Wykrywanie i zapobieganie oszustwom ubezpieczeniowym z pomocą Sybase IQ

Transkrypt

1 Wykrywanie i zapobieganie oszustwom ubezpieczeniowym z pomocą Sybase IQ Niższy koszt finansowy oszustw ubezpieczeniowych, wzrost tempa prowadzenia dochodzeń i większa dokładność wykrywania oszustw omówienie rozwiązania

2 PRZEGLĄD CECH I ZALET ROZWIĄZANIA Uruchamianie złożonych zapytań na ogromnych zbiorach danych, co zwiększa dokładność modelu statystycznego. Wydobywanie informacji z wielu typów dokumentów w poszukiwaniu istotnych oznak wystąpienia oszustwa. Szybkie przetwarzanie zapytań pozwala uzyskać odpowiedzi wtedy, gdy są one potrzebne, co umożliwia szybsze wykrycie oszustw w procesie obsługi szkód. Kompresja danych sprawia, że utrzymywanie dużych zbiorów danych jest możliwe i przystępne cenowo, co pozwala towarzystwom ubezpieczeń dokonywać analiz na zbiorach pełnych i kompletnych nie ma potrzeby próbkowania danych ani ich wstępnej agregacji. Oszustwa to znany problem w branży ubezpieczeniowej, generujący koszty zarówno po stronie ubezpieczających jak i towarzystw ubezpieczeniowych ze wszystkich segmentów tego sektora. Najnowsze badania wykazują, że oszukańcze zgłoszenia stanowią znaczącą część wszystkich szkód zgłaszanych towarzystwom ubezpieczeniowym, a związane z nimi koszty sięgają miliardów dolarów rocznie. Oszustwa pojawiają się na wielu różnych etapach transakcji ubezpieczeniowej, między innymi przy składaniu wniosku, gdy ubezpieczającym jest osoba fizyczna, mogą być również dokonywane przez osoby trzecie. Fałszywe szkody zgłaszają też czasem podmioty zawodowo świadczące usługi osobom zgłaszającym szkodę. Powszechnie występujące rodzaje oszustw to podanie nieprawdziwych informacji na wniosku o zawarcie ubezpieczenia, pozorowanie zdarzeń losowych i dochodzenie odszkodowania z tytułu poważnego uszczerbku na zdrowiu, który w rzeczywistości jest niewielki. Dodatkowo towarzystwa ubezpieczeniowe odczuwają pilną potrzebę zwiększenia swojej zdolności do wykrywania oszustw i zapobiegania im, gdyż liczba oszukańczych roszczeń i stopień ich wyrafinowania stale rosną. Ponadto nowe wymagania organów nadzoru, niekorzystny wpływ na zyski i konieczność zarządzania szeroką gamą rodzajów ryzyka wymuszają na towarzystwach ubezpieczeniowych stosowanie bardziej nowoczesnych technologii i metod analizy w walce z oszustwami. Aby sprostać tym wyzwaniom, towarzystwa ubezpieczeniowe wyposażają personel śledzący oszustwa w zaawansowane technologie analityczne. Dzięki narzędziom pozwalającym analizować dane operacyjne towarzystwa, osoby te mogą z większą dokładnością i na wcześniejszym etapie procesu wykrywać transakcje i działania stwarzające ryzyko oszustwa. Analiza danych zapewnia również skuteczną metodę wdrożenia ściślejszej profilaktyki w zwalczaniu oszustwa dzięki możliwości szukania w danych oznak lub schematów oszustwa. Analizy takie wymagają świetnie wyszkolonych pracowników, biegłych w opracowywaniu i obsłudze złożonych modeli matematycznych i statystycznych za pomocą technologii data mining i innych narzędzi analitycznych. Niemniej personel taki potrzebuje też wysokowydajnego serwera analitycznego, pozwalającego na uruchamianie modeli w czasie rzeczywistym na olbrzymich, wielowymiarowych