新華保險-理賠反欺詐預(yù)警識別平臺項目POC分析報告

新華保險理賠反欺詐預(yù)警識別平臺項目POC分析報告初稿嚴格保密1八月20141 整體整體規(guī)劃與分析思路12 樣本數(shù)據(jù)描述分析53 低風險案件識別模型114 后續(xù)工作19頁碼章節(jié)標題目錄整體整體規(guī)劃與分析思路章節(jié)11新華保險理賠反欺詐預(yù)警識別平臺項目POC分析報告?理賠數(shù)據(jù)低風險識別分析工作計劃（7.24-7.31）工作方法1.1項目整體規(guī)劃

2ExecutiveSummary新華保險理賠反欺詐預(yù)警識別平臺項目POC分析報告?理賠數(shù)據(jù)低風險識別分析總體目標：有效識別和抓取低風險案件通過業(yè)務(wù)規(guī)則鑒定低風險案件新華現(xiàn)狀通過數(shù)據(jù)挖掘平臺找出低風險案件特征PwC方法理賠案件簡易案件非自動審核自動審核低風險案件D1D2D3D4D5D6獲取數(shù)據(jù)及主題分析數(shù)據(jù)探索和模型建立模型結(jié)果檢驗與解釋撰寫項目分析報告業(yè)務(wù)規(guī)則和挖掘模型的交互價值驗證章節(jié)1–整體整體規(guī)劃與分析思路1.2整體分析思路

3ExecutiveSummary新華保險理賠反欺詐預(yù)警識別平臺項目POC分析報告?理賠數(shù)據(jù)低風險識別分析定義分析主題現(xiàn)有規(guī)則分析現(xiàn)有案件及來源建立分析數(shù)據(jù)市集建立預(yù)測模型低風險案件定義字段診斷12345模型評估6業(yè)務(wù)解釋7

針對新華2014年1月到5月的簡易小額自動案件（低風險案件）數(shù)據(jù)，從賠案出險人對應(yīng)的既往賠付數(shù)據(jù)、保單數(shù)據(jù)、保全數(shù)據(jù)、續(xù)期數(shù)據(jù)樣本，進行低風險案件的模型識別，并對2014年6月賠案進行低風險模型識別，整體風險思路如下:

分析業(yè)務(wù)規(guī)則案件的差異性分析整理數(shù)據(jù)分析寬表數(shù)據(jù)探索及挖掘評價指標及模型比較規(guī)則解釋及分析章節(jié)1–整體整體規(guī)劃與分析思路保戶信息保單保全理賠案件理賠信息

1.3POC所用到的表與字段概覽簡單帳金額責任外金額意外細節(jié)拒付信息報案日期出險日期保單生效日保額總理賠次數(shù)繳費次數(shù)險種名稱繳費金額保全生效日期保全業(yè)務(wù)類型出險機構(gòu)治療情況申請人關(guān)系性別生日數(shù)據(jù)類型共六張表:97個變量理賠類型4新華保險理賠反欺詐預(yù)警識別平臺項目POC分析報告?理賠數(shù)據(jù)低風險識別分析ExecutiveSummary章節(jié)1–整體整體規(guī)劃與分析思路5新華保險理賠反欺詐預(yù)警識別平臺項目POC分析報告?理賠數(shù)據(jù)低風險識別分析章節(jié)2樣本數(shù)據(jù)描述分析2.1數(shù)據(jù)探索分析

新華保險理賠反欺詐預(yù)警識別平臺項目POC分析報告?理賠數(shù)據(jù)低風險識別分析規(guī)則發(fā)現(xiàn)低風險案件在案件類型集中度過濾出疾病醫(yī)療和意外醫(yī)療案件風險標記同一賠案號下有唯一低風險標記對賠案號去重數(shù)據(jù)關(guān)聯(lián)將理賠與保單、保全、續(xù)期等表相關(guān)聯(lián)，并構(gòu)建30多個衍生變量。理賠數(shù)據(jù)過濾篩選低風險案件關(guān)注:疾病醫(yī)療和意外醫(yī)療中訓練樣本篩選數(shù)量變化1007067673164498只針對疾病醫(yī)療和意外醫(yī)療的理賠案件進行低風險識別,同一賠案號下的風險值唯一.在一個賠案下，構(gòu)建衍生變量如：每個賠案下的保單數(shù)，最大賬單金額，平均的意外到保單生效時間間隔等。6章節(jié)2–樣本數(shù)據(jù)描述分析2.1數(shù)據(jù)探索分析其他:附加(2014)B款意外醫(yī)療

附加吉瑞重癥監(jiān)護津貼

附加醫(yī)療

吉瑞綜合意外傷害保險

康健華安醫(yī)療保險

康健吉順定期防癌

康健榮尊定期防癌險種與目標變量之間的相關(guān)性分析各個險種上的低風險占比不一樣。險種有可能成為影響變量。所有分析案件中，低風險的占比平均值為37.3%,其中有三個險種高于平均值,主要是:附加意外傷害醫(yī)療 附加意外醫(yī)療 住院費用（2007）圖中展示，2014年1月-2014年6月期間，各險種的分布比較穩(wěn)定，故險種不存在的季節(jié)性因素的影響，從而使得評分結(jié)果的表現(xiàn)趨穩(wěn)。

