江苏龙网

  1. 首页 > 人文 > >

保险欺诈暗潮涌动 邦盛科技实时智能风控“不动声色”

保险欺诈与保险市场的发展始终如影随形 。 当保险机构还处在市场份额争夺战时,日益猖獗的保险欺诈却在暗潮涌动 。 在我国,尤以车险市场和健康险市场上的欺诈行为最为突出 。
一辆投保车辆多次出险,一套伪造的资料多处使用,甚至发生过一辆车在同一事故中先后在10个保险机构获赔30多次的荒谬事 。 在健康险中,投保人或带病投保,或未发生保险事故而谎称发生保险事故,或先出险后投保,出伪证故意骗取保险金,或自导自演一幕幕自残的苦肉计 。
在科技创新的推动下,人工智能、大数据正成为保险科技的主要驱动力,政府及监管层高度重视保险科技的发展,发布了一系列监管措施,行业监管也逐步建立完善,推动行业良性发展 。
2012年8月,《关于加强反保险欺诈工作的指导意见》下发,从健全反欺诈制度体系、强化监管机制、提高欺诈风险管理能力、建立行业反欺诈合作平台等方面对反保险欺诈工作进行了总体部署;
2018年2月,《反保险欺诈指引》出台,保险机构欺诈风险管理制度体系、欺诈风险识别、评估与应对、反欺诈行业协作等上升到制度层面;
2019年4月《关于开展保险公司欺诈风险管理能力自评估工作的通知》发布,保险反欺诈监管或将从摸底进入实操阶段 。
2019年7月,监管驻场检查三家保险公司反欺诈保险体系建设,督促保险公司完善欺诈风险管理体系 。
科技加持下,关联图谱、数据挖掘、机器学习等技术在保险反欺诈工作中的运用越来越广泛,成为反欺诈的有力武器,大大提高了反欺诈的工作效率 。
关联图谱
通过对寿险业务及寿险风险案件的分析,我们发现传统的保险欺诈多数是个体偶发型的,其特点是个人行为,具有一定随机性 。 而如今逐步呈现团伙化、区域化、特定模式化,带来的危害性高,损坏性更大 。 较明显的团伙模式有,同一号码给多人申请理赔,同一投保人给多人投保且都发生出险,同一业务员下多位被保人短时间内同一种病出险等 。
关联图谱不同于一般的统计分析,它从另一角度将数据信息串联起来,并在此基础上进行数据分析与挖掘,实现更深层次的数据充分利用 。 这些风险模式涉及的关键数据都能在图谱中体现,进而我们可以利用图规则在图谱中实现对各类团伙风险模式的批量监测与预警;同时我们可以对与欺诈样本有直接关联且未出险的客户进行欺诈风险染色,实现对尚未发生风险的防范 。 正是因为关联图谱能与寿险反欺诈业务建立起强联系,我们有理由相信关联图谱能在寿险反欺诈中发挥重要作用 。
邦盛科技通过建设运用关联图谱技术,将保险欺诈环节可能涉及的所有有用数据字段,设计成图谱节点并定义节点间关系,构建出理赔反欺诈关系网络图谱,可视化展示两核业务风险节点,评估风险级别 。
图谱平台风险大盘利用地图及图表形式展示保险公司的理赔风险分布及风险趋势、风险峰值等指标 。 系统通过全国地图显示每个省的关键风险指标(如拒付率、调查拒付率等),报表平台满足监管基础报表管理与报送责任机制 。
关联图谱最简约的描述就是通过节点和关系将海量数据间的联系直观展示给用户 。 在人寿险业务场景中,可以通过关联图谱构建起投保人与被保人之间的投被保关系,被保人与医院之间的就诊治疗关系,投保人与代理人之间的保单服务关系,代理人与区部组之间的所属关系,被保人与疾病之间的出险原因关系,人与地区之间的居住所在地关系或是出险人与受益人之间的受益关系等 。
保险业务数据的特点是关联性强,而关联图谱技术的特点是能显著提高多维数据的关联分析、可视化分析能力,通过集成的底层图数据库能力,将多层次的关联查询能力提高N个数量级,并在此基础上拓展各类基础应用能力 。
保险欺诈暗潮涌动 邦盛科技实时智能风控“不动声色”■机器学习
逆选择风险是健康保险理赔的主要欺诈类型,保险公司既往的历史理赔案件中积累了大量的黑样本案件,因此可以基于历史理赔案件,通过提取和构建代理人、投保人、被保人和案件风险特征,建立逆选择机器学习模型,对高风险案件进行筛查,并给出疑点提示;对低风险案件自动核赔通过,提升理赔时效 。


推荐阅读


上一篇：Aggro电竞|Faker送火箭了！mayumi推特感谢大魔王与Doinb，Zoom终究错付了

下一篇：郑文杰|“嫖到失联”的郑文杰，又开始作妖了