保险科技——大数据分析能否支撑起保险公司反欺诈模型?

保观 | 聚焦保险创新

在过去很长一段时间,检验保险理赔中是否出现欺诈性理赔的工作往往会交给保险公司的理赔人员,而理赔人员会根据自己过往的经验和直觉进行判断,导致出现不正确的判断。随着大数据分析技术的进步,这样的审查可以逐步移交给专业的大数据分析,寻求更为快速和准确的结论。

但是使用大数据分析也存在各种各样的问题,其中一个问题就是使用数据分析来判断欺诈性理赔,因为没有理赔人员的介入,是否会给用户带来糟糕的理赔体验。

在高度信息化的今天,保护个人信息显得至关重要,但是在欺诈性理赔的分析判断中,需要大量来自承保、索赔、执法甚至其它保险公司的数据,随着个人隐私保护法不断推进,这会给保险公司收集数据造成很大的困扰。

另外,有了数据也并不意味着就可以高枕无忧了,因为一旦这些数据被收集利用,保险公司还必须考虑它是否准确。在数据分析的模型中,通常依赖于过去的一些信息,但由于每个个体存在变化,一旦用户习惯发生变化,便足以使这种分析变得毫无价值,所以评估数据的质量成为了一个难题。

由上可以发现,用数据分析去判断欺诈性理赔目前还存在一些问题,但很多事物并不是存在问题我们就要放弃它,更何况今天的保险公司已经看到了它的许多好处。欺诈性检测系统已经得到改善,以提供实时分析。一些保险公司已经获得了在保单或索赔被批准之前扫描欺诈行为的能力,这将给保险公司带来极大的便利。

信息孤岛导致效率欠佳

在过去,由于技术手段的限制,保险公司的各个系统间无法完成高效的数据交换和沟通,系统间就像一个个的孤岛。由于担心部门内部信息共享不当,即便是那些大型的保险公司,很多部门仍处于“信息独立”的运营状态中。

因此大量客户提供的信息只能由负责他们保险的部门使用。这就意味着车险部门无法获得房屋险部门收集的大量信息。尽管部门间有时可能会一起收集和处理数据,但这些保险公司必须确保信息不会传递不当。

这就意味着大量有效信息无法被高效率利用。这里我们可以做一个假设,如果我们将同一客户的有效信息进行合并,这有助于反欺诈部门将多个数据流(内部或外部)转化成数据和分析,并使用这些有效信息的映射图得到分析结论,而这将大大提高判断的准确率。我们总结了欺诈部门有三个主要目标:

发现欺诈行为,并对潜在的欺诈索赔进行深入审查。

将非欺诈性索赔退回到索赔环节,这样忠实的客户就不会感到不安。

在商业环节中尽可能无缝地执行前两项操作。

这项新的创新正在帮助加速数据的处理和其他服务的欺诈检测处理。用户在注册保单时,保险公司通过大信息提供初始分析。而代理人通常可以从理赔部门的初始审查中得到客户是否能够顺利理赔的实时结论。

反欺诈检测的应用

由于普通保险公司受制于信息的局限性和用户的隐私保护,目前反欺诈检测往往更多的被社保系统所使用。

以成都医保系统为例,据统计,截至2018年末,成都基本医疗保险参保人数1682.22万,“两定”机构数量超过13000家。2018年全年,门诊统筹结算超614万人次,住院医疗费用结算超293万人次,日均医保刷卡26.13万人次,每天医保基金支出超过7100万元。数据存储日均新增5G,累计超过150T。面对如此庞大的数据金山,医保管理者该如何撬动?

对此,成都市医保信息服务中心通过以大数据分析手段为主,以循证医学为辅,结合当前成熟先进的大数据算法,建立了大数据反欺诈平台。通过智能引擎对结算数据、电子病历等平台采集到的住院、门特相关数据进行全方位、多维度、长周期的分析,挖掘其中的行为模式、常用药方和治疗项目。再根据数据聚类,将存在其中的真实性问题数据识别出来,达到辅助工作人员决策,对医疗单位和参保人的精细化管理,控制欺诈骗保行为的目标。

从现实欺诈场景出发,平台共设计了频繁就医识别监测、住院时间重叠识别监测、滞留住院识别监测、虚假医疗服务识别监测在内的四种算法模型。

比如频繁就医识别监测,重点针对有关联关系的参保人在相同时间相同医院的就诊行为监测。利用聚类算法识别出就诊行为高度一致的可疑行为,作为联合骗保疑点。

住院时间重叠识别监测,直观的数据表现是患者的住院时间存在重叠,可能导致患者在报销的过程中,由于各种原因,出现2次及以上的医保报销,造成医疗资源浪费。

滞留住院识别监测,重点针对患者在就诊的过程中出现连续7天以上未发生实质性治疗的行为监测,该类患者结算费用明细往往只有护理费、诊查费、床位费等,存在滞留住院浪费医疗资源的嫌疑。