各險種在2014年1月-6月分布7新華保險理賠反欺詐預(yù)警識別平臺項目POC分析報告?理賠數(shù)據(jù)低風險識別分析章節(jié)2–樣本數(shù)據(jù)描述分析2.1數(shù)據(jù)探索分析

8新華保險理賠反欺詐預(yù)警識別平臺項目POC分析報告?理賠數(shù)據(jù)低風險識別分析最大賬單金額與目標變量的相關(guān)分析低分險高分險從單因子的方差分析上，賬單金額在高低風險上有顯著差異。同時，從最大賬單金額的盒型圖分布看出，高低風險上，都有賬單金額的異常值。比如最大賬單金額達到780000,遠遠超過平均值8203.在統(tǒng)計意義上，最大賬單金額的差異性是否顯著的方差分析對不同的高低風險，最大賬單金額的均值差異分析章節(jié)2–樣本數(shù)據(jù)描述分析2.1數(shù)據(jù)探索分析

9新華保險理賠反欺詐預(yù)警識別平臺項目POC分析報告?理賠數(shù)據(jù)低風險識別分析由于理賠時效性，保單有效性等特征，從理賠流程看，需要具備時間檢驗的一致性：保單生效日期<=意外發(fā)生日期<=出險日期<=報案日期<=立案日期本次理賠數(shù)據(jù)探索結(jié)果分析：時間不一致的異常特征分析：意外發(fā)生日期VS保單生效日期意外發(fā)生日期晚于保單生效日期的占比在1.54%,雖然這個比重比較高,但和業(yè)務(wù)人員溝通,在理賠周期內(nèi),客戶有跨年的情況,保單的生效日期會變成新一年的生效日,造成數(shù)據(jù)錯誤。出險日期VS意外發(fā)生日期比如對于賠案號90010063671,出險日期與意外發(fā)生日期相差了一年,但是查看數(shù)據(jù)發(fā)現(xiàn)事故描述中與意外發(fā)生日期一致,所以可以判定此項錄入出險日期數(shù)據(jù)有問題。報案日期VS出險日期比如對于賠案號90002701819（低風險案件,但是報案時間是2014年1月,而出險日期為2014年2月,可以根據(jù)此異常值對這個賠案進行在調(diào)查。

章節(jié)2–樣本數(shù)據(jù)描述分析2.2變量基本統(tǒng)計分析

為提取更多的變量，從現(xiàn)有數(shù)據(jù)中，提取衍生變量，增加變量的利用率，提升建模結(jié)果。

10新華保險理賠反欺詐預(yù)警識別平臺項目POC分析報告?理賠數(shù)據(jù)低風險識別分析出險年齡、理賠次數(shù)、保單生效到意外的時間間隔的偏度小，也就是數(shù)據(jù)值分布集中，波動性較小；其余的變量，波動性較大，在選擇分析模型時，需要作變量轉(zhuǎn)換，減少異常值造成模型不穩(wěn)定。結(jié)論變量的基本統(tǒng)計分析，以下只取部分連續(xù)字段的衍生變量的基本統(tǒng)計分布：章節(jié)2–樣本數(shù)據(jù)描述分析低風險案件識別模型章節(jié)311新華保險理賠反欺詐預(yù)警識別平臺項目POC分析報告?理賠數(shù)據(jù)低風險識別分析3.1建模流程建立預(yù)測模型預(yù)測模型抽樣探索修正模型評估定義變量及數(shù)據(jù)字段抽樣-訓練數(shù)據(jù)及驗證數(shù)據(jù)檢視數(shù)據(jù)完整性/遺漏值檢視數(shù)據(jù)的分布及離群值數(shù)據(jù)轉(zhuǎn)置處理變量選擇變數(shù)集群決策樹模型邏輯回歸模型神經(jīng)網(wǎng)絡(luò)模型模型組合其他方法模型穩(wěn)定性評估模型選擇產(chǎn)生預(yù)測風險分數(shù)樣本抽取數(shù)據(jù)可視化關(guān)聯(lián)分析數(shù)據(jù)轉(zhuǎn)換變量選擇聚類神經(jīng)網(wǎng)絡(luò)決策樹回歸模型支持向量機模型評估低風險案件識別12新華保險理賠反欺詐預(yù)警識別平臺項目POC分析報告?理賠數(shù)據(jù)低風險識別分析ExecutiveSummary章節(jié)3–低風險案件識別模型數(shù)據(jù)分析顯著性分析相關(guān)性檢驗建立模型模型驗證保單業(yè)務(wù)員體檢院所個人資料…ConstantFactorX1FactorX2FactorX3…風險分數(shù)3640459013新華保險理賠反欺詐預(yù)警識別平臺項目POC分析報告?理賠數(shù)據(jù)低風險識別分析ExecutiveSummary個人因素醫(yī)院因素時間因素業(yè)務(wù)人員因素理賠事故專業(yè)經(jīng)驗分析系統(tǒng)業(yè)務(wù)員據(jù)賠率疾病據(jù)賠率事故日距離生效日客戶理賠歷史醫(yī)院據(jù)賠率章節(jié)3–低風險案件識別模型3.2低風險識別模型結(jié)果

