理論與實務主頁 > 理論與實務 > 理論探討 >

應用大數據助力車險反欺詐

2018-11-11 00:20 来源:中国保险报网

    自1988年起,车险不断是我国财产保险第一大险种。仅2017年,我国保险业为全国2.07亿机动车辆提供风险保障,年度受理车险理赔案件近8000万笔,赔款3500亿元以上。机动车的高流动性、车险赔付对象多样性,导致其风险管控非常复杂。车险不断是保险欺诈的重灾区,各保险公司理赔业务开展过程中积累了大量数据。为此,内行业监管部门的统筹领导下,重点推进行业大数据在反欺诈领域的运用。
 
    車險欺詐的常見方式及危害
 
    车险欺诈包括职业性的保险欺诈犯罪、机会型的扩大保险损失骗赔以及利用信息不对称获取不当利益等各种情形。按照欺诈主导者的行为特征进行分类,车险欺诈可分为機會型欺詐、兼業型欺詐和職業型欺詐三种。
 
    機會型欺詐
 
    機會型欺詐主导者通常是车主、伤者等保险赔偿对象,欺诈行为基于真实的出险案件,具有偶然性强、欺诈方式多样、金额较小等特点,危害绝对较小。此类欺诈通常有熟习保险理赔业务的人员“指点”甚至直接参与,具有极强的隐蔽性,很难针对性的打击和防备。
 
    例如被保险人伙同修缮厂在真实车损的基础上,虚列车辆损失,骗取保险金;三者人伤在医院挂床,或开具虚伪误工、护理、伤残等各类证明,骗取保险金。
 
    兼業型欺詐
 
    兼業型欺詐主导者通常是保险中介、修缮厂等车险周边服务供应商,利用本身主营业务的便利条件兼职欺诈,获取运营利益。此类欺诈具有非常明显的主营业务关联性,危害较大,具有较强的隐蔽性,其辨认难度相当程度上取决于其作案频度。
 
    例如保险中介为获客,在承保端伙同客户带伤投保并骗赔、理赔端协助客户谎报不属于保险责任的事故(酒驾顶包等),骗取保险金;修缮厂维修车辆期间人为扩大损失,或直接购置高价老旧车型制造虚伪事故,骗取保险金。
 
    職業型欺詐
 
    職業型欺詐主导者通常以诈骗保险赔款为生、团伙作案,具有丰富的理赔业务经验,甚至不乏保险从业人员内外勾结作案。此类欺诈次要以车辆或人伤碰瓷、以虚伪材料虚拟保险事故等方式,利用各保险公司的信息孤岛现状,跨公司骗取保险金。具有职业性、频发性等特点,危害极大,具有极强的隐蔽性,只要经过业内信息共享、业务联动才能对其有效辨认和打击。
 
    例如职业诈骗团伙利用“小额快赔”减免理赔单证,互联网理赔只需求提供影像材料等业务漏洞,以假事故、假证明材料骗取保险金;低价买入全损、水淹、火灾等严重事故高档车,简单修复后,投保高额车损险,人为制造车辆全损事故,骗取保险金;制造虚伪异地出险涉人伤(死亡)事故,提供全套虚伪理赔证明,骗取保险金。
 
    以上各类车险欺诈行为直接导致保险公司不得不以更复杂的风控流程进行管控,给普通保险消费者的理赔带来不便;进步了保险公司的运营成本,间接拉升保险产品价格,对保险産品創新和便捷理赔服务推行形成妨碍。
 
    應用大數據開展車險反欺詐
 
    近年来,国内车险反欺诈运用大数据技术在智能零碎推行、完善内控流程、行业风控联动等方面积累大量成功经验:
 
    一是智能系統推廣,人員技能向系統智能的轉變。
 
    以往,国内车险反欺诈工作高度依赖理赔人员现场查勘定损、人工后台审核,各保险公司以提升人员技能为核心,面向所有理赔人员组织开展大培训,针对理赔精英组织业务技能大比武,强化理赔人员的个人技能和职业操守认识,以此进步车险反欺诈程度。
 
