新光人壽:風險預測到位,理賠詐欺無所遁形

為了降低理賠詐欺帶來的損失,新光人壽以SAS顧問服務與軟體方案,建立一套先進的「理賠防詐欺風險預測系統」。短短一年,詐欺破案率提高15%,拒賠金額成長35%,成效斐然。

長期以來,人壽保險市場的主力產品就是醫療險和意外險。然而這類保險在申請理賠方面涉及第三方醫療院所的診斷證明,往往成為不良保戶鑽漏洞、行詐欺的目標,造成保險公司每年高達數十億元的無效支出。

為降低理賠詐欺案帶來的損失,新光人壽在理賠部協理廖晨旭的領軍下,導入SAS的專業服務與軟體方案,以SAS Enterprise Miner(EM)和Business Intelligent(BI)解決方案開發出一套「理賠防詐欺風險預測系統」。新系統在2012年上線啟用後,透過系統化的風險預測,降低人為經驗判讀的誤差,並累積理賠審查員的理賠分析能力,詐欺破案率也提高到15%,確實遏止無效理賠支出的損失。

 

 

抓詐欺,系統預測取代人為判讀

對保險公司而言,理賠代表營業支出;為求最好的收益績效,每年的理賠總額大多設定在固定金額。因此,理賠審核單位為了不超標,必須使出最強的「抓詐欺」本事。

理賠作業流程,從業務員協助保戶填單申請開始。第一道把關者是審查員。這道關卡將檢視申請案的合理性,如有經驗的理賠審查員能從病因,判讀住院天數的合理性。沒問題的,就實付理賠;有疑問的,就挑起來送交第二道把關的調查員。

以往,新光人壽,只能視理賠金額和可疑度的高低,針對特定案件做調查

根據長期慣用的調查規則著手調查。例如,保單生效不久就申請理賠、二年內有特定事故就查,或是申請來源是特定保戶等。

但這種人為的審查作業一直有著缺乏系統化分析、而錯失對可疑詐欺的判讀隱憂,再加上每當理賠審查離職,他們累積的知識與經驗也難以有效傳承。因此,建立系統化的防詐欺風險預測能力,勢在必行。

 

預測建模,挑出隱藏風險

在導入新系統前,新光人壽與SAS先進行一次「概念驗證(proof of concept)」。他們匯入最近18個月的資料做採礦分析,確實達成提升20%詐欺破案率的目標。這個實證結果讓新光團隊為之驚艷,全力支持且要求系統加速導入。

為了篩選可疑的申請案,SAS團隊綜合考量保戶、病因、投保與理賠申請時間等因素,挑出高風險、值得調查的對象。例如,哪些業務員有找高風險客戶的傾向,哪些保戶有多次理賠記錄等。

新系統使用SAS EM建立了一套「理賠風險預測」的模型,期間開發團隊嘗試過各種建模方式,最後選用迴歸模型,從300個風險因素中,挑選最主要的50個,再來回調整。

特別一提,EM在建構模型有個獨特的「資料訓練」方法學,可以透過抽樣方式將資料分成訓練組及驗證組,從中更精準建模並驗證預測的結果。如果沒有經過抽樣這道程序,將很難挑出高風險的資料,也會降低風險預測的精準度。

此外,新光人壽並採用SAS BI製作績效報表,除了分析模型的績效外,亦可以從破案率和拒賠金額來評量理賠部門的績效。

 

無縫整合,每筆理賠風險立判

透過理賠風險預測模型產出的評分程式和風險指標,隨後整合到新光既有的理賠審查系統。現在,審查員每當輸入新的理賠申請案,系統畫面就會跳出一個視窗,顯示這筆申請案的詐欺風險高低。審查員在依然熟悉的介面作業,但多了經過分析的風險預測,大大提高判讀的精準度。

事實上透過這套新系統,新光人壽還意外發現「判讀理賠的盲點」。

以往的低風險,是已請領、但理賠金少的保戶,但經過現在系統分析後,卻發現這批人反而是「高風險」的對象。因為他們沒有拒賠記錄,理賠金額又在保險公司設定的低水位範圍,玩擦邊球,一次次請領得逞的結果,反而成了保險公司理賠的大黑洞。

 

破案率提高,拒賠金額同步成長

經過一年多的上線使用,新光人壽對風險預測的效益深感滿意。

與前一個年度相比,新系統上線後的破案率提高15%,而破案(拒賠)金額成長35%,把長期偽裝得逞的詐欺申請案一一揪出,遏止了公司財務的損失。

能調查出這麼高比例的詐欺案,功勞之一是調查人力用在刀口上。新光人壽以往的理賠審查流程採「先進先出」方式,查到有問題的案件就分派調查,因此在人力固定的情況下,如果發生後進疑案的理賠金額較大,也常常沒有足夠的人力做調查。

但現在情況有所改觀。預測系統會根據風險評分來選案,也就是某申請案會不會被選中做調查,完全看它的風險高低。如此一來,調查員可把時間花在高風險的案件,自然就提高破案率。

展望未來,這套防詐欺風險預測系統在理賠部門獲得初步成效後,新光人壽計畫將該系統的應用擴展核保部門。

因為網路投保已蔚為趨勢,尤其一些健康險產品,只要簡易的手續即可完成投保。因此,新光人壽需要一套偵測詐欺風險的系統,輔助新保單的審核作業,從投保源頭就進行把關。

另一方面,面對行動理賠趨勢的興起,保險公司如何快速辨識出可能的詐欺風險,同時也能快速核賠正常的保戶,無疑將是這套系統的未來要擔負的新任務。

SKL_logo

商業挑戰

透過系統化的風險預測,更精準過濾出高風險的詐欺疑案,一方面降低公司無效理賠的支出,並累積理賠審查員的理賠分析能力。

解決方案

  • SAS Enterprise Miner (EM)
  • SAS Business Intelligent

建置效益

  • 新系統的破案率提高15%,拒賠金額成長35%。
  • 預測系統根據風險評分來選案,詐欺調查人力得以用在刀口上。
  • 理賠審查員多了風險預測評分的輔助,大大提高判讀詐欺案的精準度。
「新光人壽運用SAS EM打造一套防詐欺風險預測系統,無縫銜接到既有理賠審查系統。每筆申請案現在一輸入,就立即有評分判讀風險高低,突破以往的防詐欺盲點,確實遏止公司財務的損失。」
The results illustrated in this article are specific to the particular situations, business models, data input, and computing environments described herein. Each SAS customer’s experience is unique based on business and technical variables and all statements must be considered non-typical. Actual savings, results, and performance characteristics will vary depending on individual customer configurations and conditions. SAS does not guarantee or represent that every customer will achieve similar results. The only warranties for SAS products and services are those that are set forth in the express warranty statements in the written agreement for such products and services. Nothing herein should be construed as constituting an additional warranty. Customers have shared their successes with SAS as part of an agreed-upon contractual exchange or project success summarization following a successful implementation of SAS software. Brand and product names are trademarks of their respective companies.