【金融科技】保險業防理賠欺詐　數據分析為王

理賠是傳統保險業最繁複並牽涉大量人力的工作，而理賠審核一直缺乏系統化分析，令理賠欺詐個案與日俱增，尤其在新型冠狀病毒疫情下。有國際調查報告早前指出，保險從業員相信含有欺詐成份的保險理賠個案自疫情爆發以來已增加近一倍，，而逾六成保險機構亦已投放更多資源進行數碼轉型，當中近三成更積極增加保險欺詐分析。

【IG新功能】Instagram擬推「Take a break」功能　保護青少年遠離有害內容|

【創業比賽】阿里巴巴創業者基金夥滙豐　正式啟動JUMPSTARTER 2022　 投資額達3千萬

在疫情新常態下，傳統保險業正加快部署保險科技解決方案，積極利用人工智能（AI）、機器學習（Machine Learning）、進階分析等嶄新科技，應對日益嚴峻的保險欺詐風險，以及遙距工作為保單調整和理賠過程帶來的挑戰。

單一可信數據管理來源
以往保險審核員需透過查核不同渠道的混雜資訊，判斷理賠申請案件是否含有欺詐成份，但因大多數的理賠案件有超過七成都是非結構化數據，如醫療紀錄、保單更改事項等，往往容易出現漏網之魚。

若要增加案件透明度，降低詐騙風險，審核員可利用人工智能、機器學習及進階分析，整合各個來源的數據進行異常檢測、預測性分析、社交網絡分析等，非結構化數據進行更深入的分析。這些高質量及已緊密整合的數據能令審核員更高效地偵測理賠欺詐，減低誤賠及提高審查的準確性。

【視像通話】杜拜世界博覽會成催化劑　阿聯酋政府擬解禁FaceTime

【調音器】Google Search增新功能　直接使用結他調音器

可視化潛在理賠欺詐風險
傳統上，審核員需要整合所有數據，以統計方法識別可疑理賠申請。這個過程不單費時，更欠缺效率。進階分析能令數據可視化，不但能協助審核員偵測及預防有組織性的欺詐行為，同時亦能透過分析與保單持有人所有相關的活動及人脈網絡，尤其是沒有明確連繫的人事關係，從而發現看似互不相干的理賠申請互相的可疑關係。

以數據主導的預測性分析
機器學習能透過保單資料、企業規則指標，以及統計模型中學習，發展出一套能不斷自我更新的分析系統，有助從廣泛數據中辨認繁複且肉眼難以察覺的模式，抽絲剝繭，辨識可疑個案。以希臘其中一間最大型的保險公司Ydrogios Insurance爲例，該公司利用SAS Detection and Investigation for Insurance以人工智能及機器學習對保單在簽發前進行預測性分析，從而令潛在欺詐個案的偵測率由0.5%提升至2%，同時亦令該公司的年度理賠申請數量下降5%。

即使在疫情過後，理賠欺詐仍會是保險業的一項重大威脅。業界應把握機遇，進一步加快數碼轉型步伐，預計在2025年，利用進階分析及創新科技偵測、預防和調查潛在理賠欺詐案件及風險，將會成為保險業不可或缼的一部分。