    最近5年,国内保险行业越来越注重智能理赔零碎建设,依托技术手腕运用业务数据管控理赔风险,开展车险反欺诈工作。随着国内保险公司管理理念的转变,吸引了数家外资科技公司来我国开展相关业务,例如CCC(美国)、FICO(美国)、德联易控(德国)等;同时,国内主营相关业务的科技公司,例如精励联讯、中科软、凯泰铭、般若科技、全保通等公司也在迅速崛起;甚至阿里、腾讯、京东等互联网科技公司也专门成立子公司或事业部,运用本身技术和数据资源优势,拓展该项业务。随着理赔风控智能零碎的普及运用,曾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,重点依托技术手腕辨认并管控欺诈风险。
 
    二是完善內控流程,由粗放管理向風險細分的轉變。
 
    以往,各保险公司理赔风控管理以金额大小为核心进行区分,绝对粗放。例如以理赔金额大小为主导,分配给对应金额权限的理赔人员进行案件审核,管控保险欺诈;为进步理赔效率,重点针对金额较小的理赔案件单独开辟“绿色通道”,简化理赔流程。
 
    目前,在智能理赔零碎普及的基础上,多数保险公司运用数据分析模型,完成智能化的理赔风险辨认,以风险评分、评级和理赔标的类别为主导,由智能理赔零碎自动分配给对应专业的理赔人员处理;以案件风险为根据,将低风险案件交由智能理赔零碎自动化高效处理。
 
    三是行業風控聯動,由公司個體防控向行業整體防控的轉變。
 
    以往,国内车险反欺诈工作由保险公司以各自业务为基础自行开展。各保险公司一线理赔人员很少进行沟通交流,通常只在涉及跨公司标的交叉赔付的情况下,为达成分歧的定核损意见,才会产生理赔风控相关的业务交集。这种以公司个体风险防控为主的模式,无法有效辨认和防备跨公司欺诈的行业性风险,导致大量跨公司欺诈等相关风险的产生。
 
    在原保监会反欺诈信息零碎项目小组领导下,中国保信立足车险平台数据运用,开发建设了全国车险反欺诈信息零碎(以下简称“零碎”),并与2016年11月28日正式上线,该零碎打破了各保险公司信息壁垒,初次完成以行业共享信息为依托的反欺诈模型运用,构建了行业反欺诈协同的工作机制和零碎工具,全面提升我国车险反欺诈的大数据运用及信息化程度。仅2017年,全国运营车险的所有68家财产保险公司共登錄零碎近47万次,运用零碎提供线索有效止损1.17亿元。 2017年4月,中国保信与辽宁省保监局、行业协会运用行业数据,融合经侦情报研判技术,成功锁定保险欺诈团伙,协助辽宁省公安厅破获一同涉案金额600余万元的特大保险诈骗案。公安部为此特发贺电,充分肯定警保联动大数据技术运用取得的杰出成效。
 
    應用大數據反欺詐的諸多難點
 
    绝对银行、证券等其他金融领域,我国保险业全体信息化程度较低,导致运用大数据反欺诈面临较多困难。具体表如今以下几个方面:
 
    一是信息采集重視程度低。
 
    目前,国内多数保险公司信息化风控的重点仍然在零碎流程设计方面,对于数据采集和细化运用还有巨大的提升空间;理赔风险的人工审核关注点过度集中在影像材料的审核,对信息能否精确采集注重程度不足。
 
    2015年初,中国保信对车险平台反欺诈运用涉及的数据主键字段(车牌号、车架号、身份证号码)进行数据质量分析发现,有大量平台要求必传字段信息没有上传,尤其是三者人伤的身份证号码,有效数据占比高达49.78%。经进一步调研发现,导致该成绩的次要缘由是各保险公司没有采集相关数据信息,尤其是小额人伤案件,多数保险公司甚至对伤者身份信息采集没有强制要求。为此,原保监会稽查局专门下发《中國保監會关于印发车险反欺诈数据规范的告诉》(保监稽查〔2015〕242号),要求保险行业进步车险反欺诈信息数据的规范性、精确性和齐备性。目前,各保险公司已基本完成主键字段的100%采集并上传中国保信车险信息平台,但涉及车险理赔的汽修厂、人伤鉴定机构等相关信息的采集和维护仍有较大提升空间。
 