虚假医疗服务识别监测,重点针对工作人员在对参保人药品、诊疗项目进行报销时发生对码错误的行为,具体数据表现如医院端名称与中心端名称不匹配,导致医保报销出现错误的经办人员违规操作等。

通过这套系统,截至2019年4月底,成都市医保中心共找到可疑就诊记录3526条,查实违规记录3192条,查实准确率达到90.53%,涉及金额3133519.9元,有效降低了基金损失。

另外,作为平安孵化的四家“独角兽”企业之一,金融壹账通科技公司也为保险行业的反欺诈做出了许多智能化解决方案,实现风控最优化。

根据国际保险监督官协会测算,全球每年约有20%-30%的保险赔款涉嫌欺诈。就我国而言,以车险为例,欺诈渗漏比例约达20%。针对上述痛点,在车险领域,金融壹账通打造了智能闪赔解决方案,提供端到端专业车险理赔。依托平安30年经验积累,通过全国9大数据采集点,智能闪赔拥有优质的数据库及专业的风险管控,覆盖7万车型、12万修理厂、3500万条配件与工时数据,及六大类3万多条反渗漏规则。同时,通过AI图片识别、“一车一件一厂一价”的大数据精准匹配,可以秒级完成车理赔案件定损,提升效率、降低渗漏及欺诈风险。截止目前,金融壹账通智能闪赔合作保险公司数已超过25家。

在人身险领域,金融壹账通推出的智能人伤定损平台包含三大人伤定损作业平台,及多套人伤反渗漏与反欺诈智能引擎,通过信息智能化获取、损失智能化判定,实现伤情报价智能化、人伤成本精细化管控。解决了传统人伤案件理赔中审批复杂、流程长,时效低等问题。

该平台可通过医院信息直连,在伤情确诊的第一时刻,基于后台多达17个类别,近90万条的标准数据,经过智能模型的匹配,提供合理的赔偿方案。客户获取公正的报价,避免诉讼维权产生的额外时间、精力消耗;保险公司降低人工误差,实现精细高效。在人伤理赔案件处理流程中,平台以前期定损报价为蓝本,运用最新的科技和引擎对客户提交的费用索赔进行智能识别与审核,自动化审核率超过60%,可实现案均减损高达2000元。同时结合微表情技术及影像设备,准确识别谈判双方对当前赔偿方案的接受程度及情绪变动,及时弹性调整,促成调解方案签订。

反欺诈系统的未来

保观认为,未来的保险公司进行反欺诈分析可以从以下几点入手。

人工智能

人工智能技术的应用,使得理赔业务中人工核保定损向系统智能的转变。近几年保险行业越来越重视智能理赔系统建设,依靠技术手段应用业务数据管控理赔风险,开展保险反欺诈工作。随着理赔风控智能系统的普及应用,已经有保险公司开始将大多数理赔人员岗位性质由技术序列转为操作序列,重点依靠技术手段识别并管控欺诈风险。

区块链

基于区块链的反欺诈系统可以从分享欺诈理赔案件入手,加强保险公司之间的信息交流效率,并逐渐将理赔的处理转移到链上。区块链技术可在两方面助力保险欺诈:其一是建立反欺诈共享平台,根据客户的历史索赔信息进行分析以减少欺诈;其二是利用区块链技术的特征,建立唯一可识别身份,防止身份冒用。

大数据模型和人工结合

大数据在风控中必不可少。保险公司拥有的先天优势就是拥有广阔的大数据资源,大量客户交易往来的数据积累形成了庞大的结构化数据资源,以此做基础来建设反欺诈引擎,可用以应对保险欺诈。

但数据显示,如果保险公司采用模型代替人工的方式,依旧出现了大量的欺诈理赔通过检验的案例。因为尽管数据分析是当前保险业实践和进步革命的核心,它本质上仍必须是一个依赖直觉和人类洞察力的行业。

所以机器审查和人工审查的适当结合可以将反欺诈检测提升到一个新的水平,反欺诈分析仍然需要人的介入,因为即使是最先进的系统也只是提供数据产品,而不是最终的信息。

End

(0)

相关推荐