鄒鑫鑫 徐華 忻磊

中國平安人壽保險股份有限公司上海分公司

《反保險欺詐指引》實施以來，要求保險公司建立欺詐風(fēng)險識別機制，通過欺詐因子篩選，要素分析，風(fēng)險調(diào)查等方法，發(fā)現(xiàn)風(fēng)險因素。近年來，保險公司短期健康險賠付率逐年上升，致使短期險業(yè)務(wù)利潤下降。導(dǎo)致醫(yī)療險虧損的主要原因是保險公司無法對客戶就醫(yī)情況進行監(jiān)控，道德風(fēng)險很高。如果在醫(yī)療險設(shè)計上增加免賠額和自付比例，可以在一定程度上減小道德風(fēng)險。但這樣的設(shè)計無法迎合市場，保險公司可能會在激烈的市場競爭中敗下陣來。公司甚至無法通過提高保費的方法降低賠付率，醫(yī)療險的賠付卻是客戶可操控的。多位保險公司人士認(rèn)為，如何控制道德風(fēng)險則是最大的難題。保險公司缺乏能夠?qū)︶t(yī)療服務(wù)加以監(jiān)測和控制的專業(yè)人士，甚至缺乏對醫(yī)療機構(gòu)進行監(jiān)控的合法性和公權(quán)力。短期健康險賠付率的逐年上升，從保險公司自身來看，也應(yīng)該從核保和核賠兩端重點解決逆選擇和欺詐問題，讓賠付支出不再被騙?！把┥霞铀薄?/p>

一、數(shù)據(jù)分析在保險風(fēng)控欺詐查處中的應(yīng)用

（一）識時務(wù)者為俊杰，那么如何利用“大數(shù)據(jù)”識別欺詐？

1.匯總常見欺詐指標(biāo)；2.建立欺詐檢測引擎；3.自動識別避免錯漏；4.人工核判雙重保障。重點說下欺詐檢測引擎的建立，常見欺詐指標(biāo)包括：保單生效后不久進行索賠；在處理索賠時發(fā)生嚴(yán)重核保失誤；被保險人在追求快速解決時具有明顯的攻擊性；被保險人愿意接受小額賠償，而不是記錄所有損失；文件的真實性值得懷疑；被保險人在背后償還貸款；所產(chǎn)生的傷害是不可見的；不存在已知傷亡的高價值索賠；個人集群之間存在關(guān)系，包括保單持有人、醫(yī)療機構(gòu)、聯(lián)營公司、供應(yīng)商與合作伙伴；持牌及非持牌醫(yī)療服務(wù)提供者之間存在聯(lián)系。

（二）惟“數(shù)據(jù)”可以破天下之騙，那么如何利用“大數(shù)據(jù)”偵破欺詐？

建立大數(shù)據(jù)回饋機制，統(tǒng)計系統(tǒng)中已發(fā)生的理賠案件，從客戶、區(qū)域、保險產(chǎn)品、代理或?qū)徟藛T等不同維度生成欺詐數(shù)據(jù)異常點提示，人工鑒別偵破，提高理賠和管理效率。

（三）利用大數(shù)據(jù)進行欺詐案件識別與偵破的步驟

1.制定線索：大數(shù)據(jù)分析需要提前制定線索，有目的的去針對某些現(xiàn)象去提取數(shù)據(jù)并分析。通過欺詐檢測引擎識別，通過異常指標(biāo)預(yù)警偵破。2.數(shù)據(jù)模型：根據(jù)前期數(shù)據(jù)，分析常見欺詐類型，建立數(shù)據(jù)模型。單一案件識別檢測，多發(fā)案件匯總提取。3.篩選異常：數(shù)據(jù)提取并匯總后，需要進一步根據(jù)之前規(guī)劃的線索篩選出異常數(shù)據(jù)，為進一步人工核判提供基礎(chǔ)資料及風(fēng)險點提示。4.案件詳查：異常數(shù)據(jù)不一定就是欺詐案件，需要相關(guān)工作人員對案件進行復(fù)查核判，進一步甄別是否為欺詐行為。