zbiorach danych. Towarzystwa ubezpieczeniowe potrzebują serwera analitycznego umożliwiającego im obserwację złożonych zmian, stawianie trudnych pytań i uzyskiwanie odpowiedzi szybciej niż pozwalają na to inne metody. Ponadto muszą one być w stanie łączyć ze sobą ogromne ilości informacji i zadawać pytania, na które dotąd nie udało się znaleźć odpowiedzi. Wszystko to wymaga zdolności do integrowania odseparowanych zbiorów informacji i korzystania z danych nieprzetworzonych do wykonywania analiz przekrojowych. Towarzystwa ubezpieczeniowe oczekują w szczególności, że ich modele analityczne i serwer, na którym są one uruchamiane, pomogą im osiągnąć cztery główne cele związane z wykrywaniem oszustw i zapobieganiem im. Aby spełnić powyższe oczekiwania, towarzystwa ubezpieczeniowe muszą: zmniejszyć koszty finansowe związane z oszustwami poprzez wypracowanie najbardziej zaawansowanych systemów ich wykrywania, pozwalających wykorzystać wszystkie dostępne informacje; skrócić czas prowadzenia dochodzenia, aby wykrywać oszukańcze roszczenia zanim nastąpi wypłata odszkodowania; zwiększyć dokładność wykrywania oszustw, zmniejszając zarówno liczbę wyników fałszywie dodatnich jak i fałszywie ujemnych; zminimalizować koszty operacyjne poprzez scentralizowanie danych w jednym magazynie bez uciekania się do drogich rozwiązań sprzętowych.

3 Gdy przychodzi do wyboru serwera analitycznego pomagającego skutecznie wykrywać oszustwa i zapobiegać im, towarzystwa ubezpieczeniowe na całym świecie wybierają Sybase IQ. Jako serwer analityczny o wysokiej wydajności zaprojektowany specjalnie z myślą o krytycznych procesach business intelligence. Sybase IQ umożliwia towarzystwom ubezpieczeniowym analizę olbrzymich zbiorów danych w czasie rzeczywistym z wykorzystaniem zaawansowanych technik data mining i statystycznych, ułatwiając dokładniejsze wykrywanie oszustw i zapobieganie im. Dzięki unikatowej, kolumnowej architekturze danych, Sybase IQ może wykonywać złożone zapytania 50 do 100 razy szybciej niż tradycyjne systemy baz danych, i to na całych zbiorach (nie tylko próbkach) danych, zwiększając tym samym dokładność wyników. Może on też wykorzystywać zaawansowane techniki data mining i metody statystyczne, w tym uczenie nadzorowane, sieci neuronowe, analizę głównych składowych i metody grupowania, a także wydobywać dane z szerokiej gamy rodzajów dokumentów pod kątem oznak oszustwa. Sybase IQ może ponadto przechowywać wszystkie dane w jednym magazynie, nie zawyżając kosztów przechowywania, dzięki zaawansowanej technologii kompresji danych. Czołowe firmy finansowe i ubezpieczeniowe, takie jak Prudential, Allianz, Citigroup i MasterCard, wybrały Sybase IQ zamiast produktów alternatywnych z uwagi na cztery główne korzyści wyróżniające go od konkurencyjnych produktów: Wydajność Sybase IQ został zoptymalizowany pod kątem obciążenia analizami, dzięki czemu cechuje się znacznie wyższą wydajnością wykrywania oszustw niż rozwiązania konwencjonalne. Kolumnowa struktura danych, opatentowana technologia indeksowania oraz unikatowy optymalizator zapytań umożliwiają Sybase IQ niezwykle szybkie wykonywanie zapytań, zwłaszcza złożonych i ad hoc. Optymalizacja zapytań odbywa się poprzez