大數據分析能否支撐起保險公司反欺詐模型? - 專注金融科技與創新...

本文共字，預計閱讀時間。

在過去很長一段時間，檢驗保險理賠中是否出現欺詐性理賠的工作往往會交給保險公司的理賠人員，而理賠人員會根據自己過往的經驗和直覺進行判斷，導致出現不正確的判斷。隨著大數據分析技術的進步，這樣的審查可以逐步移交給專業的大數據分析，尋求更為快速和準確的結論。

但是使用大數據分析也存在各種各樣的問題，其中一個問題就是使用數據分析來判斷欺詐性理賠，因為沒有理賠人員的介入，是否會給用戶帶來糟糕的理賠體驗。

在高度信息化的今天，保護個人信息顯得至關重要，但是在欺詐性理賠的分析判斷中，需要大量來自承保、索賠、執法甚至其它保險公司的數據，隨著個人隱私保護法不斷推進，這會給保險公司收集數據造成很大的困擾。

另外，有了數據也並不意味著就可以高枕無憂了，因為一旦這些數據被收集利用，保險公司還必須考慮它是否準確。在數據分析的模型中，通常依賴於過去的一些信息，但由於每個個體存在變化，一旦用戶習慣發生變化，便足以使這種分析變得毫無價值，所以評估數據的質量成為了一個難題。

由上可以發現，用數據分析去判斷欺詐性理賠目前還存在一些問題，但很多事物並不是存在問題我們就要放棄它，更何況今天的保險公司已經看到了它的許多好處。欺詐性檢測系統已經得到改善，以提供實時分析。一些保險公司已經獲得了在保單或索賠被批准之前掃描欺詐行為的能力，這將給保險公司帶來極大的便利。

信息孤島導致效率欠佳

在過去，由於技術手段的限制，保險公司的各個系統間無法完成高效的數據交換和溝通，系統間就像一個個的孤島。由於擔心部門內部信息共享不當，即便是那些大型的保險公司，很多部門仍處於「信息獨立」的運營狀態中。

因此大量客戶提供的信息只能由負責他們保險的部門使用。這就意味著車險部門無法獲得房屋險部門收集的大量信息。儘管部門間有時可能會一起收集和處理數據，但這些保險公司必須確保信息不會傳遞不當。

這就意味著大量有效信息無法被高效率利用。這裡我們可以做一個假設，如果我們將同一客戶的有效信息進行合併，這有助於反欺詐部門將多個數據流(內部或外部)轉化成數據和分析，並使用這些有效信息的映射圖得到分析結論，而這將大大提高判斷的準確率。我們總結了欺詐部門有三個主要目標:

發現欺詐行為，並對潛在的欺詐索賠進行深入審查。

將非欺詐性索賠退回到索賠環節，這樣忠實的客戶就不會感到不安。

在商業環節中儘可能無縫地執行前兩項操作。

這項新的創新正在幫助加速數據的處理和其他服務的欺詐檢測處理。用戶在註冊保單時，保險公司通過大信息提供初始分析。而代理人通常可以從理賠部門的初始審查中得到客戶是否能夠順利理賠的實時結論。

反欺詐檢測的應用

由於普通保險公司受制於信息的局限性和用戶的隱私保護，目前反欺詐檢測往往更多的被社保系統所使用。

以成都醫保系統為例，據統計，截至2018年末，成都基本醫療保險參保人數1682.22萬，「兩定」機構數量超過13000家。2018年全年，門診統籌結算超614萬人次，住院醫療費用結算超293萬人次，日均醫保刷卡26.13萬人次，每天醫保基金支出超過7100萬元。數據存儲日均新增5G，累計超過150T。面對如此龐大的數據金山，醫保管理者該如何撬動？

對此，成都市醫保信息服務中心通過以大數據分析手段為主，以循證醫學為輔，結合當前成熟先進的大數據算法，建立了大數據反欺詐平臺。通過智能引擎對結算數據、電子病歷等平臺採集到的住院、門特相關數據進行全方位、多維度、長周期的分析，挖掘其中的行為模式、常用藥方和治療項目。再根據數據聚類，將存在其中的真實性問題數據識別出來，達到輔助工作人員決策，對醫療單位和參保人的精細化管理，控制欺詐騙保行為的目標。

從現實欺詐場景出發，平臺共設計了頻繁就醫識別監測、住院時間重疊識別監測、滯留住院識別監測、虛假醫療服務識別監測在內的四種算法模型。

比如頻繁就醫識別監測，重點針對有關聯關係的參保人在相同時間相同醫院的就診行為監測。利用聚類算法識別出就診行為高度一致的可疑行為，作為聯合騙保疑點。

住院時間重疊識別監測，直觀的數據表現是患者的住院時間存在重疊，可能導致患者在報銷的過程中，由於各種原因，出現2次及以上的醫保報銷，造成醫療資源浪費。

滯留住院識別監測，重點針對患者在就診的過程中出現連續7天以上未發生實質性治療的行為監測，該類患者結算費用明細往往只有護理費、診查費、床位費等，存在滯留住院浪費醫療資源的嫌疑。

