demandes d'assurance difficile à dire, seul l'assureur qu'ils savent qu'il ya beaucoup de potentiellement frauduleux.
« Cas de fraude à la clientèle des deux dernières années, nous rencontrons chaque année, a révélé que presque chaque fois que le modus operandi est différent, très intéressant. » Un dit exécutif de la compagnie d'assurance ainsi.
L'utilisation de gros volumes de données a la fraude anti-assurance est un consensus de l'industrie, après plusieurs années d'efforts, avec de grands moyens de données de l'industrie de l'assurance, la « fraude » a fait des progrès, l'un après l'autre cas de lutte contre la fraude cas découverts surviennent. Bien qu'il soit encore limité au rôle des grandes données et d'autres jeux potentiellement frauduleux, mais l'industrie est d'avis que les données importantes pour les résultats anti-fraude peuvent être attendus.
La majorité des cas d'assurance automobile potentiellement frauduleux
fraude à l'assurance est l'utilisation ou sous le couvert de contrats d'assurance cherchent les intérêts illégaux de comportement, surtout dans les cas de la classe de fraude à l'assurance présumée fraude à l'assurance, classe affaires et la fraude contrat d'assurance illégale et ainsi de suite. En termes simples, la fraude d'assurance est de lutter contre les « trois faux » - fausses allégations, agence fausse, les polices d'assurance faux.
Une compagnie d'assurance est de se concentrer sur la fraude contre les fausses allégations, le plus important sur l'assurance automobile. De l'affaire de fraude à l'assurance a été fissurée Chaque assurance émise par ce point de vue, mais aussi à la majorité des cas d'assurance automobile potentiellement frauduleux.
Mai de cette année, Liaoning Insurance Regulatory Commission a annoncé que la direction du conseil Liaoning fraude à l'assurance Centre a fait équipe organes de sécurité publique fissurés un cas majeur de fraude d'assurance impliquant près de 600 millions de yuans.
Le début du Shandong Bureau d'assurance de la réglementation a annoncé que la surveillance des assurances de Chine Regulatory Commission Bureau de vérification du Bureau des enquêtes économiques conjointement avec le ministère de la Sécurité publique, les organes de sécurité publique étroitement avec Shandong Bureau d'assurance de la réglementation, la province du Shandong, craquelé avec succès la fraude à l'assurance roi gangs ensemble. L'enquête est basée sur un, les membres clés Zhang de mètres des gangs criminels, l'utilisation de l'assurance camion benne à des institutions d'assurance en dehors de la province, déversent délibérément camion capotage accident faux, et de prendre ont déclenché une émeute, brisant l'intimidation, le suicide , la restriction de la liberté personnelle et d'autres moyens aux organismes d'assurance Intimidation conviennent que le montant de la réclamation.
Le crime des gangs couvrant 19 provinces, la seule province du Shandong, est une des institutions d'assurance frauduleuse ont 22. Lorsque le présent communiqué de nouvelles, les autorités de sécurité publique ont craqué le cas 112 cas, impliquant près de milliards, 61 suspects ont été arrêtés.
Résumé du point de vue de l'industrie, le principal moyen de fraude d'assurance automobile, une création délibérée d'accidents de véhicules, réclamations triche, le second est composé d'un accident de la circulation n'a pas eu lieu, les auteurs de fiction et les victimes trichent réclamations, le troisième est l'utilisation de piratage, l'intrusion d'assurance la compagnie d'assurance automobile en ligne système d'entreprise, les réclamations d'assurance de frauder des entreprises virtuelles.
En Mars, le Bureau de réglementation des assurances organisé dans l'Anhui formation spéciale serait lutte contre la fraude d'assurance, le Bureau d'assurance réglementation responsable a souligné que la lutte contre la fraude d'assurance est un problème mondial, en particulier dans le domaine de l'assurance automobile, a montré une généralisation de la fraude opportuniste, carrière active de type fraude orienté, diversifié les formes de criminalité, des renseignements criminels et d'autres moyens de quatre caractéristiques.
Big Data commençant la fraude à porter ses fruits
la fraude d'assurance porte directement atteinte à l'efficacité de la compagnie d'assurance, poussant indirectement le prix des produits d'assurance contre les intérêts des consommateurs, sapé l'ordre du marché, grand préjudice social. L'industrie de l'assurance est également actif dans la lutte contre la fraude.
À l'heure actuelle, la Chine a construit un « dirigé par le gouvernement, l'interaction de l'application de la loi, la société basée sur la collaboration de l'industrie » système de travail de la fraude d'assurance l'un des quatre. Il existe officiel de réglementation des assurances a dit, le courant « quatre en un » système anti-fraude joue un rôle efficace dans la lutte et la prévention, mais face à des situations complexes de fraude, simple à utiliser des moyens traditionnels pour effectuer des travaux de lutte contre la fraude non durable, les organismes d'assurance utiliser pleinement les grands moyens de données pour améliorer le niveau d'information de travail anti-fraude.
assurance auto potentiellement frauduleux dans les zones plus concentrées, China Insurance Regulatory Commission en Décembre 2015 pour développer la spécification des données de fraude d'assurance automobile, y compris « élément de données de fraude d'assurance automobile » et correspondant « ensemble du code fraude d'assurance automobile », l'industrie de l'assurance pour promouvoir l'utilisation des technologies de l'information pour la prévention des assurances le risque de fraude, et exiger que les compagnies d'assurance de réglementer la collecte des données de fraude d'assurance automobile, la collecte des données opportunes et précises et les rapports relatifs à la plate-forme nationale d'information d'assurance automobile, et renforcer la gestion de la qualité des données, la qualité des données et l'évaluation interne liée à veiller à ce que la communication des données réelle et efficace.
