Successfully reported this slideshow.
We use your LinkedIn profile and activity data to personalize ads and to show you more relevant ads. You can change your ad preferences anytime.
ZDROJE, NÁSTROJE                    A TECHNOLOGIE                    PRO VYŠETŘOVÁNÍ PODVODŮ                     RNDr. May...
Obsah    1. Fáze vývoje a nasazení nástrojů pro vyšetřování podvodů    2. Indikátory podvodů    3. Vývoj datamartů    4. T...
1. Fáze vývoje a nasazení nástrojů pro vyšetřování podvodů    Implementace FMS v pojišťovně – krok za krokem    1) příprav...
1. Fáze vývoje a nasazení nástrojů pro vyšetřování podvodů     Požadavky na funkcionalitu systémů Fraud Management     skó...
1. Fáze vývoje a nasazení nástrojů pro vyšetřování podvodů        SW nástroje pro provádění analýz dat         SPSS Cleme...
1. Fáze vývoje a nasazení nástrojů pro vyšetřování podvodů       Pracovní pozice nezbytné k přípravě a náběhu FMS        P...
1. Fáze vývoje a nasazení nástrojů pro vyšetřování podvodů      Návratnost investice do SW nástrojů            je individ...
2. Indikátory podvodů - rozdělení    Z hlediska vztahu účastníků na podvodech vůči firmě:               vnější podvody a v...
2. Indikátory podvodů - vytváření  Vytváření indikátorů podvodů        podle lidské zkušenosti            vyšetřovatelé,...
2. Indikátory podvodů - příklady  Příklady indikátorů pojistných podvodů        indikátory samostatné            více šk...
3. Vývoj datamartů - základní části projektu FMS   1. Data Quality (klienti, adresy, VIN kódy)   2. FMS          uživatel...
3. Vývoj datamartů - úprava kvality dat    Subjekty        » jméno        » RČ, datum narození, IČ        » tel., e-mail  ...
3. Vývoj datamartů - datový model       Škody - detailní informace a statistiky                » osoby nebo firmy, bankovn...
3. Vývoj datamartů - statistiky a pravidla     Škody                                    Pojistné smlouvy           kumula...
3. Vývoj datamartů - segmentace dat  Segmentace dle produktu      » vozidla      » majetek      » život      » podnikatelé...
3. Vývoj datamartů - web mininig    Externí zdroje dat - online informace         o individuálních a firemních klientech ...
4. Technologie identifikace potenciálních podvodů         Principy automatizovaného zpracování identifikace podezřelých př...
4. Technologie identifikace potenciálních podvodů - prevence         Prevence – prediktivní metody             » screening...
4. Technologie identifikace potenciálních podvodů - detekce         Detekce – detekční metody           » expertní pravidl...
4. Technologie identifikace potenciálních podvodů - detekce         Detekce – detekční metody (pokračování)              »...
4. Technologie identifikace potenciálních podvodů - soc. sítě        Analýza dat a vizualizace vztahů subjektů a objektů  ...
4. Technologie identifikace potenciálních podvodů - soc. sítě                                                             ...
Závěr       SW nástroje pro vyšetřování podvodů             urychlují a usnadňují detekci podvodů             jsou investi...
Děkuji Vám za pozornost!RNDr. Maya Maskova, maya.maskova@allianz.cz, tel. +420 224 405 400                                ...
Upcoming SlideShare
Loading in …5
×

Maya Mašková: Zdroje, nástroje a technologie pro vyšetřování podvodů

1,104 views

Published on

Fáze vývoje a nasazení nástrojů pro vyšetřování podvodů
Indikátory podvodů
Vývoj datamartů
Technologie identifikace potenciálních podvodů

