图数据库在识别重大疾病保险团伙式欺诈中的应用研究

本文摘要：本文字数： 5726字 阅读时间： 10分钟 本文作者： 周晓楠 中国太平洋人寿保险股份有限公司副总司理合规卖力人首席风险官； 黄磊 中国太平洋人寿保险股份有限公司执法合规部总司理； 王飞跃 中国太平洋人寿保险股份有限公司执法合规部合规监测司理； 储明 中国太平洋人寿保险股份有限公司执法合规部资深司理； 黄涛 中国太平洋人寿保险股份有限公司执法合规部资深司理。 上述效果体现了如下结论：与欺诈相关的推荐人更容易引发被推荐的业务员与欺诈赔案相关。

本文字数：5726字

阅读时间：10分钟

本文作者：周晓楠中国太平洋人寿保险股份有限公司副总司理合规卖力人首席风险官；黄磊中国太平洋人寿保险股份有限公司执法合规部总司理；王飞跃中国太平洋人寿保险股份有限公司执法合规部合规监测司理；储明中国太平洋人寿保险股份有限公司执法合规部资深司理；黄涛中国太平洋人寿保险股份有限公司执法合规部资深司理。

上述效果体现了如下结论：与欺诈相关的推荐人更容易引发被推荐的业务员与欺诈赔案相关。

而外部欺诈是相对随机的当欺诈的发生和生长与内部人员相关时形成的是内部欺诈。联合业务员身份证信息、姓名辅助以手机号码可定位差别业务员工号是同一个体（如图4右侧图中编号为1、2的两业务员节点）。思量到业务员更换部门多次作案的可能性进一步统计该业务员任职的部门个数和所卖力保单的赔付情况后会发现当业务员所卖力的保单凌驾平均水平时（此处为5个）曾就职于多个部门的业务员卖力的保单和赔案泛起欺诈的概率（6.4%）远远高于平均水平（0.58%）。

一、重大疾病保险反欺诈现状

图1：图数据库构建设计图

中国银保监会在2018年2月下发了《反保险欺诈指引》明确了保险欺诈是指假借保险名义或使用保险条约谋取非法利益的行为主要包罗保险金诈骗类欺诈行为等。由于重疾险以保险条约约定的疾病作为赔付依据包罗投保前未如实见告身体康健状况、伪造病历质料、冒名顶替等类型。

无论从保险公司内部还是从公然披露的大案要案显示重疾险相关的保险欺诈案件均出现专业化、团伙化势投保人与医生勾通、客户与业务员勾通等案件层出不穷。

●中介中心性（Betweenness Centrality）：某一节点泛起在其它节点之间的最短路径的个数表现该节点对其它节点信息流传的控制能力；

业务流程中的应用建议。第一在报案后、赔付之前将发生的新信息录入图数据库按从历史业务中总结出的查询规则和特征量预测欺诈风险如果风险概率较高仔细核实后再赔付；第二在牢固的出险流程后应定期批量导入新增的数据统一查询、发现风险。

第二种方法看似是“亡羊补牢”但“未为迟也”。借助图数据库这一优势查询速度获得了提升发现异常的时间成本会大大降低制止在复查历程中“大海捞针”实现更实时、经济的挽损。

二、图数据库方法简介

（一）图数据库理论先容

该风险包罗业务人员与医院的勾通关系、员工伪造病例后多次申请赔付等。凭据该规则检索并做条件概率盘算某业务部（A）中11位因软组织损伤（C）出险的某都会客户中有6位去特定医院（B）就诊占比54.5%（案例的关键信息如图6）；且该业务部门只有2.1%的客户曾去过该医院就诊讲明该部门的客户对此医院没有显着偏好不因为周边缺少医院或其他原因涌入该医院；与此同时全部患同种疾病的1948名该都会客户去此医院就诊的仅有4.0%讲明客户整体不因此疾病对这家医院有所偏好。因此该关联可能隐含风险。

（二）图数据库反欺诈应用技术先容

严格把控数据质量。保险公司应进一步规范投保及承保环节的投保信息收集、整理与审核在投保单设计时便提前做好相关的信息关联提升数据收集整理效率。

三、图数据库在重大疾病保险

反欺诈中的实证分析

基于业务场景构建特征以“赔案保单”节点构建特征统计量、盘算其数值并使用逻辑回归（Logistics Regression）和梯度提升决议树（Gradient Boosting Decision TreeGBDT）判断该节点的欺诈种别。逻辑回归属于广义的线性模型是经典二分类算法。

本文关键词：图,数据库,在,识别,重大,疾病,保险,团伙,式,皇冠welcome登录(中国)官方网站IOS/安卓/手机APP下载安装

本文来源：皇冠welcome登录(中国)官方网站IOS/安卓/手机APP下载安装-www.mingdaguandao.com