En fait, l'est l'utilisation des grandes techniques d'analyse des données, des couches de creuser pour étendre la ligne, il des faits non couverts du crime de gangs criminels dans le Liaoning craqué la fraude d'assurance importante, les organes de sécurité publique dans le Liaoning Alliance, Assurance des autorités de réglementation, mentionnée ci-dessus six millions de yuans. Cela montre que la lutte contre la fraude à l'assurance données sur le terrain de comportement criminel du pouvoir réel.
« Lettre PICC système d'information développé a été officiellement lancé la fraude d'assurance automobile, les entreprises devraient faire bon usage de cette plate-forme. » Le responsable de réglementation des assurances a dit.
Les données et les gens à surmonter les problèmes
Cependant, la victoire ne sera pas du jour au lendemain. Même avec cette grande technologie de données, mais pas un instant en mesure de se débarrasser de la fraude à l'assurance. En bref, l'utilisation de la fraude à grande de données, ne sont pas un simple problème technique.
Lorsqu'une source d'association d'assurance locale dit courtier en journalistes chinois, a commencé à promouvoir le travail de lutte contre la fraude d'assurance il y a cinq ans, la plus grande difficulté est rencontrée dans le partage des données, afin de résoudre ce problème, l'approche initiale est l'organisation en charge des départements concernés pour établir mécanismes de communication, simple informent mutuellement de Pei douteux. Après l'année dernière, l'industrie de l'assurance locale et la création de postes de travail de lutte contre la fraude d'assurance département des enquêtes économiques, la mise en place d'un partage simple des données. Pour les difficultés actuelles, son analyse, ou le partage des données et des exigences parties en considérations de sécurité des données, ce qui rend le partage des données est imparfaite.
Selon lui, les données actuelles sur les raisons de fraude d'assurance jouent un rôle limité, principalement dans trois domaines:
Premièrement, la Chine plate-forme de partage de l'information Prudential d'assurance automobile pour les provinces pour atteindre les sociétés d'accueil et d'assurance, mais la base de données joue encore un rôle à ses débuts.
En second lieu, la compagnie d'assurance pour leurs propres raisons, le transfert de données des cas suspects sont différents.
En troisième lieu, le Département des enquêtes économiques pour transmettre la reconnaissance de l'industrie de l'assurance cas suspects dans le passé, les différences. Différent d'une province à, avec des degrés de Département des enquêtes économiques de la convergence, autre dépôt du Département des enquêtes économiques sur cette norme, stimuler les efforts de la densité et de concentration différents collaborer, sont autant de facteurs.
« Chaque compagnie d'assurance a ses propres données de profondeur uniques, telles que la situation dangereuse des informations de localisation et d'autres membres des demandes d'enquête, la détection des fraudes et d'autres sont nécessaires à un moment donné. » Un grand centre de données de fraude à l'assurance auto entreprises d'assurance des projets qui a déclaré aux journalistes, un certain nombre de données du système d'accueil lettre médiateur des entreprises d'assurance, la prévention conjointe et le contrôle des gangs du crime Busted grande aide. La lettre de médiateur des données de crédit de la banque centrale similaire au système bancaire, les compagnies d'assurance peuvent utiliser, mais encore pour construire votre propre modèle.
Du point de vue actuel, qui précède les compagnies d'assurance mentionnées qui, dans la pratique, les compagnies d'assurance utilisent la fraude à grande de données, le processus est pas très lisse, en plus de la quantité de données ne suffit pas de facteurs objectifs, problème « visage humain » subjective, mais aussi grands obstacles.
« Dans le passé, avec un modèle d'analyse de cas, d'identifier les suspects, il y a le cas potentiellement frauduleux, que le secteur des entreprises pour déterminer si le cas appartient au cas potentiellement frauduleux, il est très difficile à mettre en pratique, les entreprises ne veulent pas coopérer. Pour cela plaidé coupable la faute des choses, il ne sera pas motivé ".
Après la mise en place du modèle initial, vous devez déterminer l'efficacité du modèle, repose sur l'identification de la revendication historique de l'affaire, la correction d'épreuves de modèle, de corriger, mais cette partie de la mise en uvre ne survit pas, souvent à cause de personnes.
Le problème se retrouve dans la phase de modélisation de données. Étant donné que la taille de l'échantillon est moins clair est la fraude, la fraude moins de données, la qualité est pas élevé, utilisez donc ce modèle limité de taille de l'échantillon, il est difficile de précision. Il n'y a pas assez de bonnes données, il n'y a pas un bon modèle.
Cependant, la personne est toujours considérée comme un effet important sur les données anti-fraude peut être prévu. L'utilisation de grandes données ne sont pas seulement un problème technique, mais un processus, avec l'accumulation de grandes quantités de données, centralisée, jugement global, la découverte d'indices trouvés précédemment, grâce à des algorithmes d'apprentissage exploration de données, la machine pour trouver la loi contient des données caractéristiques, machines modèle permettra éventuellement d'améliorer la capacité d'identifier et de fraude même.
Des millions de personnes regardent
Le courtage sur le marché chinois des valeurs mobilières est des médias faisant autorité, « Securities Times » nouvelles __gVirt_NP_NNS_NNPS<__ médias », le courtage en Chine bénéficient des droits d'auteur dans cette plate-forme publiée le contenu original, prohiber reproduit sans autorisation, sinon entraînera une action en justice.
ID: quanshangcn
Conseils: Entrez le courtage China Code Securities Micro Page signal, vous pouvez voir le marché boursier et renvoyé à la dernière annonce, entrez les fonds de code, appelé pour voir la valeur liquidative du fonds.
