเกิดความผดิ พลาดในการปฏิบตั ิงานของมนุษยโ์ ดยไม่ได้
ต้งั ใจได้ (Human Error) จงึ จาเป็นท่จี ะต้องพ่งึ พาระบบเทคโนโลยีสารสนเทศ ทัง้ นี้เทคโนโลยีบล็อกเชน (Blockchain)
จึงเป็นนวัตกรรมใหม่ที่ภาคธรุ กิจสถาบันการเงินให้ความสนใจและต้องการพัฒนาเพื่อมาช่วยแก้ปัญหาดังกล่าวช่วยใน
การกล่ันกรองข้อมูลประวัติลูกค้า ประวัติและรูปแบบการทาธุรกรรมทางการเงินแบบเฉพาะเจาะจงท้ังระดับบุคคล
อาชพี รายได้ เพ่อื ตรวจสอบประวตั ิอาชญากรรมและการทาธรุ กรรมทม่ี เี หตุอนั ควรสงสัย ซงึ่ การพฒั นาระบบรวมไปถึง
การซือ้ ระบบสาเร็จรูปมาใชใ้ นการดาเนนิ งานดงั กลา่ วมีคา่ ใชจ้ ่ายค่อนข้างสูง

2. สภาพปัญหาการฟอกเงินในประเทศไทย
ตามภารกิจหลักในการดาเนินการของสานักงาน ปปง. นอกเหนือจากการปราบปรามอาชญากรฟอกเงินแล้ว

ก็ยังมีอีกภารกิจ คือ งานป้องกันและปราบปรามการฟอกเงิน ผ่านการกากับดูแลกลุ่มธุรกิจที่อาจมีความเส่ียงท่ีจะถูก
อาชญากรใช้เป็นเครื่องมือในการสร้างขั้นตอนการฟอกเงินตามที่ได้กล่าวไปแล้วในข้างต้น ซ่ึงทั้งน้ีเมื่อพิจารณาตาม
สถิติบัญชียึดทรัพย์สินท่ีเกี่ยวกับการกระทาความผิดไว้ชั่วคราวของอาชญากรที่มีการกระทาเข้าความผิดมูลฐานฟอก
เงินจะพบว่าอาชญากรส่วนใหญ่มักจะใช้วิธีเปลี่ยนเป็นทรัพย์สินท่ีมีมูลค่าสูง และซื้อขายได้คล่อง รวดเร็ว ไม่ยุ่งยาก
ซบั ซ้อนเมื่อเปรียบเทียบกับการนาเงนิ เข้าระบบสถาบนั การเงินใหญ่ท่ีมศี ักยภาพในการลงทนุ สร้างระบบเพือ่ สนับสนุน
กระบวนการตรวจสอบลูกค้าและธุรกรรมค่อนข้างเข้มงวดและสะดวกรวดเรว็ กว่า ซง่ึ ทมี่ ักพบเห็นได้บ่อย คือ กลมุ่ พระ
เครื่อง งานศิลปะ วัตถุโบราณ สิ่งของสะสมมูลค่าสูง สินค้าแบรนด์เนมหรูหราเป็นต้น เนื่องจากเป็นสินค้าที่มีราคา
ตลาดตามกระแสนิยม ความพงึ พอใจของบุคคลเฉพาะกลุ่ม เช่น กลุม่ เซียนพระ นกั สะสมของหายาก ผนู้ ิยมแฟชั่นของ
แบรนดเ์ นม จงึ ค่อนขา้ งยงุ่ ยากในการตีราคาทแ่ี ทจ้ รงิ เพราะมคี วามผันผวนในการประเมนิ ราคาทรัพย์สินในช่วงเวลาใด
เวลาหนง่ึ

ท้ังนี้คณะทางานเฉพาะกิจเพ่ือดาเนินมาตรการทางการเงิน (Financial Action Task Force (FATF))
ไดอ้ อกมาตรฐานสากลเพ่ือเปน็ เกณฑ์ในการตรวจสอบการปฏบิ ัติงานด้านการป้องกันปราบปรามการฟอกเงนิ และ การ
ต่อต้านการสนับสนุนทางการเงนิ แก่การก่อการรา้ ย (Anti-Money Laundering and Combating the Financing of
Terrorism (AML/CFT)) ของประเทศต่างๆ ซ่ึงมีมาตรฐานประการหนึ่งเก่ียวกับการประเมินความเสี่ยงด้านการฟอก
เงินและการสนับสนุนทางการเงินแก่การก่อการร้าย คือ ตามคาแนะนาข้อที่ 1 ของคณะทางานเฉพาะกิจเพื่อดาเนิน
มาตรการทางการเงิน (Financial Action Task Force: FATF) ซึ่งกาหนดให้แต่ละประเทศ ควรระบุความเส่ียง
เกี่ยวกับด้านการฟอกเงิน (ML) และการสนับสนุนทางการเงินแก่การก่อการร้าย (TF) ในประเทศของตนก่อน แล้วจึง
ประเมินความเสี่ยงและทาความเข้าใจความเส่ียงน้ัน ซึ่งการประเมินความเสี่ยงควรมีการประเมินความเส่ียงเป็น
ระดับชั้น ได้แก่ การประเมินความเสี่ยงระดับชาติ การประเมินความเสี่ยงรายภาคธุรกิจ และการประเมินความเสี่ยง
รายกิจการการประเมินความเส่ียงรายภาคธุรกิจ (Sector Risk Assessment: SRA) มีวัตถุประสงค์เพื่อให้ทราบถึงภัย
คุกคาม (Threat) จุดเปราะบาง (Vulnerability) และความเส่ียง (Risk) ท่ีแท้จริงของการฟอกเงิน (Money
Laundering: ML) และการสนับสนุนทางการเงินแก่การก่อการร้าย (Financing of Terrorism: FT) ในภาคธุรกิจ

วารสารวชิ าการ ป.ป.ช. ปที ี่ 15 ฉบับที่ 1

นวตั กรรมใหม่ในการปอ้ งกันและปราบปรามการฟอกเงินผา่ น 41

Online-Single Platform และ Blockchain ศึกษากรณผี ปู้ ระกอบธุรกิจค้าของเกา่

ตลอดจนทราบถึงมาตรฐานของระดับในการควบคุมความเสี่ยงดังกล่าวในภาคธุรกิจ ท้ังน้ี เพื่อเป็นประโยชน์แก่ผู้มี
หน้าที่รายงาน (Reporting Entities : REs) ในการทราบถึงความเส่ียงในภาคธุรกิจของตนเองและเพ่ือใช้เป็นแนวทาง
ในการออกมาตรการลดความเสี่ยงด้าน ML และ FT ตามระดบั ความเส่ียง และเปน็ พนื้ ฐานในการกาหนดนโยบาย และ
ยทุ ธศาสตร์ท่ีเหมาะสมในการกากบั ดแู ลผมู้ หี น้าทรี่ ายงานต่อไป ท้ังนจ้ี ะต้องมกี ารกาหนดหน่วยงานหลักในการประเมิน
ความเส่ียง และเป็นกลไกประสานงานกับหน่วยงานที่เก่ียวข้องทั้งหน่วยงานกากับดูแล หน่วยงานบังคับใช้กฎหมาย
และภาคธุรกิจในการดาเนินมาตรการป้องกันหรือลดความเสี่ยงในด้านดังกล่าวได้อย่างสอดคล้องเหมาะสมกับระดับ
ของความเสี่ยง ตลอดจนต้องมีการทบทวนและปรับปรุงผลการประเมินความเส่ียงอย่างต่อเน่ืองตามสภาพการณ์
แวดลอ้ มท่เี ปลี่ยนแปลงไป1

สานักงานป้องกันและปราบปรามการฟอกเงิน (สานักงาน ปปง.) จึงเป็นหน่วยงานหลักในการประเมินความ
เส่ียงระดับชาติโดยมอบหมายให้สถาบันบัณฑิตพัฒนบริหารศาสตร์เป็นผู้ดาเนินการศึกษาวิจัย ซึ่งขอบเขตในการ
ศึกษาวิจัยครอบคลุมความเสี่ยงด้านการฟอกเงินฯ ของประเทศไทยที่เป็นผลมาจากการก่ออาชญากรรมต่างๆ
ในประเทศและต่างประเทศท่ีส่งผลกระทบต่อระบบการเงิน โดยเฉพาะอยา่ งย่งิ อาชญากรรมทเ่ี ปน็ ความผดิ มลู ฐานตาม
กฎหมายฟอกเงิน โดยพิจารณาจากข้อมูลหลักด้านภยั คุกคาม (Threat) และ จุดเปราะบาง (Vulnerability) เป็นหลัก
ส่วนระดับผลกระทบที่เกิดตามมา (Consequence) ข้ึนอยู่กับการบริหารจัดการเพ่ือลดความเสี่ยงและการเพิ่ม
มาตรการท่ีเข้มงวดเพ่ือลดจุดเปราะบางหรือจุดอ่อนท่ีมีอยู่ โดยระดับความเสี่ยงด้านการฟอกเงิน อาชญากรจะใช้
จุดอ่อนหรือจุดเปราะบางของภาคการเงิน ภาคธรุ กิจตา่ ง ๆ และจดุ ผา่ นแดน เปน็ ช่องทางในการฟอกเงินหรือทรัพย์สิน
ทีไ่ ดจ้ ากการกระทาความผิด ซึง่ สามารถจัดลาดบั ชอ่ งทางท่เี ผชญิ ความเสี่ยงจากมากทส่ี ุดไปจนถงึ ระดับความเสี่ยงน้อย
10 ลาดับแรก ซึ่งกิจการค้าของเก่า พระเคร่ือง วัตถุมงคล ติดลาดับ ๑ ใน ๓ เนื่องจากมูลค่าทรัพย์สินขึ้นอยู่กับความ
พอใจ โดยเป็นการตกลงกันเองระหว่างผู้ซื้อกับผู้ขาย จึงสามารถตั้งราคาซ้ือขายในราคาที่สูงเกินจริงให้ดูเสมือนว่า
ได้รับเงินจากการซื้อขายโดยสุจริต ทาให้หน่วยงานไม่สามารถกากับดูแลเพ่ือการป้องกันปราบปรามการฟอกเงิน ได้
อยา่ งมปี ระสิทธภิ าพ2

การประเมินความเสี่ยงรายภาคธุรกิจ (SRA) เป็นการประเมินความเสี่ยงท่ีจัดทาขึ้นเพ่ือช่วยให้มีความ
เข้าใจความเสีย่ งในดา้ นการฟอกเงิน (ML) และ การสนับสนุนทางการเงินแก่การก่อการร้าย (FT) ของแต่ละภาคธุรกิจ
และมีส่วนช่วยในกระบวนการตัดสินใจสาหรับการประเมินความเส่ียงรายกิจการ (Reporting Entity Risk
Assessment) รวมทง้ั ผลการรายงาน SRA ยังมสี ่วนในการเตรียมความพร้อมสาหรับการประเมนิ ความเสีย่ งตนเองของ
แตล่ ะธุรกิจอกี ดว้ ย3

1 สานักงาน ปปง., กองกากับและตรวจสอบ, “ผลประเมินความเส่ียงด้าน AML/CFT รายภาคธุรกิจ ปี 2562,” กองกากับและตรวจสอบ สานักงาน ปปง.,
สืบค้นเมื่อวนั ที่ 15 มถิ ุนายน 2564, https://sed.amlo.go.th/content/detail/84.
2 สานักงาน ปปง., กองกากับและตรวจสอบ, “ผลการประเมินความเสี่ยงระดับชาติด้านการฟอกเงินและการสนับสนุนทางการเงินแก่การก่อการร้ายของ
ประเทศไทย พ.ศ. 2559 (NRA),” กองกากับและตรวจสอบ สานักงาน ปปง., สืบค้นเม่ือวันที่ 15 มิถุนายน 2564, https://sed.amlo.go.th/
content/detail/267.
3 สานกั งาน ปปง., กองกากบั และตรวจสอบ, “ผลประเมินความเส่ียงดา้ น AML/CFT รายภาคธุรกจิ ปี 2562,” กองกากบั และตรวจสอบ สานกั งาน ปปง.,
สืบค้นเมอ่ื วันท่ี 15 มิถนุ ายน 2564, https://sed.amlo.go.th/content/detail/84.

วารสารวิชาการ ป.ป.ช. ปที ่ี 15 ฉบับท่ี 1

นวตั กรรมใหม่ในการปอ้ งกันและปราบปรามการฟอกเงินผา่ น 42

Online-Single Platform และ Blockchain ศึกษากรณผี ู้ประกอบธรุ กจิ ค้าของเก่า

ในส่วนของภาพรวมของกลุ่มธุรกิจค้าของเก่าซึ่งเป็นผู้ประกอบอาชีพตามมาตรา 16 (5) หมายถึง
ผู้ประกอบอาชีพค้าของเก่าตามกฎหมายว่าด้วยการควบคุมการขายทอดตลาดและค้าของเก่า ตามกฎหมายกาหนด
เฉพาะที่เป็นนิตบิ ุคคลกลุ่มค้าของเกา่ เป็นกลมุ่ ทม่ี คี วามเก่ียวพันกับกลุ่มธรุ กิจอื่นที่มีหน้าท่ีรายงานตามมาตรา 16 แหง่
พรบ.ป้องกันและปราบปรามการฟอกเงิน เช่น การค้ารถยนต์มือสองที่มีความเก่ียวพันกับกลุ่มค้ารถยนต์ การค้าทอง
เก่าท่ีเป็นกลุ่มธุรกิจที่ทับซ้อนกับผู้ค้าทอง รวมถึงนิยามของคาว่าค้าของเก่าน้ันค่อนข้างครอบคลุมไปแทบทุกสินค้าท่ี
เป็นของใช้แล้วหรือของที่เคยผ่านการซื้อขายมาก่อนแล้ว ซ่ึงประกอบไปด้วย โบราณวัตถุอัญมณีและโลหะมีค่า และ
รวมถงึ ของเก่าทกุ ประเภทแมแ้ ต่ประเภทขยะ เปน็ ต้น

ทั้งนี้กลุ่มค้าของเก่ามีมูลค่าของธุรกิจค่อนข้างสูงจากการมีความเกี่ยวเน่ืองในธุรกิจหลายธุรกิจ เช่น ธุรกิจค้า
รถที่มีรถยนต์และเช่าซื้อ รวมถึงในกลุ่มของวัตถุมงคลที่มีเงินหมุนเวียนต่อปีและสามารถจาหน่ายเป็นของเก่าได้ โดย
หน่วยงานผู้ออกใบอนุญาตในการประกอบธุรกิจดังกล่าว คือ กรมการปกครอง กระทรวงมหาดไทย โดยผู้ประกอบ
อาชีพดังกล่าวจะต้องตอ่ ใบอนุญาตทุกปี ได้แก่

1. ของเก่าประเภทโบราณวัตถุ ศิลปวัตถุ ตามกฎหมายว่าด้วยโบราณสถาน โบราณ วัตถุ ศิลปวัตถุและ
พิพิธภณั ฑสถานแห่งชาติ

2. ของเกา่ ประเภทเพชรพลอย ทอง นาก เงนิ หรืออัญมณี
3. ของเกา่ ประเภทรถยนต์ ตามกฎหมายวา่ ด้วย รถยนต์
4. ของเก่าประเภทพระเคร่ือง วตั ถุมงคล
5. ของเก่าประเภทอื่น ๆ เช่น สินค้าแบรนด์เนม โทรศัพท์เคลื่อนที่ เศษเหล็ก กระดาษ ขวด คอมพิวเตอร์
กระสอบ สแตนเลส ยานยนต์และช้นิ ส่วนอะไหล่รถยนต์ รถจักรยานยนต์ และของหลดุ จานา เป็นตน้
ท้ังน้ีจากการวิเคราะห์ภัยคุกคาม (Threats) และพิจารณาด้านความผิดมูลฐานเป็นสาคัญ พบว่า
ภัยคุกคามที่สาคัญท่ีเกย่ี วขอ้ งภาคธุรกจิ ค้าของเก่า ไดแ้ ก่ ยาเสพติด ฉอ้ โกงประชาชน การพนัน คอร์รัปชนั และการค้า
มนษุ ย์ อีกทั้งยงั มคี วามเสย่ี งสงู ในเชิง MLและ FT ดว้ ยเหตผุ ลดังต่อไปน้ี4
1. เป็นทรัพย์สินที่เปลี่ยนมือได้ง่ายและไม่สามารถระบุความเป็นเจ้าของกรรมสิทธิ์ได้ อาศัยเพียงหลักการ
ครอบครอง ดังน้ันการครอบครอง เปลย่ี นมอื ซอ้ื ขายจงึ สามารถกระทาได้ผา่ นช่องทางตัวแทนไดง้ ่าย
2. เป็นทรัพย์สินท่ีไม่จาต้องมีการโอนโดยผ่านทางทะเบียนก็ถือว่าเป็นผู้ท่ีถือกรรมสิทธิ์ตามประมวลกฎหมาย
แพ่งและพาณิชย์แล้ว จึงไม่มีบันทึกความเป็นเจ้าของในเอกสารใด ๆของทางราชการ รวมถึงถึงแม้จะมีหลักฐานก็เป็น
การยากในการพิสูจนว์ า่ ทรพั ย์สินนน้ั ตรงตามเอกสารหรือไม่
3. เปน็ ทรพั ย์สินที่มี 1 ชิ้นแตธ่ รุ กรรมสามารถเกดิ ขนึ้ ไดห้ ลายคร้ัง
4. เป็นทรัพย์สินที่สามารถระบุถึงต้นทางได้ยากและการขายสินทรัพย์สามารถกระทา ณ ที่ได้ก็ได้ในประเทศ
ไทย
5. เป็นทรัพย์สินท่ีไม่มีราคามาตรฐาน ดังน้ันราคาจึงสามารถกาหนดได้ตามเท่าท่ีคู่สัญญาตกลงกันจึงเป็นการ
ยากทีจ่ ะสงั เกตถงึ ความผิดปกตขิ องธุรกรรม

4 เร่ืองเดยี วกัน

วารสารวชิ าการ ป.ป.ช. ปที ี่ 15 ฉบบั ท่ี 1

นวัตกรรมใหมใ่ นการปอ้ งกันและปราบปรามการฟอกเงินผา่ น 43

Online-Single Platform และ Blockchain ศึกษากรณผี ปู้ ระกอบธุรกิจค้าของเกา่

3. สภาพปญั หาการฟอกเงนิ ของต่างประเทศ
ท้ังน้ี ไม่ใช่เพียงแค่ในบ้านเราเท่าน้ันที่นยิ มใช้วธิ ีนใ้ี นการฟอกเงนิ แต่ที่ต่างประเทศก็นยิ มไม่แพ้กัน โดยเฉพาะ

ในกลุ่มอาชญากรก่อการร้ายและอาชญากรข้ามชาติ ยกตัวอย่างกรณีของกลุ่มผู้ก่อการร้าย ISIS (The Islamic State
of Iraq and Syria) ทไี่ ด้มกี ารทาธรุ กรรมทางการเงนิ ผ่านส่ิงที่เรยี กวา่ “Blood Antiquities” โดยการปล้นลักทรัพย์ที่
เป็นโบราณวัตถุ และงานศิลปะที่มีมูลค่าสูง แล้วนาไปขายต่อเพื่อฟอกเงินประกอบกับนาเงินมาเป็นท่อน้าเลี้ยงกลุ่ม
อาชญากร Al Qaeda และกลุ่ม Taliban5 โดยสร้างขั้นตอนการซ้ือขายทรัพย์สินดังกล่าวผ่านระบบการค้าสินค้าและ
บริการระหว่างประเทศเพื่ออาพรางท่ีมาของเงินตราที่ผิดกฎหมาย (Trade-Base Money Laundering - TBML) กับ
กลุ่มตัวแทนนายหน้า (Art and Antique Dealers) หรือหน่วยงานจัดประมูลสินค้า (Auction Houses) ซึ่ง
กระบวนการน้ีทาให้การตรวจสอบหาธรุ กรรมท่ีผิดปกติหรือมีเหตุอันควรสงสัยค่อนข้างยาก เน่ืองจากมีปริมาณการค้า
มหาศาล ความซับซ้อนของธุรกรรมระหว่างประเทศและการใชผ้ ลิตภัณฑ์ทางการเงินที่หลากหลาย เช่น การชาระเงิน
นอกระบบต่างหากจากที่ระบุไว้ในตราสารเครดิต (Letter of Credit - L/C) ซี่งทาข้ึนเพ่ือค้าประกันการชาระเงิน
ระหว่างประเทศผ่านตัวกลางที่เปน็ สถาบนั การเงิน สร้างความม่ันใจในการชาระเงินระหว่างผ้ซู ื้อและผู้ขายที่อาจจะไม่
รู้จักตัวตนกันมาก่อน อย่างไรก็ดีกระบวนการนี้จึงมีช่องว่างหากมีการสาแดงราคาสินค้าต่ากว่าราคาที่แท้จริง และไป
ชาระส่วนตา่ งเพ่ิมเติมกันนอกระบบอีกครง้ั หน่ึงทาใหช้ ่วยซ่อนเร้นธุรกรรมบางธุรกรรมท่ีอาจมกี ะปะปนระหวา่ งเงินถูก
กฎหมายและเงนิ ผิดกฎหมายรวมถึงอานวยความสะดวกในการเคล่ือนย้ายเงินตราไปยังประเทศตา่ งๆ โดยรปู แบบการ
ฟอกเงนิ ส่วนใหญ่มดี ังต่อไปน้ี6

1. การเรยี กเก็บค่าสนิ ค้า/บริการท่ีสูงหรือตา่ กว่าความเป็นจรงิ
2. การออกบัญชีราคาสินค้า/บริการหลายใบสาหรบั สนิ คา้ /บริการเดยี วกัน
3. การขนส่งสินค้าหรือให้บริการในปริมาณท่ีมากหรือน้อยกว่าความเปน็ จริงตามสภาพของการประกอบธุรกิจ
นาเข้าหรือสง่ ออกสินคา้ ระหว่างประเทศ และไมป่ รากฏขอ้ มูลของคู่ค้าผลู้ งทุนตกลงซื้อขายตามสัญญาดังกล่าว
4. การสาแดงคุณลักษณะของสินค้า/บริการที่เป็นเท็จ เช่น ปริมาณสินค้า คุณภาพสินค้า คุณสมบัติในสินค้า
มลู คา่ ของสนิ คา้ ใน Bill of Lading หรือ Invoices
5. การออกใบเสร็จการชาระเงินล่วงหน้า (Advance Payment) ของลูกค้าใหม่ซึ่งอยู่ในประเทศเสี่ยงสูงใน
การฟอกเงนิ หรือสนับสนนุ ทางการเงนิ แก่การก่อการรา้ ย
6. มีบุคคลที่สาม (Third Party Entities) เข้ามาเกี่ยวข้องกับการรับชาระเงินหรือการทาธุรกรรมทางการเงิน
โดยไม่ปรากฎชื่อว่าเป็นบริษัทตัวแทนหรือบริษัทในเครือ หรือปรากฏชื่ออยู่ในข้อตกลงรายละเอียดการโอนเงิน (Wire
instructions) แต่อย่างใด ทั้งนี้รวมถึงในตราสารเครดิตหรือเอกสารสัญญาอ่ืน โดยอาจรับชาระเงินผ่านเช็ค
(Cheques), ดราฟท์ (Bank Drafts) หรอื ตามคาสง่ั สญั ญาการชาระเงินอื่นที่ไม่เคยระบลุ งไว้ก่อนในสญั ญาซื้อขายครั้งแรก

5 The Financial Action Task Force, “Financing of the Terrorist Organisation Islamic State in Iraq and the Levant,”
FATF-GAFI, accessed June 3, 2021, https://www.fatf-gafi.org/publications/methodsandtrends/documents/financing-
of-terrorist-organisation-isil.html.
6Asia Pacific Group on Money Laundering, “ APG Trade-based money laundering typologies,” FATF-GAFI, accessed
June 3, 2021, https://www.fatf-gafi.org/media/fatf/documents/reports/Trade_Based_ML_APGReport.pdf.

