保險欺詐案件數量逐年增加，“花樣”也在不斷翻新。

近日，國家醫保局通報欺詐騙保專項整治行動成果，2018年至2021年10月，累計追回醫保基金約506億元。據銀保監會通報，截至2020年12月，全國保險業共向公安機關移送欺詐線索28005條，公安機關立案千余起，涉案金額近6億元，抓獲犯罪嫌疑人近2000人。

業內人士表示，大數據是反欺詐的有力武器。通過大數據技術進行分析判斷，能有效防范欺詐風險，降低損失。

保險欺詐手法層出不窮

保險欺詐問題已成頑疾。一方面，醫患串通、搭車購藥、過度治療等醫療濫用行為屢見不鮮；另一方面，保險欺詐手法呈現出明顯的團伙化、專業化趨勢，導致險企面對的欺詐風險挑戰愈加復雜。

“檢查也檢查了，提醒也提醒了，打擊也打擊了，但騙保手段還時不時地變花樣，甚至人家拿著理賠文件‘有理有據’來索賠，你能拒絕嗎？”這是很多保險人士的無奈。

日前，北京市公安局公布了一起涉及保險欺詐的典型案例。女子時某玲搜集他人身份證件，交給張某文等人購買保險、辦理銀行卡。隨后由張某文伙同他人辦理虛假住院手續，采用“掛床”等方式占據醫院床位，偽造住院收費票據，向多家保險公司進行報銷，累計騙取理賠款達120余萬元。

類似的保險欺詐行為只是“冰山一角”。據國際保險監管者協會測算，全球每年約有20%-30%的保險賠款涉嫌欺詐，損失金額約800億美元。

應用大數據技術甄別欺詐風險

“保險詐騙技術的不斷升級，往往會給保險公司一個措手不及。”有業內人士表示，國內保險欺詐主要出現在保額高的車險、意外險、重疾險相關產品中。險企對保險欺詐弱風險因子精準識別能力不足，理賠審核主要依賴于專家經驗型規則引擎。規則引擎針對責任免除、等待期出險等確定性強的風險，攔截精準度較為可靠。但由于缺乏大數據、人工智能等前沿科技的支撐，傳統規則引擎對帶病投保、醫療濫用、搭車購藥、冒名就醫等相關性弱的風險識別精準度嚴重不足，導致健康險經營陷入自動審核率和風控精準度雙低的困境。

泰康在線相關負責人表示，保險欺詐行為倒逼保險公司在核保端加強風險識別能力，利用大數據、人工智能等創新科技，提升數據分析、風險挖掘水平，從源頭杜絕惡意騙保行為的發生。

以泰康在線為代表的險企，積極探索基于大數據技術的反欺詐系統的研發與應用，成功在核保端將欺詐風險拒之門外。

首先，傳統的規則式核保風控模式僅能使用淺層用戶特征，風險判斷不夠準確。而機器學習式的風控模式，則可在海量數據中提取15大維度、4000個以上風險特征，并通過不斷學習，更加全面、準確地預測個人詐騙風險。

其次，泰康在線智能風控系統通過隱私計算的方式，在保證用戶數據隱私安全的情況下，引入海量外部數據，解決了在單一領域內進行數據分析的片面性問題和數據孤島困境，通過挖掘多領域、多維度、深層次的潛在風險因子，分析客戶是否有騙保動機。

此外，該系統還引入了前沿的圖計算技術，即通過投被保關系、手機號、郵箱、IP等10類強關系，及出險地點、報案地點、就診醫院等12類弱關系，實現各實體間的關聯，描繪出人、保單和案件的關系網絡，從而更加縝密地挖掘出欺詐團伙、甄別個體欺詐風險。