    二是已采集數據質量差。
 
    保险业务办理多数在场外进行,尤其是车险基于偶然、突发性质的理赔业务办理和信息采集,几乎都是户外完成,保险消费者(驾驶员、车上人员、伤者等)没有随身携带相关证件的情况时常遇到,而且三者车的车架号、伤者身份证号码等冗长的信息,需求手工录入。一线理赔人员时效考核压力非常大,为快速处理调度任务,对信息录入敷衍了事的情况时有发生。为确保采集数据精确性,人保、平安、太平洋、阳光、大地等大中型保险公司在业务零碎内要求部分关键信息强制录入,并且对一线业务采集的关键字段设置校验规则。但中国保信在大数据反欺诈运用理论中,仍然发现大量数据质量成绩。以三者人伤身份信息为例,中国保信针对校验后的理赔人伤信息做“人伤碰瓷欺诈分析”时发现,有个别身份证号码年度内的人伤出险记录高达1万余次,而且跨公司出险。经与相关保险公司共同查证,该身份证号码是某保险理赔公估人员为快速完成定核损任务的时效考核,复制粘贴了同一身份证号码录入零碎导致。
 
    为了处理以上成绩,各保险公司尝试引入OCR技术取代人工录入,自动辨认身份证号码、车架号,减轻一线信息采集人员的工作压力。但车险理赔次要在户外进行,其环境非常复杂,晴天强反光,夜间、阴雨、雾霾光效差等要素均导致该技术运用场景遭到制约。同时,各保险公司对内部异常数据(例如异常高频出险对象数据)的管控力度仍需进一步加强。
 
    三是跨公司欺詐線索落地應用難度大。
 
    各保险公司欺诈线索核查次要依托公安部门和一线理赔人员。公安部门依法对个人保险诈骗金额1万元以上、单位保险诈骗金额5万元以上予以立案。但由于警力有限,在实践操作过程中,通常只要涉案金额较大(例如100万元以上)的保险欺诈团伙,公安部门才会立案受理并直接组织力量进行侦查取证;理想上,对于案均赔款4000元左右的车险案件,很难串并如此巨额的欺诈团伙。所以理想情况是,绝大多数符合立案条件的疑似欺诈案件,先由保险公司自行完成线索核查,然后向公安部门提交成体系的证据材料,才能完成对欺诈份子的有效打击。保险公司的欺诈线索核查几乎完全依托一线理赔人员完成,而他们需求同时承担繁琐的理赔日常工作,导致欺诈线索排查质量难以保证;同时,由于已决欺诈案件通常涉及相关经办人问责,也导致一线理赔人员对此类线索排查存在抵触情绪;甚至,若一线理赔人员参与保险欺诈,一定会导致关键证据材料“不慎灭失”,导致线索核查工作无法开展。
 
    为此,原保监会组织行业协会及各保险公司与公安部联动开展“安宁举动”,串并欺诈线索,针对职业欺诈团伙进行打击;同时,各反欺诈软件服务商辅助保险公司更精准的辨认、串并欺诈线索;公估公司、调查公司、律师事务所等商业机构也提供辅助调查服务。但由于各商业调查机构与保险公司都是一对一的合同,无法高效应对跨保险公司作案的欺诈案件,反欺诈的商业化产业链也不够顺畅,无法完全处理機會型欺詐、兼業型欺詐以及小额職業型欺詐案件核查难的成绩。
 
    我國大數據車險反欺詐的展望
 
    结合我国车险行业运用大数据开展反欺诈的历程、成功经验及遇到的成绩,将来在数据共享、技术融合基础上,业务风控体系重构、跨业数据风控産品創新、反欺配套资源共享将是大数据在车险反欺诈领域的发展趋势。
 
    一是與公共部門數據互聯互通,強化保險行業信息風控流程,構建大數據爲基礎的業務風控體系。爲積極響應《國務院關于印發促進大數據發展行動綱要的告诉》(國發〔2015〕50號),原保監會與公安部建立了跨部委大數據合作關系,雙方針對車險電子保單推廣、交通事故快處快賠、交通違法與車險費率浮動相關聯、車險反欺詐等多個主題開展應用研讨,並探求向行業普及大數據的業務落地應用。2017年11月,最高人民法院、公安部、司法部、原中國保險監督管理委員會聯合下發《關于在全國部分地區開展道路交通事故損害賠償糾紛“網上數據一體化處理”改革試點工作的告诉》,各試點地區高級人民法院將逐渐建立和完善訴調對接機制,按照共建共治共享原則,建立網上一體化處理平台,努力實現責任認定、理賠計算、在線調解、在線鑒定、在線訴訟、一鍵理賠等流程。
 