วารสารวิชาการ ป.ป.ช. ปที ี่ 15 ฉบับท่ี 1

นวัตกรรมใหมใ่ นการป้องกนั และปราบปรามการฟอกเงินผา่ น 44

Online-Single Platform และ Blockchain ศึกษากรณผี ้ปู ระกอบธุรกิจคา้ ของเก่า

7. การทาธุรกรรมหลายคร้ังติดต่อกัน หรือการขยายระยะเวลาตราสารเครดิตบ่อยครั้งโดยไม่สมเหตุสมผล
หรอื มกี ารเปลย่ี นช่อื ผู้ไดร้ ับผลประโยชน์หรือสถานท่ีรับชาระเงนิ โดยไมป่ รากฏเหตุผลทีช่ ดั เจน

8. มีการทาธุรกรรมทางการเงินกับบัญชีเงินทุนและซ้ือขายท่ีผิดปกติ ผ่านเงินสดหรือตราสารทางการเงิน
รูปแบบอ่ืน เช่น เช็คเดินทาง หรือคาสั่งอื่นใดเพื่อหลีกเล่ียงยอดเงินที่จะต้องรายงานธุรกรรม โดยปรากฏว่ามียอดการ
ทาธุรกรรมท่ีซา้ กันจากแหล่งเดียวกันแตข่ าดข้อมลู ผู้รบั เงนิ โดยเฉพาะมกี ารรับชาระเงินสดในปรมิ าณค่อนขา้ งสงู กว่าปกติ

9. ใชบ้ ัญชีรบั โอนเงินขาเขา้ จากต่างประเทศซ้าซ้อนกันหลายบัญชี (Inward Remittances) และชาระเงินเพื่อ

ทาการซ้ือขายสนิ คา้ ระหว่างประเทศ เขา้ ข่ายหลีกเลย่ี งการตรวจสอบการกระทาทีผ่ ดิ กฎหมาย

10. มีการทาธุรกรรมทางการเงินผ่านตราสารหรือสัญญาท่ีไม่ครบกระบวนการท้ังฝ่ังนาเข้าและส่งออกตาม

รปู แบบกลไกการทาสญั ญาซ้อื ขายระหว่างประเทศ แตท่ าเพียงฝง่ั ขาเข้าหรือส่งออกเพยี งขาใดขาหนงี่ เทา่ นนั้

ทั้งนย้ี ังมรี ูปแบบการฟอกเงนิ อน่ื ที่เก่ียวข้องกบั ผลงานศลิ ปะและโบราณวัตถุ ได้แก7่
1. การฟอกเงินของบริษัทด้านการลงทุนบนเกาะมอริเชยี สโดยใช้วธิ ีการแลกเปลี่ยนงานศิลปะร่วมกับเจ้าของ
แกลลอรี่ช่ือดัง Matthew Green มูลค่าหลายล้านดอลลาร์ โดยเงินน้ันได้มาจากการหลอกล่อนักลงทุนให้ลงทุน
หลักทรัพย์ และสร้างผลกาไรท่ีได้รับให้ดูน่าเช่ือถือ ไม่ตกเป็นเป้าหมายหรือธุรกรรมท่ีมีเหตุอันควรสงสัยท่ีทางการจะ
จับพิรธุ ได้ เช่น การเปดิ บัญชโี ดยใชช้ ่อื ปลอมทีธ่ นาคารนอกชายฝ่ัง หลงั จากนน้ั ค่อยโอนเงนิ จากต่างธนาคารที่เปิดบัญชี
ไว้ทั่วโลกโดยแยกยอดเงินออกทีละน้อยไม่ให้เป็นยอดเงนิ ท่จี านวนมาก และกลบเกลื่อนร่องรอยการขาดทุนวา่ เกิดจาก
การซือ้ ขายอสังหารมิ ทรัพย์ โดยจะมกี ารทาการซ้ือและขายอสงั หาริมทรพั ย์ออกอย่างรวดเร็วอ้างว่าผลของการขาดทุน
มาจากความผิดพลาดในการลงทนุ อสังหารมิ ทรัพย์
ส่วนวิธีการแลกเปล่ียนเป็นงานศิลปะน้ัน Matthew Green จะทาเอกสารสัญญาซ้ือขายปลอมซ่ึงไม่มีการซ้ือ
ขายกนั จรงิ แลว้ อ้างในภายหลังว่ามีการซ้ือคนื ในราคาที่ตา่ กวา่ 5 - 10% ซงึ่ วิธกี ารฟอกเงนิ ผา่ นผลงานศิลปะนนั้ ได้รับ
ความนิยมมากเนื่องจากเป็นการทาธุรกรรมแบบส่วนตัว ไม่เป็นทางการ รวมถึงราคาการซื้อขายท่ีปรับเปลี่ยนได้อย่าง
รวดเร็วตามกระแสซ่งึ มีค่อนขา้ งสงู มาก
นอกเหนือจากการได้มาซึ่งผลงานศิลปะผ่านการทุจริตสมคบคิดกับเจ้าของแกลลอร่ีแล้วน้ัน ยังปรากฏ
ข้อเท็จจริงว่ามีการโจรกรรมปล้นผลงานศลิ ปะ โบราณวตั ถุจากสถานท่ีสาคัญทางประวัติศาสตร์ รวมถึงวธิ กี ารนาเข้าท่ี
ผดิ กฎหมายอีกดว้ ย ซึ่งจากการสืบสวนสอบสวนของทาง FBI และ Interpol ยังพบอกี ว่าการฟอกเงินผา่ นตลาดการค้า
ศิลปะมักนิยมใช้เป็นจุดเชื่อมต่อท่อนาเล้ียงให้กับกระบวนการที่ผิดกฎหมายในรูปแบบอื่น เช่น กระบวนการค้ามนุษย์
กระบวนการลักลอบนาเข้าจากประเทศท่ีมีภาวะสงครามอย่างกรณีของกลุ่ม ISIL (Islamic State in Iraq and The
Levant) กระบวนการค้ายาเสพติด น้ามันเถื่อน จึงทาให้ตลาดการค้าผลงานศิลปะมีความเสี่ยงสูงกวา่ ภาคการค้าอืน่ ๆ
เพราะยังบกพร่องในการตรวจสอบข้อมูลลูกค้า ทั้งทางฝ่ังผู้ซ้ือผู้ขาย บ่อยคร้ังท่ีพบว่าชื่อลูกค้าเป็นชื่อปลอม ไม่มีการ
ซอ้ื ขายกันจริง และขาดการควบคุมการรายงานธุรกรรมที่มีขนาดใหญ่ ซับซ้อนผิดปกตดิ ว้ ย

7 Tom Mashberg, “The Art of Money Laundering,” Internatonal Monetary Fund, accessed June 3, 2021, 45
https://www.imf.org/external/pubs/ft/fandd/2019/09/the-art-of-money-laundering-and-washing-illicit-cash-
mashberg.htm.

วารสารวชิ าการ ป.ป.ช. ปที ี่ 15 ฉบบั ที่ 1
นวตั กรรมใหม่ในการปอ้ งกนั และปราบปรามการฟอกเงนิ ผา่ น
Online-Single Platform และ Blockchain ศึกษากรณผี ปู้ ระกอบธุรกจิ ค้าของเกา่

2. การเข้าซ้ือกิจการในตลาดซ้ือขายผลงานศิลปะและโบราณวัตถุเพื่อเป็นแหล่งสนับสนุนเงินทุน
ในการก่อการร้าย ขบวนการค้ายาเสพติดรายใหญ่ กลมุ่ มาเฟียผู้มีอิทธิพล โดยสนิ ค้าทนี่ ามาซ้ือขายกิจการอาจเกิดจาก
การปล้นทรัพย์ การโจรกรรมทางศลิ ปวฒั นธรรมอนั มคี ่าจากประเทศทีพ่ ่ายแพ้สงครามก่อการรา้ ย

ท้ังนี้ The Financial Action Task Force (FATF) ได้ให้ข้อสังเกตว่าผลงานศิลปะและโบราณวัตถุมีความ
เส่ียงสูงที่จะใช้เป็นช่องทางในการฟอกเงินรวมถึงใช้เป็นแหล่งจัดหาเงินทุนของผู้ก่อการร้ายด้วย ผ่านกลไกการนาเข้า
มายังสหรัฐอเมรกิ าและการกากบั ดูแลรา้ นคา้ ศิลปะทีค่ ่อนขา้ งหละหลวมในการตรวจสอบการฟอกเงิน8

ยกตวั อย่างเชน่
- กรณีสอบสวนสืบสวนของกระทรวงยุติธรรมแห่งประเทศสหรัฐอเมริกา The U.S. Department of
Justice (DOJ) ท่ีตรวจสอบการฟอกเงินผ่านการซื้อขายภาพวาดของปิกัสโซภาพเดียวของ Yves Bouvier พ่อค้า
ผลงานศิลปะชื่อดังชาวสวิสเซอร์แลนด์มลู คา่ 50 ล้านดอลล่าหส์ หรัฐ ซง่ึ ต่อมาได้ปรากฏข้อเทจ็ จรงิ ว่าภาพวาดดงั กล่าว
มีการซ้ือขายแลกเปลยี่ นแลว้ มาท่วั โลกตง้ั แตป่ ระเทศสิงคโปร์ ประเทศโมนาโก ไปจนถึงประเทศสหรฐั อเมรกิ า
- กรณี Operation Mummy’s Curse (ปฏิบัติการคาสาปมัมมี่) เป็นส่วนหนึ่งของการปราบปรามการ
ลกั ลอบนาเขา้ และขายวัตถุโบราณผิดกฎหมาย ซึ่งเกดิ ขึ้นในชว่ ง 5 ปีทีผ่ ่านมา ต้งั แตค่ วามวนุ่ วายทางการเมอื งในอิยิปต์
ช่วง Arab Spring มัมมี่โบราณท่ีถูกลักลอบนาเข้ามาถูกส่งมาจากอิยิปต์สู่สหรัฐฯ ทั้งนี้ หน่วยงานตรวจ
คนเข้าเมืองและกรมศุลกากรได้กระทาการเข้าจับกุม Mousa Khouli และพวกจาเลยร่วม ต่อมาศาล U.S. District
Court for the Eastern District of New York (EDNY) ได้พิจารณาตัดสินว่าสมคบกันกระทาความผิดคดีอาญาฟอก
เงินตามกฎหมาย §18 U.S.C. 1956 ในประเทศสหรัฐอเมริกา สหราชอาณาจกั ร และสหรัฐอาหรับเอมเิ รตส์ โดยมกี าร
ยึดทรัพย์เป็นโบราณวัตถุมูลค่าหลายร้อยล้านดอลล่าห์ บางส่วนเป็นโบราณวัตถุจากอียิปต์มูลค่า 2.5 ล้านดอลล่าห์
และเงนิ สดประมาณ 80,000 ดอลลา่ ห์
- กรณขี องกล่มุ ผกู้ ่อการรา้ ย Daesh (Islamic State [IS]), al-Qaida, the Taliban รวมถงึ เครือขา่ ยอื่นๆ ท่ี
เก่ียวข้อง ได้มีส่วนรวมในการฉ้อโกงทางวัฒนธรรม (Cultural Racketeering) กล่าวคือ การจัดการของเครือข่าย
อาชญากรในงานศิลปะและโบราณวัตถุท่ีผิดกฎหมาย ผ่านการปล้นสะสมทรัพย์โดยเฉพาะโบราณวัตถุตามประเทศ
ต่างๆ ได้แก่ การเข้าไปทาลายสถานท่ีสาคัญทางศาสนา เช่น สุสานของโยนาห์ (the Judeo-Christian Tomb of
Jonah) มัสยิดของชาวมุสลิมนิกายซุนนี (The Mosul Museum) ประเทศอิรัก, แพลไมรา (Palmyra) นครเซมิติก
โบราณในเขตผู้ว่าราชการฮอมส์ ประเทศซีเรีย, ประเทศเยเมน, ประเทศอัฟกานิสถาน และประเทศอ่ืนๆ หลังจากนั้น
จะเข้าวงจรซ้ือขายในตลาดมืดผ่านโซเชียลมีเดียและเครือข่ายการขนส่งท่ัวโลก สร้างรายได้หลายพันล้านดอลล่าห์
เปล่ียนคุณค่าทางความเช่ือในจากการช่ืนชมผลงานศิลปะมาเป็นเงินสดที่นามาใช้สาหรับการส่ังซ้ืออาวุธและจัดสรร
กองกาลงั

8 ACAMS, “Art and Antiquities: Conduits for Money Laundering and Terrorist Financing,” ACAMS TODAY, accessed
June 3, 2021, https://www.acamstoday.org/art-and-antiquities-conduits-for-money-laundering-and-terrorist-
financing.

วารสารวชิ าการ ป.ป.ช. ปีท่ี 15 ฉบับที่ 1

นวตั กรรมใหมใ่ นการป้องกนั และปราบปรามการฟอกเงินผา่ น 46

Online-Single Platform และ Blockchain ศึกษากรณผี ู้ประกอบธุรกจิ คา้ ของเก่า

- กรณีการโจมตีในกรุงบรัสเซลส์เม่ือปี 2559 เช่ือมโยงกับการฉ้อโกงทางวัฒนธรรม (Cultural Racketeering)
โดยกระทาการผ่านมือระเบิดพลีชีพ Khalid El Bakraoui ซึ่งเบ้ืองหลังเงินทุนที่ใช้ในการจัดซื้ออาวุธโจมตี มาจาก
โบราณวัตถุเพยี งไม่กี่ช้ิน
ภาคท่ี 1 ตวั อย่างการประมลู โบราณวัตถชุ ่องทางออนไลนข์ องกลุ่มผูก้ ่อการรา้ ยซเี รยี

วารสารวิชาการ ป.ป.ช. ปที ี่ 15 ฉบับท่ี 1

นวัตกรรมใหมใ่ นการป้องกนั และปราบปรามการฟอกเงินผา่ น 47

Online-Single Platform และ Blockchain ศกึ ษากรณผี ปู้ ระกอบธรุ กิจคา้ ของเก่า

ภาพท่ี 2 หลักการฟอกเงินผ่านโบราณวตั ถขุ องกลุ่มผกู้ ่อการร้าย

สรุปลักษณะเฉพาะของตลาดงานศิลปะและโบราณวัตถุท่ีเอื้อประโยชน์ต่ออาชญากรในการฟอกเงิน
มีดังน9้ี

1. งานศิลปะและโบราณวัตถุง่ายต่อการจัดเกบ็ และการขนส่ง
2. งานศลิ ปะและโบราณวัตถมุ มี ลู ค่าค่อนขา้ งสงู จึงง่ายต่อการทาธุรกรรมทางการเงินจานวนมาก
3. งานศิลปะและโบราณวัตถุสามารถจัดเก็บในคลังสินค้าท่ีสร้างข้ึนเองส่วนตัว รวมถึงระบบรักษาความ
ปลอดภัยค่อนข้างสูง ซ่ึงมักจะอยู่ในเขตท่าเรือหรือการค้าเสรี ทาให้เข้าถึงและตรวจสอบได้ยากหากเป็นทรัพย์สิน
ท่ไี ดจ้ ากการกระทาความผิด
4. งานศิลปะและโบราณวัตถตุ ีราคาจากความนยิ มจึงง่ายตอ่ การฟอกเงิน
5. งานศิลปะและโบราณวตั ถุไม่มีการลงทะเบียนผู้เป็นเจ้าของรวมถึงบันทึกการซื้อขายจงึ ยากที่จะตรวจสอบ
และตดิ ตามเส้นทางทางการเงนิ และเจา้ ของทรัพยส์ ินท่ีแทจ้ ริง

9 Alexon Bell, “Deploying innovative technology could help combat the dark art of money laundering,”
Euronews, accessed June 3, 2021, https://www.euronews.com/2020/02/11/deploying-innovative-technology-
could-help-combat-the-dark-art-of-money-laundering-view.

วารสารวิชาการ ป.ป.ช. ปีที่ 15 ฉบบั ที่ 1

นวัตกรรมใหม่ในการป้องกนั และปราบปรามการฟอกเงินผา่ น 48

Online-Single Platform และ Blockchain ศกึ ษากรณผี ปู้ ระกอบธรุ กจิ คา้ ของเกา่

4. แนวคิดการนานวัตกรรมระบบเทคโนโลยีบล็อกเชน (Blockchain) มาใช้ในการป้องกันและปราบปราม
การฟอกเงนิ ในภาคเอกชน

ในปัจจุบันรูปแบบการฟอกเงินมีความหลากหลายและซับซ้อนมากยิ่งข้ึน ซึ่งกระบวนการตรวจสอบ
ที่สาคัญที่สุดที่จะช่วยป้องกันและปราบปรามไม่ให้อาชญากรดาเนินการฟอกเงินผ่านทางสถาบันการเงินและ
กลุ่มธุรกิจผู้ประกอบอาชีพซึ่งอยู่ภายใต้การกากับดูแลตามพระราชบัญญัติป้องกันและปร าบปรามการฟอกเงิน
พ.ศ. 2542 ไดแ้ ก่

1. กระบวนการทาความรจู้ กั ลกู ค้า (Know Your Customer – KYC)
2. กระบวนการตรวจสอบเพ่ือทราบขอ้ เทจ็ จริงเกย่ี วกบั ลูกคา้ (Customer Due Diligence – CDD)
3. กระบวนการรายงานธุรกรรมที่มเี หตุอนั ควรสงสัย (Suspicious Transaction Report – STR)
โดยกระบวนการเหลา่ นี้เช่ือมโยงไปถงึ การพิสจู น์ทราบและรูจ้ ักตวั ตนของลูกค้าอันเป็นบุคคลที่เข้าข่ายเป็น
อาชญากรฟอกเงิน จงึ ถือได้ว่าเปน็ กระบวนการตรวจสอบเบ้ืองต้นเพื่อนาไปสู่กระบวนการอายัดการทาธรุ กรรม การไม่
สร้างความสัมพันธ์ในการดาเนินการทาธุรกรรมทางการเงิน และการติดตามทรัพย์สินท่ีได้มาโดยมิชอบด้วยกฎหมาย
คนื ให้แกผ่ เู้ สียหายหรอื เข้าสูก่ ระบวนการขายทอดตลาดต่อไป
อยา่ งไรก็ดีการดาเนนิ งานตามกระบวนการดังกลา่ วให้ได้ครบถ้วนและมีประสิทธิภาพสูงสุด ลดโอกาสเส่ียง
ในการผิดพลาดต่าในกรณีท่ีมีจานวนลูกค้ามากและมีปริมาณและยอดการทาธุรกรรมทางการเงินสูง ซึ่งถ้าหากใช้
กระบวนการตรวจสอบเอกสารโดยบุคลากรหรือเจ้าหน้าที่ อาจเกดิ ความผดิ พลาดในการปฏิบัติงานของมนุษย์โดยไม่ได้
ต้ังใจได้ (Human Error) จึงจาเป็นท่ีจะตอ้ งพึ่งพาระบบเทคโนโลยีสารสนเทศชว่ ยในการกลั่นกรองข้อมูลประวตั ิลูกคา้
ประวัติและรูปแบบการทาธุรกรรมทางการเงินแบบเฉพาะเจาะจงทั้งระดับบุคคล อาชีพ รายได้ เพื่อตรวจสอบประวัติ
อาชญากรรมและการทาธุรกรรมท่ีมีเหตุอันควรสงสัย ซ่ึงการพัฒนาระบบรวมไปถึงการซ้ือระบบสาเร็จรูปมาใช้ในการ
ดาเนินงานดังกล่าวมคี า่ ใชจ้ า่ ยคอ่ นขา้ งสูง
ทั้งน้ี เทคโนโลยีบล็อกเชน (Blockchain) จึงเป็นนวัตกรรมใหม่ที่ภาคธุรกิจสถาบันการเงินให้ความสนใจ
และตอ้ งการพฒั นาเพื่อมาช่วยแกป้ ัญหาดงั กลา่ ว
บล็อกเชน คือ ระบบโครงสร้างการจัดเก็บข้อมูลที่อยู่ในรูปแบบของบล็อก (Block) ท่ีต่อเชื่อมกันเป็น
เสมือนห่วงโซ่ (Chain) ทีทาให้บล็อกข้อมูลเช่ือมต่อไปยังทุกคนในเครือข่ายซ่ึงในแต่ละบล็อกข้อมูลจะแสดงถึงประวัติ
หรือบันทึกบัญชีธุรกรรมอิเล็กทรอนิกส์ ที่เปรียบได้กับฐานข้อมูล ( Database) หรือสมุดบัญชีดิจิทัล
โดยบล็อกเชนเป็นระบบการจัดการฐานข้อมูลท่ีเก็บประวัติการทาธุรกรรมทางการเงินและสินทรัพย์อื่น ๆ ซึ่งในแต่ละ
บันทึกของการทาธุรกรรมท่ีเช่ือมโยงกันเหล่าน้ันจะถูกจัดเก็บและทาสาเนาบัญชีธุรกรรมในรูปแบบกระจายศูนย์
(Distributed Ledger) ไปยังเครือข่ายของทุกคนท่ีอยูในระบบบล็อกเชน (Nodes) โดยทุกคนในระบบจะมีข้อมูล ชุด
เดยี วกนั และข้อมูลใหมจ่ ะอัพเดทต่อเนื่องจากชุดข้อมูลเดิมตลอดเวลา ซงึ่ การจะสรา้ งบล็อกข้อมลู ใหมจ่ ะต้องผ่านการ
ตรวจสอบข้อมูลจากสมาชิกในเครือข่ายก่อน (Consensus Network) จึงจะสามารถบันทึกบล็อกข้อมูลใหม่เข้าไปใน
ระบบได้ ทาให้ไม่จาเปน็ ต้องอาศยั ตวั กลาง เช่น ธนาคารกลาง สถาบันการเงิน หรือสานกั หักบัญชีต่าง ๆ ในการจดั เก็บ
ข้อมูลธุรกรรมและยืนยันความถูกต้องของข้อมูลที่เกิดขึ้น ท้ังน้ี ข้อมูลท่ีบันทึกต่อกันในระบบแล้วนั้นจะไม่สามารถ
แก้ไขหรือเปล่ียนแปลงได้ ทาให้การตรวจสอบย้อนหลังทาได้ง่ายและมีความโปร่งใส ช่วยลดต้นทุนและ ระยะเวลาใน

วารสารวิชาการ ป.ป.ช. ปที ี่ 15 ฉบบั ที่ 1

นวัตกรรมใหมใ่ นการปอ้ งกนั และปราบปรามการฟอกเงนิ ผา่ น 49

Online-Single Platform และ Blockchain ศกึ ษากรณผี ูป้ ระกอบธรุ กจิ ค้าของเก่า

การทาธุรกรรม ลดความเสี่ยงจากการฉ้อโกงและการปลอมแปลงเอกสาร อีกท้ังยังช่วยลดความเสี่ยงจากการถูกโจมตี
ฐานข้อมูลอีกด้วย จะเห็นได้ว่าบล็อกเชนเป็นนวัตกรรมท่ีจะเข้ามาเปล่ียนแปลงรูปแบบการจัดการข้อมูลและขั้นตอน
การทาธรุ กรรมตา่ ง ๆ ใหม้ ปี ระสทิ ธิภาพมากยิ่งข้ึน10

ภาพที่ 4 โครงสร้างพนื้ ที่ฐานของเทคโนโลยบี ลอ็ กเชน

ทีม่ า: จาก “การแกไ้ ขปญั หาการฟอกเงนิ โดยการใชเ้ ทคโนโลยีบล็อกเชน (Blockchain),” โดย อนชุ า เหลา่ ขวัญสถติ ย์, วิทยาลยั ปอ้ งกนั
ราชอาณาจักร, สบื คน้ เมื่อวันที่ 18 เมษายน 2565, http://www.dsdw2016.dsdw.go.th/doc_pr/ndc_25592560/PDF/wpa_
8301/ALL.pdf.

