Аналитическая платформа по противодействию мошенничеству в области автострахования

Разработан визуальный интерфейс для расследования мошеннических схем. Построен автоматизированный процесс оценки убытков на основе бизнес-правил, моделей машинного обучения и графовой аналитики.

Бизнес-результаты:

• рост доказанных случаев мошенничества на 35%;

• снижение загрузки службы безопасности на 40%;

• увеличение скорости выплат по заявленным событиям на 10%, повышение лояльности клиентов;

• в результате опытно-промышленной эксплуатации на ограниченном объёме данных был выявлен сегмент клиентов, связанных с мошенниками, убыточность которых более 200% (оценка ~100 млн. руб.)

Проблемы, которые решались в процессе реализации проекта:

• задача оптимизации производительности, строгий SLA процесса;

• продолжительная настройка алгоритмов оценки;

• большой объем данных в графовой подсистеме;

• многофункциональность интерфейса для расследования;

• интеграция с системами страховой компании, включая механизм обработки ошибок;

• жёсткие требования информационной безопасности со стороны заказчика;

• обучение сотрудников работе с новой системой.

Для решения задачи был реализован комплекс решений, позволяющий:

1. Более точно выявлять мошеннические убытки с помощью моделей машинного обучения.

2. Автоматизировать принятие решений о расследовании по убыткам, снизить участие сотрудников.

3. Более эффективно расследовать мошенничество по убыткам с помощью интерфейса для проведения расследований, который позволяет визуально анализировать взаимосвязи по всем данным, которые имеются в доступе у компании. Итоговая система позволяет сократить время идентификации комплексных мошеннических схем с нескольких дней до нескольких часов и повысить эффективность расследований.

Также важным аспектом новой системы является повышение скорости выявления новых способов мошенничества, которые регулярно возникают на рынке. В основе автоматической оценки риска мошенничества лежат методы машинного обучения. Они намного точнее, чем экспертные правила. Анализируя информацию по убыткам, математическая модель позволяет выявить скрытые закономерности и статистические зависимости в данных, определенная комбинация которых свидетельствует о высокой или низкой вероятности мошенничества.

Система для анализа графов выявляет циклы связанности между участниками ДТП, связи с известными мошенниками, а также рассчитывает различные бизнес-показатели окружения, в которое входит убыток. Например, наличие в окружении клиента людей с отказом в выплате страхового возмещения в связи с выявленными фактами мошенничества или большого количества убытков с обращениями в суд. Данные показатели также используются в моделях машинного обучения, реализованных в системе.