轉(zhuǎn)自博客慧安金科：https://blog.csdn.net/hajk2017/article/details/80797455
感謝！

?????? 中國保險(xiǎn)行業(yè)協(xié)會數(shù)據(jù)顯示，截至 2017 年上半年，互聯(lián)網(wǎng)保險(xiǎn)保費(fèi)收入較 2012 年實(shí)現(xiàn)了 20余倍的增長，特別是運(yùn)費(fèi)險(xiǎn)、賬戶險(xiǎn)等輕型險(xiǎn)種呈現(xiàn)快速發(fā)展的趨勢，并使許多碎片化、個(gè)性化、場景化的保險(xiǎn)需求得到滿足。以運(yùn)費(fèi)險(xiǎn)為例，某電商平臺推出運(yùn)費(fèi)險(xiǎn)后退貨糾紛率由 2.15% 下降到2.12%，客服介入概率降低了 50%。與此同時(shí)，由于互聯(lián)網(wǎng)保險(xiǎn)險(xiǎn)種的多樣化，以及線上平臺投保的便利性，滋生出了很多新型騙保的欺詐行為。同樣以運(yùn)費(fèi)險(xiǎn)為例，某公司上市運(yùn)費(fèi)險(xiǎn)之初的賠付率竟高達(dá) 90%，騙保的比重可想而知。因此，如何利用反欺詐技術(shù)構(gòu)建科學(xué)有效的風(fēng)險(xiǎn)識別監(jiān)控體系，已成為互聯(lián)網(wǎng)保險(xiǎn)行業(yè)亟需解決的問題。

?????? 無論是傳統(tǒng)保險(xiǎn)還是互聯(lián)網(wǎng)保險(xiǎn)，保險(xiǎn)欺詐的主要類型主要有先出險(xiǎn)再投保、隱瞞危險(xiǎn)、虛構(gòu)保險(xiǎn)標(biāo)的、重復(fù)投保，這些欺詐行為的根本目的是為了騙取保險(xiǎn)金，只是在欺詐手段上略有差異。以運(yùn)費(fèi)險(xiǎn)為例，其欺詐包括四個(gè)步驟：首先在網(wǎng)絡(luò)購物平臺注冊店鋪并購買快遞單號；然后進(jìn)行虛假發(fā)貨，同時(shí)購買運(yùn)費(fèi)險(xiǎn)；第三步，購買快遞單號進(jìn)行虛假退貨；最后，在虛構(gòu)收到退貨的事實(shí)后騙取運(yùn)費(fèi)險(xiǎn)。

?

運(yùn)費(fèi)險(xiǎn)欺詐案例:利用虛假交易騙取運(yùn)費(fèi)險(xiǎn)

????? 2017 年 9 月，某保險(xiǎn)公司營業(yè)部向警方報(bào)案稱，有人利用在某網(wǎng)絡(luò)商城的店鋪進(jìn)行虛假交易，騙取保險(xiǎn)公司退賠的運(yùn)費(fèi)險(xiǎn)。保險(xiǎn)公司發(fā)現(xiàn)，去年 7 月這三家店鋪的交易量突然暴增，2000 多個(gè)買家集中下單，生成 7.5 萬多筆訂單，且這些訂單最終都是退貨并退賠運(yùn)費(fèi)。退賠運(yùn)費(fèi)每單 20 元，4個(gè)月的時(shí)間，保險(xiǎn)公司為這三家店鋪退賠了 200 多萬元。

?

反欺詐手段

????? 運(yùn)費(fèi)險(xiǎn)反欺詐主要運(yùn)用了大數(shù)據(jù)分析技術(shù)和機(jī)器學(xué)習(xí)技術(shù)，反欺詐的重點(diǎn)集中在事前定價(jià)和事后出險(xiǎn)兩個(gè)階段。

????? 利用大數(shù)據(jù)和機(jī)器學(xué)習(xí)技術(shù)實(shí)現(xiàn)運(yùn)費(fèi)險(xiǎn)產(chǎn)品的差別定價(jià)。從客戶、商家及產(chǎn)品的多個(gè)維度分析，建立機(jī)器學(xué)習(xí)模型，通過模型預(yù)測出險(xiǎn)的概率，結(jié)合產(chǎn)品定價(jià)方法對運(yùn)費(fèi)險(xiǎn)保費(fèi)實(shí)現(xiàn)精準(zhǔn)計(jì)算，進(jìn)而實(shí)現(xiàn)針對不同投保人的差異化定價(jià)。運(yùn)費(fèi)險(xiǎn)差異化定價(jià)主要有三個(gè)特點(diǎn):