ในต่างประเทศมีหลายองค์กรที่ให้ความสนใจนาเทคโนโลยีบล็อกเชนมาใช้ในการทา KYC/CDD
ทั้งองค์กรที่ทาหน้าที่หรือมีบทบาทเก่ียวข้องกับกระบวนการทา KYC/CDD อยู่เดิมและบริษัทเทคโนโลยีทางการเงิน
หรือฟินเทคสตาร์ทอัพ ซ่ึงหน่ึงในองค์กรที่มีบทบาทสาคัญ ได้แก่ SWIFT หรือ Society for Worldwide Interbank
Financial Telecommunication

ระบบของ SWIFT ได้ออกแบบการสร้างเครือข่ายโดยเน้นการส่งข้อความและการจัดทารายงานธุรกรรม
ทางการเงินระหว่างกลุ่มสมาชิกสถาบันการเงิน ซึ่งระบบดังกล่าวค่อนข้างมีความปลอดภัยและจัดอยู่ในระดับ
มาตรฐานสากล โดยในปจั จุบันระบบได้เช่อื มตอ่ กับสถาบันการเงนิ ประมาณ 11,000 แหง่ จาก 200 ประเทศท่วั โลก อีก
ท้ังปริมาณข้อความีที่แลกเปีลี่ยนในแต่ละวันโดยเฉล่ียสูงถึง 15 ล้านข้อความ แต่อย่างไรก็ดีระบบยังไม่สามารถ
ดาเนินการโอนเงินระหว่างประเทศได้ การโอนเงินยังคงต้องพ่ึงพาธนาคารตัวแทนต่างประเทศ(Correspondent

10 อนุชา เหล่าขวญั สถิตย์, “การแกไ้ ขปญั หาการฟอกเงินโดยการใช้เทคโนโลยีบล็อกเชน (Blockchain),” วิทยาลยั ปอ้ งกัน 50
ราชอาณาจักร, สบื ค้นเมือ่ วนั ที่ 18 เมษายน 2565, http://www.dsdw2016.dsdw.go.th/doc_pr/ndc_2559-
2560/PDF/wpa_8301/ALL.pdf.

วารสารวิชาการ ป.ป.ช. ปีท่ี 15 ฉบับที่ 1
นวตั กรรมใหม่ในการป้องกันและปราบปรามการฟอกเงนิ ผา่ น
Online-Single Platform และ Blockchain ศึกษากรณผี ปู้ ระกอบธรุ กจิ คา้ ของเกา่

Banks) และยังมีบริการด้าน KYC (KYC Registry) โดยมีการเชื่อมต่อข้อมูลระหว่าง SWIFT กับธนาคารตัวแทน
ตา่ งประเทศ (Correspondent Banks) เพีอ่ื บริหารจัดการข้อมูลท้งั ในการกาหนดข้อมูลหรือเอกสารที่จาเป็นในการทา
KYC ระหว่างสถาบันการเงิน หากองค์กรใดสนใจสามารถอัพโหลดข้อมูลีท่ีจาเป็นในการทา KYC จากนั้น SWIFT จะ
ดาเนินการตรวจสอบความถูกต้องและความครบถ้วนของข้อมูล นอกจากนี้ ในปี 2559 SWIFT ได้นาเสนอรายงานที่
ศกึ ษาเกีย่ วกบั ความเป็นไปไดใ้ นการใช้เทคโนโลยบี ลอ็ กเชนเขา้ มาช่วยในการพัฒนาผลิตภัณฑต์ ่าง ๆ ของ SWIFT ซ่ึงใน
ภาพรวม แล้วทาง SWIFT เห็นว่าบล็อกเชนจะช่วยทาให้ระบบการเงินมีประสิทธิภาพมากย่ิงข้ึน อย่างไรก็ตามยังคง
ต้องการการศึกษาวิจัยเพ่ิมเติมก่อนที่สถาบันการเงินต่าง ๆ จะยอมรับและนาไปใช้ในวงกว้าง โดยทาง SWIFT เองได้
เริ่มการทาการทดลองการประยุกต์ใช้เทคโนโลยีบล็อกเชนในสว่ นของการโอนเงินระหว่างประเทศก่อน และอาจขยาย
ไปยังบริการอื่นๆ ต่อไปในอนาคต นอกจาก SWIFT ที่ให้ความสนใจนาบลอ็ กเชนมาชว่ ยในกระบวนการทา KYC/CDD
แลว้ ยงั มบี รษิ ทั สตารท์ อัพ เชน่ KYC-Chain, uPort, และ Tradle เปน็ ตน้ มาพัฒนาตวั ระบบบลอ็ กเชนเพื่อช่วยในการ
ดาเนนิ งาน Digital IdentityManagement ซ่ึงหากนามาใชอ้ ยา่ งถกู ตอ้ งจะช่วยลดข้นั ตอนและเพิม่ ประสิทธิภาพให้กับ
กระบวนการทา KYC/CDD11

ยกตัวอย่างเช่น KYC-Chain ได้นาเทคโนโลยีบล็อกเชนไปใช้บริหารจัดการสัญญาอัจฉริยะ (Smart
Contract) สาหรับจัดการข้อมูลบุคคล แพลตฟอร์มของ KYC-Chain ช่วยให้การเปิดบัญชีธนาคารทาได้ง่ายข้ึน
มีการเชื่อมต่อผ่าน API กับหน่วยงานภายนอกท่ีมีข้อมูลบุคคล ผู้ใช้เป็นเจ้าของรหัสส่วนตัว (Private Key)
ซึ่งสามารถนาไปถอดรหัสเข้าถึงข้อมูลส่วนบุคคลได้ นอกจากน้ีผู้ใช้ยังสามารถเลือกเปิดเผยข้อมูลเพียงบางส่วนและ
กาหนดผู้ท่ีสามารถเข้าถึงข้อมูลนั้นๆ ได้ โดย KYC-Chain เป็นบริษัทบล็อกเชนหน่ึงเดียวท่ีได้รับการคัดเลือกให้เข้า
โครงการ 2016 Fintech Innovation Lab Asia-Pacific เทคโนโลยีบล็อกเชนจะมีการเก็บข้อมูลไว้ที่สมาชิก (Node)
ท่ีอยู่ในเครือข่าย (Network) เดียวกัน การเพ่ิมเติมข้อมูลเข้าไปในระบบจาเป็นต้องได้รบั ความเห็นชอบ (Concensus)
จากสมาชกิ ทีเ่ กยี่ วข้อง ทั้งน้ีระบบจะต้องได้รับการทดสอบและการพิสจู น์ถึงความน่าเช่ือถือจากองค์กรหรือผ้เู ชี่ยวชาญ
โดยเฉพาะ ประเด็นสุดท้ายคือความเป็นส่วนตัวของข้อมูล โดยเฉพาะกับระบบบล็อกเชนสาธารณะ (Public
Blockchain) ทที่ ุกคนสามารถเขา้ ถงึ ข้อมลู ทอ่ี ย่บู นบลอ็ กเชนได้12

11 Michael del Castillo, “Swift is Building a Blockchain App to Optimize Global Cash Liquidity,” Coindesk, accessed
June 18, 2022, https://www.coindesk.com/markets/2017/01/12/swift-is-building-a-blockchain-app-to-optimize-
global-cash-liquidity/.
12 Kapsoulis et al, “Know Your Customer (KYC) Implementation with Smart Contracts on a Privacy-Oriented
Decentralized Architecture,” Researchgate, accessed June 18, 2022, https://www.researchgate.net/publication
/339477911_Know_Your_Customer_KYC_Implementation_with_Smart_Contracts_on_a_Privacy-
Oriented_Decentralized_Architecture.

วารสารวิชาการ ป.ป.ช. ปีท่ี 15 ฉบับท่ี 1

นวัตกรรมใหม่ในการปอ้ งกันและปราบปรามการฟอกเงินผา่ น 51

Online-Single Platform และ Blockchain ศึกษากรณผี ปู้ ระกอบธุรกจิ คา้ ของเกา่

ปัจจุบันสถาบันการเงนิ และหน่วยงานต่างๆ ที่เก่ียวข้องได้ให้ความสนใจและอยู่ระหว่างศึกษาความเป็นไป
ได้ในการนาเทคโนโลยีบล็อกเชนมาประยุกต์ใช้ในการจัดการข้อมูลตัวตนในรูปแบบดิจิทัล ( Digital Identity
Management) รวมถึงกระบวนการทา KYC/CDD ท้งั น้ี ประโยชน์ทีค่ าดวา่ จะไดร้ ับ มีดังน้ี13

1. ลดความซ้าซ้อนในการทา KYC/CDD การใช้เทคโนโลยีบล็อกเชนเข้ามาช่วยในกระบวนการ
ทา KYC/CDD ของสถาบันการเงิน ทาให้สถาบันการเงินท่ีอยูในเครือข่ายบล็อกเชนสามารถเข้าถึงข้อมูลลูกค้าที่เคย
ผ่านการทา KYC/CDD จากสถาบันการเงินอ่ืนมาแล้วได้โดยที่สถาบันการเงินดังกล่าวต้องได้รับความยินยอมให้
เปิดเผยข้อมูลจากลูกค้า ซ่ึงเทคโนโลยีบล็อกเชนสามารถช่วยให้การส่งผ่านข้อมูลหรือการแลกเปลี่ยนข้อมูล
ระหว่างกันมีความน่าเช่ือถือมากยิ่งข้ึน โดยที่บุคคลหรือหน่วยงานดังกล่าวไม่จาเป็นต้องรู้จักกันมาก่อน กระบวนการ
ดงั กล่าวจะชว่ ยใหส้ ถาบันการเงนิ ลดความยุ่งยากซา้ ซ้อนในการทางาน และชว่ ยลดขน้ั ตอนในการจัดเตรียมเอกสารของ
ลูกค้า นอกจากน้ีเจ้าของข้อมูลยังมีกุญแจผ่านส่วนตัว (Private key) ที่สามารถใช้ในการเข้าถึงข้อมูลส่วนตัวทาให้
ข้อมูลในระบบมีความปลอดภยั มากยิงข้ึน รวมถึงทาให้ประชาชนมีความสะดวกในการเขา้ ถงึ บริการดา้ นการเงินได้มาก
ย่ิงขน้ึ

2. ลดตน้ ทนุ และระยะเวลาในการทางาน เน่อื งจากขัน้ ตอนการทา KYC/CDD ในปัจจบุ นั ยงั คงเนน้ การใช้
คนและเอกสารเป็นหลัก (Manual) ซึ่งใช้เวลามาก มีโอกาสท่ีเอกสารจะสูญหายและเกิดข้อผิดพลาดสูง การนา
เทคโนโลยีบล็อกเชนเข้ามาใช้ในกระบวนการรู้จักลูกค้าและตรวจสอบข้อมูลลูกค้า จะช่วยทาให้การทางานเป็นไปได้
อย่างสะดวกรวดเร็ว ลดขน้ั ตอนและระยะเวลาในการทางาน ลดค่าใช้จา่ ยในการดาเนินงาน และคา่ ใช้จ่ายในการกากับ
ดูแล และยังช่วยลดต้นทุนการทาธุรกรรมอีกด้วย โดยเฉพาะกรณีการเปิดบัญชีนิติบุคคล ซึ่งเทคโนโลยี
บล็อกเชนจะช่วยให้การเปิดบัญชที าได้ภายในไม่กี่นาทีจากการทใ่ี ชเ้ วลานาน

3. กระบวนการตรวจสอบลูกค้ามีประสิทธิภาพมากยิ่งขึ้น เทคโนโลยีบล็อกเชนจะเข้ามาช่วยบริหาร
จัดการข้อมูลสาหรับการยืนยันตัวตนของลูกค้าระหว่างสถาบนั การเงินในเครอื ข่ายบล็อกเชน ซึ่งจะช่วยให้ขั้นตอนการ
ทาธุรกรรมเป็นไปด้วยความรวดเร็วมากข้ึน ลดปัญหาหรือข้อผิดพลาดท่ีเกิดจากการดาเนินงานของพนักงาน ข้อมูล
ลูกค้ามีความครบถ้วนถูกต้อง ปลอดภัยโปร่งใสและน่าเช่ือถือมากยิ่งขึ้น อีกท้ังการจัดเก็บข้อมูลตัวตนให้อยู่ในรูปแบบ
ดิจทิ ลั ทาให้ข้อมูลยากตอ่ การสูญหายหรือถูกทาลาย นอกจากน้ี หน่วยงานกากับดูแลสามารถเข้าตรวจสอบข้อมูลลูกค้า
ได้อยางรวดเร็ว เรียกตรวจสอบเส้นทางทางการเงินและธุรกรรมทางการเงินของผู้ต้องสงสัยเพ่ิมเติมได้อย่างรวดเร็ว
และมีความถูกต้องสูง ซึ่งจะช่วยในแก้ไขปัญหาการฟอกเงินและสนับสนุนทางการเงินแก่การก่อการร้ายได้ จะเห็นว่า
บล็อกเชนเทคโนโลยมี ศี กั ยภาพทจ่ี ะชว่ ยปฏิวัตกิ ระบวนการทา KYC/CDD ใหม้ ปี ระสิทธภิ าพมากยิ่งขึน้

4. ความสามารถในการควบคุมข้อมูลส่วนตัว เจ้าของข้อมูล (User) สามารถควบคุมข้อมูลส่วนตัวของ
ตนเองได้ โดยจะมีรหัสในการเข้าถึงข้อมูลและมีสิทธิที่จะเลือกข้อมูลที่จะเปิดเผยข้อมูลให้กบหน่วยงานต่าง ๆ รวมถึง
สามารถกาหนดชว่ งเวลาในการเข้าถงึ ข้อมลู ดงั กล่าวไดอ้ ีกด้วย

13 อนุชา เหล่าขวัญสถติ ย์, “การแกไ้ ขปัญหาการฟอกเงินโดยการใชเ้ ทคโนโลยบี ล็อกเชน (Blockchain),” วทิ ยาลยั ป้องกัน 52
ราชอาณาจักร, สบื คน้ เม่ือวันที่ 18 เมษายน 2565, http://www.dsdw2016.dsdw.go.th/doc_pr/ndc_2559-
2560/PDF/wpa_8301/ALL.pdf.

วารสารวิชาการ ป.ป.ช. ปีที่ 15 ฉบบั ท่ี 1
นวตั กรรมใหม่ในการป้องกันและปราบปรามการฟอกเงินผา่ น
Online-Single Platform และ Blockchain ศกึ ษากรณผี ู้ประกอบธรุ กจิ ค้าของเกา่

หากหน่วยงานใดต้องการใช้ข้อมูล จะต้องได้รับความยินยอมให้เปิดเผยข้อมูลดังกล่าวจากเจ้าของข้อมูล
ก่อนทุกคร้ัง นอกจากนี้ หน่วยงานต่าง ๆ จะไม่สามารถนาข้อมูลตัวตนของบุคคลใดบุคคลหนึ่งไปใช้โดยไม่ได้
รบั อนญุ าตจากเจา้ ของได้
ภาพท่ี 5 กระบวนการพฒั นาและปรับปรงุ

ที่มา: From “Know Your Customer (KYC) Implementation with Smart Contracts on a Privacy-Oriented Decentralized

Architecture,” by Kapsoulis et al, Researchgate. Accessed June 1 8 , 2 0 2 2 . https://www. researchgate.net/

publication/3 3 9 4 7 7 9 1 1 _Know_Your_Customer_KYC_Implementation_with_Smart_Contracts_on_a_Privacy-
Oriented_Decentralized_Architecture.

5. แนวคิดการนาระบบนวัตกรรมเทคโนโลยีมาใช้ในการปอ้ งกันและปราบปรามการฟอกเงินในภาครฐั
เน่ืองจากกลุ่มธุรกิจค้าของเก่าค่อนข้างมีความหลากหลายท้ังในส่วนประเภทของผลิตภัณฑ์สินค้าและบริการ

รวมถึงขนาดของธุรกิจซึ่งส่วนใหญ่จัดอยู่ในขนาดเล็กและขนาดกลาง จึงสะท้อนให้เห็นถึงศักยภาพการลงทุนเพ่ือจัด
จ้างบุคลากรและกระบวนการสร้างระบบกากบั และตรวจสอบทุกขั้นตอนตามท่ีกฎหมายกาหนดได้อยา่ งมีประสิทธิภาพ
ท้ังน้ีในต่างประเทศได้แก้ปัญหาการเสริมสร้างความแข็งแกร่งในการกากับดูแลโดยใช้วิธีการต้ังกลุ่มแบบ Self -
Regulation เช่น กลุ่มพันธมิตรในผู้ประกอบการประเภทเดียวกัน ชมรม สมาคมต่างๆ เพื่อช่วยกันสร้างมาตรการ
นโยบาย แนวทางปฏิบัติ กฎกติกาขั้นตอน รวมไปถึงการนาเทคโนโลยีสารสนเทศมาใช้เพ่ือป้องกันการทุจริตฟอกเงิน
เช่น การออกแบบระบบอิเล็กทรอนิกส์ในการตรวจสอบลูกค้าและธุรกรรมทางการเงิน และการรายงานธุรกรรมที่เข้า
ขา่ ยผิดปกตหิ รอื มเี หตุอันควรสงสยั ว่าจะฟอกเงินหรอื สนบั สนุนทางการเงนิ แกก่ ารก่อการร้าย

วารสารวิชาการ ป.ป.ช. ปที ่ี 15 ฉบับท่ี 1

นวตั กรรมใหมใ่ นการปอ้ งกันและปราบปรามการฟอกเงินผา่ น 53

Online-Single Platform และ Blockchain ศึกษากรณผี ปู้ ระกอบธุรกิจคา้ ของเก่า

อยา่ งไรก็ดี ในประเทศไทยทง้ั ในส่วนของหนว่ ยงานกากับตามกฎหมายและชมรมสมาคมกลุ่มผปู้ ระกอบการท่ี
เก่ียวข้องได้ตระหนักถึงปัญหาการฟอกเงินดังกล่าว จึงได้ออกกฎหมาย นโยบาย และการลงทะเบียนเป็น
ผู้ประกอบการในตลาดขายผลงานศิลปะโดยตรงเพ่ือสรา้ งความน่าเชอ่ื ถือประกอบกับการอยู่ภายใต้กรอบมาตรฐานใน
การปฏิบัติเพ่ือป้องกันการฟอกเงิน การแต่งต้ังผู้ประสานงานโดยตรงของผู้ประกอบการ การจัดอบรมให้ความรู้
เกี่ยวกับการปฏิบัติตามกฎหมาย รวมถึงการพัฒนาระบบไอทีเพื่อสนับสนุนในการปฏิบัติงาน ซ่ึงจากท่ีกล่าวไปแล้วใน
บทนาจะเห็นได้ว่านวัตกรรมทางด้านบล็อกเชน (Blockchain) สามารถท่ีจะนาไปต่อยอดเพื่อช่วยในการรวบรวมและ
ประมวลผลขอ้ มูลเพื่อนาไปใช้ประกอบการจดั ทา KYC/CDD และการรายงานธรุ กรรม

อย่างไรก็ดี ในปัจจุบันสานักงานป้องกันและปราบปรามการฟอกเงิน (สานักงาน ปปง.) ได้จัดให้มีระบบ
สารสนเทศ เพ่ือใช้ในการสนับสนุนและอานวยความสะดวกในการปฏิบัติงานของพนักงานเจ้าหน้าที่สานักงาน ปปง.
และผู้ประกอบการซ่ึงเป็นผู้มีหน้าที่รายงานตามกฎหมายว่าด้วยการป้องกันและปราบปรามการฟอกเงินและกฎหมาย
ป้องกันและปราบปรามการสนับสนุนทางการเงินแก่การก่อการร้ายและการแพร่ขยายอา วุธที่มีอานุภาพทาลายล้างสงู
ท้ังนี้สามารถแบ่งประเภทลกั ษณะการใชง้ านจากคุณสมบตั ิของระบบและหมวดหมู่ตามภารกิจหลกั ของการกากับดูแล
ผปู้ ระกอบการตามกฎหมาย ดังน้ี

ตารางที่ 1 ประเภทลักษณะการใช้งานจากคุณสมบัติของระบบและหมวดหมู่ตามภารกิจหลักของการกากับดูแล
ผปู้ ระกอบการตามกฎหมาย

ชอ่ื ระบบสารสนเทศ คุณสมบตั กิ ารใช้งาน ภารกิจหลกั ในการกากบั ดูแล บรษิ ทั ผู้พฒั นาโปรแกรม
ซอฟต์แวร์
1. ระบบตรวจสอบรายชอ่ื บุคคล ดาเนินการตรวจสอบเพอื่ งานปอ้ งกันการฟอกเงนิ และ
ท่ีมีความเสย่ี งสูงดา้ นการฟอกเงิน ทราบข้อเทจ็ จรงิ เกี่ยวกบั การสนบั สนุนทางการเงินแก่ สานักงาน ปปง.
และรายชื่อบุคคลท่ถี ูกกาหนด ลกู คา้ (CDD) ประกอบกับ การกอ่ การรา้ ยและการแพร่
(AMLO Person Screening การจดั ระดบั ความเสี่ยงใน ขยายอาวธุ ทมี่ อี านภุ าพทาลาย บริษัท ไทยเกทเวย์ จากดั
System :APS) การทาธรุ กรรมทางการเงนิ ล้างสงู เนืองจากเป็น
กบั ลูกค้า กระบวนการตรวจสอบข้อมูล
2. ระบบสารสนเทศเพ่อื รองรับการ เบ้อื งตน้ ว่าลกู ค้าเปน็ ใครมา
รายงานธรุ กรรมของผู้ประกอบอาชีพ ดาเนนิ การรับสง่ รายงาน จากไหน ป้องกนั มิให้มอี าชญา
ตามมาตรา 16 (Electronic ธุรกรรมตามท่ีกฎหมายฯ กรฟอกเงนิ มาทาธรุ กรรมกับผู้
Reporting System : ERS) กาหนด ไดแ้ ก่ รายงาน มีหนา้ ที่รายงานการทาธุรกรรม
ธรุ กรรมเงินสด และรายงาน ฯ
ธรุ กรรมท่ีมีเหตุอันควรสงสยั งานปราบปรามการฟอกเงนิ
และการสนับสนนุ ทางการเงิน
แก่การก่อการรา้ ยและการแพร่
ขยายอาวธุ ที่มอี านุภาพทาลาย
ลา้ งสูง เนือ่ งจากเปน็
กระบวนการท่ีช่วยรวบรวม

วารสารวิชาการ ป.ป.ช. ปีที่ 15 ฉบับท่ี 1

นวัตกรรมใหมใ่ นการป้องกันและปราบปรามการฟอกเงนิ ผา่ น 54

Online-Single Platform และ Blockchain ศกึ ษากรณผี ู้ประกอบธุรกิจคา้ ของเกา่

ชื่อระบบสารสนเทศ คณุ สมบตั ิการใช้งาน ภารกิจหลักในการกากบั ดูแล บรษิ ทั ผพู้ ัฒนาโปรแกรม

ซอฟตแ์ วร์

ข้อมลู รายงานธรุ กรรมเพ่ือ

ตรวจสอบและตดิ ตามผลใน

การยึดอายดั ทรพั ยส์ ินและนา

ส่งคืนใหผ้ ู้เสยี หายต่อไป อีกทั้ง

มใิ ห้อาชญากรฟอกเงิน

สามารถนาทรัพยส์ ินท่ไี ด้จาก

การกระทาทม่ี ชิ อบด้วย

กฎหมายไปใชไ้ ด้

3. ระบบเทคโนโลยสี ารสนเทศ ดาเนินการรับส่งข้อมลู งานป้องกนั การฟอกเงินและ บริษัท เน็ตเบย์ จากัด

ประสานข้อมลู เกยี่ วกับการทาธุรกรรม ขา่ วสารระหว่างสานักงาน การสนบั สนุนทางการเงินแก่ (มหาชน)

ฯ(AMLO Financialnformation ปปง. และผมู้ หี นา้ ท่ีรายงาน การกอ่ การร้ายและการแพร่

CooperationSystem:AMFICS) การทาธรุ กรรม เพ่อื ปอ้ งกนั ขยายอาวธุ ทีม่ ีอานภุ าพทาลาย

ไมใ่ หข้ ้อมลู ร่วั ไหลและมี ลา้ งสูง เน่ืองจากเป็น

ความปลอดภยั สงู สุด กระบวนการแจ้งเตอื นผา่ น

ขอ้ มลู ขา่ วสารล่าสดุ เพอ่ื ให้

รบั ทราบขอ้ มลู ทีจ่ าเป็นต่อการ

ปฏิบตั ิงานตามกฎหมายฯของ

ผู้มีหนา้ ทร่ี ายงานการทา

ธุรกรรมฯ ตอ่ ไป

4. ระบบสารสนเทศเพื่อการประเมนิ ดาเนินการรวบรวมขอ้ มลู นิติ งานปอ้ งกันการฟอกเงินและ บรษิ ทั ไทยเกทเวย์ จากดั

ความเสยี่ งและการบรหิ ารจดั การคดขี อง บุคคลท่เี ป็นผู้มหี น้าที่ การสนับสนุนทางการเงินแก่

