保险科技—大数据能否支撑起反欺诈调查(二)

阅读  ·  发布日期 2020-06-12 13:48  ·  bladmin

信息孤岛导致效率欠佳

  在过去,由于技术手段的限制,保险公司的各个系统间无法完成高效的数据交换和沟通,系统间就像一个个的孤岛。由于担心部门内部信息共享不当,即便是那些大型的保险公司,很多部门仍处于“信息独立”的运营状态中。

  因此大量客户提供的信息只能由负责他们保险的部门使用。这就意味着车险部门无法获得房屋险部门收集的大量信息。尽管部门间有时可能会一起收集和处理数据,但这些保险公司必须确保信息不会传递不当。

        这就意味着大量有效信息无法被高效率利用。这里 可以做一个假设,如果 将同一客户的有效信息进行合并,这有助于反欺诈部门将多个数据流(内部或外部)转化成数据和分析,并使用这些有效信息的映射图得到分析结论,而这将大大提高判断的准确率。我们总结了欺诈部门有三个主要目标:

  发现欺诈行为,并对潜在的欺诈索赔进行深入审查。

  将非欺诈性索赔退回到索赔环节,这样忠实的客户就不会感到不安。

  在商业环节中尽可能无缝地执行前两项操作。

  保联金融科技这项新的创新正在帮助加速数据的处理和其他服务的欺诈检测处理。用户在注册保单时,保险公司通过大信息提供初始分析。而代理人通常可以从理赔部门的初始审查中得到客户是否能够顺利理赔的实时结论。

  反欺诈检测的应用

  由于普通保险公司受制于信息的局限性和用户的隐私保护,目前反欺诈检测往往更多的被社保系统所使用。

  对此,保联金融科技通过以大数据分析手段为主,以循证医学为辅,结合当前成熟先进的大数据算法,建立了大数据反欺诈平台。通过智能引擎对结算数据、电子病历等平台采集到的住院、门特相关数据进行全方位、多维度、长周期的分析,挖掘其中的行为模式、常用药方和治疗项目。再根据数据聚类,将存在其中的真实性问题数据识别出来,达到辅助工作人员决策,对医疗单位和参保人的精细化管理,控制欺诈骗保行为的标。

       从现实欺诈场景出发,平台共设计了频繁就医识别监测、住院时间重叠识别监测、滞留住院识别监测、虚假医疗服务识别监测在内的四种算法模型。

  比如频繁就医识别监测,重点针对有关联关系的参保人在相同时间相同医院的就诊行为监测。利用聚类算法识别出就诊行为高度一致的可疑行为,作为联合骗保疑点。

  住院时间重叠识别监测,直观的数据表现是患者的住院时间存在重叠,可能导致患者在报销的过程中,由于各种原因,出现2次及以上的医保报销,造成医疗资源浪费。

  滞留住院识别监测,重点针对患者在就诊的过程中出现连续7天以上未发生实质性治疗的行为监测,该类患者结算费用明细往往只有护理费、诊查费、床位费等,存在滞留住院浪费医疗资源的嫌疑。

  虚假医疗服务识别监测,重点针对工作人员在对参保人药品、诊疗项目进行报销时发生对码错误的行为,具体数据表现如医院端名称与中心端名称不匹配,导致医保报销出现错误的经办人员违规操作等。