京公网安备 11010802034615号
经营许可证编号:京B2-20210330
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
在数据工作的全流程中,数据清洗是最基础、最耗时,同时也是最关键的核心环节,无论后续是做常规数据分析、可视化报表,还是开展 ...
2026-03-20在大数据与数据驱动决策的当下,“数据分析”与“数据挖掘”是高频出现的两个核心概念,也是很多职场人、入门学习者容易混淆的术 ...
2026-03-20在CDA(Certified Data Analyst)数据分析师的全流程工作闭环中,统计制图是连接严谨统计分析与高效业务沟通的关键纽带,更是CDA ...
2026-03-20在MySQL数据库优化中,分区表是处理海量数据的核心手段——通过将大表按分区键(如时间、地域、ID范围)分割为多个独立的小分区 ...
2026-03-19在商业智能与数据可视化领域,同比、环比增长率是分析数据变化趋势的核心指标——同比(YoY)聚焦“长期趋势”,通过当前周期与 ...
2026-03-19在数据分析与建模领域,流传着一句行业共识:“数据决定上限,特征决定下限”。对CDA(Certified Data Analyst)数据分析师而言 ...
2026-03-19机器学习算法工程的核心价值,在于将理论算法转化为可落地、可复用、高可靠的工程化解决方案,解决实际业务中的痛点问题。不同于 ...
2026-03-18在动态系统状态估计与目标跟踪领域,高精度、高鲁棒性的状态感知是机器人导航、自动驾驶、工业控制、目标检测等场景的核心需求。 ...
2026-03-18“垃圾数据进,垃圾结果出”,这是数据分析领域的黄金法则,更是CDA(Certified Data Analyst)数据分析师日常工作中时刻恪守的 ...
2026-03-18在机器学习建模中,决策树模型因其结构直观、易于理解、无需复杂数据预处理等优势,成为分类与回归任务的首选工具之一。而变量重 ...
2026-03-17在数据分析中,卡方检验是一类基于卡方分布的假设检验方法,核心用于分析分类变量之间的关联关系或实际观测分布与理论期望分布的 ...
2026-03-17在数字化转型的浪潮中,企业积累的数据日益庞大且分散——用户数据散落在注册系统、APP日志、客服记录中,订单数据分散在交易平 ...
2026-03-17在数字化时代,数据分析已成为企业决策、业务优化、增长突破的核心支撑,从数据仓库搭建(如维度表与事实表的设计)、数据采集清 ...
2026-03-16在数据仓库建设、数据分析(尤其是用户行为分析、业务指标分析)的实践中,维度表与事实表是两大核心组件,二者相互依存、缺一不 ...
2026-03-16数据是CDA(Certified Data Analyst)数据分析师开展一切工作的核心载体,而数据读取作为数据生命周期的关键环节,是连接原始数 ...
2026-03-16在用户行为分析实践中,很多从业者会陷入一个核心误区:过度关注“当前数据的分析结果”,却忽视了结果的“泛化能力”——即分析 ...
2026-03-13在数字经济时代,用户的每一次点击、浏览、停留、转化,都在传递着真实的需求信号。用户行为分析,本质上是通过收集、整理、挖掘 ...
2026-03-13在金融、零售、互联网等数据密集型行业,量化策略已成为企业挖掘商业价值、提升决策效率、控制经营风险的核心工具。而CDA(Certi ...
2026-03-13在机器学习建模体系中,随机森林作为集成学习的经典算法,凭借高精度、抗过拟合、适配多场景、可解释性强的核心优势,成为分类、 ...
2026-03-12在机器学习建模过程中,“哪些特征对预测结果影响最大?”“如何筛选核心特征、剔除冗余信息?”是从业者最常面临的核心问题。随 ...
2026-03-12