加强大数据分析 提升反欺诈能力

财经观察加强大数据分析 提升反欺诈能力◆󰀡󰀡󰀡梁晓攀[摘要]随着我国保险业的快速发展，保险欺诈数量逐年上升。欺诈不仅给保险业的稳健经营带来挑战，也严重损害了保险消费者权益。本文探讨通过大数据分析方法，提升保险公司的反欺诈能力，切实保护消费者权益。[关键词]保险业󰀡󰀡大数据󰀡󰀡反欺诈近年来，我国保险业发展迅速，作的部署，未明确统一的职能部融入人们生活的方方面面，而保险欺诈这一“伴生顽疾”数量也快速上升，且类型更加复杂、多变，难以识别和发现。恶意欺诈的存在，制约了保险服务社会的功能，也严重损害了保险消费者享有的正常权益。门，在不同机构、不同层级均有反欺诈工作的负责部门。反欺诈工作的基础信息整合、协调工作不力。调研中发现，某保险公司承保、理赔部门收集整理的黑、灰名单信息等风险数据，并未与反欺诈部门共享，未能发挥信息整合作用。另外，受制于不同的层级或机构的反欺诈部门存在各自为战的不利局面，无力识别跨（一）对反欺诈工作的重要性认识不够，投入欠缺国际保险监督官协会（IAIS）的数据显示，保险行业欺诈金额约占总赔付金额的10%-20%，但是多数保险公司在人力资源配备中，对于反欺诈专职人员的配置比例低专职人员在基层分支机构配置的数量呈现递减趋势，有的甚至未配置专职人员。（二）未形成全国集中的反欺诈处理中心，各自为战多数保险公司对于反欺诈工（三）大数据分析的思维方式缺失，成果欠佳保险公司在开展反欺诈工作中，大部分反欺诈案件依靠客户或第三方的举报获得线索；少部险类型的案件进行抽检、判断；还有根据工作人员的经验判断来进行调查核实。而保险公司积累的大量基础数据却处于“沉睡状态”，并未被有效地用以分析、挖掘其中隐含的关联关系及发现反欺诈工作线索。区域、跨机构的欺诈风险。（四）传统风险控制体系维度简单，逐渐弱化在传统的反欺诈风险控制体系中，保险公司大多通过程序化固定的风险模型来排查可能存在的欺诈风险。由于风险维度简单，样本数量有限，与实际的欺诈风险场景匹配度较差，实践操作中，费时、费力且命中率不高，导致传统的风险控制体系陷入一个逐渐弱化的尴尬境地。 （五）保险公司之间的数据共享机制缺失，未形成合力目前，我国保险市场主体较多，竞争较为激烈，客户的保险信息是各主体的“核心利益”，天然排斥共享。于是保险欺诈行为可以方便地在不同的保险主体之间“游动”，从保险反欺诈能力较强的公司流向反欺诈能力较弱的公司。单纯某一家或几家公司的反欺诈工作卓有成效，并不能有效遏制保险欺诈行为，反而会给其他反欺诈能力较弱的公司带来困扰和损失。2017 2 中国内部审计93一、保险行业反欺诈工作存在的问题于10%，且随着层级逐渐向下延伸，分通过对固定类型或符合简单风2内文104p.indd 9317-2-8 上午8:46财经观察二、大数据分析的特点和优势多次使用数据，发挥更大的作用。（三）进行数据分析，构建正如维克托·迈尔·舍恩伯格所说，动态的欺诈风险模型（一）大数据的基本概念2011年6月，麦肯锡公司发布了“大数据”的报告，对“大数据”的影响、关键技术和应用等做了详尽的分析，“大数据”这一概念开始进入人们的视野。大数据是指无法在一定时间范围内用常规软件工具进行捕捉、管理和处理的数据集合，是需要新处理模式才能具有更强的决策力、洞察发现力和流程优化能力的海量、高增长率和多样化的信息资产。IBM公司总结了大数据的5V特点，即Volume（大量）、Velocity（高速）、Variety（多样）、Value（价值）、Veracity（真实性）。