korzystanie z metadanych i indeksów wielu kolumn zgodnie z priorytetem kolejności w celu uzyskania jak najszybszej odpowiedzi. Oznacza to, że serwer jest w stanie wykryć więcej potencjalnych przypadków oszustwa w krótszym czasie oraz przeszukiwać pod kątem schematów oszustwa większe zbiory historii danych. Dokładność - Sybase IQ przyspiesza projektowanie, ocenę punktową (scoring), dostrajanie i wdrażanie modeli predyktywnych, nawet do 400 razy przy dużych zbiorach danych i złożonych zapytaniach. Sybase IQ obsługuje złożone modele wykrywania oszustw funkcjonujące na pełnych zbiorach danych nie ma potrzeby próbkowania danych ani ich wstępnej agregacji, ograniczającej wielkość analizowanych danych, co skutkuje analizą niepełną lub nieprecyzyjną. Wewnętrzne funkcje analityczne Sybase IQ są istotne szczególnie wtedy, gdy konieczna jest techniczna analiza sporych zbiorów danych z dużą dokładnością. Ponieważ nie jest konieczne przenoszenie danych między Sybase IQ i aplikacją wykrywającą oszustwa, uzyskuje się znaczący wzrost wydajności zapytań i możliwość dokładniejszego wykrywania złożonych relacji. Typy danych Sybase IQ potrafi analizować wszystkie typy danych, zarówno uporządkowanych jak i nieuporządkowanych, w tym dane tekstowe. Zdolność analizowania danych tekstowych, takich jak wiadomości poczty elektronicznej i inne dokumenty, jest bardzo cenna przy wykrywaniu oszustw i zapobieganiu im. W procesie obsługi szkód ubezpieczeniowych gromadzi się i generuje duże ilości informacji tekstowych; oprogramowanie do analizy tekstu uzyskuje dostęp do tych danych, dzieli je na części, aby wydobyć istotne informacje, i analizuje nowo otrzymane dane, aby lepiej zrozumieć zgłoszoną szkodę. Operacyjna baza danych OLTP często potrzebowała bardzo dużo czasu, aby zwrócić wyniki dla każdego pojedynczego zapytania analitycznego. Chcielibyśmy, aby użytkownicy baz danych w naszych działach mogli sami uruchamiać zapytania i dostosowywać je do swoich potrzeb. W tym celu potrzebowaliśmy systemu, który jest łatwy do zrozumienia, elastyczny, a przede wszystkim bardzo szybki. Andreas Seibert, dyrektor ds. informatycznych, AOK Hessen Pierwotnie prognozowaliśmy, że Sybase IQ pozwoli nam zaoszczędzić ok. 150 tys. USD rocznie, ale przez pięć ostatnich lat zaoszczędziliśmy około 5 mln USD, pomagając w wykrywaniu takich oszustw, o jakich istnieniu nawet nie mieliśmy pojęcia i umożliwiając nam wdrożenie odpowiednich zabezpieczeń przed takimi zdarzeniami John Hagan, Kierownik Projektu, American Airlines Efektywność kosztowa w rozwiązaniach konwencjonalnych problemy analityki rozwiązuje się poprzez zwiększenie ilości sprzętu komputerowego, co rodzi lawinowo rosnące koszty, przy minimalnym wzroście wydajności. Sybase IQ podchodzi do tego problemu w inny sposób dane przechowywane są w architekturze kolumnowej i poddawane wyrafinowanym algorytmom kompresji, umożliwiającym ich przeszukiwanie bez dekompresji. Metody te umożliwiają Sybase IQ przeszukiwanie zbiorów danych mniejszych często o 50-75% od danych początkowych, z 10 do 100 razy mniejszą liczbą operacji wejścia-wyjścia w porównaniu z tradycyjnymi bazami danych. Kompresja danych przekłada się na oszczędności przestrzeni dyskowej i kosztów utrzymania.

