浅谈大数据分析在反理赔欺诈中的应用平安版.pptVIP

与此同时，我们在运用大数据反理赔欺诈的工作中也发现了一些难点与短板…… 难点 1 难点 2 难点 3 运用大数据的专业性不足 获取数据的途径和数量有限 部门间沟通不顺畅 * Contents 目录 理赔欺诈的严峻形势 4 3 2 大数据分析助力反理赔欺诈 1 **大数据反理赔欺诈初探 大数据反理赔欺诈机制构想 大数据时代 三大方式助力反理赔欺诈  信息共享机制的建立是为了打破信息壁垒，数据在集合形成合力后才能发挥重大作用。 欺诈分析技术简而言之就是模型、统计技术在反保险欺诈领域的应用。 信息共享机制 欺诈分析技术 　可视化关联分析技术 可视化关联分析技术即用图形图像手段来构建、传达和表示复杂统计数据关联，使脉络更清晰，极大地降低了成本，从而提高反保险欺诈工作的效率。  1、建立信息共享机制 保险行业内信息数据共享 公司内各分支机构信息数据共享 公司内各部门之间信息数据共享 打破信息壁垒 实现数据共享 发挥合力作用 与医院等机构与职能部门 医疗领域大数据类型 1.1 与医院等机构与职能部门实现系统对接 通过与合作医院实现系统对接、数据共享，可为深度数据挖掘奠定基础，达到1+12的效果。通过大数据分析可以找出一些典型的理赔费用风险问题，如： 分解住院 不合理医疗检查项目 药品剂量超标 用药与医疗服务不匹配 “非必要”医疗 帮助理赔部门快速找出潜在问题案例及其明细信息，提高理赔处理效率并降低赔付率，并针对问题的根源与相关医疗机构进行沟通，寻求从根本上降低费用和提高运营水平的机会。 等等…… 1.2 保险行业内部实现反理赔欺诈信息资源共享 日本设立了非寿险犯罪预防委员会，由警署和非寿险公司代表组成，可促进城市之间、地区之间及城区之间有关反保险欺诈的信息交换，协助警署对犯罪活动进行调查取证。 在保险业发达的日本、美国、英国等国家，对于保险行业内部的信息资源的联合共同对抗保险欺诈已经建立了很成熟的机制，值得借鉴学习： 美国建立了反保险欺诈联盟，由消费者组织、保险公司、执法部门等组成，主要工作是推动有关反欺诈立法，对公众进行反欺诈教育，对行业欺诈数据进行储存、信息交换等。 英国建立了保险人联合会，通过设立反保险欺诈热线、协调保险人和警方联系、组织和管理各种反保险欺诈的数据库和软件等方式推动反保险欺诈工作。 韩国的财产险保险协会建立了“黑名单”搜查系统，定期制作保险犯罪嫌疑犯及关系人的事故详情表，供行业查阅。 1.3 建立公司各分支机构反理赔欺诈案例共享机制 目前，公司内各分支机构之间的理赔信息都是相互独立、保密的，当某家机构发现疑似理赔欺诈案件时只能靠本机构自己调查，无历史经验可以借鉴。反理赔欺诈案例共享机制建立后，经验共享、资源共享，更加有助于反理赔欺诈工作的开展。 1.4 公司内各部门之间信息资源共享 客户资料 投保记录 投诉记录 交费记录 保全记录 理赔记录 反理赔欺诈调查涉及到的相关客户信息资源共享 核保 体检 理赔 保全 投诉 核保风险防范 理赔风险防范 投诉风险排查 2、欺诈分析技术应用 运用预测技术，建立统计分析模型，来识别数据中所隐含的索赔人复杂的行为方式，开发索赔评级系统，根据索赔人的年龄、事故类型、涉及的交通工具类型以及医疗处理频率等评级，依据评级得分高低来确认该索赔是否有欺诈成分。 借鉴同业优秀经验，建立平安自己的风险因子模型 中国人寿 将欺诈因子风险模型应用在反保险欺诈中，将既往理赔案件客户层、保单层、行为层、销售层的数十个风险因子逐一进行了过滤，筛选出其中的高风险因子，并进行数学建模，将其应用于理赔案件的提调 案例： 此前，**地区的短期险赔付率始终在高位徘徊，引起了中国人寿当地分公司的警觉。于是对大量的理赔数据进行整理和分析后，锁定**某医院，紧接着对就医合理性进行了逆向调查，掌握了关键证据，并通过行业协会联合其他涉案保险公司向**市经侦总队报案。案件的侦破在**业内引发了巨大影响，**地区的赔案数量也由此急速降低。  3、可视化关联分析技术应用 可视化关联分析技术即用图形图像手段来构建、传达和表示复杂统计数据关联，使脉络更清晰，可以极大地降低成本，从而提高反理赔欺诈工作的效率。 中国 平安 可视化关联分析技术 将复杂变简单 发现可疑理赔申请 第一时间汇总相关信息 运用可视化分析技术梳理案件，进行欺诈风险分析 精准判断是否欺诈行为，为理赔决定提供意见 以上技术与机制的建立和应用，都需要满足以下两个条件做保障： 培养大数据人才 所有的技术应用都要以人为本，要提升自身积累、分析和利用数据信息的能力，培养和储备大数据人才。 保护信息安