Published in: Economy & Finance
  • Be the first to comment

  • Be the first to like this

Maya Mašková: Zdroje, nástroje a technologie pro vyšetřování podvodů

  1. 1. ZDROJE, NÁSTROJE A TECHNOLOGIE PRO VYŠETŘOVÁNÍ PODVODŮ RNDr. Maya Mašková, Allianz pojišťovna, a. s. oddělení interního auditu a kontroly Praha, 26.1.2012 126.1.2012© Copyright Allianz pojišťovna, a. s.
  2. 2. Obsah 1. Fáze vývoje a nasazení nástrojů pro vyšetřování podvodů 2. Indikátory podvodů 3. Vývoj datamartů 4. Technologie identifikace potenciálních podvodů 226.1.2012© Copyright Allianz pojišťovna, a. s.
  3. 3. 1. Fáze vývoje a nasazení nástrojů pro vyšetřování podvodů Implementace FMS v pojišťovně – krok za krokem 1) příprava prostředí vyšetřování: 1a) vyšetřovatelé se zkušenostmi vyšetřování podvodů, znalostmi produktů, s kontakty 1b) datové záznamy o vyšetřování podezření na podvody, elektronická komunikace s likvidátory pojistných událostí a správci smluv 1c) DWH a datamart údajů o vyšetřovaných případech 2) Fraud Management systém s potenciálem dalšího rozvoje: 2a) indikátory podvodů 2b) analytické nástroje, prediktivní modely 2c) nástroj pro reporting 2d) nástroj na zobrazení tzv. sociálních sítí 326.1.2012© Copyright Allianz pojišťovna, a. s.
  4. 4. 1. Fáze vývoje a nasazení nástrojů pro vyšetřování podvodů Požadavky na funkcionalitu systémů Fraud Management skóring v reálném čase k zastavení a řízení podvodných aktivit  přímo při registraci škod a při aktivaci pojistných smluv data mining a schopnost předvídání a modelování podvodných  aktivit dávkové a on-line detekční funkčnosti systému  data mart pro evidenci podezřelých případů a výsledků šetření  možnost integrace externích zdrojů (Ares, apod.)  IT řešení snadno slučitelné s ostatními IT systémy  zpětná odezva mezi vyšetřovateli, likvidátory a správci smluv ! nástroj pro reporty  analýza sociálních sítí  426.1.2012© Copyright Allianz pojišťovna, a. s.
  5. 5. 1. Fáze vývoje a nasazení nástrojů pro vyšetřování podvodů SW nástroje pro provádění analýz dat  SPSS Clementine, PredictiveClaims (www.spss.com, www.spss.cz)  Barlev Investigative Auditing (BIA) (www.bia.com)  SAS Fraud Managent System (SAS) (www.sas.com)  Adastra Corporation FMS (www.adastra.com)  Tovek i2 Analyst Notebook (www.tovek.cz)  Norkom Technologies Ltd. Insurance Claims Fraud Detection (www.norkom.cz)  Urbana Technologies Analytic Framework (www.urbanatech.cz)  UNISYS Anti-Fraud System (www.unisys.cz)  Deloitte Insurance frauds detection and prevention (www.deloitte.com)  Unicorn I-Fraud (www.unicorn.cz)  další 526.1.2012© Copyright Allianz pojišťovna, a. s.
  6. 6. 1. Fáze vývoje a nasazení nástrojů pro vyšetřování podvodů Pracovní pozice nezbytné k přípravě a náběhu FMS Pracovník FMS Popis činnosti technický administrátor dohlíží na funkčnost řešení (např. kontroluje, FMS zda proběhly denní loady dat), spolupracuje na odstraňování případných problémů administrátor FMS podílí se na vytváření indikátorů podvodů a scénářů, nastavení skórování, apod. programátor FMS zavádí do FMS nové indikátory podvodů analytik FMS zkoumá a definuje prediktivní modely z hlediska šetření podvodů, navrhuje nová pravidla matematik FMS spolupracuje s analytikem, dodává statistické know-how do prediktivních modelů a analýz, aktualizuje prediktivní modely 626.1.2012© Copyright Allianz pojišťovna, a. s.
  7. 7. 1. Fáze vývoje a nasazení nástrojů pro vyšetřování podvodů Návratnost investice do SW nástrojů  je individuální, v závislosti na ceně, době a náročnosti implementace SW řešení, návratnosti investice Přidaná hodnota SW nástrojů  cílená a efektivní ochrana před podvody – koncentrace lidského umu  úspora personálních nákladů – šetření a zrychlení lidské práce  účinná prevence podvodů – predikce problémových případů  nastavení image firmy a firemní kultury – vyvarování se pokusům o podvod 726.1.2012© Copyright Allianz pojišťovna, a. s.
