
依赖信息共享 保险监管初探大数据手段
保险欺诈升级倒逼险企利用大数据进行防范,但行业间甚至跨行业、跨部门的信息共享,以及根据这些数据进行预判和风险防范则更为关键
随着各种技术手段和信息手段的进步,尤其是在大数据时代,保险欺诈呈现较强的专业化、隐蔽性特点。这不仅倒逼保险公司投入更多人力、物力反保险欺诈,监管部门也在尝试使用大数据手段。在这方面,2014年,多地保监局进行了有益尝试,通过信息共享和数据分析来发现并预防问题。业内人士指出,在数据完善积累的基础上,从特征分析、因子分析和网络分析入手,建立高效的反欺诈鉴别机制,只是时间问题。
欺诈升级
倒逼企业防范
在短期意外险、健康保险等领域,常出现险企核保、核赔程序不严的问题,一种声音认为在大数法则下,险企认为在业务量达到一定规模后,即使有一些道德风险,仍不会影响业务整体质量,因此缺乏风险防范主动性。
不过,记者了解到,在一些欺诈案件频发的领域,已经有不少险企投入了更多的人力、物力来进行核查,降低保险欺诈带来的损失。
“这主要是源于保险欺诈手法不断升级,倒逼险企加强防范。”一位曾负责险企网销业务,现供职于互联网金融企业的业内人士陆秦(化名)对记者表示。
记者从公开渠道了解到,2014年,北京、上海、苏州等多个地方出现大量健康保险欺诈案,作案表现出专业化、规模化特点。某地频发健康保险欺诈问题,主要由无业人员组成的专业团伙经常通过网销、电销等核保环节较为宽松的途径在多家保险公司重复投保,险种集中在重疾、津贴等短期定额保险,并与医疗人员勾结获得虚假病例进行骗保。
针对上述某地频发健康保险欺诈的问题,不少险企被倒逼投入加强对该区域医院的核查,部分保险公司甚至将该地区的医院列入“黑名单”,不再接受新的理赔,而这给该地区居民正常的医疗活动和保险理赔造成诸多不便。
同时,深圳、安徽、江苏等保监局都有公开信息指出,在互联网保险领域欺诈案件发生风险较高,相关案件较多,这些险种以意外险为主。
“在大数据时代,网销保险成为险企的兵家必争之地,出于提升用户体验等原因,诸多险企在销售环节并未设置较高的防火墙,在理赔环节也比较宽松,导致这成为保险欺诈案件多发地带。”陆秦表示,刚开始,大家认为互联网保险是块肥田,主要忙着去抢占地盘而有些忽略风险防范,但随着行业发展,竞争的加剧、欺诈的发生都将使保险公司趋于冷静,必然加强风险防范。
监管跟进
大数据显身手
事实上,充分利用大数据提升监管质量和效率的理念早已提出,2014年,不少保监局也进行了探索和尝试,初见效果。
中国保监会副主席王祖继在2013年年底就提出,保险监管机构要顺应大数据时代的潮流,强化基础建设,建立大数据的质量标准,消除壁垒,推进信息共享,建立信息隐私保护制度,加强信息的安全保护,建立安全有效的大数据共享使用环境;要鼓励包容创新,以开放的心态支持保险机构运用大数据进行产品、服务、管理等方面的有益创新,并在监管上及时跟进。
在实践方面,2014年,辽宁保监局发挥大数据优势提升非现场监管效能。一是创建非现场监管信息平台,实现信息来源全覆盖,解决非现场监管信息碎片化、割裂化问题。二是建立综合风险指标分析体系,通过与历史基准数据的相关性分析,根据指标合理浮动区间对异动指标进行事前预警、原因分析、趋势预测,提高非现场分析的科学性。三是开发辅助监管程序,通过开发满期给付与退保汇总、灾害理赔情况统计、车险理赔员资格考试等应用程序,提高非现场监管的现代化水平。
上海保监局充分利用信息平台,依托“机动车辆保险联合信息平台”、“人身险综合信息平台”和“道路交通事故检验鉴定信息系统”,推行大数据智能化反保险欺诈工作模式,具体包括利用大数据方式进行风险预警、关联排查以及数据串并,通过这些方式打击保险欺诈。
陕西建立并完善了“高风险修理厂数据库”、“高风险客户数据库”和“高风险从业人员数据库”,为保险公司提供预警和服务。
江西保监局指出,要加强保险、银行和证券的监管合理,提升监管效能,还需要建立保险业网络征信数据库反保险欺诈。
可以发现,利用大数据进行反保险欺诈的一个重要内容是进行信息收集、共享和利用。随着行业的发展,大数据应用将愈加深入,保险欺诈也会烙上大数据的印迹,监管手段的跟进和升级非常必要,多家保监局的探索为今后更好地推行大数据监管作出了有益尝试。
他山之石
力求事前防范
事实上,保险欺诈也是一个全球性的问题,各国都在探索有效的反欺诈方式。美国利用专业软件平台反保险欺诈的思路或许可以给我国反保险欺诈一些启示。
人保财险沈阳监察稽核中心尹会岩曾公开撰文指出,国际上,保险欺诈尤其是健康保险领域的欺诈出于其专业性、隐蔽性的特点,也引发了应用大数据技术的呼声。为了防范健康险领域的诈骗,美国各州筹划在未来建立全民医保的网络销售平台时,附加建立专业软件平台,用于自动识别和侦破健康保险索赔数据。这是一个依赖于在大数据情况下建立回馈机制,并可以不断提高和进化的动态防卫系统。该软件可以随着数据更新寻找规律,适应欺诈的新特点并加以追踪鉴别,建成后将大大提高理赔和管理效率。
尹会岩指出,随着各部门的合作和经验的积累,在数据完善积累的基础上循序渐进,从特征分析、因子分析和网络分析入手,建立高效的反欺诈鉴别机制,也许只是时间问题。
保监会统计信息部副巡视员李春亮日前也指出,大数据时代的到来,监管不能局限在企业内部,要做到行业数据或者跨行业数据共享,甚至跟国外的一些企业或者一些机构有数据共享。
“互联网大数据探索一方面是推进信息共享,另一方面是真正从保险监管上利用大数据技术,加强监管,从被动的数据统计或者事后的监管,能够从大数据提供给我们的实时或者事前预判,以更好地加强监管。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
Python HTTP 请求工具对比:urllib.request 与 requests 的核心差异与选择指南 在 Python 处理 HTTP 请求(如接口调用、数据爬取 ...
