金融之家10月17日讯，都说保险理赔难，只有保险人自己知道骗保的有多多。

　　“客户的欺诈案例这两年来我们每年都会碰到，发现几乎每次的作案方式都不同，非常值得关注。”一位保险公司高管如此称。

　　利用大数据反保险欺诈已是行业共识，经过几年努力，借助大数据手段，保险业“反欺诈”取得了一定进步，陆续有反欺诈案件破获的案例出现。尽管目前大数据对于骗保等发挥的作用仍较有限，但业内认为，大数据对于反欺诈的效果可期。

　　车险骗保案居多

　　保险欺诈，是指利用或假借保险合同谋取不法利益的行为，保险欺诈案件主要集中在涉嫌保险金诈骗类、非法经营类和保险合同诈骗类等。通俗地说，保险反欺诈就是打击“三假”——假理赔、假机构、假保单。

　　保险公司的反欺诈重点之一就是打击假理赔，突出表现在汽车保险上。从今年各保监局发布的已破获的保险欺诈案件来看，也以车险骗保案居多。

　　今年5月份，辽宁保监局发布消息称，该局指导辽宁保险业反欺诈中心联手公安机关破获一起涉案金额近600万元的重大保险诈骗案件。

　　而年初山东保监局发布消息称，保监会稽查局与公安部经侦局联合督办，山东保监局紧密配合山东省公安机关成功破获一起特大保险团伙诈骗案件。经查，是以米某、张某为主要成员的犯罪团伙，利用自卸货车向省外保险机构投保，故意制造自卸货车侧翻的虚假事故，并采取聚众闹事、打砸恐吓、跳楼自杀、限制人身自由等手段，威逼保险机构同意其索赔金额。

　　该团伙作案范围涉及19个省份，仅山东一省被诈骗的保险机构就有22家。这一消息发布时，公安机关已破获案件112起，涉案金额近亿元，抓获犯罪嫌疑人61名。

　　从业内的总结看，车险欺诈的主要手法，一是故意制造车辆交通事故，骗取理赔;二是编造未曾发生过的交通事故，虚构肇事人和受害人骗取理赔;三是使用黑客手段，入侵保险公司网上车险业务系统，虚拟理赔业务骗取保险金。

　　3月份，安徽保监局组织召开反保险欺诈专题培训会，该保监局相关负责人指出，反保险欺诈是世界性难题，特别是车险领域，表现出机会型欺诈普遍化、职业型欺诈活跃化、犯罪形式多样化、犯罪手段智能化等四大特征。

　　大数据反欺诈初见效

　　保险欺诈直接损害了保险公司的效益，间接推高了保险产品价格，侵害了消费者利益，破坏了市场秩序，社会危害性大。保险业也在积极地反欺诈。

　　目前，我国已经构建了“政府主导、执法联动、公司为主、行业协作”四位一体的保险反欺诈工作体系。有保监局负责人表示，当前“四位一体”的反欺诈体系发挥了有效的打击和预防作用，但是面临复杂的反欺诈形势，单纯运用传统手段开展反欺诈工作难以为继，保险机构要充分运用大数据手段，提高反欺诈工作信息化程度。

　　在骗保较为集中的车险领域，保监会2015年12月份制定了车险反欺诈数据规范，包括《车险反欺诈数据元》和对应的《车险反欺诈代码集》，以推动保险业运用信息技术防范保险欺诈风险，并要求各险企要规范车险反欺诈数据采集工作，及时、准确采集并向全国车险信息平台填报相关数据，强化数据质量管理，将数据质量与公司内部考核相挂钩，确保填报数据的真实有效。

　　事实上，上述辽宁破获的600万元重大保险欺诈案中，辽宁公安机关联合保险监管部门，正是运用大数据分析技术，层层深挖扩线，才成功破获犯罪团伙的犯罪事实。这显示了打击保险诈骗犯罪领域开展数据化实战的威力。

　　“现在中保信开发的车险反欺诈信息系统已经正式上线，各公司要利用好这一平台。”上述保监局负责人表示。

　　需克服数据和人的问题

　　然而胜利不会一蹴而就。即便有了大数据这一技术，但也不是顷刻间就能解决掉保险欺诈问题。一句话，利用大数据反欺诈，并不是简单的技术问题。

　　一位地方保险行业协会人士对券商中国记者说，五年前开始推进反保险欺诈工作时，遇到的最大困难就是数据共享，为解决这一难题，起初的做法是组织公司相关部门负责人建立通联机制，简易相互通报有疑点的赔案。去年，当地保险业与公安经侦部门建立反保险欺诈工作站以后，建立了简单的数据共享。而对于目前的难点，他分析，还是数据共享需求和各方处于数据安全的考虑，使得共享数据不完善。

　　他认为，数据对保险反欺诈目前发挥作用有限的原因，主要在于三方面：

　　一是中国保信车险信息共享平台实现各省和保险公司的对接，但数据库发挥作用仍处于起步阶段。

　　二是保险公司出于自身考虑，对疑似案件的数据传递有差异。

　　三是经侦部门对保险行业转递过去的疑似案件的认可度存有差异。各省的情况不同，与经侦部门衔接的程度不同，经侦部门就此立案的标准不同，助推力度、协作密度和关注焦点不同，都是影响因素。

　　“每家保险公司都有自己独特的深度数据，比如出险的地理位置，理赔查勘员的信息等，欺诈识别在某些时候更需要这些数据。” 一位险企大数据中心车险反欺诈项目人士对记者说，中保信的系统对接多家险企数据，可以联防联控，对团伙作案的破获有很大帮助。而中保信的数据类似于银行系统的央行征信，保险公司可以使用，但还是要建立自己的模型。

　　从目前看，上述险企人士提到，在实务中，保险公司利用大数据反欺诈，过程并不十分顺利，除了客观的数据量不够的因素外，主观的“人的面子”问题，也是一大阻碍。

　　“用模型对过往案子进行分析，识别出有骗保嫌疑的案子，再让业务部门去评估案件是否属于骗保案，实际操作起来也很困难，业务部门不愿意配合。对于这种承认自己犯过错的事情，大家不会有积极性。”

　　而在建立初步模型后，需要判断模型有效性，要依赖于对历史赔付案件的认定，对模型进行校对、纠偏，但这一环节落实不下去，原因往往在于人。

　　数据的问题体现在建模阶段。由于明确为欺诈案的样本量较少，欺诈数据少、质量也不高，所以用这些有限的样本量建立模型，很难精准。没有足够的好的数据，就没有好的模型。

　　不过，该人士依旧认为大数据对反欺诈的效果可期。利用大数据并不只是个技术问题，而是个过程，随着海量的数据不断积累、集中，综合判断，找到以前发现不了的线索，通过数据挖掘、机器学习的算法，找到数据蕴含的规律特征，模型机器终会提高乃至具备识别欺诈的能力。