ผมู้ ีหนา้ ที่รายงาน(RiskAssessment รายงานการทาธุรกรรมตาม การกอ่ การรา้ ยและการแพร่

andCaseManagementforReporting กฎหมายวา่ ด้วยการปอ้ งกัน ขยายอาวุธทีม่ ีอานุภาพทาลาย

Entities System (AMRAC)) และปราบปรามการฟอกเงิน ลา้ งสูงเน่ืองจากเป็น

และกฎหมายป้องกนั และ กระบวนการทไ่ี ว้รวบรวม

ปราบปรามการสนบั สนุนทาง ฐานขอ้ มูลนิติบคุ คลผอู้ ยู่ภายใต้

การเงนิ แก่การก่อการรา้ ยและ การกากบั ดูแลตามกฎหมายฯ

การแพรข่ ยายอาวุธท่ีมี ท้ังนีเ้ พอื่ ให้ทางสานกั งาน

อานภุ าพทาลายล้างสูง ปปง. สามารถเขา้ ไป

ดาเนนิ การบรหิ ารจดั การความ

เสยี่ งเพอื่ เขา้ ไปตรวจเยย่ี ม/

ตรวจสอบ/ใหค้ วามรู้ความ

เขา้ ใจในการปฏบิ ตั ิงานตาม

กฎหมายฯ ตอ่ ไป

วารสารวิชาการ ป.ป.ช. ปที ่ี 15 ฉบบั ที่ 1

นวัตกรรมใหม่ในการปอ้ งกันและปราบปรามการฟอกเงนิ ผา่ น 55

Online-Single Platform และ Blockchain ศกึ ษากรณผี ูป้ ระกอบธรุ กิจคา้ ของเก่า

รายละเอยี ดของระบบดังกล่าว มีดังนี้
1. ระบบตรวจสอบรายชื่อบุคคลที่มีความเส่ียงสูงด้านการฟอกเงินและรายช่ือบุคคลที่ถูกกาหนด (AMLO Person
Screening System : APS) อานวยความสะดวกใหก้ ับผู้ประกอบการในการตรวจสอบรายชือ่ ลูกค้ากับฐานขอ้ มูล และมรี ะบบ
แจง้ เตอื นโดยอัตโนมัติ (Auto-Generated mail) โดยฐานข้อมลู ดงั กล่าวประกอบดว้ ยประเภทรายช่อื บุคคลดงั ต่อไปนี้
- รายชื่อบุคคล คณะบุคคล นิติบุคคล หรือองค์กร ซ่ึงเป็นผู้กระทาอันเป็นการก่อการร้าย (องค์การ
สหประชาชาติ : UN List) (FREEZE-04)
- รายชอ่ื บุคคลท่ศี าลมีคาส่ังเป็นบุคคลทถ่ี กู กาหนด (ศาลมคี าสง่ั ใหเ้ ป็นบคุ คลทถี่ กู กาหนด : Thailand List)
- รายชื่อบุคคลทีถ่ ูกยดึ หรืออายดั ทรพั ยส์ ิน (HR-02)
- รายช่อื บคุ คลทีม่ ีความเสี่ยงตอ่ การฟอกเงนิ (HR-08 Risk)

ท้ังนี้ ระบบจะดาเนินการส่งและแจ้งเตือนข้อมูลดังกล่าวให้ผู้มีหนา้ ที่รายงานและบุคคลทั่วไปทราบถึงการ
ประกาศรายชื่อบุคคลท่ีถูกกาหนดทุกคร้ังเม่ือมีการเปลี่ยนแปลง หากปรากฏว่าพบรายช่ือตรงกับฐานข้อมูล APS
Database ดังกล่าวจะต้องปฏิเสธไม่รับทาธุรกรรมประกอบกับแจ้งข้อมูลพร้อมรายงานธุรกรรมกลับมายังสานักงาน ปปง.
เพ่ือดาเนินการตามกฎหมายต่อไป
ภาพที่ 5 ตวั อย่างหนา้ ระบบตรวจสอบรายช่ือบคุ คลทีถ่ ูกกาหนด APS

วารสารวชิ าการ ป.ป.ช. ปีท่ี 15 ฉบบั ท่ี 1

นวัตกรรมใหม่ในการปอ้ งกันและปราบปรามการฟอกเงนิ ผา่ น 56

Online-Single Platform และ Blockchain ศกึ ษากรณผี ้ปู ระกอบธรุ กจิ คา้ ของเก่า

ทม่ี า: จาก “ระบบตรวจสอบรายช่อื บุคคลทีม่ ีความเสยี่ งสงู ดา้ นการฟอกเงนิ และรายช่อื บุคคลท่ถี ูกกาหนด (AMLO Personal
Screening: APS),” โดย สานกั งาน ปปง., กองกากบั และตรวจสอบ, กองกากับและตรวจสอบ สานักงาน ปปง., สบื ค้นเมื่อ
วันที่ 15 มถิ นุ ายน 2564, https://sed.amlo.go.th/content/detail/192

.

2. ระบบสารสนเทศเพอื่ รองรบั การรายงานธรุ กรรมของผปู้ ระกอบอาชีพตามมาตรา 16 (Electronic Reporting
System : ERS) คือ ระบบทีช่ ว่ ยสนับสนนุ ในการรายงานการทาธุรกรรมผา่ นช่องทางอเิ ล็กทรอนิกส์ ให้แก่ผูป้ ระกอบการซง่ึ
เป็นผูม้ ีหนา้ ท่รี ายงานตามกฎหมายว่าดว้ ยการป้องกันและปราบปรามการฟอกเงนิ และกฎหมายปอ้ งกนั และปราบปรามการ
สนับสนนุ ทางการเงนิ แก่การกอ่ การร้ายและการแพร่ขยายอาวุธทม่ี ีอานุภาพทาลายลา้ งสงู กลับมายังสานักงาน ปปง. โดย
แบง่ ประเภทรายงานการทาธุรกรรม ดงั ต่อไปน้ี

- รายงานธุรกรรมท่ีใช้เงินสดตามหลักเกณฑ์ในกฎกระทรวงกาหนดจานวนเงินในการทาธุรกรรมท่ีใชเ้ งินสดซ่ึงผู้
ประกอบอาชีพตามมาตรา 16 ต้องรายงานต่อสานักงานป้องกันและปราบปรามการฟอกเงิน พ.ศ. 2554 กล่าวคือ มีการทา
ธุรกรรมท่ใี ชเ้ งิดสดทม่ี ีจานวนตงั้ แตส่ องล้านบาทข้นึ ไป

- รายงานธุรกรรมท่ีมีเหตุอันควรสงสัย กล่าวคือ ธุรกรรมที่มีเหตุอันควรเชื่อได้ว่ากระทาขึ้นเพ่ือหลีกเล่ียงมิให้
ต้องตกอยู่ภายใต้บังคับแห่งพระราชบัญญัตินี้ หรือธุรกรรมท่ีเก่ียวข้องหรืออาจเกี่ยวข้องกับการกระทาความผิดมูลฐานหรือ
การสนับสนุนทางการเงนิ แก่การก่อการรา้ ย ท้ังนี้ไม่ว่าจะเป็นการทาธุรกรรมเพียงคร้งั เดียวหรือหลายครั้ง และให้หมายความ
รวมถึงการพยายามกระทาธรุ กรรมดังกลา่ วดว้ ย

วารสารวชิ าการ ป.ป.ช. ปที ่ี 15 ฉบบั ที่ 1

นวตั กรรมใหม่ในการปอ้ งกนั และปราบปรามการฟอกเงินผา่ น 57

Online-Single Platform และ Blockchain ศึกษากรณผี ู้ประกอบธุรกจิ ค้าของเก่า

ภาพท่ี 6 ตวั อย่างหน้าระบบรายงานธุรกรรม ERS

2. ระบบเทคโนโลยีสารสนเทศประสานข้อมูลเกี่ยวกับการทาธุรกรรมฯ (AMLO Financial Information
Cooperation System: AMFICS) คอื ระบบการตดิ ต่อประสานงานระหวา่ งสานกั งาน ปปง. กับผมู้ หี น้าท่รี ายงานเพื่อ
ขอข้อมูลหรือให้ข้อมูลการทาธุรกรรม มีลักษณะคล้ายกับการรับส่งข้อมูลข่าวสารทาง E-mail Address แต่จะมีความ
ปลอดภยั ในการจดั เก็บและรักษาข้อมูลตามกฎหมายเน่ืองจากเปน็ ระบบเข้ารหัสแบบปิดและจากดั สิทธเ์ิ ฉพาะพนักงาน
เจา้ หนา้ ที่ ปปง. และผ้ปู ระกอบการที่เปน็ ผูม้ หี น้าทีร่ ายงานตามกฎหมายเทา่ นน้ั
ภาพท่ี 7 ตัวอยา่ งหน้าระบบประสานขอ้ มูล AMFICS

วารสารวิชาการ ป.ป.ช. ปที ่ี 15 ฉบับที่ 1

นวตั กรรมใหม่ในการปอ้ งกันและปราบปรามการฟอกเงนิ ผา่ น 58

Online-Single Platform และ Blockchain ศกึ ษากรณผี ้ปู ระกอบธรุ กิจค้าของเกา่

ท่ีมา: จาก “คู่มือการใช้งานระบบเทคโนโลยีสารสนเทศประสานข้อมูลเกี่ยวกับการทาธุรกรรมเพ่ือการปฏิบัติตามกฎหมายวา่ ด้วยการ
ป้องกันและปราบปรามการฟอกเงิน (AMLO Financial Information Cooperation System) หรือ AMFICS,”
โดย สานักงาน ปปง., สานักงาน ปปง., สืบค้นเมื่อวันที่ 15 มิถุนายน 2564, https://www.amlo.go.th/amlo-
intranet/files/amfics/manual_AMFICS_P2_ExUser_20151228.pdf

3. ระบบสารสนเทศเพ่ือการประเมินความเส่ียงและการบริหารจัดการคดีของผูม้ ีหน้าท่ีรายงาน (Risk Assessment
and Case Management for Reporting Entities System (AMRAC)) คือ ระบบที่สนับสนุนการปฏิบัติงานของพนักงาน
เจ้าหน้าท่ี ปปง. ในการประเมินความเสี่ยงของผู้ประกอบการซง่ึ เป็นผ้มู ีหน้าที่รายงานเพ่ือนาข้อมูลมาใช้สาหรับการวิเคราะห์
และประเมินความเส่ียงเบ้ืองต้น โดยข้อมูลที่ได้จะมาจากการ Self-Declaration ของผู้ประกอบการเองโดยตรง ท้ังนี้เพื่อเป็น
การรับทราบข้อเท็จจริงจากผู้ประกอบการตามหลักสุจริต และสร้างความถูกต้องและเป็นธรรมในการประเมินความเสี่ยงฯ
รายกิจการ ตามวัตถปุ ระสงค์ของสานกั งาน ปปง. ซ่งึ ประกอบด้วยข้อมลู ดงั ตอ่ ไปน้ี

- ขอ้ มูลการจดทะเบยี นขององค์กรผู้มีหนา้ ท่ีรายงานการทาธรุ กรรม
- ข้อมูลโครงสรา้ งองค์กร
- ขอ้ มูลเก่ยี วกบั การควบคมุ หรอื กากบั การปฏิบัตติ ามกฎหมาย
- ข้อมลู การประเมินความเสยี่ งดา้ นการปอ้ งกนั และปราบปรามการฟอกเงนิ

วารสารวชิ าการ ป.ป.ช. ปที ่ี 15 ฉบับที่ 1

นวัตกรรมใหมใ่ นการป้องกนั และปราบปรามการฟอกเงินผา่ น 59

Online-Single Platform และ Blockchain ศกึ ษากรณผี ูป้ ระกอบธุรกจิ คา้ ของเกา่

ภาพที่ 8 ตวั อย่างหน้าระบบประเมนิ ความเสยี่ ง AMRAC (1)

ภาพที่ 9 ตวั อยา่ งหน้าระบบประสานขอ้ มลู AMRAC (2)

ทั้งน้ี จากการจัดหาระบบเทคโนโลยีสารสนเทศตามท่ีกล่าวไปแล้วในข้างต้น เพ่ือแก้ปัญหาท้ังใน
เชิงป้องกันและปราบปรามการฟอกเงินและการต่อตา้ นการสนับสนนุ ทางการเงินแก่การก่อการร้ายและการแพรข่ ยาย
อาวุธท่ีมีอานุภาพทาลายล้างสูงของผู้ประกอบการไม่ให้ตกเปน็ เครื่องมือของอาชญากรฟอกเงิน แต่ก็ยังแก้ไขปัญหาได้
เพียงบางสว่ นเนอ่ื งจาก

วารสารวิชาการ ป.ป.ช. ปที ี่ 15 ฉบับท่ี 1

นวัตกรรมใหม่ในการป้องกันและปราบปรามการฟอกเงนิ ผา่ น 60

Online-Single Platform และ Blockchain ศกึ ษากรณผี ปู้ ระกอบธุรกิจค้าของเกา่

1. ระบบที่มีอยู่ในปัจจุบัน ผู้ประกอบการยังคงต้องมีการลงทะเบียนใช้งานในแต่ละระบบอยู่ ไม่สามารถ
ลงทะเบยี นคร้ังเดียวและไมส่ ามารถใช้งานได้อย่าง One-Stop Service หรือจัดให้ Interface ของระบบอยู่ในรูปแบบ
ของ Online Compliance Platform ใหท้ กุ ระบบสามารถเข้าถึงได้ผ่าน Platform ระบบเดยี วกัน จงึ ทาใหเ้ กิดปัญหา
เรอ่ื งการลงทะเบียนใช้งาน อกี ทัง้ สร้างความยุ่งยากในการปฏิบัติงานของผู้ประกอบการซึ่งเปน็ ผู้มหี น้าทีร่ ายงานในการ
ทาธรุ กรรมตามกฎหมายฯ วา่ จะตอ้ งใชร้ ะบบอะไรปฏิบตั ิงานด้านใด เปน็ ตน้

2. ขาดระบบฐานข้อมูลเพ่ือสนับสนุนการตรวจสอบข้อมูลและประเมินจัดระดับความเสี่ยงของลูกค้าซ่ึงจะมี
บทบัญญัติของกฎหมายบังคับให้จะต้องมีการจัดระดับความเสย่ี งลูกค้าท่ีเข้าขา่ ยเป็นบคุ คลทีม่ ีสถานภาพทางการเมือง
แต่ระบบท่ีมีอยู่น้ันยังไม่สามารถเข้าถึงฐานข้อมูลรายชื่อผู้มีสถานภาพทางการเมือง (PEPs) ได้ ผู้มีหน้าที่รายงาน
จานวนมากยังไม่มีฐานข้อมูลรายช่ือบุคคลผู้ที่มีสถานภาพทางการเมือง ทั้งในประเทศและต่างประเทศและองค์การ
ระหว่างประเทศ นอกจากนี้ ฐานข้อมูลรายชื่อผู้ท่ีมีสถานภาพทางการเมืองในประเทศที่มีการประกาศ
ลงในแหล่งข้อมูลสาธารณะ (เว็บไซต์สานักงาน ป.ป.ช.) ไม่ได้จัดเก็บให้อยู่ในรูปแบบท่ีผู้มีหน้าที่รายงานสามารถ
นาไปใช้เพอื่ การตรวจกรองรายชอื่ ดงั กลา่ วได้อย่างมปี ระสทิ ธภิ าพ

3. ขาดระบบตัวช่วยวิเคราะห์หลักการในการรายงานธุรกรรมที่มีเหตุอันควรสงสัยแต่ละประเภทของ
ผู้ประกอบการ เนื่องจากไม่มีการจัดทา Big Data เพื่อสนับสนุนข้อมูลย้อนกลับไปยังผู้ประกอบการเพื่อรับทราบ
ตัวอย่างของลักษณะของธุรกรรมท่ีมีเหตุอันควรสงสัย มีแต่เพียงระบบรับส่งข้อมูลรายงานธุรกรรมจากผู้ประกอบการ
มายงั สานกั งาน ปปง. เทา่ นัน้ ทาให้ในปัจจุบนั อาจเกิดความผิดพลาดและขาดการรายงานธุรกรรมท่มี ีเหตุอันควรสงสัย
อย่างมีประสิทธิภาพไปเพราะต้องอาศัยประสบการณ์และความเชี่ยวชาญของผู้ประกอบการเพียงอย่างเดียว ไม่มี
หลักเกณฑเ์ ฉพาะทางทไ่ี ด้มาตรฐานในการรองรบั การปฏิบตั งิ านเร่ืองดงั กลา่ ว

4. ขาดความร่วมมือในการเชื่อมโยงระบบฐานข้อมูลผู้ประกอบการกับหน่วยงานอื่นของรัฐซ่ึงมีหน้าท่ีในการ
ออกใบอนุญาตในการประกอบธุรกิจเฉพาะกรณีผู้ประกอบการธุรกิจค้าของเก่า ซ่ึงเป็นผู้มีหน้าท่ีรายงาน
ตามมาตรา 16(๕) แห่งพระราชบัญญัติป้องกันและปราบปรามการฟอกเงิน พ.ศ. ๒๕๔๒ และที่แก้ไขเพ่ิมเติม
ทาให้ทางสานักงาน ปปง. รวบรวมข้อมูลรายชื่อผู้ประกอบการได้อย่างไม่มีประสิทธิภาพเท่าที่ควร ไม่สามารถเข้าถึง
ผูป้ ระกอบการทั้งในแง่ของการใหค้ วามรคู้ วามเข้าใจดา้ นกฎหมาย การรบั ส่งข้อมลู ข่าวสารสาคญั รวมถงึ การตรวจสอบ
เพื่อป้องกนั และปราบปรามการฟอกเงนิ และการสนบั สนนุ ทางการเงินแก่การก่อการร้ายได้ทกุ รายกิจการ

ทงั้ นี้สามารถสรุปฐานขอ้ มูลหน่วยงานของรฐั อ่ืนที่มีความจาเปน็ ในการกากับดูแลดงั ต่อไปน้ี

วารสารวชิ าการ ป.ป.ช. ปีที่ 15 ฉบบั ท่ี 1

นวัตกรรมใหม่ในการป้องกนั และปราบปรามการฟอกเงินผา่ น 61

Online-Single Platform และ Blockchain ศกึ ษากรณผี ปู้ ระกอบธรุ กิจค้าของเก่า

ตารางท่ี 2 ฐานข้อมลู หน่วยงานของรัฐอน่ื ที่มีความจาเปน็ ในการกากับดแู ล

หน่วยงานรฐั ที่เก่ียวข้อง ประเภทของข้อมลู ภารกิจหลักในการกากบั ดแู ล
1. สานักงาน ป.ป.ช. รายช่อื บคุ คลทม่ี สี ถานภาพทางการเมือง
(Politically Exposed Persons : PEPs) งานป้องกันการฟอกเงนิ และการสนบั สนุน
2. สานักงาน ก.พ. ทางการเงินแก่การกอ่ การรา้ ยและการแพร่
รายชือ่ ขา้ ราชการพลเรือน ขยายอาวุธทม่ี ีอานุภาพทาลายล้างสูง
3. กระทรวงกลาโหม เนืองจากเป็นกระบวนการสนบั สนนุ งาน
รายชื่อขา้ ราชการทหาร KYC/CDD ตรวจสอบข้อมลู เบือ้ งตน้ ว่า
4. สานักงานตารวจแห่งชาติ ลกู ค้าเปน็ ใครมาจากไหน ป้องกันมิใหม้ ี
- รายช่อื ขา้ ราชการตารวจ อาชญากรฟอกเงนิ มาทาธุรกรรมกบั ผูม้ ี
- รายชือ่ ประวตั ิอาชญากร หน้าทรี่ ายงานการทาธรุ กรรมฯ

งานป้องกันการฟอกเงนิ และการสนบั สนุน
ทางการเงนิ แก่การก่อการรา้ ยและการแพร่
ขยายอาวุธท่ีมอี านภุ าพทาลายล้างสงู
เนืองจากเป็นกระบวนการสนับสนนุ งาน
KYC/CDD ตรวจสอบข้อมลู เบื้องตน้ วา่
ลูกคา้ เป็นใครมาจากไหน ปอ้ งกนั มิใหม้ ี
อาชญากรฟอกเงนิ มาทาธรุ กรรมกบั ผมู้ ี
หนา้ ท่รี ายงานการทาธรุ กรรมฯ

งานปอ้ งกนั การฟอกเงินและการสนับสนุน
ทางการเงนิ แกก่ ารก่อการรา้ ยและการแพร่
ขยายอาวุธทม่ี ีอานุภาพทาลายลา้ งสูง
เนอื งจากเปน็ กระบวนการสนับสนนุ งาน
KYC/CDD ตรวจสอบข้อมลู เบอ้ื งตน้ วา่
ลูกค้าเปน็ ใครมาจากไหน ป้องกนั มใิ หม้ ี
อาชญากรฟอกเงนิ มาทาธุรกรรมกบั ผูม้ ี
หนา้ ทีร่ ายงานการทาธรุ กรรมฯ

งานปราบปรามการฟอกเงนิ และการ
สนบั สนุนทางการเงนิ แกก่ ารก่อการรา้ ย
และการแพรข่ ยายอาวุธท่มี ีอานภุ าพ
ทาลายลา้ งสูง เนื่องจากเปน็ กระบวนการท่ี
ชว่ ยรวบรวมขอ้ มลู บคุ คลทมี่ ีประวตั กิ าร
กระทาผดิ กฎหมาย อนั อาจเขา้ ข่ายกระทา
ความผดิ ฐานฟอกเงนิ ประกอบการ
ตรวจสอบและติดตามผลในการยดึ อายดั
ทรพั ย์สินและนาส่งคนื ใหผ้ เู้ สียหายตอ่ ไป

วารสารวิชาการ ป.ป.ช. ปที ่ี 15 ฉบบั ที่ 1

นวตั กรรมใหมใ่ นการป้องกันและปราบปรามการฟอกเงินผา่ น 62

Online-Single Platform และ Blockchain ศึกษากรณผี ปู้ ระกอบธุรกิจค้าของเก่า

หนว่ ยงานรฐั ทเี่ กี่ยวข้อง ประเภทของข้อมลู ภารกจิ หลักในการกากับดแู ล
5. กรมการปกครอง
- ขอ้ มูลทะเบียนราษฎร์ งานป้องกนั การฟอกเงนิ และการสนับสนุน
6. กรมพฒั นาธุรกิจการค้า
- รายช่ือขอ้ มลู บุคคลธรรมดาและนติ ิ ทางการเงนิ แกก่ ารก่อการรา้ ยและการแพร่
7. กรมสรรพากร
บุคคลท่ีไดร้ บั ใบอนญุ าตประกอบธุรกจิ ค้า ขยายอาวธุ ที่มีอานภุ าพทาลายลา้ งสงู
8. กระทรวงแรงงาน
ของเก่าตามมาตรา 16(5) แหง่ เนืองจากเป็นกระบวนการสนับสนนุ งาน

พระราชบญั ญตั ปิ อ้ งกนั และปราบปราม KYC/CDD ตรวจสอบขอ้ มลู เบ้ืองตน้ วา่

การฟอกเงินฯ ลูกคา้ เปน็ ใครมาจากไหน ป้องกันมิให้มี

อาชญากรฟอกเงินมาทาธรุ กรรมกบั ผู้มี

หนา้ ท่ีรายงานการทาธรุ กรรมฯ

รายชื่อข้อมลู นติ บิ คุ คล กรรมการ งานป้องกันการฟอกเงนิ และการสนับสนุน

และผูถ้ อื หุน้ ทางการเงินแกก่ ารก่อการรา้ ยและการแพร่

ขยายอาวุธท่มี ีอานภุ าพทาลายลา้ งสูง

เนืองจากเปน็ กระบวนการสนบั สนนุ งาน

KYC/CDD ตรวจสอบขอ้ มูลเบอื้ งตน้ วา่

ลกู คา้ เปน็ ใครมาจากไหน ปอ้ งกนั มใิ ห้มี

อาชญากรฟอกเงินมาทาธุรกรรมกบั ผมู้ ี

หน้าที่รายงานการทาธรุ กรรมฯ

รายชอ่ื สถานทีท่ างานหรืออาชีพของบุคคล งานป้องกนั การฟอกเงินและการสนับสนนุ

ธรรมดาและนติ บิ คุ คลผมู้ ีหนา้ ท่ีเสยี ภาษี ทางการเงินแก่การก่อการรา้ ยและการแพร่