4 Ubezpieczenia zdrowotne (płatnicy) Przy użyciu Sybase IQ do analizy danych pod kątem oszustw płatnicy mogą wydobyć istotne dane z systemów obsługi szkód, zewnętrznych źródeł danych i nieuporządkowanego tekstu, a także importować z istniejących mechanizmów reguły biznesowe opisujące znane metody oszustw, marnotrawienia zasobów i nadużyć. Mogą oni również stosować zaawansowane metody punktowania (scoring) oparte na technikach modelowania statystycznego i predyktywnego, umożliwiających wykrywanie podejrzanych szkód, które inaczej pozostałyby niewykryte. Typowe techniki statystyczne, stosowane do tego celu przez Sybase IQ, obejmują: tworzenie profili modelujących zachowanie grup lub jednostek, budowanie modeli zachowań standardowych i zwyczajowych na podstawie danych historycznych, zarówno dla danej osoby, jak i grupy porównawczej; grupowanie identyfikujące nietypowe grupy szkód, bądź dlatego, że odstają one pod każdym względem od reszty, nie są typowe dla wybranej podstawy (takiej jak segment czy profil klientów) lub zawierają wartości nietypowe we wzajemnej relacji; narzędzia data mining i tworzenia programów dających w wyniku ocenę podatności na oszustwa. Likwidatorzy wprowadzają jedynie dane, a program automatycznie ocenia szkody pod kątem prawdopodobieństwa oszustwa i przedstawia je do oceny. Sybase IQ był już skutecznie wykorzystywany do wykrywania oszustw w podmiotach oferujących ubezpieczenia zdrowotne dla typowych scenariuszy korzystania z takich ubezpieczeń, obejmujących analizę cech grupy członkowskiej, danych o usługach ambulatoryjnych, szpitalnych oraz danych zintegrowanych, analizę faktur wystawianych przez lekarzy, apteki, szpitale i terapeutów, identyfikację niestandardowych kosztów oraz dokonywanie analizy trendów w zakresie usług dotyczących ustalania sposobu leczenia. Dodatkowo Sybase IQ jest częścią całego systemu technologii wspierających analizę oszustw u operatorów ubezpieczeń zdrowotnych, w skład którego wchodzą: Sybase Industry Warehouse Studio for Health Insurers wstępnie skonfigurowany pakiet aplikacji business intelligence, składający się z przykładowych danych, skryptów i wstępnie skonfigurowanych raportów opartych na wnioskach wyciągniętych z praktycznych doświadczeń nabytych w ciągu wielu lat pracy w branży ubezpieczeń zdrowotnych. SAP BusinessObjects EIM Data Services wszechstronny pakiet technologii przenoszenia danych, w skład którego wchodzi narzędzie Data Integrator ETL, zoptymalizowane pod kątem obciążania Sybase IQ danymi z szeregu źródeł, oraz niezawodny moduł jakości danych. SAP BusinessObjects Enterprise for Reporting umożliwia zarządzanie wydajnością i przestrzeganiem prawa z wykorzystaniem wiodących na rynku narzędzi do raportowania, tworzenia wykresów i paneli kontrolnych (dashboard) o wysoce bezpiecznych uprawnieniach dostępu.

5 Ubezpieczenia majątkowe i osobowe W branży ubezpieczeń majątkowych i osobowych, wykrywanie oszustw jest kluczowym czynnikiem umożliwiającym zatrzymanie klientów i zwiększanie ich zadowolenia. Dzięki eliminowaniu oszustw można obniżyć składki ubezpieczeniowe, gdyż zmniejsza się część składki przeznaczona na pokrycie kosztów oszustw. Towarzystwa ubezpieczeniowe mogą również minimalizować niekorzystne wrażenie na klientach wynikające ze zbyt drobiazgowego badania spraw fałszywie dodatnich (podejrzeń o oszukańczym charakterze roszczenia, które okazują się niesłuszne). W przypadku ubezpieczycieli majątkowych i osobowych, opracowanie skutecznych systemów wykrywania oszustw rodzi wiele wyzwań analitycznych, z którymi trzeba się zmierzyć, na przykład wykrywanie niewielkich podzbiorów szkód o dużym odsetku oszukańczych kwot, które można odzyskać; wyodrębnianie czynników wskazujących na duże prawdopodobieństwo oszustwa w przypadku danej szkody lub wniosku o wypłatę świadczenia; opracowywanie reguł i używanie ich do oznaczania tylko tych szkód lub wniosków, które z największym prawdopodobieństwem można uznać za oszukańcze; oraz zapewnienie likwidatorom możliwości oceny szkód lub wniosków, które nie tylko