而今，虽然人们对于“大数据”的概念和认知并不统一，但是越来越多的企业开始通过应用“大数据”分析的方式，开发拓展新业务，创新运营模式。（二）大数据分析的特点和优势一是采用所有数据的方法，扩大样本范围。大数据分析，不再使用传统的抽样调查，而采用对所有数据进行分析的方法，即“样本=总体”，对数据进行深度分析，挖掘出海量数据中潜藏的价值。二是通过关联关系，实现“预测”的功能。通过采用不同的数据挖掘方法，对结构化和非结构化的数据进行整合、分析，探索、发现、挖掘数据之间潜藏的关联关系，以此来实现“预测”功能。三是能够实现数据的再利用，充分挖掘数据价值。改变传统数据资源的“一次性”使用方式，94中国内部审计 2017 22内文104p.indd 94大数据的真实价值就像漂浮在海洋中的冰山，第一眼只能看到冰山的一角，绝大部分都隐藏在表面之下。全球零售业巨头沃尔玛的“啤酒+尿布”促销手段，就是沃尔玛通过对消费者购物行为数据的重复使用、分析得出的结果，是大数据分析的成功应用案例。三、大数据分析方法在防范保险欺诈中的应用（一）获取海量的数据，作为分析的基础从“啤酒+尿布”的案例可以看出，在防范保险欺诈中使用大数据分析方法，需要采集海量的数据。这需要保险公司汇总、收集所辖不同层级、不同分支机构在经营中产生的所有相关数据。层级越高效果越好，总公司层级的数据采集，能够有效避免受制于层级、分支机构所造成的数据不准确问题。（二）对数据进行加工整理，统一标准、口径由于采集的海量数据包含文本、语音记录、图片等半结构或非结构数据，容易出现数据混杂的问题，甚至对于同一种问题，由于分属不同的分支机构，涉及地域、人文差异，也会出现多样化的描述。需要利用文本挖掘（text data mining）、图片挖掘等数据分析工具，对数据、文本、照片格式等内容进行特征抽取、文本或图片的分类、聚类等操作，统一标准和口径，为深入分析做好准备。首先，获得基础数据。对获取的数据，抽取关键风险场景要素，如出险时间、出险地点、驾驶人员、报案人电话号码、事故类型、损失部位、赔偿金额、领款人账号、电话等要素，获得基础数据。其次，对上述数据进行多维度分析，发现关联关系。可以从领款人、损失部位、修理地点、事故地点、同一组照片等维度进行分析，发现关联关系。例如，某公司反欺诈工作人员在对数据分析中发现一个有趣的关联关系：A号小轿车（三者车，未在公司投保），多次与公司承保的不同车辆（多为大货车）在高速公路上发生交通事故，且赔款金额相近，每次事故的时间大概在晚上8时左右，出险地点涉及多个城市。多起事故的相同点只有一个：发生事故的高速公路是相同的。分析人员继续分析，发现A号小轿车沿高速公路不停寻找时机，故意剐蹭大货车，重复索赔。车辆和高速公路之间竟然也有关联关系，这在之前，很少被人们注意到。分析人员根据这条线索推测，A号车很有可能继续实施欺诈行为，而欺诈行为很有可能发生在高速公路前方的甲市。分析人员随即向甲市发送欺诈风险预警，果然包含有A号车作为三者车的报案信息就出现了。最后，风险聚合，构建动态的欺诈风险模型。传统的风险控制体系，由于涉及不同的层级、不同的分支机构，欺诈风险从每一个分支机构所获得的信息来看，可能并无异常。而运用大数据分析方法，实现了风险聚合，能够结合数据分析所发现的关联关系，构建出欺诈风17-2-8 上午8:46险模型，及时向分支机构发出欺诈风险预警；同时结合分支机构的实际运用结果进行修改、完善，真正实现模型的动态调整，反欺诈能力必然大幅提升。