2025-09-12解决 pd.read_csv 读取长浮点数据的科学计数法问题 为帮助 Python 数据从业者解决pd.read_csv读取长浮点数据时的科学计数法问题 ...
2025-09-12CDA 数据分析师:业务数据分析步骤的落地者与价值优化者 业务数据分析是企业解决日常运营问题、提升执行效率的核心手段,其价值 ...
2025-09-12用 SQL 验证业务逻辑:从规则拆解到数据把关的实战指南 在业务系统落地过程中,“业务逻辑” 是连接 “需求设计” 与 “用户体验 ...
2025-09-11塔吉特百货孕妇营销案例:数据驱动下的精准零售革命与启示 在零售行业 “流量红利见顶” 的当下,精准营销成为企业突围的核心方 ...
2025-09-11CDA 数据分析师与战略 / 业务数据分析:概念辨析与协同价值 在数据驱动决策的体系中,“战略数据分析”“业务数据分析” 是企业 ...
2025-09-11Excel 数据聚类分析:从操作实践到业务价值挖掘 在数据分析场景中,聚类分析作为 “无监督分组” 的核心工具,能从杂乱数据中挖 ...
2025-09-10统计模型的核心目的:从数据解读到决策支撑的价值导向 统计模型作为数据分析的核心工具,并非简单的 “公式堆砌”,而是围绕特定 ...
2025-09-10CDA 数据分析师:商业数据分析实践的落地者与价值创造者 商业数据分析的价值,最终要在 “实践” 中体现 —— 脱离业务场景的分 ...
2025-09-10机器学习解决实际问题的核心关键:从业务到落地的全流程解析 在人工智能技术落地的浪潮中,机器学习作为核心工具,已广泛应用于 ...
2025-09-09SPSS 编码状态区域中 Unicode 的功能与价值解析 在 SPSS(Statistical Product and Service Solutions,统计产品与服务解决方案 ...
2025-09-09CDA 数据分析师:驾驭商业数据分析流程的核心力量 在商业决策从 “经验驱动” 向 “数据驱动” 转型的过程中,商业数据分析总体 ...
2025-09-09R 语言:数据科学与科研领域的核心工具及优势解析 一、引言 在数据驱动决策的时代,无论是科研人员验证实验假设(如前文中的 T ...
2025-09-08T 检验在假设检验中的应用与实践 一、引言 在科研数据分析、医学实验验证、经济指标对比等领域,常常需要判断 “样本间的差异是 ...
2025-09-08在商业竞争日益激烈的当下,“用数据说话” 已从企业的 “加分项” 变为 “生存必需”。然而,零散的数据分析无法持续为业务赋能 ...
2025-09-08随机森林算法的核心特点:原理、优势与应用解析 在机器学习领域,随机森林(Random Forest)作为集成学习(Ensemble Learning) ...
2025-09-05Excel 区域名定义:从基础到进阶的高效应用指南 在 Excel 数据处理中,频繁引用单元格区域(如A2:A100、B3:D20)不仅容易出错, ...
2025-09-05CDA 数据分析师:以六大分析方法构建数据驱动业务的核心能力 在数据驱动决策成为企业共识的当下,CDA(Certified Data Analyst) ...
2025-09-05SQL 日期截取:从基础方法到业务实战的全维度解析 在数据处理与业务分析中,日期数据是连接 “业务行为” 与 “时间维度” 的核 ...
2025-09-04在卷积神经网络(CNN)的发展历程中,解决 “梯度消失”“特征复用不足”“模型参数冗余” 一直是核心命题。2017 年提出的密集连 ...
2025-09-04