z dużym prawdopodobieństwem są oszukańcze, lecz również opiewają na najwyższe kwoty. Kiedy, przy wykrywaniu oszustw w ubezpieczeniach majątkowych i osobowych, korzysta się z rozwiązań wykorzystujących Sybase IQ, można skoncentrować się na wielu zaawansowanych i wyrafinowanych technikach identyfikacji oszukańczych działań, w tym: Znajomość posiadanych danych i korzystanie z tego audytowane w przeszłości dane szkodowe są kluczem do odzyskania środków w przyszłości. Tworząc modele na bazie danych historycznych, likwidatorzy szkód majątkowych i osobowych mogą z dużą dokładnością wychwytywać roszczenia oszukańcze spośród milionów zgłaszanych co roku szkód. Ważnym krokiem jest również ciągłe pilnowanie, aby do rozwiązywania problemu stosowane były odpowiednie dane. Nie powinny one zawierać nieproporcjonalnej reprezentacji segmentu próbki populacji badanej pod kątem występowania oszustw. Aby skutecznie badać szkody pod kątem oszustwa, powinny być badane wszystkie istotne transakcje we wszystkich właściwych systemach i aplikacjach biznesowych. Aktywna analiza danych pomogła nam zwiększyć wielkość ściąganych opłat celnych, pozwoliła wykryć większą liczbę niezgłaszanych transakcji z podmiotami zagranicznymi i umożliwiła rozbicie kilkukrotnie większej liczby grup przemytniczych niż w czasach przed wdrożeniem CDW, a ponieważ dochodzenia przeciwko firmom prowadzone są na podstawie rzetelnych danych, również i nasza działalność uległa uproszczeniu. Sang-Chul Park, zastępca dyrektora Koreańskiej Służby Celnej Budowanie modeli matematycznych służących do wykrywania oszustw ubezpieczyciele majątkowi muszą dokładnie ustalić, które szkody zostały zgłoszone z zamysłem oszustwa, koncentrując się na zapobieganiu wypłacie zbędnych odszkodowań. W toku wielu lat działalności gromadzą oni wyniki audytów szkód ubezpieczeniowych. Funkcja data mining pozwala im obecnie przewidzieć, z jakimi szkodami wiąże się duże prawdopodobieństwo oszustwa. Dzięki temu likwidatorzy potrafią ustalić, na które szkody powinni zwrócić szczególną uwagę, dzięki czemu odzyskują miliony dolarów, które w przeciwnym razie zostałyby utracone, i zaoszczędzają wiele godzin cennego czasu. W modelach tych bada się wszystkie pozycje formularza zgłoszenia szkody, porównuje je z liczbą wykrytych oszukańczych kwot, szereguje szkody w kolejności prawdopodobieństwa oszustwa i wyświetla wyniki. Wykorzystanie wartości ukrytej w danych tekstowych niektóre przykłady tej funkcji obejmują wykorzystanie data mining do poszukiwania uzgodnionych zeznań przy zgłoszeniach drobnych kolizji pojazdów, na przykład wykrywanie niepowiązanych ze sobą osób dochodzących roszczenia poprzez porównanie treści formularzy. Funkcja data mining może okazać się bardzo pomocna przy ujawnianiu tego typu rozbieżności lub sytuacji.

6 Dodatkowo Sybase IQ jest częścią całego systemu technologii wspierających analizę oszustw w towarzystwach ubezpieczeń majątkowych, w skład którego wchodzą: Sybase Industry Warehouse Studio for Property and Casualty Insurers ten moduł jest doskonałym wyborem dla tych towarzystw ubezpieczeniowych, które potrzebują wdrożyć działający system analityczny w jak najkrótszym czasie i przy minimum ryzyka. Stosowane w IWS podejście do wdrożenia hurtowni danych w celu wykrywania oszustw w ubezpieczeniach majątkowych pozwala ubezpieczycielom na skorzystanie z możliwości zakupu hurtowni danych, będąc skuteczną alternatywą dla bardziej tradycyjnego podejścia polegającego na samodzielnym projektowaniu i tworzeniu takiej hurtowni. SAP BusinessObjects EIM Data Services wszechstronny pakiet technologii przenoszenia danych, w skład którego wchodzi narzędzie Data Integrator ETL, zoptymalizowane pod kątem obciążania Sybase IQ danymi z szeregu źródeł, oraz niezawodny moduł jakości danych. SAP BusinessObjects Enterprise for Reporting umożliwia zarządzanie wydajnością i przestrzeganiem prawa z wykorzystaniem wiodących na rynku narzędzi do raportowania, tworzenia wykresów i paneli kontrolnych (dashboard) o wysoce bezpiecznych uprawnieniach dostępu.

