从事后查证到事先甄别,「亿保创元」想利用大数据为险企反欺诈

2017-11-17 10:44
作者:卢晓明
来源:36氪

11.178.jpg

调查统计报告显示,在美国,每年保险欺诈总成本(含寿险和非寿险)总计约为850 亿美元-1200 亿美元。其中2003 年全年,保险公司为财产/意外险索赔欺诈支出达290 亿美元,占全行业应计损失的10%。车险骗赔金额占保险公司总赔付额的17%-20%。

在中国,这种情况更是有过之而无不及。据北京商报,中国保险诈骗呈上升趋势。专家保守估计,约有20%的车险赔款属于欺诈,在北京90%市场份额的7家保险公司在2003-2006年的四年间,骗赔造成的保险损失约有28亿余元。意外险更是会经常出现伪造意外或者故意制造意外骗保的情况。让行内人没想到的是,同一投保人在多家保险公司投保、凭借同一事故在十几个保险机构获赔,这种事并不少见。

36氪近期接触到的保险科技公司亿保创元,其创始人李思明跟我们讲述的保险行业的状况跟上述情况非常类似。他曾经在慕尼黑再保险公司和中国再保险公司从业,他介绍,有时候即便知道客户是故意制造事故,保险公司也只能赔付。何况一旦客户诉诸公堂,往往是保险公司败诉。

造成这类欺诈的原因与保险行业自身行业漏洞有关。一个是保险公司在客户投保前获取的信息非常不准确,在传统保险经营模式下,由于保险公司无法获得与承保风险相关的信息,或者获得的成本太高,于是在制度层面上安排了“告知义务”,即要求投保人应当向保险人充分和如实告知相关风险信息,否则保险人有权拒赔。但保险公司获取来自客户的告知信息后,却很难对客户告知的信息进行核实。比如,传统保险公司投保一般会询问客户的收入水平,因为这决定了客户的保单持续缴费能力,也能帮助保险公司为客户匹配最适合的保障额度,但李思明表示通过告知这种形式得到的客户收入水平数据非常不准确。这导致了保险公司收集的客户信息“不准、不全、不真”等情况的存在,直接导致保险公司基于既往客户数据的建模分析效果有限。

另外,由于各家保险公司之间未能建立起有效的信息共享机制,因而造成多头投保这类明显准备骗保的行为长期存在。其实业内领先的保险公司也尝试过数据方面的创新,但受制于保险行业在数据收集、分析方面的能力限制,一直未能有实质性突破。

为了应对这类似的情况,保险公司只能统一提高保费价格,这就像是“好人为坏人买单”,或者在条款定义上做出一些影响用户体验的设计,比如保额逐年递增,投保后短期理赔保额很低;或者在保险事故发生后,才去认真检查客户当时填写的资料等是否有隐瞒投保前真实信息的情况存在,因为根据《保险法》规定,若投保两年内保险公司发现客户存在故意不如实告知的行为,保险公司有权利解约。

当我们看到银行等信贷机构放款时,会给每个用户事先做反欺诈和信用评分,这样的机制在中国保险行业却没有。针对这种情况李思明表示,“中国保险行业跟银行相比,在反欺诈的科技手段应用及信用体系建设等方面起码落后5年。”比如,就在最近,中国保监会才开始发文推进保险业信用体系建设,将研究制定保险实名登记等制度。

亿保创元目前主要是通过多元数据源,收集较为准确的客户信息,并通过内外部数据联合建模的方式,通过模型输出客户风险评分来帮助保险公司进行反欺诈和智能大数据风控。

多元数据的作用和价值

李思明认为,在风控模型中引入多元数据的作用和价值在于,一是能够实现保险公司对现有客户数据质量治理,确保基本数据的有效性;二是实现跨行业数据融合,通过多维数据交叉验证来修正保险内部数据建模误差;三是通过客户行为轨迹对客户信用档案进行回溯校正,为建立公司客户信用评分体系创造。

至于保险反欺诈的效果和准确率如何,李思明给我们举了一个例子,亿保创元曾经跟某家保险公司合作,对该公司过去两年内通过互联网渠道销售的3万份寿险和重疾险保单通过该公司的“保盾云”风控模型进行测试,共筛选出了200多名风险评分分数较高的可疑客户,保险机构对可疑客户进行调查后验证了模型的有效性,已经陆续展开解约工作,并计划将“保盾云”风控模型应用到事前控制。

此外,信用评级也可以帮助保险公司定价,比如公司发现客户或代理人的学历水平越高,出现概率越低;通讯资料在完成实名制之后,除了可以核实合同上的手机之外,手机卡在网时长也与诈骗概率有关。虽然保险公司无法以举债情况或学历水平等理由拒绝签约,但可以用于动态定价,予以优质客户费率优惠,增加用户粘性。

现在亿保创元对接的外部数据类型包括了健康属性、职业属性、财务属性、征信类属性及负面信息类属性等五大维度。对接数据源包括银联、电商公司、互联网公司、运营商、法院公开信息、大数据风控服务商等。通过与数据源进行联合建模的方式,在保证客户隐私的前提下保证数据的可靠性与准确性。

目前与亿保创元建立合作关系的的保险公司包括中国人寿部分省分公司、合众人寿、昆仑健康、弘康人寿等。基于此前亿保创元和保险公司行业的项目,“保盾云”大数据风控模型已经经过千万级人次的数据训练。

尽管对反欺诈需求最为迫切的是保障型保险,但动态定价可以应用于所有类型的保险。况且随着保监会对“保险姓保”的原则进一步强化和新中产阶层对财富管理观念的行程,未来保障型保险的比例会逐步增长。

长期来看,对接大量数据源和完成模型训练之后,“保盾云”平台服务可以延伸到后端的理赔和客户管理,甚至是基于客户数据做精准营销和产品适配度检验,降低因广义的销售误导造成的损失,包括提高保单继续率和投诉率,帮助保险公司建立起贯穿保单生命周期的全业务流程风险控制体系。

团队方面,亿保创元目前有12人,主要是数据分析和建模技术人员。董事长李思明为北美寿险核保师(FALU)/ 核赔师(FLHC),曾就职于中国人寿北京分公司、慕尼黑再保险北京分公司以及中国人寿再保险公司工作,有超过15年的保险行业从业经验,对保险公司业务痛点及需求有更深入的理解。CEO冒海杨曾就职于公安部全国公民身份证号码查询服务中心10余年,任职保险行业总监职务,对外部数据在保险行业的应用以及数据使用的法律规范等方面非常熟悉,在保险行业有比较丰富的客户资源。

资本方面,亿保创元今年8月获得了来自保险行业孵化器Jade Value的千万级别的Pre-A轮融资。


本站系本网编辑转载,转载目的在于传递更多信息,并不代表本网赞同其观点和对其真实性负责。如涉及作品内容、版权和其它问题,请在30日内与本网联系,我们将在第一时间删除内容!
[声明]本站文章版权归原作者所有 内容为作者个人观点 本站只提供参考并不构成任何投资及应用建议。本站拥有对此声明的最终解释权。