四、应用大数据分析方法存在的问题及建议目前我国大数据分析应用处于初期阶段，存在数据标准不规范、行业协作较少、第三方部门支持不够、敏感信息保护不力、相关人才储备不足、缺少法律法规等问题，制约了大数据分析方法的推广和应用，需要从以下方面加以推动。（一）规范数据标准，提高数据可用程度大数据分析涉及的数据庞杂、混乱，数据的整合难度较大，在数据整合中容易出现结果偏差，耗费不必要的资金成本。因此，保险公司应从源头制定严格的数据标准，规范数据分类，尽量实现结构化数据的规范、统一；对于非结构化的文本、图片应规范明确统一的质量特征，如文本逻辑性、照片类型等标准，降低数据整理难度，提高数据可用性。（二）加大行业协作，推动数据共享大数据分析需要海量的基础数据，各保险公司在反欺诈工作中应当避免各自为战，应跨越“竞争壁垒”，实现数据共享，提升行业的反欺诈水平，有效打击保险欺诈，如以保险监管部门或行业协会设立的反欺诈中心为平台，采集、分析相关数据，向各保险公司发送欺诈预警信息，以此推2内文104p.indd 95财经观察动行业反欺诈工作。方式，大力引进大数据分析人才，弥补人力不足的现状；二是加强以（三）深化第三方合作，强化Hadoop为核心的生态环境、内存数据支持数据库、NoSQL数据库等新技术一是加强合作，获取数据支持。和工具的学习、使用，提高分析能大数据时代，政府是最大的数据资力，尽快转化为“产出”，提升行源拥有者，保险公司应加强与政府业反欺诈工作水平。职能部门的合作，获取丰富的“基础数据”，强化数据支持。如加强（六）完善法律法规，使与交通管理部门的合作，获得事故大数据分析“合法”现场第一手资料，有效鉴别事故情目前，我国关于大数据行业，况；二是结果反馈，互利共赢。保缺少专门的法律、政策规范。险公司应加强与银行等大型金融机在基本的防范信息泄露或恶意使构的合作，一方面获取相关人员的用、滥用数据等底线外，保险公征信情况等金融信息，用以鉴别分司在正常使用大数据分析中，应析欺诈行为；另一方面将已确定的如何规范使用数据，与第三方的欺诈人员、企业的相关信息与银行数据交换、共享等应该遵守哪些等金融机构共享，共同防范欺诈，规则等问题，都需要国家尽早完实现“共赢”。善专门的法律法规，明确相应的使用规范，使大数据分析真正“合（四）加强敏感信息保护，法”。防范信息泄露风险未来，随着大数据分析法律制大数据时代，信息泄露风险显度的逐渐完善及政府部门加大资金著增加，各种信息泄露带来恶劣的扶持，一批专业的大数据分析公司社会影响。保险公司应从源头加强将很快孵化并形成产业链，越来越数据信息保护，一方面建立系统的多的大数据分析技术、分析工具将数据保护机制、预警机制、应急机不断涌现，大数据分析的“门槛”制，时刻做好信息安全防范工作；将大大降低，保险公司可以方便地另一方面在数据信息的应用中，严应用大数据行业的发展成果开展反格遵守国家政策、法规，避免滥用欺诈工作；或者委托专业的大数据信息，侵害消费者权益。分析公司从事反欺诈工作，提升反欺诈工作成效。（五）大力引进大数据分析（作者单位：中国人民财产保险人才，提高分析能力股份有限公司郑州监察稽核中心，一是通过加强对现有数据分邮政编码：450002，电子邮箱：析人员的培训或与高等院校合作等liangxiaopan@picc.com.cn）参考文献王和.大数据时代保险变革研究[M]. 北京:中国金融出版社,2014[英]维克托·迈尔-舍恩伯格,肯尼斯·库克耶著.盛阳燕,周涛译.大数据时代[M].杭州:浙江人民出版社,20122017 2 中国内部审计9517-2-8 上午8:46