虛假醫療服務識別監測，重點針對工作人員在對參保人藥品、診療項目進行報銷時發生對碼錯誤的行為，具體數據表現如醫院端名稱與中心端名稱不匹配，導致醫保報銷出現錯誤的經辦人員違規操作等。

通過這套系統，截至2019年4月底，成都市醫保中心共找到可疑就診記錄3526條，查實違規記錄3192條，查實準確率達到90.53%，涉及金額3133519.9元，有效降低了基金損失。

另外，作為平安孵化的四家「獨角獸」企業之一，金融壹帳通科技公司也為保險行業的反欺詐做出了許多智能化解決方案，實現風控最優化。

根據國際保險監督官協會測算，全球每年約有20%-30%的保險賠款涉嫌欺詐。就我國而言，以車險為例，欺詐滲漏比例約達20%。針對上述痛點，在車險領域，金融壹帳通打造了智能閃賠解決方案，提供端到端專業車險理賠。依託平安30年經驗積累，通過全國9大數據採集點，智能閃賠擁有優質的資料庫及專業的風險管控，覆蓋7萬車型、12萬修理廠、3500萬條配件與工時數據，及六大類3萬多條反滲漏規則。同時，通過AI圖片識別、「一車一件一廠一價」的大數據精準匹配，可以秒級完成車理賠案件定損，提升效率、降低滲漏及欺詐風險。截止目前，金融壹帳通智能閃賠合作保險公司數已超過25家。

在人身險領域，金融壹帳通推出的智能人傷定損平臺包含三大人傷定損作業平臺，及多套人傷反滲漏與反欺詐智能引擎，通過信息智能化獲取、損失智能化判定，實現傷情報價智能化、人傷成本精細化管控。解決了傳統人傷案件理賠中審批覆雜、流程長，時效低等問題。

該平臺可通過醫院信息直連，在傷情確診的第一時刻，基於後臺多達17個類別，近90萬條的標準數據，經過智能模型的匹配，提供合理的賠償方案。客戶獲取公正的報價，避免訴訟維權產生的額外時間、精力消耗；保險公司降低人工誤差，實現精細高效。在人傷理賠案件處理流程中，平臺以前期定損報價為藍本，運用最新的科技和引擎對客戶提交的費用索賠進行智能識別與審核，自動化審核率超過60%，可實現案均減損高達2000元。同時結合微表情技術及影像設備，準確識別談判雙方對當前賠償方案的接受程度及情緒變動，及時彈性調整，促成調解方案籤訂。

反欺詐系統的未來

保觀認為，未來的保險公司進行反欺詐分析可以從以下幾點入手。

人工智慧

人工智慧技術的應用，使得理賠業務中人工核保定損向系統智能的轉變。近幾年保險行業越來越重視智能理賠系統建設，依靠技術手段應用業務數據管控理賠風險，開展保險反欺詐工作。隨著理賠風控智能系統的普及應用，已經有保險公司開始將大多數理賠人員崗位性質由技術序列轉為操作序列，重點依靠技術手段識別並管控欺詐風險。

區塊鏈

基於區塊鏈的反欺詐系統可以從分享欺詐理賠案件入手，加強保險公司之間的信息交流效率，並逐漸將理賠的處理轉移到鏈上。區塊鏈技術可在兩方面助力保險欺詐：其一是建立反欺詐共享平臺，根據客戶的歷史索賠信息進行分析以減少欺詐；其二是利用區塊鏈技術的特徵，建立唯一可識別身份，防止身份冒用。

大數據模型和人工結合

大數據在風控中必不可少。保險公司擁有的先天優勢就是擁有廣闊的大數據資源，大量客戶交易往來的數據積累形成了龐大的結構化數據資源，以此做基礎來建設反欺詐引擎，可用以應對保險欺詐。

但數據顯示，如果保險公司採用模型代替人工的方式，依舊出現了大量的欺詐理賠通過檢驗的案例。因為儘管數據分析是當前保險業實踐和進步革命的核心，它本質上仍必須是一個依賴直覺和人類洞察力的行業。

所以機器審查和人工審查的適當結合可以將反欺詐檢測提升到一個新的水平，反欺詐分析仍然需要人的介入，因為即使是最先進的系統也只是提供數據產品，而不是最終的信息。

[Source]

本文系未央網專欄作者發表，屬作者個人觀點，不代表網站觀點，未經許可嚴禁轉載，違者必究！首圖來自圖蟲創意。

本文為作者授權未央網發表，屬作者個人觀點，不代表網站觀點，未經許可嚴禁轉載，違者必究！首圖來自圖蟲創意。

本文版權歸原作者所有，如有侵權，請聯繫刪除。首圖來自圖蟲創意。