7 PODSUMOWANIE Sybase IQ z powodzeniem wspiera wykrywanie oszustw i zapobieganie im w towarzystwach ubezpieczeniowych na całym świecie, pomagając im zwiększyć szybkość badania podejrzanych szkód i dokładność wykrywania oszustw oraz zmniejszyć straty finansowe spowodowane oszustwami. Oprócz wszystkich funkcji opisanych w niniejszej broszurze, Sybase IQ oferuje również następujące możliwości, które są niezwykle przydatne w procesie zapobiegania oszustwom: Opcja VLDB: opcja VLDB (Very Large Database) polepsza zarządzanie bardzo dużymi zbiorami danych, które często występują przy ogólnofirmowych inicjatywach zarządzania oszustwami. Duże zbiory danych są niezwykle przydatne przy wyszukiwaniu schematów oszustw w danych historycznych. Opcja analizy danych nieuporządkowanych: dane tekstowe, takie jak wiadomości poczty elektronicznej i inne dokumenty są często badane pod kątem oszustw ubezpieczeniowych. Dostępna w Sybase IQ opcja analizy danych nieuporządkowanych oferuje przyjazną dla aplikacji i skalowalną funkcję analizy tekstu pozwalającą wykryć w takich danych schematy oszustw. Analityka wewnątrz bazy danych z użyciem bibliotek ilościowych: głębokie wydobywanie danych i analizy statystyczne są kluczowym aspektem wykrywania oszustw. Dostępna w Sybase IQ opcja analizy wewnątrz bazy danych wykorzystująca wyrafinowaną bibliotekę ilościową DBLytix firmy Fuzzy Logix umożliwia przesiewanie olbrzymich ilości danych (uporządkowanych lub nie) w poszukiwaniu schematów oszustw. Opcja zaawansowanych zabezpieczeń: potrzeba zapewnienia bezpieczeństwa danych przesyłanych (DIF) i danych przechowywanych (DAR) wymusza korzystanie z zaawansowanych funkcji takich jak silne szyfrowanie i uwierzytelnianie. Opcja zaawansowanych zabezpieczeń pomaga zapobiegać niepowołanemu dostępowi do danych i raportów, który stwarza okazje do oszustw. Większość działów nie chce, aby dział informatyki chował się na zapleczu przez 9 do 12 miesięcy, a potem ujawniał się i mówił: patrzcie, co zrobiliśmy! Działy chcą wyników szybkich i widocznych właśnie to byliśmy im w stanie dać dzięki Sybase IQ i Industry Warehouse Studio. Od października do grudnia dokonaliśmy pełnego wdrożenia infrastruktury naszej hurtowni danych, zapewniającej skalowalność umożliwiającą dostosowanie się do naszych przyszłych potrzeb. Było to prawdopodobnie jedno z najszybszych wdrożeń hurtowni danych w historii. Scott Wyld, Kierownik Projektu, Allianz Australia

8 Więcej informacji na temat sposobu, w jaki Sybase IQ wspiera wykrywanie oszustw i zapobieganie im można uzyskać od przedstawiciela handlowego firmy Sybase lub pod numerem telefonu Sybase, Inc. Worldwide Headquarters One Sybase Drive Dublin, CA U.S.A sybase Sybase Products Poland Sp. z o.o. Al. Jerozolimskie 133, suite Warszawa Copyright 2010 Sybase, an SAP Company. Wszelkie prawa zastrzeżone. Nieujawnione prawa zastrzeżone na podstawie amerykańskich przepisów o prawach autorskich. Sybase, logo Sybase oraz Industry Warehouse Studio są znakami towarowymi Sybase, Inc. lub jego spółek zależnych. wskazuje na rejestrację w Stanach Zjednoczonych Ameryki. SAP i logo SAP są znakami towarowymi lub zarejestrowanymi znakami towarowymi SAP AG w Niemczech oraz w kilku innych krajach. Wszystkie inne znaki towarowe są własnością ich właściwych właścicieli. 12/10