二、數(shù)據(jù)分析在保險風(fēng)控欺詐查處中的實務(wù)操作

因為共性案件或集中性欺詐風(fēng)險提升，所以要通過數(shù)據(jù)篩選，尋找特征，識別風(fēng)險。以下為實務(wù)中一些數(shù)據(jù)分析方法的示例，希望能給大家?guī)硪恍┧伎技胺较颉?/p>

（一）通過對短期健康險賠付樣本數(shù)據(jù)分析發(fā)現(xiàn)，2017年同一農(nóng)副批發(fā)市場有10件出險客戶就診集中在同一醫(yī)院，均為意外切傷、扭傷、撞傷等事故。疑存在保單共用或醫(yī)務(wù)人員參與的可能。同一醫(yī)院、同一地區(qū)聚集度高，存在一定欺詐風(fēng)險。

1.通過系統(tǒng)抽取了繳費地址模糊篩查為同一地址的保單共347件，涉及賠付的案件號59件（含同一客戶多次賠付件），賠付率為17.0%。2.對該營業(yè)單位的業(yè)務(wù)員意外險出險情況進行擴大排查。篩選該地址賠付率在50%及以上的業(yè)務(wù)員5名，增加該批業(yè)務(wù)員的2名主管進行排查。

（二）通過“電話相同、但理賠申請人不同的理賠案件”這一線索進行排查，發(fā)現(xiàn)有大量意外摔傷的案件，雖然事故者姓名不同，但留的手機號碼都是業(yè)務(wù)員黃某的，分析樣本數(shù)據(jù)發(fā)現(xiàn)：

1.事故相同，門診病歷本、報告單、處方相似；2.有些客戶既往多次意外摔傷；3.所有事故均在同一家診所進行治療。

（三）通過檢測拒付比這一指標(biāo)，發(fā)現(xiàn)某營業(yè)部脊柱側(cè)彎案件占比極高，其中正常賠付9件，給付金額200余萬。拒付6件，拒付比異常突出，故預(yù)測風(fēng)險欺詐嫌疑較高，可以反查正常賠付案件，分析樣本數(shù)據(jù)發(fā)現(xiàn)：

1.同一區(qū)域同種疾病拒付案件多，欺詐風(fēng)險存在可能性大，因此把拒付比作為風(fēng)險指標(biāo)進行監(jiān)控。2.篩選清單中案件狀態(tài)為“拒付”案件，以營業(yè)部為單位通過拒付類案件各類疾病的占比進行監(jiān)控。3.將同區(qū)域同種類疾病拒付案件量異常偏高的案件篩選出，進行重點審計。

雖然不是所有異常數(shù)據(jù)均為欺詐案件，但從反欺詐的角度，一定階段內(nèi)理賠案件的大幅上升，賠付率、出險率的持續(xù)上升，都能從管理的角度進行提醒，這種基礎(chǔ)性的數(shù)據(jù)分析是反欺詐很好的切入口，也是風(fēng)險管理的基石。

三、數(shù)據(jù)分析方法應(yīng)用中存在問題及建議

目前我國大數(shù)據(jù)分析應(yīng)用處于初期階段，存在數(shù)據(jù)標(biāo)準(zhǔn)不規(guī)范、缺少行業(yè)協(xié)作、第三方部門支持不夠、敏感信息保護不力、相關(guān)人才儲備不足、缺少法律法規(guī)等問題，需要從以下幾方面完善解決。

（一）規(guī)范數(shù)據(jù)標(biāo)準(zhǔn)，提高數(shù)據(jù)可用程度；

（二）加大行業(yè)協(xié)作，推動數(shù)據(jù)共享；

（三）深化第三方合作，強化數(shù)據(jù)支持，互利共贏；

（四）加強敏感信息保護，防范信息泄露風(fēng)險；

（五）大力引進大數(shù)據(jù)分析人才，提高分析能力；

（六）完善法律法規(guī)，使大數(shù)據(jù)分析“合法合規(guī)”。

打通信息壁壘，形成巨大的信息網(wǎng)絡(luò)，客戶一旦申請理賠甚至在報案時，各種信息都會在第一時間匯總并通過復(fù)雜的計算，對客戶的理賠行為進行欺詐風(fēng)險分析，直接精準(zhǔn)判斷是否為欺詐行為，為下一步理賠決定提供參考意見，并通過信息共享為其他保險公司提供參考及預(yù)警。