金发奖专栏 | 车险理赔立体式反欺诈体系——践行数字化转型，助力高质量发展

文 / 太平财产保险有限公司理赔部总经理 黄永军

太平财产保险有限公司理赔部 黄锐 姜凯文 马丹雄

当前车险理赔中的欺诈、漏损普遍存在，渗漏金额约占总赔款的10%~20%。随着车险费改的不断深化，对行业各主体成本管控及理赔风控能力的要求不断提升，加之车险理赔的欺诈形式逐步从早期的偶发个案演变成目前团伙欺诈、异业勾结的集团性犯罪，危害程度更加严重，欺诈手段更加隐蔽，传统的靠人工经验或散乱规则的风险识别方式已无法满足日益增加的风控要求。太平财险建设“车险理赔立体式反欺诈体系”，打造了太平财险理赔反欺诈核心能力，提升了欺诈漏损风险识别水平，简化了理赔风险核查工作，结合持续、全面、智能打击理赔欺诈，做到真实案件应赔尽赔，维护了广大消费者的合法权益，发挥了保险业风险保障功能，有效践行了国家数字化转型战略，助力公司高质量发展。

多技术运用，

夯实数字化转型基础

综合运用了关联风险识别、信息熵、风险传导模型、自然语言处理、图像智能比对等多种技术，在提升风险识别覆盖面的同时，保证了准确率。通过数据智能技术的应用，发现并量化传统数据分析和业务规则所不能发现或无法及时发现的风险，实现了数据资产的价值转化。系统技术架构如图1所示。

1.个案反欺诈模型。基于理赔数据，使用机器学习技术（决策树模型），构建预警模型，给予案件风险预警。

2.关联风险识别模型。基于理赔数据，使用信息熵、图模型技术，构建评分模型，给予人车风险评分。

3.团伙风险模型。SNA模型使用社交网络分析技术，构建图分析模型，识别团伙欺诈。

4.融合模型。融合语言情绪识别模型、高风险名单、银保信等模型及标签数据，识别增量风险和实现统一预警。

5.图像比对模型。基于理赔出险影像，使用图片对比技术，构建图像识别模型，筛选相似出险环境照、人脸照，对理赔案件进行风险预警。

6.机器学习模型。主要介绍如下三个模型。

孤立森林反欺诈模型：通过学习历史人伤理赔数据，结合业务人员多年工作经验总结的规则，在核损环节对新的人伤理赔数据进行预测，并将异常的案件预警标识，由业务人员进行重点核查，实现反欺诈的功能。

人伤IQM模型：使用支持向量机（SVM）算法，对人伤理赔中的三期（误工、护理和营养费）和伤残分别进行建模，在定损提交和核损审核环节从多个维度（如诊断、赔偿适用地、损伤部位、损伤程度、治疗方式等）对数据进行预测，并实时提醒超预测值的案件，以达到降本减损的功能。

车物IQM模型：基于Xgboost算法，使用车系、定损项目、工时来源、修理厂类型等多维度对历史喷漆工时数据进行训练建模，并在定核损环节对理赔案件进行预测，对超出阈值的任务进行提醒，达到风控和降本增效的目的。

全流程覆盖，

实现自动化无感风控

通过建设一平台、一系统、多模型的车险理赔立体式反欺诈体系，实现了从传统依靠人工经验识别风险的“抓小偷”模式向以大数据、人工智能等新技术为支撑的系统化、自动化无感风控模式（“装监控”模式）转变，支持事前风险预防、事中风险管控和事后风险管理，覆盖从车险承保到理赔的各个业务环节，可以为承保、核保、查勘、定损、核赔、品检等多个类型岗位提供实时的风险提示。系统逻辑架构如图2所示。

