【摘要】近年来，保险欺诈十分猖獗，严重阻碍了保险行业的更快发展。而目前国内大部分保险公司主要还是依赖业务规则来防范保险欺诈，效果不甚明显。反观邻国韩国，其保险公司主要依托欺诈防范系统。
韩国现代海上火灾保险公司保险调查部总经理李喆佑介绍了韩国的情况，其保险欺诈的数据超过了10%。他说：“韩国保险欺诈现象比较严重，过去消费者、政府相关机构对保险欺诈不太重视，近年来随着媒体报道和受害者越来越多，政府、社会群众对保险欺诈防范方面的呼声越来越高。保险业界也越来越重视这个问题，认识到保险欺诈给保险企业所带来的危害是很大的，不仅减少了保险行业的利润，同时也危害了保险消费者。”
目前业界的共识是，防范保险欺诈不仅需要保险公司和政府部门、消费者的密切合作，更需要通过系统的建立从技术层面上防范保险诈骗问题。李喆佑透露，他们公司2010年10月开始引进了SAS的FDS系统(欺诈防范系统)，接着三星保险以及东部的两家保险公司也引进了FDS系统，取得了良好的防范效果，欺诈案件的比率下降了20%。
据了解，目前国内大部分保险公司对保险欺诈的风险还主要依赖业务规则来防范，这些规则的建立基于调查数据和经验积累。SAS大中华区总裁吴辅世介绍，SAS的FDS系统采取“混合式”侦测方法，除了运用业务规则，还采取 “异常侦测”方式防范风险——当理赔案件发生时，可跟其他同样的人群做比对，在相同的状况之下，用数据分析这个案件是不是产生了一个跟别人不太一样的状况，以此发现更多欺诈的行为。数据分析通过模型来实现，模型压缩了大量数据。一般情况下，业务规则有成百上千条，保险侦测人员或者说调查人员很难去看这么多的规则。运用模型则方便了许多，模型将大量的规则浓缩成一个分数(分值)，这个分数可自动把这一群人可能欺诈的几率做一个排序，确定高风险的人、中风险的人、低风险的人，这样保险公司只要对高风险的人特别关注就行了，对低风险的人则可快速实施理赔，从而大大提升理赔时效和客户满意度。该欺诈防范系统还具有社交网络分析功能，用以识别团伙欺诈。现在的保险欺诈越来越偏向于团伙化，比如很多汽车保险欺诈，大多会通过相同的律师、医院来做证明，通过相同的汽修厂来维修，社交网络分析功能可显现其中的疑点。另外，保险欺诈跟银行的欺诈不太一样，银行欺诈获得的数据大部分是结构化的，这种结构化的数据可以做模型来预测，但保险理赔或者事故调查的数据很多都是文档性的(非结构化的数据)，文档性的数据是没有办法做分析的。为解决这一问题，SAS的FDS系统提供了一个文本挖掘的技术，该技术能够把这些文本数据很快速地转成模型数据。
李喆佑表示，保险欺诈的识别分为两个部分，一个叫事前识别，一个叫事后识别。事前识别就是保险单得到理赔申请后，通过这个系统在理赔之前进行识别，进行识别以后会对它进行进一步的调查。他说：“我们公司有这样的例子，在某一个地区发现的交通事故，数据显示交通事故肇事者和被害者的身份证都是来自一个地区，欺诈防范系统会发出了一个可疑报警信号，我们派出调查员调查以后，发现他们双方是合谋的，串通制造假的交通事故骗取保费。在过去几年这种例子是非常多的。”事后识别是第二道防线，解决事前识别遗漏的问题。李喆佑也给记者举了一个案例：“我们曾发现一个保险业务员跟某一个医院的关系非常紧密，他理赔案件的时候找的都是固定的一家医院，开出的治疗费用比普通案件或类似的身体伤害高出不少。调查以后发现这个保险业务员和这个医院的院长是合谋的，虚开诊断书，又虚报医疗费进行骗保，给这个保险业务员提成。在支付理赔后，事后识别系统向我们发出了可疑报警，我们一调查发现了问题。”