  8. 8. 2. Indikátory podvodů - rozdělení Z hlediska vztahu účastníků na podvodech vůči firmě: vnější podvody a vnitřní podvody Podle druhu činnosti v pojišťovnictví:  při sjednávání pojistné smlouvy  při upisování a správě pojistné smlouvy  při likvidaci pojistných událostí  podvody v oblasti obchodu, nákupu majetku a služeb, účetnictví, investic, IT, vývoje produktů, apod. Podle druhu pojištění:  pojištění majetku, vozidel a odpovědnosti  pojištění osob  cestovní pojištění Podle míry automatizace zpracování:  manuálně identifikovatelné  automatizovatelné 826.1.2012© Copyright Allianz pojišťovna, a. s.
  9. 9. 2. Indikátory podvodů - vytváření Vytváření indikátorů podvodů  podle lidské zkušenosti  vyšetřovatelé, likvidátoři pojistných událostí, správci smluv, policie  dodavatelé SW nástrojů  sdílení zkušeností s jinými odběrateli SW nástroje, apod.  podle datových analýz  podvodů identifikovaných v minulosti (je nutné mít dobrou datovou základnu vyšetřovaných případů)  na základě kontinuálního zkoumání a analýz údajů v technických databázích 926.1.2012© Copyright Allianz pojišťovna, a. s.
  10. 10. 2. Indikátory podvodů - příklady Příklady indikátorů pojistných podvodů  indikátory samostatné  více škod vozidla v prvních 90 dnech od počátku pojištění  atypická frekvence škod a jejich roční nárůst  více odlišných VIN kódů jednoho vozidla s jednou RZ  atypický škodní poměr pojistníka jako adresáta pojistného plnění  podezřelý roční nárůst aktivit subjektu (porovnání posledních 365 dní s posledními 5 roky)  indikátory sloučené do skupin (scénářů) - příklad scénáře  chybí lékařské potvrzení, předložena sporná zdravotní dokumentace, změna lékařů  účty za ošetření a lékařské zprávy nemají obvyklé náležitosti (nesou znaky zfalšování) 1026.1.2012© Copyright Allianz pojišťovna, a. s.
  11. 11. 3. Vývoj datamartů - základní části projektu FMS 1. Data Quality (klienti, adresy, VIN kódy) 2. FMS  uživatelský interface  zavedení indikátorů podvodů  založení blacklistů - potenciálně nebezpečné osoby (klienti, agenti, likvidátoři, zaměstnanci, opravny vozidel) - VINy vozidel podílejících se na podvodech - „nebezpečné“ bankovní účty  nástroj pro statistické analýzy - prediktivní modelování (samoučící se modely, logistická regrese, neuronové sítě, rozhodovací stromy)  nástroj pro ad hoc reporty pro analytiky a controllery 3. Social Networks Analysis – grafický nástroj pro zobrazení vztahů mezi objekty a subjekty - škody, pojistné smlouvy, klienti a vozidla na škodách, bankovní účty, apod. 1126.1.2012© Copyright Allianz pojišťovna, a. s.
  12. 12. 3. Vývoj datamartů - úprava kvality dat Subjekty » jméno » RČ, datum narození, IČ » tel., e-mail » pohlaví » typ aktivity (z veřejného registru ekonomických subjektů ARES) » začátek a konec aktivity subjektu (dle ARES) Adresy » země » město » ulice, číslo domu » PSČ » povodňová zóna Vozidla » VIN » RZ 1226.1.2012© Copyright Allianz pojišťovna, a. s.
  13. 13. 3. Vývoj datamartů - datový model Škody - detailní informace a statistiky » osoby nebo firmy, bankovní účty, objekty » škodní spisy Pojistné smlouvy – detailní informace a statistiky » osoby nebo firmy, objekty » dlužné pojistné Agenti – pojistné smlouvy, provize Historie vyšetřování podvodů - prokázané a neprokázané případy Blacklisty » osoby nebo firmy, objekty (vozidla) » zaměstnanci » ověřené a neověřené bankovní účty externích subjektů Whitelisty např. bank, leasingových společností, pojišťoven Veřejné informace z ARES 1326.1.2012© Copyright Allianz pojišťovna, a. s.
  14. 14. 3. Vývoj datamartů - statistiky a pravidla Škody Pojistné smlouvy  kumulativní statistiky  kumulativní statistiky » subjekty » subjekty (osoby nebo firmy) (osoby nebo firmy) » objekty (vozidla, majetek) » objekty (vozidla, majetek) » agenti  skóring indikátorů podvodů nad  skóring indikátorů podvodů nad subjekty a objekty subjekty a objekty 1426.1.2012© Copyright Allianz pojišťovna, a. s.
  15. 15. 3. Vývoj datamartů - segmentace dat Segmentace dle produktu » vozidla » majetek » život » podnikatelé » průmysl » cestovní pojištění Segmentace dle velikosti pojistníka » velký (např. flotily) » malý (např. podnikatelé, rodiny s více pojistnými smlouvami) » individuální » neznámý (bývalí klienti aktuálně bez pojistných smluv) 1526.1.2012© Copyright Allianz pojišťovna, a. s.
