如何在保险业中主动反欺诈？
2011-07-25 16:37:15 来源: 福布斯中文网(上海) 转发到微博(0)
有0人参与 手机看新闻
在保险行业,“欺诈”是一个令人恨之入骨，却又常常无可奈何的现象。据美国反欺诈联盟的估算，2006年美国由于保险欺诈造成的损失达到800亿美元。中国虽然鲜有此类统计，但有业内专家指出，我国保险欺诈金额占赔付总金额的比例，要比全球平均水平更高。数年来保监会一直重拳治理这一行业顽疾，今年以来还多次表示将会出台反保险欺诈制度；各大保险公司也都使出全身解数防范欺诈。但是，道高一尺魔高一丈，面对发生越来越频繁、手段越来越高明的保险欺诈，有没有足够先进的招数来抵御？
反欺诈，不要得不偿失
反欺诈是一项非常复杂的工作，如果掌握的不好，有可能造成在成本上、效率上和效果上得不偿失的现象。在反欺诈的理赔管理过程中，有三方面的因素需要去平衡：
第一是赔款本身。赔款是理赔中最大的一笔支出，在这部分支出中要尽量减少欺诈和渗漏。但是，如果保险公司没有经过充分调查就拒赔，会导致客户满意度降低；但是如果对每一笔赔款都有过度调查，则又会导致工作效率下降；
第二是理赔成本。从企业经营的角度考虑，要尽量减少非必要的成本，但是如果过于关注产能或者单笔理赔成本的减少，理赔速度会上升，但是可能会存在过度赔付；而且如果工作人员的专业化程度不高，工作量和专业化程度之间的平衡就会打破；
第三是客户服务。所有的客户都不愿意自己的赔付要求被质疑，这就需要保险公司很好地去平衡客户满意度和案件调查之间的尺度；另外人员冗余、专业化程度不够，以及工作人员在理赔过程中不恰当的管理、审核和操作，都会损害客户服务的水平。
目前，各家保险公司采取的反欺诈的措施与手段，很多效果不尽理想，原因就在于：保险公司不可能对每个案例、每个环节都进行调查；理赔员和审核、调查员职责是分开的，理赔人员重视的是快速结案，而不是识别欺诈；对于理赔员及时培训并产生报表是非常困难的；勘查的资源调度效率很低，没有系统的方法去优先关注可以减少更多损失的案子，没有统一标准的方法去甄别欺诈，而且不同的方法需要的技术和数据不一样。总体来讲，缺乏先进的、高效的甄别能力去识别最可疑的理赔行为，缺乏数据支撑的手段和系统去支持它的反欺诈业务流程，导致大量的工作资源投入浪费在没有目标的调查中去。
临渴掘井，不如防患未然 传统上大多数有欺诈可能性案件的发现是经过了整个业务流程，从报案、查勘、定损、谈判、核赔到追偿残值，很多时候是整个流程都快走完了才发现需要去做调查。这就导致就算欺诈被发现也是事后的，而且是在赔款支付以后，这就意味着要付出额外的成本去追回欺诈款。如果能够采取主动的反欺诈调查，就是在成千上万的理赔案件里面，通过一些模式分析首先发现存在高风险的欺诈案件，在这些案件进入平常的处理流程之前，将它们引入特别的处理程序，提前启动调查流程，这样就可以在相当程度上降低保险公司的成本，而且因为避免了事后追偿或者当时质疑，客户满意度也会提升。
国内一家领先的保险公司就正在进行这样的实践，将反欺诈的调查手段尽量提前。 该公司把反欺诈的过程分成发现、处理到防止三个环节。在发现环节要有手段，针对每一个特定类型的风险都要进行甄别，并且对风险因子进行量化；处理环节要根据发现的风险采取多方的处理措施，不同类型的风险要用不同类型的措施去应对，减少由于欺诈所产生的支出；防止环节要了解跨整个企业环节的风险而不是某个业务环节的风险，采取主动的、预测性的风险管理手段，持续监控和了解逐渐凸现的可能风险。
该解决方案的特点是通过技术手段对海量的非正常客户理赔数据进行分析， 充分利用行为建模（behavior modeling）的方法来甄别潜在的渗漏和欺诈，即：通过一些专有的数据分析和数据模型手段去帮保险公司厘定一些标准。
什么样的行为是具有高风险的行为模式？这些行为模式是用什么样的数据维度来衡量和发现的？哪些人群最有可能采取这样的行为？为了找到目标人群，需要用什么样的数据去捕获？在获得行为模式识别和可能客户对象识别的结果后，来分析和预测到底哪些案件应该控制风险，哪些案件应该降低成本支出，把有限的保险公司的理赔资源投入和精力放到最有可能发生欺诈和渗漏的案件上去。
