首页 | 保险时讯 | 保险专题 | 资料中心 | 百姓保险 | 产品大全 | 人才市场 | 黄页 | 博客 | 论坛 | 咨询 | 投诉 | 导航
返回中国保险网首页 中国保险网广告位
    您所在的位置:中国保险网 > 保险时讯 > 车险资讯 > 正文

车险理赔风控新趋势——智能化、模型化

[ 2017年10月9日10:41 ]   来源:[ 中保网 ] 田泖   双击自动滚频 
[字体: ] [打印本页] [关闭窗口]
    近年来,我国财产保险行业发展欣欣向荣,作为财产保险业第一大支柱险种的机动车辆保险却一直面临着窘境。行业增收不增利,车险保费快速增长,车险利润却一直举步维艰,其利润贡献度与保费业务占比严重错配,直接影响到经营车险业务的保险主体的健康经营与可持续发展。如何挖掘车险业务经营中的潜力,在目前商业车险改革进一步深化的行业背景下,进一步加强车险理赔环节的风险管理,运用前沿的技术,通过智能化、模型化来提高保险公司传统的车险理赔风控管理(反欺诈)的综合能力,将是目前理赔风险管理的发展的大趋势。

  传统车险理赔风控管理的缺点

  传统的车险理赔风控管理基本上全都依赖于理赔人员积累的经验,主要涉及查勘定损、核价核损这两个核心理赔环节上的相关人员。

  保险公司的查勘定损人员在车险案件完成接报案后即第一时间介入,以核实案件事故的真实性并进行合理定损为主要工作。从目前的实践分析,多数保险公司的查勘定损人员的专业技能缺失并且经验相对不够充分,对车险欺诈类案件的有效识别和快速处理能力较弱;另外,有少数具备丰富经验的查勘定损人员在职业操守方面问题频发,对可疑高风险视而不见,对虚假案件放任自流,更有甚者,内外勾结,人为扩大案件损失,导致保险公司以及被保险人的合法权益受到侵害。

  保险公司的核价核损人员负责对定损上报的零配件、工时费等进行审核。核损与定损职能的分离、人员的分离有利于降低定损核损人员勾结的几率,但如若前序查勘定损环节风控能力的缺失则会降低核损员的风险判别能力,这种流程上的缺陷无疑对保险公司风险管控的能力起到了较大的负面影响。

  通过上述分析,可以发现传统车险理赔的人工经验对于风险管控的作用十分有限,而且伴随着车险业务的不断增长,以及车险理赔欺诈手段的不断翻新,大部分的保险公司都正在逐渐摒弃低效的传统理赔风险管控手段,引进先进的技术手段,向更高效的智能化、模型化风控升级。

  智能化的车险理赔风控管理的应用

  伴随着科技发展的日新月异,越来越多之前未应用到车险理赔风控领域的技术都不断的被引入,包括物联网技术、大数据技术、人工智能技术等,帮助传统的车险理赔风控管理向智能化、模型化转型升级。

  智能化的车险理赔风控管理,核心是指车险理赔风控系统基于智能算法,运用合适的先进技术,以“电脑”协助“人脑”自动进行一系列风险管控操作,从而准确、快速、无死角地实现车险理赔各环节的风险识别、风险评估、风险预警、风险处理等风险管控措施。

  智能化车险理赔风控相较于传统车险理赔风控有着明显的优势,主要表现为:

  首先,借助于大数据技术,通过整合和丰富理赔流系统中的海量风险规则,构建规则引擎,快速支持风险系统全面筛查。规则引擎的运用不受理赔风控人员主观因素的制约,有助于捕捉到人工筛查时易于疏漏的分散型风险点。目前主要有凯泰铭科技、德联易控等技术型公司是采用规则化的模式开发智能化的理赔风控管理系统。

  其次,基于人工智能的机器学习能力,针对可疑风险案件,不断通过丰富多维度的风险变量进行系统自我训练,帮助理赔风控系统设置风险预警方案,及时预警,阻断风险向后渗透,这是人工风控无法做到的。后续可以通过运用先进模型的持续自主学习能力,实现车险理赔流程的个性化风险模型管控,通过对出险客户的风险脸谱画像,为不同的出险客户定制不同的理赔处理方案,满足客户多样性的理赔需求。目前主要有精励联讯、FICO等国内外的技术型公司是采用模型化的模式开发智能化的理赔风控管理系统。

  模型化是智能理赔风险管控的发展趋势

  基于目前的行业观察发现,智能化系统应用的初期,大都使用的是规则化的风控管理模式,需要建立成百上千的规则引擎。但伴随着车险理赔业务复杂度的不断提升,规则化风控管理模式的劣势也不断显现,具体如下:

  首先,海量规则的建立需要投入巨大的人力成本,是个需要堆积人力的苦活累活。随着规则的不断丰富,再发掘、新增一条规则的难度与投入将呈现出几何级数的上升,将耗费过多的人力资源;

  其次,规则引擎缺乏自我学习能力,无法针对新出现的欺诈案件形式进行自动更新,拓展速度相对滞后,引擎中的规则一旦被理赔欺诈分子得知后,规则引擎的风控效果则迅速失效;

  最后,引擎的规则主要来源于保险公司理赔一线业务人员的持续搜集,随着规则的不断增加、完善,外部第三方公司起到的作用将被不断弱化,目前在美国,就有不少保险公司是自行维护理赔风控管理的相应规则。

  而模型化的智能风控系统则可以更充分的依托于大数据机器的自我学习能力,应用海量、多维的数据源与先进的模型算法和数据挖掘技术,并在业务实践中可以向下兼容规则化的风控体系,更智能的去构建合适的车险理赔综合风控管理系统。

  同时,随着时间的累积,使用机器学习算法的风控模型可以从车险理赔风控人员的行为中持续学习到越来越丰富的欺诈判断风险特征,使得风控识别能力更加精准有效,边际成本也将大幅下降。

  目前多数车险产业链的相关经营主体都已经介入到智能车险理赔风控管理的相关领域,部分技术能力较强的公司已经开始尝试将智能理赔风控系统从规则化向模型化进行迭代升级。

  在保险公司层面,多家排名靠前的保险公司都在智能车险理赔风险管控的模型化转型上持续投入资源,积累起了较丰富的实践经验,并运用理赔反欺诈模型,将车险理赔案件按风险分类从而实现差别化理赔,进一步提高了索赔客户的用户体验。

  在第三方技术公司层面,多数技术公司都已经投入了巨大的资源,在客户风险评分、理赔反欺诈、关联网络应用、机器学习等方面做出积极尝试,帮助保险行业加快推进车险理赔风控管理的智能化转型升级。

  伴随技术的不断进步,从规则化向模型化的升级是智能化理赔风控管理发展的必然趋势,车险理赔风控产业链上的相关主体需要更加积极的进行能力储备,规划面向未来的智能化车险理赔风控管理发展战略。
    打印本页  [关闭窗口]  
相关新闻:
· 没有相关文章.
保险秘书
行业资讯
企业资讯
监管动态
基层信息
保险人物

Copyright © 1997-2017 China-Insurance Corporation, All Rights Reserved

财富经典投资管理(北京)有限公司 版权所有 京ICP证030851号 京公网安备110105005410号

本网凡所涉及保险条款的内容仅供参考,并均以投保当时的保险合同为准。本网法律顾问:北京市高朋律师事务所