  16. 16. 3. Vývoj datamartů - web mininig Externí zdroje dat - online informace  o individuálních a firemních klientech (ARES) » osoby nebo firmy » insolvence » likvidace firmy » datum počátku a konce aktivity subjektu » všechny typy aktivit subjektu » všechny adresy subjektu, apod. » členové představenstva, vlastníci firem (aktuální stav a historie)  odcizená vozidla (SW MVČR)  škody u jiných pojišťoven (SW SVIPO) 1626.1.2012© Copyright Allianz pojišťovna, a. s.
  17. 17. 4. Technologie identifikace potenciálních podvodů Principy automatizovaného zpracování identifikace podezřelých případů » vytváření segmentů podle logiky produktů pro aplikaci indikátorů » skóring jednotlivých indikátorů podvodů » slučování indikátorů do skupin (scénářů) a skóring jednotlivých skupin » analytické kontroly úspěšnosti aplikace indikátorů a scénářů » ladění (kalibrace) hodnoty skóre, váhy pravidla a limitů hodnot indikátorů » slučování indikátorů a scénářů do tzv. workspaců 1726.1.2012© Copyright Allianz pojišťovna, a. s.
  18. 18. 4. Technologie identifikace potenciálních podvodů - prevence Prevence – prediktivní metody » screening subjektů (klient, agent, apod.) » škodní průběh » úhrada pojistného, apod. » sledování obchodů agentů » lapse ratio (zánik pojistné smlouvy pro neplacení pojistného) » odvádění plateb 1. pojistného, stav úhrad následného pojistného, atp. » sledování pracovních postupů likvidátora » sledování aktivit externích firem 1826.1.2012© Copyright Allianz pojišťovna, a. s.
  19. 19. 4. Technologie identifikace potenciálních podvodů - detekce Detekce – detekční metody » expertní pravidla - indikátory pojistných podvodů » skóring (automatizované vyhodnocení indikátorů podvodů) » red flags (ruční označení indikátorů) » sledování výplatních účtů (ověřené a neověřené účty) » pojistně technické ukazatele » škodní průběh, dlužné pojistné, lapse ratio klienta a agenta » rozšíření pojistné ochrany před vznikem škody, apod. » parametry procesu likvidace pojistných událostí » průběh likvidace škody (kontrola okolností škody, kvalita dokladů) » kompletnost dokladů v optickém archivu » četnost spojitosti likvidátora s určitými klienty » evidence technických průkazů a klíčů u odcizených vozidel » způsob likvidace pojistné události rozpočtem nákladů (bez faktury) » četnost spojitosti autoservisu s určitými škodami, apod. 1926.1.2012© Copyright Allianz pojišťovna, a. s.
  20. 20. 4. Technologie identifikace potenciálních podvodů - detekce Detekce – detekční metody (pokračování) » automatické oznamování aktivit sledovaných subjektů » grafické nástroje na identifikaci a zobrazení vztahů mezi objekty (škody, smlouvy, účty, majetek, adresy, apod.) a subjekty (klient, agent, likvidátor, apod.) » netechnické metody vyšetřování » vlastní šetření specialisty pro vyšetřování pojistných podvodů » detektivní kanceláře, znalci » spolupráce s policií » komunikace mezi specialisty pojišťoven » interní komunikace mezi specialisty a pracovníky likvidace pojistných událostí a pracovníky správ pojistných smluv » další 2026.1.2012© Copyright Allianz pojišťovna, a. s.
  21. 21. 4. Technologie identifikace potenciálních podvodů - soc. sítě Analýza dat a vizualizace vztahů subjektů a objektů 1. škody 2. pojistné smlouvvy 3. subjekty 4. objekty (vozidla, majetek) 5. bankovní účty s výplatou pojistného plnění zobrazené ve vzájemné provázanosti a navíc v časové souslednosti 2126.1.2012© Copyright Allianz pojišťovna, a. s.
  22. 22. 4. Technologie identifikace potenciálních podvodů - soc. sítě 2226.1.2012© Copyright Allianz pojišťovna, a. s.
  23. 23. Závěr SW nástroje pro vyšetřování podvodů urychlují a usnadňují detekci podvodů jsou investicí, která se zúročí v kvalitě výsledků identifikace podvodů a plnění cílů společnosti 2326.1.2012© Copyright Allianz pojišťovna, a. s.
  24. 24. Děkuji Vám za pozornost!RNDr. Maya Maskova, maya.maskova@allianz.cz, tel. +420 224 405 400 24

×