解决方案分三个阶段来实现：
理赔档案分析：通过对已经发生的典型欺诈案件做分析，找出欺诈的来源和根本原因。这是一个定性分析阶段，基于保险公司的核心业务系统 理赔档案的管理系统中掌握的大量理赔档案中现有的数据，进行总体的分析和评估，总结出来一些标准和规则，并分析出保险公司核心业务系统中能够掌握的哪些数据和维度和分析得出的欺诈来源和根本原因对应，从大的方面去优化理赔操作，为下一步的建模提供一些基础的数据。这里涉及的设计问卷、案卷调查、案卷审计、改进报告等，都要通过访谈和结构化的分析总结出欺诈的来源和根本的原因。其中还要用到一些严格的统计分层抽样的方法，保证这样的定性分析有一定代表性。
行为建模：从理赔档案分析出的类型和数据维度基础上，利用行为建模的方法发现欺诈的规则和模型，随后进行批量的数据预测，并对结果进行分析。这是一个半自动化的阶段，既有手工工作，也利用一些数据分析和数据挖掘的工具，比如IBM业界领先的SPSS统计分析软件等对所有的资料进行定量、定性分析，确定哪些资料对于判定欺诈风险有作用。 持续优化和改进：把发现的规则和模型引入到理赔系统和业务流程中，进行自动化的持续优化和改进。这是一个自动化的阶段，可以利用IBM ILOG等优化软件和工具，把行为模型的结果，如什么样的人群、什么样的行为、在什么样的时间点发生欺诈的可能性是百分之多少这样的规则，应用到理赔、核赔、业务分析建模、管理人员绩效报表这四个理赔过程中的主要业务流程里面去，并且固化成为业务流程的一部分。
实施了该案例之后，保险公司看到了一些非常直观的收获：
更加有效和策略性地指导新员工的工作。保险行业靠的是人，资历较浅的理赔员或调查员刚加入公司时因为经验不足，非常可能误判案件。传统的做法都是师傅手把手传帮带一段时间，这就产生了很高的成本。
统一审核标准。过去每个理赔员由于资历、专业领域、过去经验的差异，对于同样的案件做出来的判断很可能不一样；而且由于交给调查员的案子非常非常多，调查员的效率也非常低。有了BAO解决方案，可以相对统一审核标准，同时可以过滤掉一些没有必要调查的案件。
在当今的商业世界中，传统的商业智能技术（BI）已经不能满足领先企业的需求，怎样利用智能技术和工具，结合业务的应用点，深刻洞察现在业务的问题，并提出解决方法应用在企业业务流程中，提高业务流程的效率和准确率，就成为企业决胜未来的核心和关键。最为关键的是将分析和洞察应用和固化到企业的流程中去，并在实际业务中根据业务的变化、竞争对手的变化、数据的变化和客户的变化而持续优化设计出的模型，让企业的业务更加流畅地运转。
为防范经营风险，提高理赔管理水平，提升理赔效益，日前，人保财险桐乡支公司根据上级公司要求，细致部署，积极开展反欺诈反骗赔工作，挤压理赔水份，维护公司利益。
一是思想重视，行动落实。支公司总经理室、桐乡理赔分中心主任、展业团队、理赔人员共同联动，明确责任部门和具体工作人员，积极推进理赔反欺诈专项工作
二是周密部署，内外联手。第一是，继续与交警部门联系，提高联合打击能力，从事故第一现场查勘开始，做好诸如酒后驾车、无证驾车、假现场等理赔欺诈现象的防范，从源头遏止虚假案件的发生；第二是，要求合作修理厂发挥带头作用，诚信经营，及时向保险公司反馈骗保信息；第三是，畅通举报渠道，加强内外协作；第四是，加大宣传力度，强化信息技术建设等。
三是明确要求，突出重点。在开展保险反欺诈工作中，把提高现场查勘质量作为提升保险反欺诈能力的首要环节和重中之重，对所有车险单方事故实行24小时现场查勘制度；对涉及敏感出险时间的案件查勘员要对驾驶员进行笔录；对迹象可疑的案件及时联合交警部门开展调查取证；对已报交警但是离开现场的案件进行复查现场，确保漏洞的堵塞。
四是建立台帐，及时反馈。一要落实专职人员建立完善的台帐，及时收集整理反欺诈工作案例以及统计数据，并上报上级公司，同时汇总各类有效措施并固化为长期工作举措；二要在强化外控手段的同时加强内部管理，将理赔人员的理赔反欺诈业绩与薪酬挂钩，充分利用奖励政策调动理赔人员的积极性，强化责任心，进一步增强车险理赔反欺诈意识，提高自觉性。
