bi analyst

Star inactiveStar inactiveStar inactiveStar inactiveStar inactive
 
  "חברות ביטוח המיישמות טכנולוגיות בינה עסקית (Business Intelligence) יכולות למנוע את מקרי ההונאות הביטוח בשיעורים ניכרים," כך מעריכה שרון הר-עוז, מנהלת תחום פתרונות אנליטיים בחברת מיה מחשבים, נציגת SAS בישראל. כיום, מאותרים רק פחות מ- 20% ממקרי ההונאות בשוק הביטוח.

  לדברי הר-עוז, איתור הונאות ומקרי שחיתות מהווה כיום את אחד האתגרים המרכזיים עימן מתמודדות חברות הביטוח - אתגר ההולך ונעשה מורכב יותר עם הזינוק האדיר בכמויות הנתונים והמערכות הטכנולוגיות המיושמות בארגונים. "אם היינו מניחים כי התנהגות פלילית נשארת קבועה, היה לנו קל מאד לזהות תבניות התנהגות ולהציף תביעות מזויפות. הבעיה מסובכת יותר, מכיוון שמבצעי ההונאות הם לרוב בעלי ידע מספיק כדי להקשות על זיהוי תביעות אלו. כתוצאה מכך, פותחו מספר טכניקות כדי לסייע לנו להפחית את מספר התביעות הכוזבות המכוסות על ידי חברות הביטוח השונות," אומרת הר-עוז

הר-עוז מונה מספר טכנולוגיות מרכזיות המאפשרות לחברות הביטוח להדליק "נורה אדומה" במקרה של ניסיון הונאה בארגון, למשל, איתור סימני מצוקה של המתקשר על ידי ניתוח תבניות קול. "ניתוח קולות מצוקה נעשה על ידי שימוש בהקלטות במכשירים אלקטרוניים, לצורך הערכה מהי רמת המתח בשיחה עם התובע. בזמן השיחה הנציג במרכז השירות משווה את רמת המתח בשיחה לרמת הסף הקבועה מראש. יתרונה של השיטה טמון בכך שרמות המצוקה הינן ניטרליות בהתחשב בנתונים כגון מין או ארצות מוצא. יחד עם זאת יש לזכור כי טכניקה זו אינה מהווה הוכחה לפעילות הונאתית."

בנוסף קיימות טכניקות שונות אשר עומדות לרשות חברות הביטוח. "באמצעות מודלי חיזוי מתקדמים ניתן לנצל מודלים סטטיסטים ובכריית מידע כדי לבנות תכניות להפחתת הונאות על ידי מתן ציון לכל תובע. החוקרים פשוט מזינים את נתוני הפוליסה והתביעה, ומקבלים באופן ממוכן ציון המגדיר ההסתברות שתביעה זו מקורה בהונאה. השימוש במודלי חיזוי נוטה להיות יותר מדויק משיטות אחרות. הנתונים יכולים להיות מאוגדים ומושווים מול מספר מקורות מידע.

הגישה הבאה הינה חיפוש בבסיסי נתונים, ומוגדרת יותר ככלי תחקורי. בשיטה זו חברות הביטוח נרשמות לקבל שירות מספקים שונים בתחום, החברות שולחות נתוני שלד של לקוחותיהם שתבעו, ויש להם גישה לנתונים שונים של שאר החברות המנויות על אותו שרות. הזמינות של המידע בבנק ענק זה, בשימוש בכלי חיפוש מתוחכמים, מאפשר לחוקרים לצפות בכמויות אדירות של מידע ממקורות רבים. ולמרות זאת, אין קשר ישיר בין מציאת הקשרים בין התובעים השונים, לבין ביצוע ההונאות. החוקרים צריכים להיות מאד מיומנים בתחום כדי לדעת לפרש נכון את הקשרים.

הר-עוז מציינת בנוסף גם טכניקות המאפשרות למצוא  קשרים בין מבצעי הונאות (מעגלי הונאה), הונאות פנים ארגוניות, ודליפת הונאות. "באמצעות דיווח חריגים, שהיא השיטה הבסיסית והקלה ביותר ליישום, נקבעים מדדי ביצוע של לקוחות ומדדים ארגוניים המקושרים עם משימות לביצוע, ומגדירים ערכי סף להצפת נתונים. כאשר נתון מסוים עובר את תנאי הסף שלו, הוא מוצף לדוח. כמובן, שההחלטה מה למדוד, באלו טווחי זמן להשתמש, ואילו תנאי סף לקבוע יכולה להיות קשה אך עדיין, זו דרך קלה ואפקטיבית למדידה. במקביל פותחו בנשים האחרונות טכניקות דיווח רב-ממדיות באמצעות כלי OLAP וכך לחפש בכמויות מידע אדירות תביעות שנחקרו, להשוות בין תקופות ופרמטרים נוספים, לזהות חריגים ולמצוא מצבים לא שגרתיים בתוך סביבה דינאמית."

כלי נוסף ומתקדם הינו ניתוח קישוריות  (Link Analysis), אשר שימוש מאד במציאת קשרים בין הונאות, או במילים אחרות הונאה/פשע מאורגן. לדבריה, "מדובר בתהליך בנית מודל על סמך קשרים בין ישויות בתוך נתוני התביעה, לצורך זיהוי דפוסים לא נורמלים. הישויות יכולות להיות מקומות גיאוגרפיים, נותני שירות, מספרי טלפון, מספרי רישוי של מכוניות ועוד.  אך יש לזכור כי מדובר עדיין בטכניקה המחייבת אנליסט מיומן שיוכל 'לחבר את כל פיסות הפאזל' יחד."

"חשוב לזכור כי הונאה משמעה ירידה ברווחים. אי שימוש בכלים למניעת הונאה משמעה ירידה מיידית ביתרון התחרותי של חברת הביטוח. לכן, יש צורך במשאבי זמן, כוח אדם ומחויבות לטווח ארוך כדי להלחם בהונאות אלו. התעלמות מכך היא הימור גבוה מדי," מסכמת הר-עוז.

מאמרים

מגמות של ביג דאטה בעולם הביטוח
CA Technologies
SSIS - Buffer Size Optimization
קטגוריה ראשית
בדיקות BI ו-DWH לעומת הבדיקות בתחומים אחרים
קטגוריה ראשית
איסוף דרישות לפרויקטי BI
קטגוריה ראשית
כח המידע במיקוד
קטגוריה ראשית
0

מעניין? שתפו דף זה באמצעות הטלפון הנייד

הדף שלנו בפייסבוק

אירועים קרובים

Microsoft

Oracle

IBM

Informatica

Sap

SAS

Qlikview

Cloudera

Machine Learning