1.全新的车险理赔品质反欺诈平台。通过打造质检工作台，为理赔管理及作业队伍，提供一体化的风控操作平台，实现各模型的综合应用落地，完善对风控作业及风控管理的支持。

各模型的综合应用落地：以平台为归口，实现各模型的预警管控动作落地，各关联系统的便捷访问，并分析风险类型匹配对应核查动作，提升理赔风险核查及时性与便捷性。

风控作业支持：平台提供完善的品检、调查相关的自动/人工任务发起、灵活的任务领取、完备的任务处理流程、符合任务处理逻辑的操作页面，并配合高时效需求任务的消息提醒，提升系统用户的满意度。

风控管理支持：平台提供风控驾驶舱，实现全国分机构、分任务多维度的实时风控数据展现及预警，并支持数据下钻细化查看；提供自主的系统权限管理，实现各机构、各人员的差异化权限配置，简化权限调整方式；提供分类的清单报表，支持针对性的案件风险及作业情况分析。

2.智慧的“车险哨兵”风控系统。通过“车险哨兵”智能风控系统，整合SAS、SNA、人伤孤立森林、个案特征提取等模型，结合银保信反欺诈外部数据平台、黑/灰名单库、图片识别技术等科技模型赋能（如图3所示）。应用大数据搭建运用各类欺诈舞弊类、硬软渗漏类风险防控AI模型及规则，对理赔全流程和多节点进行全覆盖的系统品质检查，对预警风险及时通过工作台品检调查介入，实现案件风险的综合评价，并提供多种探查工具支持自主排查，提升车险理赔风险识别覆盖率及精准度。

预警整合展现：对各分项模型的预警信息进行梳理整合，提供全面简洁的风险预警信息，并针对常见风险情况提供风险核查建议，提升了风险的可读性及前端指导性。

模型因子融合：与各分项模型进行交互，对各模型因子进行融合分析，实现风险的增量识别，解决单一模型因针对风险特征不同导致部分风险未能有效识别的问题，加大风险识别覆盖面。

自主排查支持：系统提供以图搜图、出险地址、碰撞物体、风险对象等多种AI查询探查工具，并支持对多个风险清单进行整合出图，便于理赔人员自主进行风险分析、排查。

全系统应用，

展现经济及社会效益

太平财险车险理赔立体式反欺诈体系已实现全系统应用，充分借助人工智能、大数据等新技术打造了专业智能的运营风险管控平台，全面提升了其车险理赔反欺诈和运营操作风险管控能力与水平，展现了优秀的经济及社会效益。

1.经济效益方面。2021~2023年，车险理赔通过系统模型自动触发直接年均打假减损金额超亿元，较前三年年均提升67.2%。随着系统模型的不断迭代优化，减损成效提升显著，2024年上半年系统模型自动触发月均直接打假减损金额较前三年月均提升162%。

另外，结合系统模型线下应用，助力了整体打假成效提升，2021年以来实现车险理赔总体打假减损金额呈逐年优化趋势，年增长率达15%，其中2024年上半年车险理赔月均打假减损金额较前三年月均打假减损金额提升超33.9%，有效助力公司高质量发展。

同时，随着各保司理赔融合趋势，基于车险理赔立体式反欺诈体系建设经验，拓宽至全险种理赔后，其经济效益将得到进一步提升。

2.社会效益方面。车险理赔反欺诈体系建设对社会的效益是多方面的，不仅可以助力行业反欺诈能力提升、对欺诈人员形成震慑，还能保障消费者权益、促进交通安全，这些效益有助于促进保险市场的稳定和健康发展。一是太平财险的新系统、新技术建设和运用，给行业提供了优秀案例，风控模式可支持应用至行业领域，助力行业反欺诈能力提升。二是结合系统模型的应用提升了保险欺诈的识别能力，配合保险欺诈犯罪专项打击行动，可对行业内外部欺诈人员形成有力的震慑。三是反欺诈体系的建设能更好地通过打击欺诈行为，落实保险应赔尽赔，有助于保护诚实消费者的权益，避免因欺诈行为而造成的不公平损失。四是保险欺诈行为可能会导致不良行为的持续存在，通过打击此类欺诈行为，可以间接降低交通事故的发生频率，提升交通安全水平。

（此文刊发于《金融电子化》2024年9月下半月刊）