เงนิ ได้ ขยายอาวธุ ทม่ี อี านุภาพทาลายล้างสูง

เนอื งจากเป็นกระบวนการสนับสนนุ งาน

KYC/CDD ตรวจสอบขอ้ มูลเบื้องตน้ ว่า

ลูกค้าเป็นใครมาจากไหน ปอ้ งกันมิใหม้ ี

อาชญากรฟอกเงินมาทาธรุ กรรมกบั ผมู้ ี

หนา้ ทรี่ ายงานการทาธรุ กรรมฯ

รายชือ่ สถานทท่ี างานและอาชพี ของ งานป้องกนั การฟอกเงนิ และการสนบั สนุน

แรงงานบคุ คลธรรมดาสัญชาติไทยและ ทางการเงนิ แกก่ ารก่อการรา้ ยและการแพร่

แรงงานต่างดา้ ว ขยายอาวุธทม่ี ีอานภุ าพทาลายล้างสูง

เนอื งจากเป็นกระบวนการสนบั สนนุ งาน

KYC/CDD ตรวจสอบข้อมลู เบื้องตน้ วา่

ลกู ค้าเป็นใครมาจากไหน ป้องกันมใิ หม้ ี

อาชญากรฟอกเงินมาทาธรุ กรรมกบั ผ้มู ี

หน้าทรี่ ายงานการทาธรุ กรรมฯ

วารสารวชิ าการ ป.ป.ช. ปีที่ 15 ฉบบั ที่ 1

นวตั กรรมใหม่ในการปอ้ งกนั และปราบปรามการฟอกเงินผา่ น 63

Online-Single Platform และ Blockchain ศกึ ษากรณผี ปู้ ระกอบธรุ กิจคา้ ของเก่า

หนว่ ยงานรฐั ท่ีเกี่ยวขอ้ ง ประเภทของข้อมลู ภารกจิ หลกั ในการกากับดแู ล
9.กองทนุ บาเหนจ็ บานาญขา้ ราชการ
รายช่อื บคุ คลข้าราชการทกุ ประเภทซึง่ เปน็ งานปอ้ งกนั การฟอกเงนิ และการสนบั สนุน
10.กระทรวงยตุ ิธรรม
สมาชิกกองทนุ บาเหนจ็ บานาญขา้ ราชการ ทางการเงินแก่การก่อการรา้ ยและการแพร่
11.บริษัท ข้อมลู เครดติ แห่งชาติ
จากดั ขยายอาวุธที่มีอานุภาพทาลายลา้ งสงู

เนืองจากเปน็ กระบวนการสนบั สนนุ งาน

KYC/CDD ตรวจสอบข้อมลู เบอ้ื งตน้ ว่า

ลูกคา้ เปน็ ใครมาจากไหน ป้องกนั มใิ ห้มี

อาชญากรฟอกเงินมาทาธรุ กรรมกบั ผ้มู ี

หนา้ ที่รายงานการทาธรุ กรรมฯ

รายชอื่ ผูต้ ้องหาตามหมายจับ นักโทษ งานปราบปรามการฟอกเงนิ และการ

บุคคลลม้ ละลาย ผ้ถู กู พทิ ักษ์ทรพั ย์ สนบั สนุนทางการเงินแก่การก่อการรา้ ย

และการแพรข่ ยายอาวธุ ทม่ี อี านภุ าพ

ทาลายลา้ งสูง เนื่องจากเปน็ กระบวนการที่

ชว่ ยรวบรวมขอ้ มลู บุคคลทม่ี ีประวตั กิ าร

กระทาผดิ กฎหมาย อันอาจเข้าขา่ ยกระทา

ความผิดฐานฟอกเงนิ ประกอบการ

ตรวจสอบและติดตามผลในการยดึ อายัด

ทรพั ย์สนิ และนาสง่ คนื ใหผ้ ู้เสียหายตอ่ ไป

รายช่ือบุคคลผู้มหี นีท้ ไี่ มก่ ่อรายได้ (NPL – งานป้องกันการฟอกเงินและการสนบั สนุน

Non Performancint Loan) ทางการเงินแกก่ ารกอ่ การรา้ ยและการแพร่

ขยายอาวุธท่มี อี านภุ าพทาลายลา้ งสูง

เนืองจากเปน็ กระบวนการสนบั สนนุ งาน

KYC/CDD ตรวจสอบขอ้ มลู เบ้อื งตน้ ว่า

ลกู คา้ เป็นใครมาจากไหน ป้องกันมิให้มี

อาชญากรฟอกเงินมาทาธรุ กรรมกบั ผ้มู ี

หน้าที่รายงานการทาธรุ กรรมฯ

6. ข้อเสนอแนะ
อยา่ งไรก็ตาม ถงึ แม้วา่ การปฏบิ ัติตามกฎหมายดังกลา่ วจะมีปัญหาและอุปสรรคในวิธีการปฏิบัติงานแต่สถาบัน

การเงินและผู้มหี นา้ ทร่ี ายงานประเภทต่าง ๆ ยนิ ดีท่ีจะปฏิบัตใิ ห้เป็นไปตามกฎหมาย แต่หากกระบวนการดงั กล่าวได้รับ
การบูรณาการร่วมกันระหว่างหน่วยงานภาครัฐและภาคเอกชน และสามารถนาเทคโนโลยีมาช่วยให้การปฏิบัติงาน
ภายใต้กฎหมายมีการรวมศูนย์ และมีมาตรฐานเดียวกัน จะทาให้กระบวนการทา KYC/CDD ของประเทศไทย
สัมฤทธิผลและเป็นไปตามมาตรฐานสากล ตลอดจนสามารถช่วยป้องกันมิให้อาชญากรใช้ประเทศไทย
เป็นช่องทางในการฟอกเงินหรือการสนับสนุนทางการเงินแก่การก่อการร้ายและการแพร่ขยายอาวุธท่ีมีอานุภาพ
ทาลายลา้ งสงู ได้

วารสารวชิ าการ ป.ป.ช. ปที ่ี 15 ฉบบั ที่ 1

นวัตกรรมใหม่ในการป้องกันและปราบปรามการฟอกเงินผา่ น 64

Online-Single Platform และ Blockchain ศกึ ษากรณผี ปู้ ระกอบธุรกิจคา้ ของเกา่

ดังนั้น ผู้เขียนจึงขอเสนอแนะวิธีการแก้ปัญหางานด้านป้องกันและปราบปรามตามกฎหมายฟอกเงินฯ
ผ่านการพัฒนาและปรับปรุงระบบสารสนเทศท่ีมีอยู่ รวมถึงจัดให้มีขึ้นเพ่ือสนับสนุนการปฏิบัติงานดังกล่าวได้อย่างมี
ประสิทธิภาพ ดังตอ่ ไปน้ี

1. การประสานความรว่ มมือในการใช้ฐานข้อมูลรว่ มกันกบั หน่วยงานอ่ืนเพ่ือให้สามารถประมวลผลข้อมูล
KYC/CDD ไดอ้ ยา่ งมปี ระสิทธภิ าพ

จากตารางสรุปฐานข้อมูลของหน่วยงานรัฐอื่นที่ใช้สนับสนุนการดาเนินงานด้าน KYC/CDD สานักงาน ปปง.
ควรประสานงานกับหน่วยงานอ่ืนตามตาราง เพื่อสร้างระบบสนับสนุนให้ผู้มีหน้าท่ีรายงานสามารถเข้าถึงฐานข้อมูล
รายชอ่ื บุคคลธรรมดาและนติ ิบุคคลประกอบการตรวจสอบดา้ น KYC/CDD อีกทัง้ ยังสามารถนาไปใช้เพื่อบริหารจัดการ
ความเสีย่ งดา้ นการฟอกเงินภายในองคก์ รไดอ้ ยา่ งรวดเร็ว และมคี วามนา่ เช่อื ถอื มากยิ่งข้นึ

ท้ังนี้ เ พื่ อให้ เ กิ ด คว า มร่ ว มมื อจ า กห ล า ย ภ า ค ส่ ว น แล ะ ร่ ว มกั น ส ร้ า ง แ พล ต ฟอ ร์ ม ที่ ใช้ ใ น กา ร แช ร์ ข้ อ มู ล
ควรจดั ทาหนงั สอื บันทึกข้อตกลงระหวา่ งองค์กรที่เก่ียวข้อง (Memorandum of Understanding – MOU) สนับสนนุ
และเชื่อมโยงฐานข้อมูลกับหน่วยงานของรัฐ เพ่ือให้สานักงาน ปปง. สามารถรวบรวมข้อมูลรายช่ือผู้ประกอบการซึ่ง
เป็นผู้มีหน้าท่ีรายงานการทาธุรกรรมตามกฎหมายว่าด้วยการป้องกันและปราบปรามการฟอกเงิน สามารถเข้าถึง
ผูป้ ระกอบการทกุ รายท้งั ในเชงิ การติดต่อสอื่ สาร และปฏิบตั ิงานดา้ นการปอ้ งกนั และปราบปรามได้อย่างมปี ระสทิ ธิภาพ
รวมถึงบุคคลธรรมดาและนิติบุคคลซ่ึงอาจจะเป็นลูกค้าหรือคู่ค้าในการทาธุรกรรมทางการเงินร่วมกันกับผู้มีหน้าที่
รายงานการทาธรุ กรรมฯ ได้อยา่ งครบถ้วน

2. การจัดการหนา้ ระบบเทคโนโลยสี ารสนเทศในรูปแบบ Online Single Platform
จากท่ีได้กล่าวไปแล้วในข้างต้นเกี่ยวกับสภาพปัญหาว่าระบบเทคโนโลยีสารสนเทศท้ังหมดถูกออกแบบให้ใช้
งานคนละโปรแกรมสร้างความยุ่งยากต่อการใช้งานต่อผู้มีหน้าท่ีรายงานการทาธุรกรรมฯ จึงควรปรับปรุงหน้าระบบ
เทคโนโลยีสารสนเทศให้อยู่ในรูปแบบ Online Compliance Platform เพื่ออานวยความสะดวก เป็นแบบ
One Stop Service ผนวกกับเทคโนโลยีรูปแบบอ่ืน เช่น แอพพลิเคช่ันต่างๆ, อุปกรณ์อิเล็กทรอนิกส์ อย่าง Smartcard
Reader เป็นต้น เพื่อช่วยรวบรวมข้อมูลและรักษาความปลอดภัยในการนาเข้า ตรวจสอบ และเปลี่ยนแปลง อีกทั้งยังช่วย
วิเคราะหต์ รวจสอบขอ้ มลู เชิงลกึ เช่น ข้อมลู ลกู ค้า ตรวจสอบความเคล่ือนไหวการทาธรุ กรรมทางการเงิน รวมไปถึงพฤตกิ รรมท่ี
เขา้ ข่ายผดิ ปกตหิ รอื มีเหตอุ ันควรสงสยั
3. การนารูปแบบโปรแกรมเฉพาะทาง (Advanced Analytics Program) แบบบล็อกเชน (Blockchain)
มาประยุกต์ใช้ในการจดั ทา KYC/CDD
การสร้างระบบบล็อกเชนก็สามารถทาได้เพื่อลดความผิดพลาดในการทางานโดยคนท่ีอาศัยดุลยพินิจเป็น
สาคัญ ท้ังนี้ตัวระบบจะมีลักษณะเด่นตรงท่ีเป็น Decentralized System มีความยืดหยุ่นในเชิงการสร้างมาตรการ
ตรวจสอบและการใช้งาน โดยจะช่วยกันตรวจสอบความปลอดภยั ความน่าเชอ่ื ถือ จากเดิมที่อาจต่างคนต่างทาซึง่ บาง
รายอาจจะขาดความรู้ความเชี่ยวชาญประสบการณ์ท่ีจะดาเนินการตรวจสอบได้อย่างมีประสิทธิภาพ เปล่ียนเป็นให้
ระบบสร้างเครือข่ายกลุ่มผู้ประกอบการเป็นผู้เก่ียวข้องใน Supply Chain เข้ามาป้อนข้อมูลเปล่ียนแปลงปรับปรุงให้
ระบบตรวจสอบมีความทันสมัยตามเทคโนโลยีและกระบวนการฟอกเงินท่ีซับซ้อนและเปล่ียนใหม่ตามยุคตามสมัย
อย่างรวดเร็วโดยไม่ต้องพ่ึงพาองค์กรส่วนกลางเพ่ือช่วยกันสร้างรูปแบบและตรวจสอบลูกค้าแ ละธุรกรรมท่ีมีเหตุ

วารสารวชิ าการ ป.ป.ช. ปที ี่ 15 ฉบบั ที่ 1

นวตั กรรมใหม่ในการป้องกนั และปราบปรามการฟอกเงินผา่ น 65

Online-Single Platform และ Blockchain ศกึ ษากรณผี ้ปู ระกอบธรุ กจิ คา้ ของเก่า

อันควรสงสัยทาให้เกิดกระบวนการทางานตรวจสอบท่ีมีประสิทธิภาพมากยิ่งข้ึน อีกท้ังยังเป็นแพลตฟอร์มท่ีปลอดภัย
จากการฃโจมตีและสามารถตรวจสอบย้อนหลังได้ ในรูปแบบข้อมูลเข้ารหัสลับ (Cryptography) ไม่ว่าจะเป็นเส้นทาง
ธุรกรรมทางการเงินที่เก่ียวข้องท้ังหมดทุกสาย แหล่งที่มาของสินค้า ใครเป็นเจ้าของ ใครเป็นเจ้าของลิขสิทธ์ิ เป็นต้น
แต่อย่างไรก็ดีควรระมัดระวังการใช้ระบบบล็อกเชนในทางท่ีเข้าข่ายผิดกฎหมาย ก่อนท่ีสามารถจะกนามาใช้ได้อย่าง
สมบรู ณน์ ้นั อาจจะต้องทาการศึกษาวิจัยทั้งทางด้านความปลอดภัยของระบบ ความเชอ่ื มั่นของระบบ ความสามารถใน
การรองรบั จานวนข้อมูลและการแลกเปล่ยี นข้อมูลทื่เพมิ่ ข้นึ และความเป็นส่วนตัวของขอ้ มลู

เอกสารอ้างอิง
สานักงาน ปปง.. “คู่มือการใช้งานระบบเทคโนโลยีสารสนเทศประสานข้อมูลเก่ียวกับการทาธุรกรรมเพ่ือการปฏิบัติ

ตามกฎหมายว่าดว้ ยการป้องกนั และปราบปรามการฟอกเงนิ (AMLO Financial Information Cooperation
System) หรอื AMFICS.” สานักงาน ปปง.. สบื ค้นเม่อื วนั ท่ี 15 มิถนุ ายน 2564. https://www.amlo.go.th/
amlointranet/files/amfics/manual_AMFICS_P2_ExUser_20151228.pdf
สานักงาน ปปง.. กองกากับและตรวจสอบ. “ระบบตรวจสอบรายช่ือบุคคลที่มีความเส่ียงสูงด้านการฟอกเงินและ
รายชื่อบุคคลท่ีถูกกาหนด (AMLO Personal Screening: APS).” กองกากับและตรวจสอบ สานักงาน ปปง
.. สืบค้นเมอ่ื วันท่ี 15 มิถุนายน 2564. https://sed.amlo.go.th/content/detail/192.
สานักงาน ปปง.. กองกากับและตรวจสอบ. “ผลการประเมินความเส่ียงระดับชาติด้านการฟอกเงินและการสนับสนุน
ทางการเงินแก่การก่อการร้ายของประเทศไทย พ.ศ. 2559 (NRA) .” กองกากับและตรวจสอบ สานักงาน
ปปง.. สืบค้นเมอ่ื วันที่ 15 มิถุนายน 2564. https://sed.amlo.go.th/ content/detail/267.
สานักงาน ปปง.. กองกากบั และตรวจสอบ. “ผลประเมนิ ความเสี่ยงด้าน AML/CFT รายภาคธรุ กจิ ปี 2562.” กอง
กากบั และตรวจสอบ สานกั งาน ปปง.. สืบค้นเม่ือวนั ท่ี 15 มถิ ุนายน 2564. https://sed.amlo.go.th/
content/detail/84.
อนุชา เหล่าขวัญสถิตย์. “การแก้ไขปัญหาการฟอกเงินโดยการใช้เทคโนโลยีบล็อกเชน (Blockchain).” วิทยาลัย
ป้องกันราชอาณาจักร. สืบค้นเมื่อวันท่ี 18 เมษายน 2565, http://www.dsdw2016.dsdw.go.th/doc_pr/
ndc_2559-2560/PDF/wpa_8301/ALL.pdf.
Aarvik, P. “ Blockchain as an Anti-Corruption Tool Case Examples and Introduction to The
Technology.” CMI. Accessed April 18, 2022. https://www.cmi.no/publications/7208-
blockchain-as-an-anti-corruption-tool-case-examples-and-introduction-to-the-technology
ACAMS. “Art and Antiquities: Conduits for Money Laundering and Terrorist Financing.” ACAMS TODAY.
Accessed June 3, 2021. https://www.acamstoday.org/art-and-antiquities-conduits-for-money-
laundering-and-terrorist-financing.

วารสารวิชาการ ป.ป.ช. ปีท่ี 15 ฉบบั ที่ 1

นวัตกรรมใหมใ่ นการปอ้ งกนั และปราบปรามการฟอกเงินผา่ น 66

Online-Single Platform และ Blockchain ศึกษากรณผี ูป้ ระกอบธรุ กจิ ค้าของเกา่

Asia Pacific Group on Money Laundering. “ APG Trade-based money laundering typologies.” FATF-
GAFI. Accessed June 3, 2021. https://www.fatf-gafi.org/media/fatf/documents/reports/Trade_
Based_ML_APGReport.pdf.

Bell, A.. “ Deploying innovative technology could help combat the dark art of money laundering.”
Euronews. Accessed June 3, 2021. https://www.euronews.com/2020/02/11/deploying-
innovative-technology-could-help-combat-the-dark-art-of-money-laundering-view.

Castillo, Michael del. “Swift is Building a Blockchain App to Optimize Global Cash Liquidity.” Coindesk.
Accessed June 18, 2022. https://www.coindesk.com/markets/2017/01/12/swift-is-building-a-
blockchain-app-to-optimize-global-cash-liquidity/.

Kapsoulis et al. “Know Your Customer (KYC) Implementation with Smart Contracts on a Privacy-
Oriented Decentralized Architecture.” Researchgate. Accessed June 18, 2022. https://www.
researchgate.net/publication/339477911_Know_Your_Customer_KYC_Implementation_with_
Smart_Contracts_on_a_Privacy-Oriented_Decentralized_Architecture.

Mashberg, T.. “The Art of Money Laundering.” Internatonal Monetary Fund. Accessed June 3, 2021.
https://www.imf.org/external/pubs/ft/fandd/2019/09/the-art-of-money-laundering-and-
washing-illicit-cash-mashberg.htm.

SWIFT. “SWIFT on Distibuted Ledger Technologies Delivering an Industry Standard Platform Through
Community Colloboration.” SWIFT. Accessed April 18, 2022. https://www.swift.com/your-
needs/data-and-technology/distributed-ledger-technology-dlt

The Financial Action Task Force. “Financing of the Terrorist Organisation Islamic State in Iraq and
the Levant.” FATF-GAFI. Accessed June 3, 2021. https://www.fatf-gafi.org/publications/
methodsandtrends/documents/financing-of-terrorist-organisation-isil.html.

วารสารวิชาการ ป.ป.ช. ปที ี่ 15 ฉบบั ที่ 1

นวัตกรรมใหมใ่ นการป้องกันและปราบปรามการฟอกเงนิ ผา่ น 67

Online-Single Platform และ Blockchain ศึกษากรณผี ูป้ ระกอบธุรกิจค้าของเก่า

Application of Data Mining Processes with Machine Learning Techniques
to Prevent Corruption in Public Procurement

การประยุกต์ใชก้ ระบวนการเหมืองข้อมลู (Data mining) ดว้ ยเทคนคิ การเรยี นรู้ของเครือ่ ง
(Machine learning) เพอื่ การป้องกันการทจุ ริตการจัดซ้ือจดั จ้างของหน่วยงานภาครัฐ

Weerapun Panich1 and Punniththa Mrazek2
วีระพันธ์ พานชิ ย์1 และปณุ ณฐิ ฐา มาเชค2

1Faculty of Education, Burapha University
1คณะศกึ ษาศาสตร์ มหาวิทยาลยั บรู พา

2Faculty of Education, Burapha University
2คณะศึกษาศาสตร์ มหาวทิ ยาลัยบรู พา

[email protected]

Abstract
Corruption in Thai society has a huge negative impact in the country and is a major

obstacle to economic, social and political development in all dimensions. The current pattern of
corruption has shifted to more complex forms. A lack of transparency in public procurement
leads to numerous corruptions. Preventing corruption is a national strategy and agenda because
corruption is a major problem in Thailand that must be addressed urgently. This article aims to
provide an idea of how to use data mining processes with machine learning techniques to prevent
corruption in public procurement. The author studied the principle, theories and research papers
from foreign countries, and synthesized information to be guidelines for practical use.

Application of data mining process with machine learning techniques is using algorithms
and decision trees to analyze corruption in public procurement by using the completed
procurement project data as a training set and a testing set. The steps of the data mining process
consist of 1) Selection 2) Preprocessing 3) Transformation 4) Data Mining and 5) Interpretation and
Evaluation. These are steps of using data mining for translating into the knowledge and presenting
them to relevant parties to support decision-making.

วารสารวิชาการ ป.ป.ช. ปที ี่ 15 ฉบบั ท่ี 1

การประยกุ ต์ใชก้ ระบวนการเหมอื งข้อมลู (Data mining) ด้วนเทคนิคการเรียนรู้ของเครื่อง 68

(Machine learning) เพอ่ื การป้องกนั การทุจรติ การจัดซ้ือจัดจา้ งของหนว่ ยงานภาครฐั

The analysis for predicting corruption in new procurement projects, the computer
programs will take the former information to compare with new information. In the case where
the program analyzes and predicts that new procurement projects are among the corrupt, the
project owner agency can apply this information in the corruption prevention plan. Or this
information can be used for relevant agencies to set up surveillance measures and to check each
step of the process to ensure fairness and transparency in accordance with the objectives of the
use of state budget.