? ? ? 首先，進(jìn)行風(fēng)險(xiǎn)定價(jià)的數(shù)據(jù)更加精細(xì)。保費(fèi)和保額將利用買家、賣家在電商平臺上的每一筆交易進(jìn)行精準(zhǔn)定價(jià)。

????? 其次，運(yùn)費(fèi)險(xiǎn)中進(jìn)行風(fēng)險(xiǎn)定價(jià)的數(shù)據(jù)更加全面。運(yùn)費(fèi)險(xiǎn)定價(jià)中不僅依照投保人在其公司的內(nèi)部數(shù)據(jù)，還可利用電商平臺、快遞公司提供的用戶所有數(shù)據(jù)，甚至可獲得同業(yè)公司的相關(guān)數(shù)據(jù)。這些數(shù)據(jù)極大地豐富了風(fēng)險(xiǎn)刻畫的維度，使得定價(jià)更加全面準(zhǔn)確。

????? 最后，運(yùn)費(fèi)險(xiǎn)中進(jìn)行風(fēng)險(xiǎn)定價(jià)的數(shù)據(jù)是實(shí)時(shí)的。利用信息技術(shù)實(shí)時(shí)跟蹤個(gè)體買家或賣家的情況，風(fēng)險(xiǎn)數(shù)據(jù)可以實(shí)時(shí)更新，定價(jià)也隨著風(fēng)險(xiǎn)因子的改變而改變。

??????利用大數(shù)據(jù)和機(jī)器學(xué)習(xí)技術(shù)識別理賠欺詐。運(yùn)用大數(shù)據(jù)及機(jī)器學(xué)習(xí)算法，預(yù)測案件在不同環(huán)節(jié)發(fā)生欺詐的概率，根據(jù)預(yù)測結(jié)果將案件分劃分為不同等級，制定差異化處理方案。

?

反欺詐效果和可移植性

????? 利用大數(shù)據(jù)、機(jī)器學(xué)習(xí)等人工智能技術(shù)，極大提高了互聯(lián)網(wǎng)保險(xiǎn)的數(shù)據(jù)獲取途徑、獲取量以及對數(shù)據(jù)的掌握程度，給保險(xiǎn)定價(jià)和理賠提供了詳細(xì)信息。2017 年某電商平臺利用反欺詐技術(shù)避免的運(yùn)費(fèi)險(xiǎn)損失就高達(dá) 2000 萬元。此外，這些技術(shù)也能移植到賬戶險(xiǎn)、車險(xiǎn)、醫(yī)療險(xiǎn)等領(lǐng)域的欺詐行為識別中。

? ? ? 從大數(shù)據(jù)分析的應(yīng)用趨勢來看，不僅在數(shù)字金融，在醫(yī)療、教育、交通、體育、政府管理等各個(gè)行業(yè)都能得到廣泛應(yīng)用。大數(shù)據(jù)分析技術(shù)應(yīng)用的部分共性問題需要引起注意：一是規(guī)范數(shù)據(jù)標(biāo)準(zhǔn)，提高數(shù)據(jù)可用程度。大數(shù)據(jù)分析涉及的數(shù)據(jù)龐雜、混亂，數(shù)據(jù)的整合難度較大，在數(shù)據(jù)整合中容易出現(xiàn)結(jié)果偏差；二是大數(shù)據(jù)分析需要海量的數(shù)據(jù)基礎(chǔ)，需要行業(yè)內(nèi)甚至跨行業(yè)的數(shù)據(jù)共享；三是加強(qiáng)敏感信息保護(hù)，防范信息泄露風(fēng)險(xiǎn)。

? ? ? 機(jī)器學(xué)習(xí)技術(shù)通過計(jì)算機(jī)手段實(shí)現(xiàn)模擬或?qū)W習(xí)人類的行為，是人工智能的核心技術(shù)，可廣泛應(yīng)用于保險(xiǎn)、反洗錢等金融領(lǐng)域及物流、醫(yī)療等非金融領(lǐng)域。以在反洗錢中的應(yīng)用為例，反洗錢監(jiān)控不僅要監(jiān)測賬戶的交易行為，還要在相對較長的時(shí)間段對交易行為進(jìn)行模式分析，應(yīng)用人工智能技術(shù)不斷學(xué)習(xí)不法分子的洗錢套路并有效識別、精準(zhǔn)打擊。

?

總結(jié)

以上是生活随笔為你收集整理的【风控场景】互利网上数字金融典型场景： 网购运费险的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。