[ 導讀 ] 在保險這個“以信譽與承諾為安身立命之根本”的行業中，保險欺詐如同隱藏其后的陰影。隨著保險業的發展壯大，保險欺詐現象如影隨形。近來被媒體和學術界熱炒的“大數據”概念，是否能夠成為一柄新技術的利器，斬除保險欺詐這一毒瘤?

       在保險這個“以信譽與承諾為安身立命之根本”的行業中，保險欺詐如同隱藏其后的陰影。隨著保險業的發展壯大，保險欺詐現象如影隨形。近來被媒體和學術界熱炒的“大數據”概念，是否能夠成為一柄新技術的利器，斬除保險欺詐這一毒瘤?

       保險欺詐是指投保人、被保險人或受益人以虛構保險標的、謊報保險事故、故意制造保險事故，或者在保險事故發生后以偽造、編造的有關證明資料和其他證據來編造虛假的事故原因，或者夸大損失程度，向保險人提出索賠或給付請求的行為。保險欺詐的直接后果是保險公司賠付成本上升，而間接后果是導致所有投保人獲取保單的成本上升，危害了所有投保人的正當權益。

       近期，包括北京、上海、蘇州在內的多地涌現出大量健康保險欺詐案例，而且作案方法呈現出專業化和規模化的趨勢。更有甚者，騙保人員與醫院、保險公司內部人員勾結形成團伙，多次騙取大額保險金的案例也屢有發生。例如，近年來北京平谷地區頻發的健康保險欺詐現象引發了廣泛關注。主要由無業人員組成的專業團伙經常通過網銷、電銷等核保環節較為寬松的途徑在多家保險公司進行重復投保。其投保的險種主要集中在重疾、津貼等短期定額保險，并與醫療人員勾結獲得虛假病例進行騙保。這一較為普遍的趨勢引起了保險公司的注意，迫使保險公司投入更多人力、物力專門針對該區域的醫院進行核查，甚至導致部分保險公司將平谷地區醫院列入“黑名單”，不再接受新的理賠。長久以往，讓少數人非法獲利的欺詐行為勢必對該地區居民的正常醫療活動和保險理賠造成諸多不便。

       據保監會數據顯示，2012年上半年，全行業就發生了127起欺詐案件，比2011年同期上漲約20%，涉案金額高達3645萬元。而且保險欺詐呈現出機會性欺詐普遍化、職業性欺詐活躍化、保險公司管控薄弱化、案件難度升高化和跨境欺詐萌芽化等諸多特點。正是由于保險欺詐對于全行業發展的重大潛在影響，保監會在2012年頒布了《關于加強反保險欺詐工作的指導意見》，提出構建“政府主導、執法聯動、公司為主、行業協作”四位一體的反保險欺詐工作體系，并建議建立行業反欺詐合作平臺，從開發系統、建立信息平臺和提供專項資金方面著手布局，共同應對保險欺詐領域的新趨勢。此后，山西、四川、蘇州等地陸續建成各種形式的“反保險欺詐工作委員會”“反保險欺詐工作[FS:PAGE]站”“反欺詐工作平臺”和共享資料庫，旨在更加高效地防范、發現與制止保險欺詐行為。

       傳統上，受理賠部門人力、物力所限，保險公司主要依靠一些固定標準和理賠人員的長期經驗篩選可疑案例，進行針對性調查。由于缺乏行業內普遍的協作機制和透明化的信息平臺，調查的質量主要依賴于理賠人員的個人素質以及與業內其他公司、部門的個人關系。許多大案也是憑借理賠員的直覺、堅持，以及良好的私人關系探出端倪，才得以水落石出。顯然，這些素質雖然令人欽佩，卻難以大規模復制，并且在面對大量新型欺詐案件時，理賠部門難免捉襟見肘、疲于應付。

       隨著互聯網上的數據繼續以每年50%的速度飆升和積聚，媒體言之鑿鑿：“大數據時代來臨”。大數據技術的戰略意義并不僅僅在于掌握大量數據信息，更重要的是，如何對這些海量信息進行專業化處理，從而迅速獲得隱藏其后的有用信息并轉化為效益。對于大數據，研究機構Gartner將其定義為“需要新處理模式才能實現更強決策力、洞察力和流程優化能力的海量、高增長和多樣化的信息資產”。

       那么，大數據時代的反欺詐構想將如何實現呢?在國際上，保險欺詐，尤其是健康保險領域的欺詐出于其專業性、隱蔽性的特點，也引發了應用大數據技術的呼聲。為了防范健康保險交易中詐騙的發生，美國各州籌劃在未來建立全民醫保的網絡銷售平臺時，附加建立專業軟件平臺，用于自動識別和偵破可疑的健康保險索賠數據。這是一個依賴于在大數據情況下建立回饋機制，并依賴機器學習技術不斷提高和進化的動態防衛系統。該軟件可以隨著數據更新尋找規律，適應欺詐的新特點并加以追蹤鑒別，建成后將大大提高理賠和管理效率。

       顯然，以國內保險業目前的數據積累、技術儲備和行業協作水平，運用大數據技術實現自動甄別可疑案件似乎仍是美好愿景。通過實現全國各地保險公司之間客戶理賠信息的即時共享機制，建立完善、統一的欺詐風險信息庫，建設廣泛的異地協查網絡，積極實現商業保險與社會保險之間的信息實時對接，擴大共享范圍，提高數據質量這一系列措施，是堅實邁向美好愿景的必由之路。大數據技術聽起來很美妙，卻也不乏暗含風險。筆者聯想起曾風靡金融業一時的高頻交易、機器自主交易，雖創新性地提高了效率，卻也曾造成美國股市在2010年5月發生瞬間暴跌，跳水1000點的“烏龍[FS:PAGE]”事件。高頻交易隨之成為眾矢之的，日漸式微。說到底，機器能夠發揮的作用依舊是由人來主導的。隨著各部門的合作和經驗的積累，在數據完善積累的基礎上循序漸進，從特征分析、因子分析和網絡分析入手，建立高效的反欺詐鑒別機制，也許只是時間問題。

【聲明】物流產品網轉載本文目的在于傳遞信息，并不代表贊同其觀點或對真實性負責，物流產品網倡導尊重與保護知識產權。如發現文章存在版權問題，煩請聯系小編電話：010-82387008，我們將及時進行處理。