由反保險欺詐日常監控數據勾勒出欺詐畫像的理論研究

郭向紅 熊小萍 趙少彪

中國平安人壽四川分公司

中國保險行業經過十幾年的發展，各家保險公司均有較為豐富的反保險欺詐經驗與大規模分析模型。但有的保險公司還是缺少對反保險欺詐工作重視。保險公司需將反保險欺詐工作納入到各項經營活動和管理環節之中，加大反保險欺詐資源的投入，加強保險欺詐風險管理，建立欺詐風險預警機制，建設反保險欺詐信息系統，開展防范欺詐風險培訓工作，完善舉報獎勵制度。

新型保險犯罪行為在如今的信息時代，層出不窮地擾亂保險市場，在反保險欺詐風控工作者面前耍著花招。反保險欺詐信息庫與預警機制需要隨著時代變化，隨著犯罪類型的變化而改變。現有反保險欺詐工作中，除了大量典型性保險欺詐風險預警模型，還有很多需要日常數據監測指標，大致包含以下幾個方面指標，風控工作者一般通過指標的異常數據來判斷風險，進行欺詐識別。指標如下：

1.藥品費占比過低指標；2.一年內多次理賠出險指標；3.同業務員醫院科室指標；4.同營業組醫院科室指標；5.同客戶意外出險指標；6.津貼險賠付占比過高指標。

還有很多其他指標，在此就不一一列舉，本文研究的是基于反保險欺詐日常監測指標，建立畫像信息分析，對相關數據進行分析。

因為無論新型保險犯罪類型如何變化，欺詐行為都是由于人來籌謀，實施和進行的，所以在本次重點關注與研究的對象不是具體的理賠案件，不是理賠案件的性質，而是人。人物畫像非常重要，其中人物畫像三對象為：業務員，客戶，醫院科室。我們通過日常數據分析，要得到具體的業務員畫像，客戶畫像，醫院科室畫像。讓我們通過數據與畫像去清楚的識別這到底是一個怎樣的業務員、客戶、是一個怎樣的科室。

每一個理賠案件都會關聯到業務員、客戶和醫院科室這三個關鍵對象。除此之外，需要關注要素還有：營業組、營業組主管、營業部課、部課長、營業區、代辦業務員、代辦業務員所在營業組、客戶、客戶所關聯的投被保人、主治醫生和住院醫生等。這些要素最終都會回歸到我們一直在提的三大對象：業務員、客戶和醫院科室。

如何建立三對象的人物畫像呢，以“津貼險賠付占比過高指標”為例來說明，“津貼險賠付占比過高指標”會關注津貼險賠付占總體賠付金額過高的案件，標識為陽性。如果是陽性案件，三對象即被標注，如果風控人員使用Excel進行日常統計，每個要素標注得分1分，即業務員某XX1分，客戶某XX1分，某醫院。如果會用python等程序，就進行程序語言標注。這里還有強調一個附加條件，每一個被標識為陽性的理賠案件，均篩查其是否獲利，如何篩查——保險公司給付金額+先期給付金額-賬單金額，如果結果是正數，那標識有獲利；如果結果是負數或等于零，那表示未獲利。如果獲利，三對象獲利得分均加上1分。

每月對公司日常監測指標進行人物畫像得分統計，每一個指標算一個維度，多維度進行統計。這樣一來，我們可以清晰地看到某業務員、某客戶和某醫院科室在哪個維度得分最高，哪個維度急需關注。其中人物畫像中三對象除“醫院科室”涉及的理賠案件較多外，其中“業務員”與“客戶”涉及的案件均較少。業務員畫像建議在時間維度上以月為單位，調取近一年的數據。客戶畫像建議在時間維度上以月為單位，調取近三年數據。除此之外，這三對象還可以新增“拒保案件得分”，分析拒保原因，去豐富其人物畫像，便于我們更好的認識該要素。最后大致可形成以下圖片（以業務員畫像為例）：

各保險公司根據自己管理設定維度警戒值，如業務員、客戶、醫院科室達到設定的警戒值，就會彈出提示，風控工作人員根據警戒的程度進行理賠案件調取，對相關案件進行三對象串聯研究分析，看案件是否調查，是否涉及與其他兩個要素集中情況，是否異常。最后分類處理與管控，或重點約談、面訪、上報黑名單或灰名單、制定查房計劃、上報行協或公安機關等。

標注值 平均值 警戒值藥品費占比過低指標得分 指數1 指數2 指數3同客戶意外出險指標得分 … … ……………

畫像得分高的三對象，以業務員畫像為例，集理賠案件異常，或業務品質有問題，或存在虛假理賠案件；或日常客戶經營管理不規范，存在教唆客戶掛床等行為；或展業渠道有異常，投保客戶存在帶病投保未如實告知，并采用相應手段規避調查人員調查工作問題于一體。構建得分高的人物畫像，直觀展示業務員典型特征，對集中人力物力進行理賠案件核實，對業務員與得分高的客戶相關性分析，對業務員與相對應醫院是否存在勾結，提供虛假理賠材料分析等具有重要作用。