Keywords: data mining, machine learning, decision tree, corruption in public procurement

บทคัดย่อ
การทุจริตในสังคมไทยส่งผลเสียต่อประเทศอย่างมหาศาลและเป็นอุปสรรคสาคัญต่อการพัฒนา

เศรษฐกิจ สังคม การเมือง ในทุกมิติ รูปแบบการทุจริตในปัจจุบันได้ปรับเปลี่ยนเป็นการทุจริตที่ซับซ้อนมากขึ้น
การจัดซื้อจัดจ้างภาครัฐที่ไม่โปร่งใส จะนาไปสู่การทุจริตคอร์รัปชันต่าง ๆ มากมาย การป้องกันการทุจริตคอร์รัป
ชันถือเป็นยุทธศาสตร์และวาระแห่งชาติ เน่ืองจากการทุจริตคอร์รัปชันเป็นปัญหาที่สาคัญของประเทศไทยท่ีต้อง
ได้รับการแก้ไขอย่างเรง่ ด่วน บทความน้ีมีวตั ถุประสงค์เพ่ือนาเสนอแนวคิดการประยุกต์ใช้กระบวนการเมืองข้อมูล
ด้วยเทคนิคการเรียนรู้ของเครื่อง เพื่อการป้องกันการทุจริตการจัดซ้ือจัดจ้างของหนว่ ยงานภาครัฐ โดยผู้เขียนได้
ศึกษาหลักการ ทฤษฎี ตัวอย่างงานงานวิจัยในต่างประเทศ และดาเนินการสังเคราะห์เรียบเรียงขึ้นเพ่ือเป็น
แนวทางในการนาไปปฏิบตั จิ ริงตอ่ ไป

การประยุกต์ใช้กระบวนการเหมืองข้อมูลด้วยเทคนิคการเรียนรู้ของเคร่ืองโดยใช้อัลกอริทึม ต้นไม้
ตัดสินใจ มาวิเคราะห์การทุจริตการจัดซ้ือจัดจ้างของหน่วยงานภาครัฐโดยใช้ข้อมูลโครงการจัดซื้อจัดจ้างท่ี
ดาเนินการเสร็จสมบูรณ์แล้วมาเป็นชุดข้อมูลเรียนรู้ และชุดข้อมูลทดสอบ โดยมีข้ันตอนของกระบวนการเหมือง
ขอ้ มูล ประกอบดว้ ย 1) การเลอื กขอ้ มลู 2) การเตรยี มข้อมลู 3) การเปลี่ยนรูปขอ้ มูล 4) การทาเหมืองข้อมูล และ
5) การแปลผลและการประเมินผล เป็นข้ันตอนท่ีนารูปแบบที่ได้จากการทาเหมืองข้อมูล แปลให้อยู่ในรูปของ
ความรู้ และนาเสนอต่อผู้ท่เี ก่ียวข้องเพอ่ื ใช้สนบั สนนุ การตดั สินใจ

การวิเคราะห์เพื่อทานายการทุจริตโครงการจัดซื้อจัดจ้างใหม่ โปรแกรมคอมพิวเตอร์จะใช้ความรู้จาก
การเรยี นร้ขู ้อมูลเก่ามาเปรียบเทยี บกับข้อมูลใหม่ ในกรณที ่โี ปรแกรมวเิ คราะหแ์ ละทานายวา่ โครงการจัดซื้อจัดจ้าง
ใหม่อยู่ในกลุ่มทุจริต หน่วยงานเจ้าของโครงการสามารถนามาเป็นข้อมูลในวางแผนป้องกันการทุจริต หรือเป็น
ขอ้ มูลให้หน่วยงานทเี่ กีย่ วข้องวางมาตรการเฝ้าระวังและตรวจสอบการดาเนินการแตล่ ะขนั้ ตอนให้เท่ียงตรงโปร่งใส
ตามเจตนารมณข์ องการใช้งบประมาณแผน่ ดนิ ต่อไป

คาสาคญั : เหมืองข้อมลู การเรยี นร้ขู องเครื่อง ต้นไมต้ ัดสนิ ใจ การทุจริตการจดั ซื้อจัดจา้ งของหนว่ ยงานภาครฐั

วารสารวิชาการ ป.ป.ช. ปที ่ี 15 ฉบบั ที่ 1

การประยกุ ต์ใช้กระบวนการเหมอื งข้อมลู (Data mining) ดว้ นเทคนคิ การเรียนรู้ของเครือ่ ง 69

(Machine learning) เพ่ือการปอ้ งกนั การทุจริตการจัดซื้อจัดจา้ งของหน่วยงานภาครัฐ

1. บทนา
การทุจรติ ในสังคมไทยระหวา่ งชว่ งเวลากว่าทศวรรษ สง่ ผลเสียต่อประเทศอย่างมหาศาลและเปน็ อุปสรรค

สาคัญต่อการพัฒนาเศรษฐกิจ สังคม การเมือง ในทุกมิติ รูปแบบการทุจริตจากเดิมท่ีเปน็ ทุจรติ ทางตรงไม่ซับซ้อน
อาทิ การรับสินบน การจัดซ้ือจัดจ้าง ในปัจจุบันได้ปรับเปล่ียนเป็นการทุจริตที่ซับซ้อนมากขึ้น ตัวอย่างเช่น การ
ทุจริตเชิงนโยบาย การทุจริตข้ามแดนข้ามชาติ ซ่ึงเชื่อมโยงไปสู่อาชญากรรมอ่ืน ๆ มากมายและส่งผลกระทบทาง
ลบในวงกว้าง (ศูนย์ปฏิบัติการต่อต้านการทุจริต กระทรวงศึกษาธิการ, 2560) ปริมาณเงินงบประมาณของ
หน่วยงานราชการในปีหนึ่ง ๆ สูงมาก โดยมีนักวิชาการหลายท่านเคยประเมินไว้ว่าอัตราการทุจริตจากเงิน
งบประมาณจะมีอัตราต้ังแต่ 10 - 20% (ธราพงศ์ ล้ิมสุทธิวันภูมิ และ ตวงทอง สินชัย, 2563) สภาพปัญหาการ
จัดซ้ือจัดจ้างในหน่วยงานภาครัฐ ท่ีก่อให้เกิดปัญหาการทุจริตคอร์รัปชัน ซึ่งประเทศไทยกาลังประสบปัญหาการ
ทุจรติ การจดั ซ้ือจัดจ้างที่รุนแรง โดยรปู แบบการทุจริตสว่ นใหญ่จะเป็นในลักษณะของการรบั สนิ บน การฮว้ั ประมูล
การใชอ้ านาจหน้าท่ีกระทาผดิ โดยมชิ อบ รวมไปถงึ เรื่องผลประโยชนท์ ับซ้อน และการเอื้อผลประโยชน์ต่อคู่สัญญา
สาเหตุส่วนใหญ่มาจากระบบอุปถัมภ์และเป็นระบบท่ีมีมายาวนานทุกยุคทุกสมัยทาให้ระบบนี้ฝังตัวเป็นรากลึกอยู่
ในสังคมไทยมาเป็นระยะเวลานานจนถึงปัจจุบัน (สิรินทรา เสียบไธสง และ สมศักดิ์ อมรสิริพงศ์, 2562) รูปแบบ
การจัดซ้ือจัดจ้างของหน่วยงานภาครัฐต้องปฏิบัติตามพระราชบัญญัติการจัดซื้อจัดจ้างและการบริหารงานพัสดุ
ภาครัฐ พ.ศ. 2560 โดยได้กาหนดกระบวนการจัดซ้ือจัดจ้างต้องปฏิบัติ 8 ขั้นตอน คือ 1) การกาหนดความ
ตอ้ งการ 2) การตั้งงบประมาณ 3) การกาหนด Term of Reference (TOR) 4) การออกประกาศประกวดราคา 5)
การเสนอราคา 6) การพิจารณาและตัดสิน 7) การส่งมอบและตดิ ต้ัง 8) การจ่ายเงนิ (ธราพงศ์ ลมิ้ สุทธิวนั ภูมิ และ
ตวงทอง สินชัย, 2563) ซง่ึ การจัดซ้อื จดั จา้ งภาครฐั ท่ีไม่โปรง่ ใส จะนาไปสูก่ ารทุจริตคอรร์ ปั ชนั ต่าง ๆ มากมาย เช่น
การตดิ สนิ บน การสมรรู้ ว่ มคดิ การฮว้ั ประมลู การเออื้ ผลประโยชน์ ไปจนถึงการมผี ลประโยชน์ทบั ซ้อน ซง่ึ เกิดจาก
ผู้มีส่วนเก่ียวข้องใช้อานาจหรือตัดสินใจโดยคานึงถึงผลประโยชน์ส่วนตนมากกว่าผลประโยชน์ส่วนราชการ ไม่ว่า
จะเป็นผู้กาหนดนโยบาย เจ้าหน้าท่ีของรัฐท่ีรับผดิ ชอบในการจัดซอ้ื จัดจ้าง ผู้เข้าร่วมประมูล คู่สัญญา และผู้มีสว่ น
ร่วมเกย่ี วข้องทั้งหลายในสัญญา

การป้องกันการทุจริตคอร์รัปชันถือเป็นยุทธศาสตร์และวาระแห่งชาติ เน่ืองจากการทุจริตคอร์รัปชันเป็น
ปัญหาท่ีสาคัญของประเทศไทยที่ต้องได้รับการแก้ไขอย่างเร่งด่วน (กรมสอบสวนคดีพิเศษ, 2562)
ซ่ึงปัญหาการทุจริตการจัดซื้อจัดจ้างของหน่วยงานภาครัฐเป็นปัญหาท่ีเกิดข้ึนอย่างเป็นระบบ และเป็นปัญหาท่ี
เกิดขึ้นซ้าซาก ดังน้ันในการแก้ปัญหาต้องดาเนินการวิเคราะห์ด้วยวิธีการคิดเชิงระบบ (systems thinking) อย่าง
ละเอียดครอบคลุมถึงพฤติกรรมของปัญหา รูปแบบของปัญหา องค์ประกอบของปัญหา และความสัมพันธ์ของ
องค์ประกอบของปัญหา การวเิ คราะห์ดว้ ยวธิ กี ารคิดเชิงระบบ เปน็ การศึกษาข้อมูลที่เกิดข้ึนในอดีตเพื่อสร้างแบบ
แผนว่าทาไมถึงเกิดการทุจริตข้ึนได้ ผลการได้แบบแผนการทุจริตที่เกิดขึ้นสามารถนามาเป็นข้อมูลเพื่อทานาย
โครงการจัดซื้อจัดจ้างที่จะเกิดขึ้นใหม่ว่าโครงการมีแนวโน้มเกิดการทุจริต หรือไม่เกิดการทุจริต การท่ีทราบว่า
โครงการใดมแี นวโน้มจะเกิดการทจุ ริต จะทาให้หนว่ ยงานทเี่ กี่ยวข้องทบทวนโครงการหรือเพม่ิ มาตรการตรวจสอบ
ติดตามทกุ ขัน้ ตอนส่งผลให้เกิดความโปร่งใสในการจัดซ้อื จัดจา้ งของหนว่ ยงานภาครัฐได้ในทส่ี ดุ

ในกระบวนการวเิ คราะห์ข้อมูลเพ่ือหารูปแบบการทุจริตจัดซ้ือจัดจ้าง ในปจั จุบนั สามารถนาเทคโนโลยีเข้า
มาเป็นเครื่องมือเพ่ือช่วยวิเคราะห์ทาให้มีผลการวิเคราะห์มีความถูกต้องแม่นยามากขึ้น เทคโนโลยีดังกล่าว ได้แก่
เทคโนโลยีเหมืองข้อมูล (Data mining) ด้วยความแม่นยาของระบบประมวลผลของคอมพิวเตอร์ท่ีสามารถ
วิเคราะห์ข้อมูลเชิงลึกท่ีให้ผลลัพธ์การวิเคราะห์มีความถูกต้องและเชื่อถือได้ ทาให้เทคโนโลยีเหมืองข้อมูล

วารสารวิชาการ ป.ป.ช. ปที ่ี 15 ฉบบั ที่ 1

การประยกุ ตใ์ ชก้ ระบวนการเหมอื งขอ้ มลู (Data mining) ดว้ นเทคนคิ การเรียนรู้ของเคร่ือง 70

(Machine learning) เพ่ือการปอ้ งกันการทุจรติ การจัดซ้อื จดั จา้ งของหนว่ ยงานภาครฐั

ถกู นาไปใช้อยา่ งกวา้ งขวางในหลาย ๆ หนว่ ยงานท้งั ภาครัฐและเอกชน ซึ่งกระบวนเหมอื งขอ้ มลู มีเทคนิคที่นามาใช้
วิเคราะห์หลายวิธีการ ในปัจจุบันเทคนิคการเรียนรู้ของเครื่อง (Machine learning) เป็นเทคนิคท่ีได้รับการ
ยอมรับว่ามีประสิทธิภาพในวิเคราะห์การจาแนกข้อมูล และสามารถทานายผลจากข้อมูลท่ีมีอยู่ถูกต้องในอัตราสูง
เนื่องจากเทคนิคการเรยี นรู้ของเคร่ือง เรียนรู้จากขอ้ มูลที่เกิดข้นึ ในอดีต และสามารถเรียนรจู้ ากการรวบรวมข้อมูล
เข้าสู่ฐานข้อมูลขนาดใหญ่ (Big data) สาหรับการวิเคราะห์และประมวลผลอย่างต่อเนื่องทาให้การเรียนรู้ของ
เครื่องวิเคราะหไ์ ด้ถกู ตอ้ งมากขึ้น ส่งผลให้สามารถทานายพฤติการณ์ตา่ ง ๆ นาไปสู่การตดั สินใจการดาเนนิ งานตาม
ภารกิจของหนว่ ยงานอย่างมปี ระสิทธิภาพ

สาหรบั บทความนม้ี วี ัตถปุ ระสงค์เพื่อนาเสนอแนวคิดการป้องกันการทุจริตการจัดซ้ือจัดจา้ งของหน่วยงาน
ภาครัฐโดยการประยุกต์ใช้กระบวนการเมืองข้อมูลด้วยเทคนิคการเรียนรู้ของเคร่ือง เพ่ือเป็นข้อมูลนาไปใช้ในการ
วางแผนเพ่อื การป้องกันการทุจริตการจดั ซ้ือจดั จ้างของหน่วยงานภาครัฐ เช่น ทานายแนวโน้มการทุจริตการจัดซ้ือ
จัดจา้ งโครงใหมท่ จ่ี ะเกิดขึ้น การหาความสัมพันธ์ขององคป์ ระกอบการทจุ รติ ที่เกิดข้ึน เปน็ ตน้

การดาเนินการศึกษา ผู้เขียนได้ศึกษาหลักการ ทฤษฎี ประเด็นท่ีเก่ียวข้อง ได้แก่ ทฤษฎีเหมืองข้อมูล
ทฤษฎกี ารเรียนรูข้ องเคร่ือง ทฤษฎีต้นไม้ตดั สินใจ โปรแกรมคอมพิวเตอรส์ าหรับการทาเหมืองข้อมลู และตวั อย่าง
งานวิจยั ในต่างประเทศ พรอ้ มทัง้ ได้เสนอตัวอยา่ งการประยกุ ต์ใช้กระบวนการเหมืองข้อมลู ดว้ ยเทคนิคการเรียนรู้
ของเครือ่ งเพ่ือการป้องกันการทจุ รติ การจัดซื้อจัดจา้ งของหนว่ ยงานภาครัฐเพื่อเป็นแนวทางในการนาไปปฏิบัติจริง
ตอ่ ไป

2. ทฤษฎีเหมอื งข้อมลู (Data Mining)
Data Mining หมายถึง การสกัดหรือวิเคราะห์ค้นหาข้อมูลท่ีต้องการจากข้อมูลจานวนมากได้หรือกล่าว

อีกนัยหนึ่ง คือ ชุดซอฟต์แวร์ (Software) วิเคราะห์ข้อมูลที่ได้ถูกออกแบบมาเพ่ือระบบสนับสนุนความต้องการ
ของผู้ใช้ในการค้นหาข้อมูลที่ต้องการจากข้อมูลจานวนมากได้ (ศูนย์เทคโนโลยีสารสนเทศและการสื่อสาร
สานักงานปลัดกระทรวงศึกษาธิการ, 2564) การทาเหมืองข้อมูล (Han & Kamber, 2006) คือ กระบวนการ
วิเคราะห์ข้อมูลจากมุมมองที่แตกต่างกันและสามารถสรุปผลเป็นข้อมูลท่ีมีประโยชน์ กระบวนการทาเหมืองข้อมลู
ใช้หลายหลักการเช่น เทคนิคการเรียนรู้ของเคร่ือง สถิติ (Statistics) เทคนิคการสร้างภาพ (Visualization
techniques) วิทยาการสารสนเทศ (Information science) เทคโนโลยีฐานข้อมูล (Database technology)
และหลกั การอ่ืน ๆ เพื่อคน้ พบและนาเสนอความรู้ในรปู แบบท่เี ขา้ ใจได้งา่ ย โดยอกี ความหมายหนึ่งคือกระบวนการ
ที่กระทากับข้อมูลจานวนมาก เพื่อสกัดสารสนเทศรวมถึงรูปแบบและความสัมพันธ์ที่ซ่อนอยู่ในชุดข้อมูลขนาดใหญ่น้ัน
ซ่งึ การทาเหมืองข้อมูลเป็นการบรรจบกนั ของหลายหลักการ ดงั ภาพที่ 1

วารสารวิชาการ ป.ป.ช. ปีที่ 15 ฉบับที่ 1

การประยกุ ต์ใช้กระบวนการเหมอื งข้อมลู (Data mining) ดว้ นเทคนคิ การเรยี นรู้ของเครอ่ื ง 71

(Machine learning) เพอ่ื การป้องกนั การทจุ ริตการจัดซอ้ื จัดจา้ งของหน่วยงานภาครัฐ

ภาพท่ี 1 หลักการที่ใช้ในการทาเหมอื งข้อมลู สถิติ

เทคโนโลยฐี านขอ้ มูล

วทิ ยาการสารสนเทศ Data Mining การเรียนรู้ของเครื่องจกั ร
เทคนิคการสร้างภาพ หลกั การอ่ืน ๆ

ทมี่ า: From Data mining: Concepts and techniques (2nd ed.) (pp. 29), by โดย J. Han, & M. Kamber, 2006, San
Francisco: Morgan Kaufmann.

กระบวนการทางานของ Knowledge Discovery in Database (KDD) หรอื Data Mining
กระบวนการ Knowledge Discovery in Database (KDD) (Fayyad et al., 1996) หมายถงึ กระบวนการ
ในการค้นหาความรู้สารสนเทศจากกลุ่มข้อมูลที่มีจานวนมาก ซ่ึงมีขั้นตอนการทาเหมืองข้อมูลเป็นกระบวนการ
หลักเพื่อค้นหาลักษณะท่ีน่าสนใจของข้อมูลเหล่าน้ี ทาให้ได้มาซึ่งรูปแบบข้อมูลท่ีเป็นเหตุเป็นผล เป็นประโยชน์
และเข้าใจได้ง่าย ซ่ึงการนาเอาเทคนิคการทาเหมืองข้อมูลไปใช้น้ันจะมีวิธีการต่างกัน ข้ึนอยู่กับวัตถุประสงค์ท่ีจะ
นาไปใชง้ านว่าใช้เพ่ือทาอะไร สง่ิ ท่ีตอ้ งการรู้คอื อะไร ดงั นนั้ จึงมีการนาเสนอวิธีการทห่ี ลากหลายสาหรบั เป้าหมายท่ี
ตา่ งกันเพื่อให้ได้ผลลัพธท์ ี่เหมาะสมต่อความต้องการหลงั จากนาไปใชง้ าน โดยขน้ั ตอนการทาเหมืองข้อมูลสามารถ
แสดงเปน็ รปู ไดด้ ังนี้

วารสารวิชาการ ป.ป.ช. ปที ่ี 15 ฉบับท่ี 1

การประยกุ ตใ์ ชก้ ระบวนการเหมอื งขอ้ มลู (Data mining) ด้วนเทคนิคการเรียนรู้ของเคร่อื ง 72

(Machine learning) เพ่อื การปอ้ งกนั การทุจริตการจดั ซ้อื จัดจา้ งของหนว่ ยงานภาครัฐ

ภาพที่ 2 กระบวนการทาเหมอื งขอ้ มูล (Fayyad et al., 1996)

ท่มี า: From From Data Mining to Knowledge Discovery in Databases (pp. 41), by U. Fayyad, G. Piatetsky-Shapiro,
& P. Shapiro, AI Magazine, 17(3).

จากภาพที่ 2 แสดงกระบวนการทาเหมืองข้อมูล 5 ขนั้ ตอน ดงั น้ี
1. การเลอื กขอ้ มลู (Selection) เปน็ การเลอื กหรอื แบ่งข้อมลู ตามเงื่อนไขท่ีกาหนด เชน่ เลือกพนักงาน
ทม่ี ีรถยนตเ์ ป็นของตนเอง
2. การเตรียมข้อมูล (Preprocessing) เป็นขั้นตอนในการเตรียมข้อมูลโดยการแยกข้อมูลที่ไม่มีค่า
ขอ้ มลู ท่ีทาการบันทึกผิด ข้อมลู ทม่ี ีความซ้าซ้อนหรือไมส่ อดคล้องกันออกไปและทาการรวบรวมข้อมูลทต่ี ้องการซึ่ง
ได้มาจากหลายๆ ฐานข้อมูลเข้าไวด้ ้วยกัน
3. การเปล่ียนรูปข้อมูล (Transformation) เป็นข้ันตอนการเปลี่ยนรูปหรือรวบรวมข้อมูลให้อยู่ใน
รปู แบบท่เี หมาะสมสาหรับการทาเหมอื งขอ้ มูล เชน่ ในรูปผลรวม หรอื ผลสรปุ
4. การทาเหมืองข้อมูล (Data mining) เป็นข้ันตอนที่สาคัญเพ่ือทาการกลั่นกรองรูปแบบของข้อมูล
(Data pattern) จากข้อมูลดิบท่ีมี ในข้ันตอนน้ีมีการนาเทคนิคต่าง ๆ เพ่ือเข้ามาช่วยในการดึงรูปแบบ (Pattern)
ที่ซอ่ นอยู่ในข้อมลู ออกมา
5. การแปรผลและการประเมินผล (Interpretation evaluation) เปน็ ขั้นตอนท่นี ารูปแบบ (Pattern)
ที่ได้จากการทาเหมืองข้อมูล แปลให้อยู่ในรูปของความรู้ (Knowledge) และนาเสนอต่อผู้ใช้ เพื่อใช้สนับสนุนการ
ตดั สินใจ

วารสารวชิ าการ ป.ป.ช. ปีท่ี 15 ฉบบั ท่ี 1

การประยกุ ต์ใช้กระบวนการเหมอื งขอ้ มลู (Data mining) ด้วนเทคนิคการเรียนรู้ของเครื่อง 73

(Machine learning) เพื่อการปอ้ งกนั การทจุ ริตการจัดซื้อจดั จา้ งของหนว่ ยงานภาครัฐ

3. ทฤษฎกี ารเรยี นรูข้ องเครื่อง (Machine learning)
Machine learning หรือ การเรียนรู้ของเคร่ือง เป็นสาขาหน่ึงของปัญญาประดิษฐ์ท่ีพัฒนามาจาก

การศึกษาการรู้จาแบบเกี่ยวข้องกับการศึกษาและการสร้างอัลกอริทึมที่สามารถเรียนรู้ข้อมูลและทานายข้อมูลได้
อัลกอริทึมน้ันจะทางานโดยอาศัยโมเดลท่ีสร้างมาจากชุดข้อมูลตัวอย่างเพื่อการทานายหรือตัดสินใจโดยไม่ต้อง
เขียนโปรแกรมไว้อย่างชัดแจ้ง การเรียนรู้ของเคร่ืองต้องอาศัยวิธีการทางสถิติศาสตร์เป็นอย่างมาก โดยเชื่อมโยง
กับองค์ความรู้อ่ืนที่ต้องการนาไปประยุกต์ เช่น การแพทย์ ชีวสารสนเทศศาสตร์ เคมีสารสนเทศศาสตร์
(ศูนย์เทคโนโลยีสารสนเทศและการสื่อสาร สานักงานปลัดกระทรวงศึกษาธิการ, 2564) การเรียนรู้ของเคร่ือง
หมายถึง การนาข้อมูลต่าง ๆ มาฝึกให้เครื่องหรือคอมพิวเตอร์ได้เรียนรู้หาคาตอบ การเรียนรู้ หมายถึง การเรียนรู้
วธิ ีหาคาตอบจากข้อมลู ฝึกหดั จากน้นั จงึ นาวิธกี ารหาคาตอบท่ีได้ไปใช้พยากรณ์คาดการณส์ ิ่งท่จี ะเกิดขนึ้ จากข้อมูล
ชุดใหม่ ต่างจากการทาเหมืองข้อมูลเพราะการทาเหมืองข้อมูลเป็นการวิเคราะห์สืบค้นหาความรู้ที่เป็นประโยชน์
และมีความสาคัญท่ีแฝงอยู่ในฐานข้อมูลขนาดใหญ่ที่ยังไม่ทราบคาตอบหรือความสัมพันธ์ของปัจจัยต่าง ๆ ที่แฝง
อยู่ (Kaur et al., 2015) ซึ่งสอดคล้องกับ ปริญญา สงวนสัตย์ (2562, น. 3) ท่ีได้กล่าวว่า “Machine learning”
หรือ “การเรียนรู้ของเครอ่ื ง” เปน็ เคร่อื งมอื หน่ึงของปัญญาประดิษฐ์ (Artificial Intelligence) หรือ AI ที่มุง่ เน้นใน
การใชต้ วั อยา่ งหรือประสบการณเ์ พ่ือการเรยี นร้งู าน โดยมนุษย์มีสว่ นรว่ มเพยี งการออกแบบระบบเท่านั้น หลังจาก
น้นั ระบบจะสกดั สาระสาคญั จากตวั อย่างเหล่านเี้ อง หลักจากเรยี นรู้เสร็จส้นิ ด้วยตัวอยา่ งจานวนหนงึ่ อย่างเพียงพอ
เครื่องหรือระบบที่เรียนรู้แล้วนี้สามารถนาไปใช้ในการประมวลผลของตัวอย่างใหม่ที่ไม่เคยพบมาก่อนได้อย่างมี
ประสิทธิภาพ โดยในการฝึกให้คอมพิวเตอร์เรียนรู้จะใช้ข้อมูลในอดีตจานวนมากนามาวิเคราะห์ด้วยเทคนิคของ
เหมืองข้อมูล เพื่อสร้างวิธีการเรียนรู้ท่ีเป็นต้นแบบใช้พยากรณ์หรือทานายสิ่งที่อาจจะเกิดในอนาคต ปัจจุบัน
Machine learning ถูกแบ่งอย่างกว้างๆ ออกเป็น 3 ประเภท โดย Shalev-Shwartz and Ben-David (2009)
ไดอ้ ธิบายตามลักษณะของข้อมลู นาเข้า หรือข้อมลู ฝึก ได้แก่

