车险反欺诈数字化转型建议
时间：2021/4/2
来源：中国银行保险报网
作者：杨牧
车险理赔成本作为财险公司管控的重点，不仅决定着风险控制管理水平的能力，更决定着能否盈利的生死存亡问题。据测算，全球每年约有20%至30%的保险赔款涉嫌欺诈，即因风险防范不到位导致多赔、错赔，车险理赔反欺诈已经成为财险公司管控赔付的有效经营手段。
在“互联网+”、大数据及AI时代，利用科技手段突破传统反欺诈措施的局限性，维护保险市场健康秩序，是大势所趋，势在必行。尤其在后疫情成为常态的情况下，紧抓数据智能的发展趋势，将AI技术快速应用到保险业务场景中，才能加快全面数字化，成为“智能化迁徙”的排头兵。针对新形势下保险反欺诈数字化管理方式，笔者提出以下建议。
建立保险行业数据标准规范。信息时代，数据先行。建立保险行业的统一数据标准规范，可为整个行业的信息化数字化发展扫清壁垒，清除障碍，打下基础。
消除保险公司信息壁垒，打破数据孤岛。在建立保险行业数据标准规范的基础上，各个保险公司及行业科技公司可充分利用区块链具有去中心化、不可篡改、可追溯、一致性等特点，解决多方合作的互信与数据保密等问题。
构建车险反欺诈智能模型。利用AI技术（如机器学习算法），结合大数据，通过大量数据的训练，形成AI技术的车险反欺诈智能黑盒子。
构建车险反欺诈机理模型。虽然车险欺诈行为不存在物理化学的反应机理，但也具有一定的规律可循，通过研究大量真实欺诈案件，从中找出共同规律，并以此建立具有一定规律的车险反欺诈模型，可与利用AI技术通过大数据训练得到的智能模型形成有效补充。
构建行业失信人员数据库。将发生过车险及其他险种欺诈行为的人员加入到失信人员数据库中，并持续更新；此外，根据聚类思想，利用AI+知识图谱技术，构建失信人员社会网络关系，并对其进行关联分析，建立从单人到群体的失信人员社会网络关系结构；建立失信恢复制度，如多年后并未再次失信，则可恢复正常。
构建一体化全流程车险理赔智能风控平台。应深度应用大数据、区块链、知识图谱等技术，结合理赔系统，从场景识别、数据实验，到数据采集、数据训练集构建、数据模型训练、算法调优，到模型调优、模型发布的一站式、端对端的智能风控平台，实时提醒定损员注意欺诈概率高的案件，从而提高欺诈案件的识别率。
进一步完善公司风险防范体系。如建立失信惩戒制度，不给予续保或增加保费额度或进行公告；增设欺诈案件识别奖励机制，激励查勘定损员自主识别欺诈案件的积极性，全面提升公司减损降赔能力，风险识别的方式将不断从事后应对向事前预警前移，风控管理将不断向精准化、智能化迈进。
（作者单位：山东财经大学保险学院）
新疆保险