    随着保险行业与各政府部门信息共享、零碎共建的不断深入,必将促使保险行业进一步注重业务流程的信息采集和数据质量管理,强化保险行业数据风控流程,最终构建成熟的大数据业务风控体系。
 
    二是以大数据技术为核心,跨险种、跨行业的大数据技术融合,开展数据风控産品創新。2016年底,中國保信開發的“全國車險反欺詐信息系統”完成了國內所有經營車輛保險公司跨地區、跨公司的數據融合,並提供在線系統的反欺詐應用,這是大數據技術在保險行業領域應用的起點。
 
    在监管部门的统筹领导下,我国保险行业已初步建成保单登记平台,70家人身险公司与15家运营个人财产投资型产品的财産險公司经过该平台进行保单信息登记。结合车险信息平台数据,我国保险行业已具备针对职业欺诈团伙,开展跨险种大数据反欺诈运用的基本条件。随着我国银保监会的成立,可以预见车险行业将有条件在新的监管体系下,进一步引入车辆抵押、车辆贷款、个人债务征信等各类银行业信息,施行跨行业的大数据技术融合,打通个人信息在银行、保险领域的征信记录,跨行业开展数据风控産品創新。
 
    三是第三方理賠服務資源共享,支持各類數據風控産品的落地應用,构成全新的理賠服務生態圈。車險理賠是一項業務流程繁瑣,涉及多種第三方服務資源管理的複雜工作。包括中國保信在內的各家數據、技術公司都面臨反欺詐相關數據産品落地應用困難的情況。隨著我國保險行業數據字段采集不斷完善、大數據應用程度持續进步,行業數據共享爲基礎的風控産品,需求與之婚配的業務資源共享才能實現其落地應用。
 
    在大数据风控技术及保险理赔风控需求驱动下,将来第三方理赔服务资源需求同时对接多家保险公司开展业务,才能有效运用跨公司、跨地区、跨险种、跨行业的欺诈线索,一致开展线下调查取证,协同公安部门完成欺诈案件侦破。同时,随着第三方理赔服务资源与各家保险公司在数据与业务互联互通的不断完善,将来将进一步构成体系内的机构信誉评价体系,构成车险反欺诈、车辆救援、配件配送、全损车拍卖、人伤鉴定等资源共享的理赔服务生态圈。
 
 
 
 
 
 
 
 
 
 
 
 

津公网安备 12010302000966号

热门关键词: 皇庭娱城官网网上娱乐 皇庭娱城官网网址 皇庭娱城官网登陆 皇庭娱城官网官网 皇庭国际娱乐平台 皇庭娱城官网游戏 皇庭娱城官网平台官网 皇庭娱乐棋牌安卓下载 皇庭娱城官网线上娱乐 皇庭娱城官网网页版 皇庭娱城官网怎样样 皇庭娱城官网是真的假的 皇庭娱城官网官方网址 皇庭娱城官网网址是多少 皇庭娱乐西游捕鱼最新下载 皇庭娱城官网下载 皇庭娱城官网手机版 皇庭娱城官网靠谱吗 皇庭娱城官网在线 皇庭娱城官网电子游戏 皇庭娱城官网老虎机 皇庭娱城官网app 皇庭娱城官网客户端 皇庭娱城官网注册 皇庭娱城官网平台 皇庭娱城官网国际
常州市 青岛市 长沙市 上海市 洛阳市 威海市 南京市 西安市 常州市 福州市 淄博市 石家庄市 哈尔滨市 济南市 重庆市 徐州市 嘉兴市 大庆市 唐山市 佛山市 济宁市 邯郸市 杭州市 潍坊市 东莞市 南通市 天津市 苏州市 南阳市 昆明市 东营市 武汉市 沈阳市 长春市 宁波市 温州市 烟台市 北京市 成都市 绍兴市 沧州市 郑州市 广州市 泉州市 台州市 大连市 保定市 无锡市 临沂市 金华市

      <kbd id='rtgnerhdfb'></kbd><address id='rtgnerhdfb'><style id='rtgnerhdfb'></style></address><button id='rtgnerhdfb'></button>

              <kbd id='rtgnerhdfb'></kbd><address id='rtgnerhdfb'><style id='rtgnerhdfb'></style></address><button id='rtgnerhdfb'></button>