การเรียนรู้จากข้อมูลแบบมีโครงสร้าง (Supervised learning) เป็นการเรียนรู้แบบมีผู้สอน หรือจาก
ข้อมูลตัวอย่างในอดีตท่ีเฉลยผลลัพธ์ท่ีควรจะเป็นแสดงเป็นลาเบล (Label) ไว้ นามาสอน Machine ให้ค้นหา
ความสัมพันธ์ และสร้างกฎท่ัวไปไว้ เพื่อทานายว่าข้อมูลนาเข้าแบบน้ีแล้วจะทาให้ได้ข้อมูลส่งออกแบบใด สาหรับ
เทคนิควิธีการจาแนกกลุม่ (Classification) เช่น การวิเคราะห์เครือข่ายประสาทเทียม (Neuron networks) และ
การวิเคราะหต์ น้ ไมต้ ัดสนิ ใจ

การเรียนรู้จากข้อมูลแบบไม่มีโครงสร้าง (Unsupervised learning) เป็นการเรียนรู้แบบไม่มีผู้สอน
หรอื ไม่มีข้อมูลเฉลยผลลัพธ์ใด ๆ ให้ Machine ได้เรยี นรู้ ซ่ึง Machine ตอ้ งหาโครงสรา้ งของข้อมลู นาเข้าเอง โดย
บอกแค่ความต้องการข้อมูลแบบใด เช่นต้องการแบ่งกลุ่มข้อมูล (Clustering) แต่ไม่สามารถระบุผลลัพธ์
ที่จะได้ Machine จะทาการแบง่ กลุ่มข้อมูลตามเง่ือนไขที่เราระบเุ ท่านั้น สาหรับเทคนิควิธีท่ีใช้ในการจดั กลุ่มข้อมูล
เชน่ Hierarchical clustering algorithms (Single-link, Complete-link, Average-link) และPartitional clustering
algorithms (K-means, K-medoids)

การเรียนรู้ในรูปแบบที่ใกล้เคียงกับการเรียนรู้ของมนุษย์มากท่ีสุด การเรียนรู้แบบเสริมแรง
(Reinforcement learning) คือ Machine มีปฏิสัมพันธ์กับส่ิงแวดล้อมท่ีเปลี่ยนแปลงตลอดเวลา โดย Machine
จะตอ้ งทางานบางอย่างเอง โดยท่ไี ม่มี “ผสู้ อน” คอยบอกวา่ วิธกี ารแบบใดจะทาให้ถงึ เปา้ หมาย หรอื วธิ กี ารท่ีทาอยู่
เข้าใกลเ้ ป้าหมายแล้วหรอื ไม่

วารสารวชิ าการ ป.ป.ช. ปีท่ี 15 ฉบับท่ี 1

การประยกุ ตใ์ ช้กระบวนการเหมอื งข้อมลู (Data mining) ดว้ นเทคนิคการเรยี นรู้ของเครอ่ื ง 74

(Machine learning) เพ่อื การป้องกันการทจุ ริตการจดั ซอ้ื จัดจา้ งของหน่วยงานภาครฐั

บทความน้ีในการนาเสนอตัวอย่างการวเิ คราะห์ ผู้เขียนใช้การวิเคราะห์ด้วยประเภทการเรียนรู้จากข้อมลู
แบบมีโครงสรา้ ง เป็นการเรียนรู้แบบมผี สู้ อน โดยใช้ข้อมูลหรือจากข้อมลู ตัวอยา่ งในอดตี ท่ีมผี ลการสอบสวนสิ้นสุด
แล้วนาเข้าการเรียนรู้ของเคร่ือง ให้ค้นหาความสัมพันธ์ และสร้างกฎทั่วไปไว้เพื่อทานายว่าจากข้อมูลท่ีนาเข้าแล้ว
จะทาใหไ้ ด้ข้อมูลสง่ ออกแบบใด สาหรับเทคนคิ วิธีการจาแนกกลุ่มทน่ี าเสนอคือ ต้นไมต้ ดั สินใจ

4. การใช้การเรยี นรูข้ องเคร่ืองสรา้ งโมเดลการทจุ ริตคอร์รปั ชนั
การใช้การเรยี นรขู้ องเคร่ืองสร้างโมเดลวิเคราะห์การทจุ ริตคอร์รัปชนั สามารถใชว้ ธิ กี ารวเิ คราะห์ด้วยวิธี

โครงข่ายประสาทเทียม (Artificial Neuron Network) หรือวิธีนาอีฟเบย์ (Naive bayes) หรือวิธี Support
Vector Machine หรือ วิธีต้นไม้ตัดสินใจ (Decision tree) เน่ืองจากแต่ละวิธีใช้สาหรับการจัดกลุ่มข้อมูล
กล่าวคือ โมเดลต่าง ๆ จะใช้ข้อมูลในอดีตและเพื่อทานายส่ิงท่ีจะเกิดข้ึนในอนาคต สามารถให้ข้อมูลเชิงลึกแก่
หน่วยงานกากับดูแลเก่ียวกับความเส่ียงที่จะเกิดข้ึน (Gallego et al., 2018) หรือสามารถระบุความสัมพันธ์ของ
องค์ประกอบพื้นฐานท่ีนาไปสู่ความทุจริต จากผลการวิเคราะห์ กฎความสัมพันธ์ของวิธีต้นไม้ตัดสินใจ
(Velasco et al., 2021) ได้ศึกษาโมเดลที่มีคุณสมบัติการทานายท่ีดีที่สุด โดยวิเคราะห์ตัวชี้วัดการทุจริตสูง โดย
การรวมฐานข้อมูลที่แตกต่างกัน การรู้จารูปแบบ และความรู้ในการดึงข้อมูลเป็นส่วนหน่ึงของการค้นพบความรู้
จากการศึกษาได้เสนอแนะว่าการประยุกต์ใช้การเข้าถึงบิ๊กดาต้า (Big data) และวิธีการทาเหมืองข้อมูล จะทาให้
ไดผ้ ลลัพธ์ที่ดีขน้ึ โดยได้ปรบั ขอ้ มลู นาเข้าดว้ ยฐานข้อมูลประเภทต่าง ๆ (ภาพที่ 3) เพือ่ สรา้ งทเี่ ก็บสว่ นกลาง (Data
lake) หรือชุดข้อมูลแบบรวมศูนย์ท่ีสามารถรองรับรูปแบบของพฤติกรรมท่ีน่าสงสัยหรือทุจริตในกระบวนการ
จดั ซ้ือจดั จา้ ง ซึ่งคณุ ภาพการวเิ คราะห์สง่ิ ผดิ ปกติน้นั ขน้ึ อยกู่ บั คุณภาพของสิ่งท่ดี ูพิรธุ หรือดูน่าสงสยั (Red Flags)

ภาพท่ี 3 โมเดลการตรวจจับการฉ้อโกง

ระบุแหลง่ ขอ้ มูล การดึงขอ้ มลู และ ระบุตวั บ่งช้ีการ ระบุส่ิงท่ีดูพิรุธ
การประมวลผล ทุจริต หรือดูน่าสงสยั
การติดฉลาก
ขอ้ มูล การสร้าง การตรวจสอบ การปรับและ
แบบจาลอง โมเดล การใชโ้ มเดล

ที่มา: From Review of Public Procurement Fraud Detection Techniques Powered by Emerging Technologies
(pp. 3), by N. Modrušan, L. Mršić, & K. Rabuzin, International Journal of Advanced Computer Science and
Applications, 12(2).

วารสารวิชาการ ป.ป.ช. ปีที่ 15 ฉบบั ท่ี 1

การประยกุ ตใ์ ช้กระบวนการเหมอื งข้อมลู (Data mining) ดว้ นเทคนิคการเรียนรู้ของเคร่อื ง 75

(Machine learning) เพื่อการปอ้ งกันการทจุ ริตการจดั ซอ้ื จัดจา้ งของหน่วยงานภาครฐั

ตัวอย่างงานวิจยั ต่างประเทศการทาเหมืองข้อมูลวเิ คราะห์การทจุ ริต ดังตารางที่ 1 (Modrušan et al.,
2021)

ตารางที่ 1 งานวิจยั การทาเหมอื งขอ้ มูลวิเคราะหก์ ารทจุ ริต

ผู้วิจยั เปา้ หมาย รูปแบบ/วธิ ีการ ตัวแปรเป้าหมาย
Wensink and Maarten de การประมาณความนา่ จะเป็น Probit -Linear Regression การทุจริต, กรณโี ปร่งใส
Vet (2006) ของการทุจริต
Mencıa et al. (2013) การทานายจานวนผปู้ ระมลู k-NN, LibSVM, LibLinear “นา่ สงสัย” การประกวด
Ensemble, Neural ราคาเดยี ว
Wang (2016) แบบจาลองการคาดการณ์ network
ความเสย่ี งจากการฉ้อโกงใน One-Class Support "เส่ยี ง": ไม่รวมผรู้ ับเหมา
Gallego et al. (2018) สัญญา Vector Machine, Logistic เน่อื งจากการฉอ้ โกง, การ
Regression ทจุ ริตคอรร์ ัปชัน, การละเมดิ
Carvalho et al. (2014) การคาดคะเนการกระทาผดิ กฎหมายป้องกนั การผูกขาด
ตามสญั ญา Lasso Logistic "นา่ สงสยั ": การขยายสญั ญา,
Sales and Carvalho Regression, Conditional ผู้รบั เหมาท่ถี กู ลงโทษ,
(2016) การแยกซอ้ื Inference Tree, Gradient ผู้รบั เหมาบญั ชดี า
Boosting machine
Sales (2013) แบบจาลองการคาดการณ์ Tree Augmented "น่าสงสัย" : สถาบันเดียวกนั
ความเสย่ี งจากการทจุ ริตใน Network, Bayesian ในท่ีเดียวกัน เดือนและปีที่
Sun and Sales (2018) สญั ญา Networks รวมกนั มากกวา่ 8,000 ยูโร
Naive Bayes, Tree- "เสีย่ ง": ระงบั การประมลู
Fazekas and Kocsis แบบจาลองการคาดการณ์ Augmented Naive Bayes ช่ัวคราว, ประกาศความไม่
(2020) ความเสย่ี งจากการทจุ ริตใน score-based learning นา่ เชอ่ื ถอื , อปุ สรรค
สญั ญา algorithms เพ่ือประมลู และจา้ ง
แบบจาลองการคาดการณ์ Logistic Regression, "เสยี่ ง": ข้อผดิ พลาดรา้ ยแรง
ความผดิ ปกติของการจัดซ้ือ Decision Tree ของซัพพลายเออร์ในการ
จดั จา้ งสาธารณะทีอ่ อกแบบ ดาเนนิ การตามสัญญาใด ๆ
มาสาหรบั การคดั กรอง A neural network, Deep
เบื้องต้นของผูร้ ับเหมา Neural Network, Logistic "เสย่ี ง" : บรษิ ทั รบั ประมลู ได้
สมั ประสทิ ธท์ิ ่ีแสดงถึงความ Regression, Discriminant
แข็งแกรง่ ของความสมั พันธ์ Function Analysis อย่างน้อย หนง่ึ บทลงโทษที่
ระหว่างการป้อนขอ้ มลู ท่อี าจ
กอ่ ให้เกดิ การทจุ รติ และ Logistic Regression, รุนแรงเน่ืองจากเกิดความ
ผลการทุจริตทอี่ าจเกดิ ขึน้ Linear Regression
ผิดปกตอิ ยา่ งรา้ ยแรง
"นา่ สงสยั ": สว่ นแบ่งผ้ชู นะ
ของผอู้ อกหนุ้ สัญญา,
ผู้เสนอราคารายเดียว, ยกเว้น
ทง้ั หมดแต่
ผเู้ สนอราคารายเดียว

วารสารวชิ าการ ป.ป.ช. ปที ่ี 15 ฉบับท่ี 1

การประยกุ ต์ใชก้ ระบวนการเหมอื งข้อมลู (Data mining) ดว้ นเทคนคิ การเรียนรู้ของเครอ่ื ง 76

(Machine learning) เพอื่ การป้องกนั การทุจริตการจัดซ้ือจดั จา้ งของหนว่ ยงานภาครฐั

ผู้วิจยั เป้าหมาย รูปแบบ/วิธีการ ตวั แปรเปา้ หมาย
Ralha and Silva (2012)
การตรวจจบั พนั ธมิตร Clustering, association ความสมั พนั ธร์ ะหว่าง
Baldomir et al. (2018)
Domingos et al. (2016) rules, multi-agent องคก์ าร
Tas (2017)
approach
Van Erven et al. (2017)
และ Carneiro et al. การตรวจจบั พันธมิตร Association rules – A- ความสมั พนั ธร์ ะหวา่ ง
(2020)
Arief et al. (2016) priori algorithm องคก์ าร

Modrušan et al. (2020) การตรวจจับความผิดปกติ Deep Learning Auto- ความผดิ ปกติ

Velasco et al. (2021) encoder algorithm

การเปิดเผยโครงสร้างของ The reduced form of ความสัมพนั ธร์ ะหว่าง

พฤติกรรมสมรู้ร่วมคดิ linear regression องคก์ าร

enriched KRLS method

with the CF approach

ระบคุ วามสมั พนั ธ์ระหวา่ ง Graph databases, หนว่ ยงานที่เกย่ี วขอ้ งใน

บรษิ ัท Decision support system, กระบวนการ

Rule-based

การตรวจจับการฉอ้ โกง Naive Bayes, Bayesian "นา่ สงสัย": คาตดั สนิ ของศาล

กระบวนการจดั ซือ้ จัดจา้ ง networks, Decision tree , คณะกรรมการปราบปราม

สาธารณะ and neural network. การทุจริต (KPK) และความ

คดิ เหน็ ของประชาชน

การตรวจจับกระบวนการ Data mining, Linear ประกวดราคาเดียว -ประมลู

จัดซื้อจดั จา้ งสาธารณะที่ regression, Support คร้งั เดยี ว

นา่ สงสัย vector machines, Naive

Bayes, Process mining

การสมร้รู ว่ มคดิ ระหว่าง Graph theory, Clustering, รปู แบบความเสยี่ งของการ

ผ้เู สนอราคา, ความขดั แย้ง and Regression analysis สมรรู้ ่วมคดิ , รูปแบบความ

ทางผลประโยชน์ทับซ้อนและ with advanced data เสี่ยงระดบั องคก์ าร, รปู แบบ

เจ้าของบริษัทผู้เป็นคน science methods ความเสยี่ งระดบั บคุ คล

บิดเบือนที่มีศกั ยภาพ

เพอื่ อาพรางเจา้ ของท่แี ทจ้ ริง

จากตารางที่ 1 แสดงให้เห็นถึงการนากระบวนการทาเหมืองข้อมูล มาวิเคราะห์การทุจริตในการจัดซ้ือ
จัดจ้าง งานวิจยั ได้ใช้เทคนคิ การเรยี นรู้ของเครอื่ งโดยใช้วธิ กี ารท่ีหลากหลาย (ช่องคอลัมน์ รูปแบบ/วิธีการ) และตวั
แปรเปา้ หมายการวิเคราะห์ ที่แตกต่างกนั ตามพฤตกิ รรมของการทจุ ริตท่เี กิดขน้ึ

5. ทฤษฎีตน้ ไมต้ ัดสินใจ (Decision tree)
บทความนี้ผเู้ ขียนขอเสนอการประยุกต์ใช้กระบวนการเมืองข้อมลู ดว้ ยเทคนิคการเรยี นรู้ของเครื่องโดยใช้

วิธีการต้นไมต้ ัดสนิ ใจ วิเคราะห์การทุจริตการจัดซ้ือจดั จา้ งของหนว่ ยงานภาครฐั การใชว้ ธิ กี ารต้นไมต้ ัดสนิ ใจ จะทา
ให้ทราบความสมั พันธข์ องส่วนประกอบตา่ ง ๆ ของการของการทุจริตจดั ซ้ือจัดจ้างของหนว่ ยงานภาครัฐ ด้วยภาพ
ทสี่ ามารถอธิบายการเชื่อมโยงความสมั พนั ธไ์ ดอ้ ยา่ งชัดเจน แนวคดิ วิธกี ารตน้ ไมต้ ัดสนิ ใจ มีดงั นี้

วารสารวชิ าการ ป.ป.ช. ปีท่ี 15 ฉบบั ท่ี 1

การประยกุ ต์ใช้กระบวนการเหมอื งขอ้ มลู (Data mining) ด้วนเทคนคิ การเรยี นรู้ของเคร่อื ง 77

(Machine learning) เพอื่ การปอ้ งกันการทุจริตการจัดซ้ือจดั จา้ งของหน่วยงานภาครฐั

ต้นไม้ตัดสินใจ คือ แบบจาลองทางคณิตศาสตร์ เพื่อการหาทางเลือกท่ีดีที่สุด โดยการนาข้อมูลมาสร้าง
แบบจาลองการพยากรณ์ในรูปแบบของโครงสร้างต้นไม้ ซึ่งมีการเรียนรู้ข้อมูลแบบมีผู้สอน สามารถสร้าง
แบบจาลองการจดั หมวดหมู่ (Clustering) ไดจ้ ากกลุ่มตวั อย่างของข้อมูลที่กาหนดไว้ลว่ งหน้า ได้โดยอตั โนมัติ และ
สามารถพยากรณ์กลุม่ ของรายการทย่ี งั ไมเ่ คยนามาจัดหมวดหมู่ได้อกี ด้วย

โดยปกตมิ ักประกอบด้วยกฎในรปู แบบ “ถา้ เง่ือนไข แล้ว ผลลัพธ์” (พยูน พาณชิ ยก์ ลุ , 2548) เชน่
“If Income = High and Married = No THEN Risk = Poor”
“If Income = High and Married = Yes THEN Risk = Good”

5.1 ส่วนประกอบของตน้ ไม้ตดั สินใจ ประกอบดว้ ย (จิตตภู พลู วัน, 2550)
(1) โหนด (Node) คือ คุณสมบัติตา่ ง ๆ เปน็ จุดทแ่ี ยกข้อมลู วา่ จะใหไ้ ปในทศิ ทางใด ซ่ึงโหนดที่อยู่

สูงสุดเรียกว่า โหนดราก (Root node)
(2) กิง่ (Branch) คือ คณุ สมบัตขิ องคุณสมบัติในโหนดที่แตกออกมา โดยจานวนของกงิ่ จะเท่ากับ

คณุ สมบัตขิ องโหนด
(3) ใบ (Leaf) คือ กลุ่มของผลลัพธ์ในการแยกแยะข้อมูล โดยสามารถแสดงส่วนประกอบของ

ต้นไม้ตดั สินใจ ดงั ภาพท่ี 4 และ 5
ภาพที่ 4 แสดงส่วนประกอบของตน้ ไม้ตดั สนิ ใจ

ทมี่ า: จาก ระบบสนบั สนุนการตัดสนิ ใจในการเลอื กใช้แพคเกจอินเทอร์เนต็ มอื ถือ โดยใช้ต้นไม้ตัดสินใจ (รายงานวจิ ัย) (น. 68), โดย
รุจริ า ธรรมสมบัติ, 2554, นนทบรุ ี: สาขาคอมพิวเตอร์ธุรกิจ คณะบริหารธรุ กจิ วิทยาลัยราชพฤกษ์.

วารสารวชิ าการ ป.ป.ช. ปีที่ 15 ฉบับที่ 1

การประยกุ ตใ์ ชก้ ระบวนการเหมอื งขอ้ มลู (Data mining) ด้วนเทคนคิ การเรียนรู้ของเคร่ือง 78

(Machine learning) เพ่อื การป้องกันการทจุ รติ การจัดซ้ือจดั จา้ งของหน่วยงานภาครฐั

ภาพที่ 5 ตัวอย่างตน้ ไม้ตัดสินใจ

เงินออมต่อเดือน

<=1000 >1000

รายได้ จานวนบุตร
<4 >=4
<=1000 >1000
Yes Yes No
No

ท่ีมา: จาก การออกแบบและพัฒนาระบบสนับสนุนการตัดสินใจในการอนุมัติลูกบ้านเข้าโครงการโดยใช้เทคนิคต้นไม้ตัดสินใจ
กรณีศึกษามูลนิธิท่ีอยู่อาศัยเพ่ือมนุษยชาติ, โดย ศุภชัย ประคองศิลป์, 2551, ปัญหาพิเศษปริญญาวิทยาศาสตร์มหาบัณฑิต
สาขาวิชาเทคโนโลยสี ารสนเทศ คณะเทคโนโลยสี ารสนเทศ บณั ฑิตวิทยาลยั สถาบนั เทคโนโลยพี ระจอมเกล้าพระนครเหนอื .