慧择提示：韩国保险公司依托高科技产品，一定程度上抑制了保险欺诈的出现，促进了该国保险行业的快速发展。专家指出，中国也需利用一个科学化、智能化的保险欺诈防范系统来解决保险诈骗情况。
韩国现代海上火灾保险公司保险调查部总经理李喆佑介绍了韩国的情况，其保险欺诈的数据超过了10%。他说：“韩国保险欺诈现象比较严重，过去消费者、政府相关机构对保险欺诈不太重视，近年来随着媒体报道和受害者越来越多，政府、社会群众对保险欺诈防范方面的呼声越来越高。保险业界也越来越重视这个问题，认识到保险欺诈给保险企业所带来的危害是很大的，不仅减少了保险行业的利润，同时也危害了保险消费者。”
目前业界的共识是，防范保险欺诈不仅需要保险公司和政府部门、消费者的密切合作，更需要通过系统的建立从技术层面上防范保险诈骗问题。李喆佑透露，他们公司2010年10月开始引进了SAS的FDS系统(欺诈防范系统)，接着三星保险以及东部的两家保险公司也引进了FDS系统，取得了良好的防范效果，欺诈案件的比率下降了20%。
据了解，目前国内大部分保险公司对保险欺诈的风险还主要依赖业务规则来防范，这些规则的建立基于调查数据和经验积累。SAS大中华区总裁吴辅世介绍，SAS的FDS系统采取“混合式”侦测方法，除了运用业务规则，还采取 “异常侦测”方式防范风险——当理赔案件发生时，可跟其他同样的人群做比对，在相同的状况之下，用数据分析这个案件是不是产生了一个跟别人不太一样的状况，以此发现更多欺诈的行为。数据分析通过模型来实现，模型压缩了大量数据。一般情况下，业务规则有成百上千条，保险侦测人员或者说调查人员很难去看这么多的规则。运用模型则方便了许多，模型将大量的规则浓缩成一个分数(分值)，这个分数可自动把这一群人可能欺诈的几率做一个排序，确定高风险的人、中风险的人、低风险的人，这样保险公司只要对高风险的人特别关注就行了，对低风险的人则可快速实施理赔，从而大大提升理赔时效和客户满意度。该欺诈防范系统还具有社交网络分析功能，用以识别团伙欺诈。现在的保险欺诈越来越偏向于团伙化，比如很多汽车保险欺诈，大多会通过相同的律师、医院来做证明，通过相同的汽修厂来维修，社交网络分析功能可显现其中的疑点。另外，保险欺诈跟银行的欺诈不太一样，银行欺诈获得的数据大部分是结构化的，这种结构化的数据可以做模型来预测，但保险理赔或者事故调查的数据很多都是文档性的(非结构化的数据)，文档性的数据是没有办法做分析的。为解决这一问题，SAS的FDS系统提供了一个文本挖掘的技术，该技术能够把这些文本数据很快速地转成模型数据。
李喆佑表示，保险欺诈的识别分为两个部分，一个叫事前识别，一个叫事后识别。事前识别就是保险单得到理赔申请后，通过这个系统在理赔之前进行识别，进行识别以后会对它进行进一步的调查。他说：“我们公司有这样的例子，在某一个地区发现的交通事故，数据显示交通事故肇事者和被害者的身份证都是来自一个地区，欺诈防范系统会发出了一个可疑报警信号，我们派出调查员调查以后，发现他们双方是合谋的，串通制造假的交通事故骗取保费。在过去几年这种例子是非常多的。”事后识别是第二道防线，解决事前识别遗漏的问题。李喆佑也给记者举了一个案例：“我们曾发现一个保险业务员跟某一个医院的关系非常紧密，他理赔案件的时候找的都是固定的一家医院，开出的治疗费用比普通案件或类似的身体伤害高出不少。调查以后发现这个保险业务员和这个医院的院长是合谋的，虚开诊断书，又虚报医疗费进行骗保，给这个保险业务员提成。在支付理赔后，事后识别系统向我们发出了可疑报警，我们一调查发现了问题。”
慧择提示：韩国保险公司依托高科技产品，一定程度上抑制了保险欺诈的出现，促进了该国保险行业的快速发展。专家指出，中国也需利用一个科学化、智能化的保险欺诈防范系统来解决保险诈骗情况。
