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
写在开头 老板在微信上甩来一句: "帮我看下为什么销量跌了。" ” 你回工位,打开 SQL,开始写。查订单表、拉近三个月、按 ...
2026-10-03CDA数据分析师 出品 作者:李诗怡 1. 事实表 vs 维度表 对比维度 事实表 维度表 核心问题 记录“业务发生了什么事” 描述 ...
2026-10-02做数据聚合时,PySpark的groupBy()确实能完成统计,这也是它的本职工作。但它有一个根本性局限:每一组数据,最终只能返回一行 ...
2026-10-01热力地图是数据可视化中极具辨识度与实用性的空间分析图表,结合地理空间维度与数据密度特征,通过颜色深浅、色阶渐变直观展示数 ...
2026-09-30 很多数据分析师做过按月份的销售额趋势图,画过按天的流量折线图,但当被问到“时间序列和普通数据有什么本质区别”“季节性 ...
2026-09-30同样是“银行数据岗”,在国有大行总行数据中心、在一家城商行的零售部、在银行系金融科技子公司、在保险公司,工作内容、成长节 ...
2026-09-29在数据分析与统计学研究中,数据往往不是独立存在的,不同变量之间普遍存在相互关联、相互影响的关系。相关性统计分析是挖掘变量 ...
2026-09-29 导读:大多数人只把 dataclasses 当成偷懒工具,用来少写 __init__、__repr__ 这类魔法方法。但它的能力远不止于此。本文带 ...
2026-09-29 很多数据分析师能熟练地计算指标、搭建标签体系,但当被问到“画像到底在解决什么问题”“画像和标签是什么关系”“画像如何 ...
2026-09-29在MySQL数据库运维与业务开发中,行业普遍存在“数据达到千万级就必须分表”的说法。但在实际生产环境中,千万条数据并不是强制 ...
2026-09-28CDA数据分析师 出品 作者:李诗怡 1. 5W1H 分析法 定义:经典系统性思维框架,通过六个核心维度对问题进行全方位拆解与剖析,确 ...
2026-09-28 很多分析师在设计标签时思路清晰,但真到落地环节却面临“数据在手,不知如何转化为可用标签”的困境:或因加工方式选择不当 ...
2026-09-28CDA数据分析师 出品 作者:李诗怡 1. 用户标签体系 定义: 通过一系列高度精炼的特征标识,对用户属性、行为与偏好进行量化刻画 ...
2026-09-24Pandas是Python生态中用于表格数据处理的核心库,广泛应用于数据清洗、统计运算、报表输出、数据分析建模等场景。在处理极大数值 ...
2026-09-24随着数字经济快速发展,数据已成为核心生产要素,各行各业的业务沉淀、用户行为、设备运行、市场交易均产生海量数据。数据处理作 ...
2026-09-24 很多分析师每天和数据打交道,但当被问到“标签是什么”“标签和指标有什么区别”“标签体系如何设计”时,却常常答不上来。 ...
2026-09-24在时序数据分析中,大部分业务数据并非持续平稳变化,而是会在某些时间节点出现突然抬升、断崖下跌、趋势反转、波动异变等现象, ...
2026-09-23在统计学与数据分析中,研究多组数据差异最常用的方法为单因素方差分析与事后多重比较。很多数据分析初学者容易混淆两者功能,认 ...
2026-09-23 很多数据分析师每天都在写 SQL,但当被问到“DQL 的本质是什么”“SELECT 子句的书写顺序与执行顺序为何不同”“INNER JOIN ...
2026-09-23 很多数据分析师写过无数个SELECT查询,但当被问到“如何新建一张表来固化中间数据”“创建视图和创建物理表有什么区别”“视 ...
2026-09-22