จากภาพท่ี 5 ต้นไม้ตัดสินใจแสดงความสัมพันธ์ของปัจจัยที่มีผลต่อการออมเงิน > 1000 บาท หรือ
ออมเงิน <= 1000 บาท โดยโหนดราก (Root node) เป็นเงินออมต่อเดือน โดยมี 2 ก่ิง (Branch) คือ กิ่งรายได้
และ กิ่งจานวนบตุ ร และมใี บ (Leaf) คือ กลุ่มของผลลพั ธใ์ นการแยกแยะขอ้ มลู คือ Yes และ No

5.2 ขนั้ ตอนการสร้างตน้ ไม้ตัดสนิ ใจ
การสร้างต้นไม้ตัดสินใจ หลักการพื้นฐานของการสร้างต้นไม้ตัดสินใจ เป็นการสร้างในลักษณะจากบน
ลงล่าง (Top-Down) คือเริ่มจากการสร้างรากของต้นไม้ก่อนแล้วจึงแตกก่ิงไปจนถึงใบ โดยแสดงขั้นตอนการสร้าง
ตน้ ไมต้ ัดสนิ ใจได้ดงั นี้ (Han & Kamber, 2001)

1) ตน้ ไมเ้ ริ่มต้นโดยมีโหนดเพยี งโหนดเดยี วแสดงถงึ ชดุ ขอ้ มลู ฝึก (Training set)
2) ถา้ ข้อมูลท้ังหมดอย่ใู นกลุ่มเดยี วกันแลว้ ให้โหนดเป็นใบและต้ังชือ่ แยกตามกลุ่มของข้อมูลน้ัน
3) ถ้าในโหนดมีข้อมูลหลายกลุ่มปะปนอยู่ จะต้องวัดค่าเกน (Gain) ของแต่ละ Attribute
เพื่อท่ีจะใช้เป็นเกณฑ์ในการคัดเลือก Attribute ที่มีความสามารถในการแบ่งแยกข้อมูลออกเป็นกลุ่มต่าง ๆ ได้ดี
ทีส่ ุด โดย Attribute ท่ีมีค่าเกนมากทสี่ ดุ จะถูกเลือกใหเ้ ป็นตัวทดสอบหรือ Attribute ใช้ในการตัดสินใจ โดยแสดง
ในรูปของโหนดบนต้นไม้
4) กง่ิ ของต้นไม้ ถกู สร้างข้นึ จากค่าตา่ ง ๆ ทเ่ี ป็นไปได้ของโหนดทดสอบ และขอ้ มูลจะถูกแบ่งออก
ตามก่งิ ตา่ ง ๆ ทส่ี รา้ งขน้ึ
5) ทาการวนซ้าเพื่อ Attribute ที่มีค่าเกนมากท่ีสุด สาหรับข้อมูลที่ถูกแบ่งแยกออกมาในแต่ละ
ก่ิงเพ่ือนา Attribute นี้มาสร้างเป็นโหนดตัดสินใจต่อไป โดยท่ี Attribute ที่ถูกเลือกมาเป็นโหนดแล้วจะไม่ถูก
เลือกมาอีก สาหรับโหนดในระดับตอ่ ๆ ไป
6) ทาการวนซ้าเพ่ือแบ่งข้อมูลและแตกก่ิงของต้นไม้ไปเร่ือย ๆ โดยการวนซ้าจะส้ินสุดก็ต่อเมื่อ
เงือ่ นไขขอ้ ใดข้อหน่ึงตอ่ ไปนเ้ี ป็นจรงิ

วารสารวิชาการ ป.ป.ช. ปที ี่ 15 ฉบับท่ี 1

การประยกุ ตใ์ ชก้ ระบวนการเหมอื งขอ้ มลู (Data mining) ด้วนเทคนิคการเรียนรู้ของเคร่ือง 79

(Machine learning) เพื่อการปอ้ งกนั การทจุ ริตการจัดซ้ือจดั จา้ งของหนว่ ยงานภาครัฐ

หลังจากทาการสร้างต้นไม้ตัดสินใจแล้ว สามารถใช้ต้นไม้ตัดสินใจในการจาแนกข้อมูลใหม่ท่ีเข้ามาได้
โดยจะทาการจาแนกหมวดหมู่ของข้อมูลใหม่ (ท่ีประกอบไปด้วย Attribute ต่าง ๆท่ีไม่ทราบหมวดหมู่ข้อมูลนั้น)
การเปรียบเทยี บ Attribute ท่ีอยู่ในโหนดรากกบั คา่ ของ Attribute ในขอ้ มูลใหม่ท่ีพจิ ารณา จะทาการเปรยี บเทียบ
จากโหนดรากไปจนถึงโหนดใบ เม่อื เราทราบถึงโหนดใบจะทาให้เราทราบถงึ หมวดหมู่ของข้อมลู ใหม่

6. โปรแกรมคอมพวิ เตอร์สาหรับวเิ คราะห์เหมอื งข้อมลู
ในการสร้างโมเดลเพื่อทานาย ปัจจุบันมีโปรแกรมสาเร็จรูปที่สามารถนามาสร้างโมเดลการเรียนรู้ของ

เคร่อื ง โปรแกรมที่ได้รับความนยิ ม ได้แก่ โปรแกรม Weka, โปรแกรม RapidMiner Studio หรือเขียนด้วยภาษา
Python โดยใช้ไลบรารี Scikit-learn ในบทความนี้ผู้เขียนนาเสนอการใช้โปรแกรม RapidMine Studio สร้าง
โมเดลวิเคราะหก์ ารทจุ รติ การจดั ซอ้ื จดั จ้างของหนว่ ยงานภาครฐั

โปรแกรม RapidMiner Studio แรกเร่ิมพัฒนาข้ึนจากบริษัทท่ีชื่อว่า Rapid-I ในประเทศเยอรมนี และ
ปี พ.ศ. 2556 ได้รับทุนจากนักลงทุนในประเทศสหรัฐอเมริกาจึงเปลี่ยนชื่อบริษัทจาก Rapid-I เป็น RapidMiner
แทนและย้ายสานักงานใหญ่มาอยู่ประเทศสหรัฐอเมริกา ความสามารถและการทางานของ RapidMiner Studio
version Education (เอกสิทธิ์ พชั รวงศ์ศักดา, 2557) เปน็ Software ท่ีสามารถใชง้ านฟรีทาให้สามารถประหยัด
คา่ ใชจ้ ่าย กรณีตอ้ งการใชง้ านเพื่อทดสอบ การวเิ คราะห์ข้อมลู การทาความสะอาดข้อมลู (Data Cleansing) และ
การรายงานข้อมูลในรูปแบบต่าง ๆ เช่น ตาราง แผนภูมิ เป็นต้น ความสามารถและการทางานของ Software
RapidMiner Studio ดังน้ี

1. สามารถนาเข้าข้อมูลได้หลายลักษณะ เช่น การเช่ือมโยงจากฐานข้อมูลโดยตรง ไฟล์ Excel
และไฟล์ CSV เปน็ ต้น

2. สามารถเขยี นไฟล์ใหอ้ ยูใ่ นรูปแบบของ Excel และ CSV
3. สามารถแสดงข้อมลู ในกราฟแบบตา่ ง ๆ เชน่ Scatter Plot และ Time Series
4. สามารถแปลงข้อมูลจากฐานข้อมูล Relation Database ให้เป็นฐานข้อมูล Transaction
Database
5. สามารถหากฎความสัมพันธ์ (Association Rules) การสร้างจาก Item ที่เกิดขึ้นบ่อย ๆ โดย
เทคนคิ การหากฎความสัมพันธ์ ได้แก่ Apriori และ FP Growth
6. สามารถแบ่งกลุ่มข้อมูล (Clustering) การแบ่งกลุ่มข้อมูล โดยข้อมูลที่มีลักษณะคล้าย ๆ กัน
อยู่กลุ่มเดียวกัน และข้อมูลท่ีอยู่คนละกลุ่มจะมีลักษณะท่ีแตกต่างกันมาก ๆ เทคนิค การแบ่งกลุ่มข้อมูล ได้แก่ K-
Means, Agglomerative Clustering และ DBScan
7. สามารถจาแนกประเภทข้อมูล (Classification) การนาข้อมูลเดิมที่มีคาตอบท่ีสนใจ หรือ
คลาส (Class) มาสรา้ งเปน็ โมเดล (Model) เพือ่ หาคาตอบใหก้ ับข้อมลู ใหม่ (Unseen Data) โดยคลาสคาตอบเป็น
ประเภท (Nominal) เช่น ฝนตกหรือไม่ตก หรือ Spam Email หรือ Normal Email เป็นต้น เทคนิคการจาแนก
ประเภทข้อมูล ได้แก่ Linear Regression, Naïve Bayes, Decision Tree, K-Nearest Neighbors, Neural
Networks และ Support Vector Machines
8. สามารถเปรียบเทียบประสิทธิภาพของโมเดลจากเทคนิค Classification ต่าง ๆ และ T-test
9. สามารถทา Text Mining และ Image Mining, Selection และ Visualization

วารสารวิชาการ ป.ป.ช. ปที ่ี 15 ฉบบั ท่ี 1

การประยกุ ต์ใช้กระบวนการเหมอื งข้อมลู (Data mining) ดว้ นเทคนิคการเรียนรู้ของเคร่อื ง 80

(Machine learning) เพือ่ การปอ้ งกนั การทจุ รติ การจดั ซ้อื จัดจา้ งของหนว่ ยงานภาครัฐ

7. ตัวอย่าง การประยุกต์ใช้กระบวนการเหมืองข้อมูล (Data mining) ด้วยเทคนิคการเรียนรู้ของเครื่อง
(Machine learning) เพื่อการป้องกันการทุจริตการจัดซ้ือจัดจ้างของหน่วยงานภาครัฐโดยใช้โปรแกรม
RapidMiner Studio (ขอ้ มูลท่ีนามาวเิ คราะห์เปน็ ข้อมูลสมมตขิ ึ้นเพ่ือการศกึ ษาเทา่ น้ัน)

ขนั้ ตอนการวิเคราะห์โดยใชว้ ธิ ีการตน้ ไมต้ ัดสนิ ใจประกอบด้วย 5 ขั้นตอน ดังตารางท่ี 2 ดงั นี้

ตารางที่ 2 แสดงขัน้ ตอนการดาเนนิ งาน

ขน้ั ตอน การดาเนินการ
ข้นั ตอนท่ี 1 การเลือกขอ้ มูล
(Selection) - ศกึ ษาคณุ ลักษณะของข้อมลู ท่ีเกยี่ วข้องกับกระบวนการจัดซอ้ื จดั จ้างโครงการท่ี
ดาเนนิ การเสรจ็ สมบูรณ์
ข้ันตอนท่ี 2 การเตรียมขอ้ มลู - การกาหนดคณุ ลกั ษณะขอ้ มลู นาเข้า (Attribute)
(Preprocessing) - การกาหนดข้อมลู นาออก (Label)
ขั้นตอนท่ี 3 การเปลี่ยนรปู ขอ้ มลู - ดาเนนิ เก็บรวบรวมขอ้ มลู จากหน่วยงานภาครฐั ตา่ ง ๆ ทมี่ ีการดาเนินโครงการจดั ซ้ือ
(Transformation) จดั จ้างเสรจ็ สมบูรณ์แลว้
- ดาเนนิ เกบ็ รวบรวมขอ้ มลู จากหน่วยงานภาครฐั ตา่ ง ๆ ที่มกี ารรอ้ งเรยี นการทุจรติ
ขน้ั ตอนท่ี 4 การทาเหมอื งขอ้ มูล การจัดซื้อจดั จ้าง และคดีถงึ ทีส่ ุดแลว้
(Data mining)
ขั้นตอนท่ี 5 การแปลผลและการ - คัดแยกขอ้ มูลทไ่ี มส่ มบรู ณค์ า่ ข้อมลู ข้อมลู ซา้ ซ้อน หรอื ทาการบนั ทึกผดิ พลาดออก
ประเมินผล (Interpretation จากข้อมลู สมบูรณ์
evaluation) - รวบรวมข้อมูลจากการเก็บจากวธิ กี ารต่าง ๆ เข้าไวด้ ว้ ยกนั ในรูปแบบไฟล์ดจิ ิทัล

- เปลย่ี นรปู ขอ้ มลู ให้อย่ใู นรูปแบบที่ใช้กับเทคนิคการเรียนรู้ของเคร่ือง โดยใช้วิธกี าร
ต้นไมต้ ัดสินใจได้
- กรณที ี่ต้องการคัดกรองจานวนคณุ ลักษณะของข้อมูลนาเข้า (Attribute) สามารถ
ใชก้ ารวิเคราะหค์ วามถดถอยพหุคณู (Multiple Regression) วเิ คราะหค์ วามสมั พนั ธ์
ในเบื้องตน้

- สร้างโมเดลทานายการทุจริตการจดั ซื้อจดั จา้ งภาครัฐดว้ ยโปรแกรม Rapidminer
Studio สรา้ งโมเดลดว้ ยโดยใช้วธิ ีการต้นไม้ตดั สินใจได้

- พจิ ารณาประสิทธภิ าพการทานายการทจุ รติ โครงการจดั ซื้อจัดจา้ งโดยดูจากคา่ ความ
ถกู ต้อง (Accuracy) คา่ ความแม่นยา (Precision) และคา่ ความลึก (Recall)
- แปลผลอยู่ในรปู ของความรู้ (Knowledge)
- แสดงกฎความสัมพันธข์ องระหวา่ งองค์ประกอบตา่ ง ๆ ของโครงการจดั ซ้ือจดั จ้าง
กับการทุจรติ หรอื ไม่ทจุ รติ

จากตารางท่ี 2 กระบวนการเมอื งข้อมลู ดว้ ยเทคนิคการเรียนรขู้ องเคร่ือง โดยใชว้ ธิ ีการต้นไมต้ ัดสนิ ใจเพอื่
วเิ คราะหก์ ารทุจรติ การจัดซ้ือจัดจ้างของหนว่ ยงานภาครัฐ

ขนั้ ตอนที่ 1 การเลอื กข้อมูล (Selection)
รวบรวมข้อมูลย้อนหลัง 5 ปี หรือมากกว่า การกาหนดประเภทของข้อมูล (Attribute) ท่ีเก็บรวบรวม
เช่น 1) ประเภทโครงการ 2) สงั กดั หนว่ ยงาน 3) จานวนงบประมาณ 4) ระยะเวลาของโครงการ 5) พ้ืนทโ่ี ครงการ
6) อายหุ ัวหนา้ สงู สุดของหน่วยงาน 7) โครงการ ทจุ รติ /ไม่ทุจริต (กาหนดเปน็ Label )

วารสารวชิ าการ ป.ป.ช. ปีที่ 15 ฉบับท่ี 1

การประยกุ ต์ใช้กระบวนการเหมอื งขอ้ มลู (Data mining) ดว้ นเทคนิคการเรียนรู้ของเครอ่ื ง 81

(Machine learning) เพ่อื การปอ้ งกนั การทจุ รติ การจัดซือ้ จัดจา้ งของหนว่ ยงานภาครัฐ

ขั้นตอนที่ 2 การเตรียมข้อมูล (Preprocessing)
รวบรวมข้อมูลจากการเก็บจากวิธีการตา่ ง ๆ เขา้ ไวด้ ว้ ยกนั ในรูปแบบไฟล์ Excel ดงั ภาพที่ 6
ภาพที่ 6 แสดงตัวอย่างการเตรียมข้อมูล

ข้นั ตอนท่ี 3 การเปล่ียนรูปข้อมูล (Transformation)
เนื่องจากข้อมูลตามตัวอย่างสามารถนาเข้าโปรแกรม RapidMiner Studio และสามารถวิเคราะห์ด้วยวธิ ี
ต้นไม้ตัดสินใจ แต่ต้องมีการปรับรูปข้อมูล 2 Attribute คือ Project ID ตั้งค่าเป็น id และ Attribute ทุจริต/
ไม่ทุจริต ต้ังค่าเป็น Label ขั้นตอนการตั้งค่า ดาเนินการในข้ันตอนนาข้อมูลเข้าโปรแกรม RapidMiner Studio
ดังภาพท่ี 7
ภาพที่ 7 การ Import data และการต้งั ค่า Attribute

โปรแกรม RapidMiner Studio และใช้เมนู Import data เพื่อนาขอ้ มูลเข้าโปรแกรม

วารสารวชิ าการ ป.ป.ช. ปีท่ี 15 ฉบับที่ 1

การประยกุ ตใ์ ชก้ ระบวนการเหมอื งข้อมลู (Data mining) ด้วนเทคนคิ การเรียนรู้ของเคร่ือง 82

(Machine learning) เพอื่ การป้องกนั การทจุ ริตการจดั ซือ้ จัดจา้ งของหน่วยงานภาครฐั

ขน้ั ตอนที่ 4 การทาเหมืองข้อมลู (Data mining)
ข้นั ตอนการสร้างโมเดลดว้ ยโปรแกรม RapidMiner Studio ดังนี้
ข้ันที่ 1 เลือก Data set และเลือก Operator Split validation จากนั้นลากเส้นเชื่อมโยง

Operator ต่าง ๆ เข้าด้วยกันเพ่ือทาให้เกิด Process และต้ังค่า Operator Split Validation ดังน้ี split = relative,
split ratio = 0.8 (Train set 80 %, Test set 20 %) และเลือกกลุม่ ตวั อย่างแบบ Automatic ดงั ภาพท่ี 8
ภาพที่ 8 การตงั้ คา่ พารามิเตอร์ Operator Validation

ขั้นท่ี 2 เลอื ก Operator สาหรับสรา้ งโมเดลทานาย
การสร้างโมเดล Decision Tree

1) เปิด Operator Validation ดังภาพที่ 9
ภาพท่ี 9 การเปิด Operator Validation

2) หลงั จากเปดิ Operator Validation จะพบหนา้ ต่าง Training และ Testing ใน
หน้าต่าง Training เลือก Operator Decision tree และในหน้าต่าง Testing วาง Operator Apply Model
และ Operator Performance จากนั้น ลากเสน้ เชอ่ื มโยง operator ต่าง ๆ เขา้ ดว้ ยกนั เพอื่ ทาใหเ้ กิด Process
ดังภาพท่ี 10

วารสารวชิ าการ ป.ป.ช. ปที ี่ 15 ฉบบั ที่ 1

การประยกุ ตใ์ ช้กระบวนการเหมอื งขอ้ มลู (Data mining) ดว้ นเทคนคิ การเรียนรู้ของเครอ่ื ง 83

(Machine learning) เพ่ือการป้องกันการทจุ ริตการจัดซอื้ จัดจา้ งของหน่วยงานภาครฐั

ภาพที่ 10 การสร้างโมเดล Decision Tree

3) การต้งั คา่ พารามเิ ตอร์ Operator Decision tree ค่าพารามิเตอร์ Operator Performance

ดังภาพท่ี 11

ภาพท่ี 11 การตั้งคา่ พารามเิ ตอร์ Operator Decision tree, Operator Performance

จากภาพที่ 11 กรณตี วั อย่างในบทความน้ี ต้ังคา่ Decision tree ดังนี้ criterion =
gain_ratio, maximal dept = 10, confidence = 0.1 และตงั้ คา่ Performance ดังน้ี main criterion =
accuracy และเลือกผลทานายประกอบดว้ ย คา่ accuracy , weighted mean recall, weighted mean
precision

ขนั้ ที่ 3 Run โมเดล เพื่อดคู ่าความถูกต้อง (Accuracy), คา่ ความแม่นยา (Precision) และค่า
ความระลึก (Recall) การ Run โมเดลดังภาพท่ี 12

ภาพที่ 12 การ Run โมเดล Decision tree

วารสารวชิ าการ ป.ป.ช. ปีท่ี 15 ฉบบั ที่ 1

การประยกุ ต์ใชก้ ระบวนการเหมอื งข้อมลู (Data mining) ดว้ นเทคนคิ การเรยี นรู้ของเครอื่ ง 84

(Machine learning) เพื่อการปอ้ งกนั การทจุ ริตการจัดซ้อื จัดจา้ งของหนว่ ยงานภาครัฐ

ขั้นตอนที่ 5 การแปลผลและการประเมินผล (Interpretation evaluation)
ผลลัพธ์ประสิทธภิ าพการทานายดังภาพที่ 13
ภาพท่ี 13 แสดงผลโมเดลทานายได้ค่า Accuracy, Precision, Recall 100 % ทกุ ค่า

ภาพท่ี 14 ภาพตวั อย่างต้นไม้ตัดสนิ ใจจากการวิเคราะหด์ ว้ ยโปรแกรม RapidMiner Studio

นอกจากการนาเสนอด้วยแผนภาพต้นไม้ตัดสินใจ โปรแกรม RapidMiner Studio ได้นาเสนอกฎ
ความสัมพันธ์ของ Attribute ต่าง ๆ มีความสัมพันธ์กับการทุจริตหรือไม่ทุจริต ลักษณะกฎความสัมพันธ์แสดง
ดงั นี้

if พน้ื ทีโ่ ครงการ = ภาค ก then ทุจรติ
if พนื้ ทโี่ ครงการ = ภาค ข then ไม่ทุจริต
if พน้ื ทีโ่ ครงการ = ภาค ค then ทุจริต
if พน้ื ทโี่ ครงการ = ภาค ง and อายหุ ัวหนา้ สงู สดุ ของหน่วยงาน = 50-54 then ไมท่ ุจริต
if พ้นื ทีโ่ ครงการ = ภาค ง and อายุหัวหน้าสูงสุดของหน่วยงาน = 56-60 then ทจุ ริต
หลังจากดาเนินการสร้างโมเดลการเรียนรู้ของเคร่ืองโดยใช้วิธีการต้นไม้ตัดสินใจได้ ถ้าค่าความถูกต้อง
ไม่ถึง 95 % ควรดาเนินการเพิ่ม Attribute ของข้อมูลเข้าใหม่ หรือเพิ่มจานวนข้อมูลมากขึ้น เพ่ือท่ีการเรียนรูข้ อง
เครื่องจะไดม้ ขี ้อมลู ในการเรยี นร้มู ากขน้ึ ซ่งึ จะสง่ ผลตอ่ คา่ ความถูกต้องของการทานายมากขึ้นเชน่ กัน

วารสารวิชาการ ป.ป.ช. ปที ี่ 15 ฉบับที่ 1

การประยกุ ตใ์ ชก้ ระบวนการเหมอื งข้อมลู (Data mining) ดว้ นเทคนิคการเรียนรู้ของเครอ่ื ง 85

(Machine learning) เพื่อการปอ้ งกนั การทจุ รติ การจัดซือ้ จดั จา้ งของหนว่ ยงานภาครัฐ

ข้ันตอนการทานายโครงการจัดซ้ือจัดจ้างใหม่ สามารถใช้กฏความสัมพันธ์ของ Attribute เขียนเป็น
โปรแกรมคอมพิวเตอร์เพ่ือวิเคราะห์โครงการที่กาลังจะดาเนินการในอนาคตได้ หรือใช้การวิเคราะห์โครงการ
จัดซื้อจัดจ้างใหม่ด้วยโปรแกรม RapidMiner Studio โดยสร้างไฟล์ข้อมูลโครงการใหม่ และนาข้อมูลเข้าในแต่ละ
Attribute ยกเว้น Attribute ทุจริต/ไม่ทุจริต เพราะโปรแกรมจะวิเคราะห์ และนาผลการวิเคราะห์เพ่ิมใน
Attribute ทุจรติ /ไม่ทจุ รติ โดยอัตโนมตั ิ การสรา้ งโมเดลดงั ภาพท่ี 15 ดังนี้

ภาพที่ 15 แสดงตัวอยา่ งการสร้างโมเดล และผลการวิเคราะหโ์ ครงการจดั ซ้อื จัดจา้ ง

ขอ้ มลู โครงการใหมท่ ี่ตอ้ งการวิเคราะห์

8. สรุป
การทจุ รติ ในสงั คมไทยระหว่างชว่ งเวลากว่าทศวรรษ สง่ ผลเสียต่อประเทศอย่างมหาศาลและเปน็ อุปสรรค

สาคัญต่อการพัฒนาเศรษฐกิจ สังคม การเมือง ในทุกมิติ รูปแบบการทุจริตจากเดิมท่ีเปน็ ทุจริตทางตรงไม่ซับซ้อน
อาทิ การรับสินบน การจัดซื้อจดั จา้ ง ในปจั จบุ ันได้ปรับเปลี่ยนเป็นการทุจริตท่ซี ับซ้อนมากขึ้น ซึง่ การจัดซ้ือจัดจ้าง
ภาครัฐท่ีไม่โปร่งใส จะนาไปสู่การทุจริตคอร์รัปชันต่าง ๆ มากมาย เช่น การติดสินบน การสมรู้ร่วมคิด การฮ้ัว
ประมูล การเอ้ือผลประโยชน์ ไปจนถึงการมีผลประโยชน์ทับซ้อน ซึ่งเกิดจากผู้มีส่วนเก่ียวข้องใช้อานาจ หรือ
ตัดสินใจโดยคานึงถึงผลประโยชน์ส่วนตนมากกว่าผลประโยชน์ส่วนราชการ ไม่ว่าจะเป็นผู้กาหนดนโยบาย
เจ้าหน้าท่ีของรัฐที่รับผิดชอบในการจัดซ้ือจัดจ้าง ผู้เข้าร่วมประมูล คู่สัญญา และผู้มีส่วนร่วมเก่ียวข้องทั้งหลายใน
สัญญา การป้องกันการทุจริตคอร์รัปชันถือเป็นยุทธศาสตร์และวาระแห่งชาติ เนื่องจากการทุจริตคอร์รัปชันเป็น
ปัญหาทส่ี าคญั ของประเทศไทยทตี่ ้องได้รับการแกไ้ ขอยา่ งเรง่ ดว่ น

ปัจจุบันสามารถประยุกต์ใช้กระบวนการเหมืองข้อมูล ด้วยเทคนิคการเรียนรู้ของเคร่ือง โดยใช้วิธี ต้นไม้
ตดั สนิ ใจ วิเคราะหก์ ารทุจริตการจัดซ้ือจัดจ้างของหนว่ ยงานภาครฐั โดยใช้ข้อมลู โครงการจัดซ้ือจัดจ้างทด่ี าเนินการ
เสร็จสมบูรณ์แล้วมาเป็นชุดข้อมูลเรียนรู้ และชุดข้อมูลทดสอบ ขั้นตอนของกระบวนการเหมืองข้อมูล
ประกอบดว้ ย 1) การเลือกข้อมูล 2) การเตรียมข้อมูล 3) การเปล่ยี นรปู ข้อมลู 4) การทาเหมืองข้อมูล 5) การแปล
ผลและการประเมินผล ซึ่งเป็นข้ันตอนที่นารูปแบบ (Pattern) ท่ีได้จากการทาเหมืองข้อมูล แปลให้อยู่ในรูปของ
ภาพต้นไม้ตัดสินใจ และแสดงกฏความความสัมพันธ์ของ Attribute เป็นชุดความรู้เพ่ือใช้สนับสนุนการตัดสินใจ

วารสารวชิ าการ ป.ป.ช. ปีท่ี 15 ฉบบั ที่ 1

การประยกุ ต์ใชก้ ระบวนการเหมอื งข้อมลู (Data mining) ด้วนเทคนิคการเรยี นรู้ของเครื่อง 86

(Machine learning) เพ่ือการป้องกนั การทุจริตการจัดซ้ือจดั จา้ งของหน่วยงานภาครฐั