中荷铭轩

   大数据的诞生与发展，给反保险欺诈的传统渠道带来了新的挑战，也为行业反欺诈提供了全新的视角和能力。

　　大数据挑战传统方式
　　中国保信副总裁王哲在9月2日召开的第三届海峡两岸反保险欺诈研讨会上表示：“目前一些保险欺诈案件呈现出团伙化、专业化、流程化等特点，大陆车险欺诈案件还具有小额化、零散化的特点，整个保险欺诈案件的所有手续造假都非常缜密，背后已存在集团操作，并形成积累性欺诈，因此必须通过串并联方式才能被发现，传统方式面临一些局限。”
　　受人力物力、原有业务模式和IT系统架构模式所限，保险公司通常是在从报案、查勘、定损、核赔到追偿残值的整个业务流程即将结束时才发现欺诈的可能性，一些保险公司甚至是在赔款支付后，通过已赔案件的归纳梳理找到欺诈特征后才去调查，需要付出额外的成本去追回赔款。
　　此外，数据不足也是传统方式的一个局限。当前反保险欺诈主要都局限在单一公司内部，客户诚信体系的数据支撑还没有真正建立。小公司数据量小，模型创建和高风险信息识别都有一定难度。同时，手工稽核的反欺诈方式已经无法处理爆发式增长的信息数据。
　　值得注意的是，互联网渠道反欺诈的关键环节不仅涵盖了传统保险公司、中介机构的自有网站、移动终端，而且还涉及到第三方平台、网络和通讯运营商以及信息服务提供方等，传统渠道的反欺诈思维已无法识别互联网欺诈的新特点。
　　三大技术助力反欺诈
　　毋庸置疑，大数据时代的信息技术和创新应用也为保险反欺诈工作开创了新局面。
　　王哲认为，信息共享技术、欺诈分析技术和可视化关联分析技术是反保险欺诈工作在发展过程中的三个关键技术。
　　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。以欧洲保险及再保险联盟建立的“理赔与承保交换网”（CUE）为例，该网络通过在投保和理赔两个环节进行审查，发现并制止恶意投保、确认诚实保户，建立理赔的历史档案以防范潜在的欺诈者。
　　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。全美反保险欺诈办公署就运用预测技术，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，还开发了索赔评级系统，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。
　　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。
　　保险公司初试大数据
　　目前，保险公司已经开始尝试搭乘大数据的“快车”，加大反欺诈信息化建设等方面的投入力度。
　　据中国人寿保险股份有限公司首席运营执行官许恒平介绍，此前，上海崇明地区的短期险赔付率始终在高位徘徊，引起了该公司的警觉。于是该公司对大量的理赔数据进行整理和分析后，锁定崇明某医院，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上海市经侦总队报案。案件的侦破在上海业内引发了巨大影响，崇明地区的赔案数量也由此急速降低。
　　与此同时，中国人寿还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，在广东进行试点，目前已初步实现了高风险案件的系统自动识别与发调。
　　“有效运用权威第三方数据资源，能够在防范控制保险欺诈风险方面起到事半功倍的作用。”许恒平透露，目前大量以生存为给付条件的年金、生存金类产品逐步进入领取期，不真实给付风险日益加大，而利用第三方权威数据资源库并采用批量信息流对比筛查的方式进行验证，较传统调查方式压缩了94%的成本。
　　资料显示，美国保险欺诈犯罪防治的投入产出比为1∶27，即在防治欺诈犯罪上每投入1美元可挽回27美元的损失。对此，中国保监会相关负责人强调，保险公司应当更加重视反欺诈对于改善公司经营效益、完善风险管控体系、维护市场正常秩序的重要意义，进一步加大反欺诈组织机构、专业人员、专门资金、信息化建设等方面的支持和投入力度，着力构建加强反保险欺诈工作的长效机制。