14ExecutiveSummary新華保險理賠反欺詐預(yù)警識別平臺項目POC分析報告?理賠數(shù)據(jù)低風險識別分析訓練集（70%)預(yù)測分類高風險低風險實際分類高風險

24,398

3,906低風險

626

16,217驗證集（30%)預(yù)測分類高風險低風險實際分類高風險

10,424

1,707低風險

287

6,933對于低風險的理賠案件的識別過程中，訓練集和驗證集的預(yù)測準確率都達到90%，該模型預(yù)測率高且穩(wěn)定。而且實際低風險的案件，被模型正確捕捉到96.3%，覆蓋率高。同時低風險漏報率，在測試集還是驗證集上，都不到1.5%的比率。如果將來有更多的識別變量，如治療醫(yī)院的資質(zhì)情況，是否在定點醫(yī)院治療信息的等字段收集，低風險的案件識別率將會大大提升。模型評估分析樣本覆蓋率命中率正確率訓練集96.3%80.6%90.0%驗證集96.0%80.2%89.7%以誤分類率最低作為模型評價指標，對多個模型優(yōu)化比較，最終決策樹模型無論在訓練集還是驗證集上都是效果最優(yōu)且穩(wěn)定。章節(jié)3–低風險案件識別模型3.3低風險識別模型解讀

15ExecutiveSummary新華保險理賠反欺詐預(yù)警識別平臺項目POC分析報告?理賠數(shù)據(jù)低風險識別分析1.數(shù)據(jù)挖掘所選用的重要變量，是從120多個變量里，根據(jù)自變量對目標變量的相關(guān)性分析，從各個輸入輸入變量的最大R方，進行比較篩選。2.極其重要的變量:主要關(guān)注在出險類別，保單生效時間到意外發(fā)生的時間間隔，賬單金額，出險原因代碼。這些都客觀反映了低風險的最顯著特性；非常重要和一般重要的變量，主要是歷史繳付次數(shù)、二級機構(gòu)、保項、保全等客戶繳費歷史行為和案件特征信息。這客觀體現(xiàn)了低風險案件的理賠金額少快賠付的顯著特征。3.重要變量的選取，只是說明了該指標對低風險案件有重要影響。但是否正相關(guān)，在哪個取值范圍內(nèi)影響？具體的規(guī)則和閾值，都需要數(shù)據(jù)挖掘的去探索，這也是其價值所在。變量重要性0.10.3章節(jié)3–低風險案件識別模型3.3低風險識別模型解讀

16ExecutiveSummary新華保險理賠反欺詐預(yù)警識別平臺項目POC分析報告?理賠數(shù)據(jù)低風險識別分析以最大賬單金額為區(qū)分點的某個決策樹上，以（是否大于5492.51）為規(guī)則，區(qū)分效果最好！以出險原因代碼為區(qū)分點的某個決策樹上，以（是否1：意外出險）為規(guī)則，區(qū)分效果最好！通過構(gòu)建決策樹、邏輯回歸、神經(jīng)網(wǎng)絡(luò)、支持向量機等多種模型，通過誤分類率最低為最優(yōu)模型評估指標，進行模型模型比較，找到最優(yōu)模型為決策樹模型。對于輸入變量分布偏度很大，有較多異常值；且本次低風險的目標定義是基于業(yè)務(wù)規(guī)則制定，所以決策樹從規(guī)則出發(fā)推導模型的特點，效果最好，而且應(yīng)用性最直接。1：意外出險2：疾病出險章節(jié)3–低風險案件識別模型3.4低風險識別模型應(yīng)用17ExecutiveSummary新華保險理賠反欺詐預(yù)警識別平臺項目POC分析報告?理賠數(shù)據(jù)低風險識別分析1.利用模型的規(guī)則，和業(yè)務(wù)規(guī)則進行比較?？垂餐裕町愋?。為后續(xù)業(yè)務(wù)自動規(guī)則配置起到互補作用。2.對新案件進行評分，并區(qū)分出高低風險案件。低風險識別模型是理賠作業(yè)的關(guān)鍵首要步驟，也會影響后續(xù)的欺詐可疑案件識別效果。理賠作業(yè)及分析流程低風險的異常監(jiān)控高風險的欺詐診斷章節(jié)3–低風險案件識別模型3.4低風險識別模型的補充分析18ExecutiveSummary章節(jié)3–低風險案件識別模型理賠時效在高低風險上案件上有顯著差異，且理賠時效作為低風險案件監(jiān)控指標，以達到快賠的目標。

高風險案件低風險案件1.理賠時效分析---低風險案件有理賠周期短的特點。2.低風險案件異常分析---通過聚類等模式識別，找出歷史低風險案件中異常群體。對低風險案件聚類，共23個類別，其中有一類約占3.7%的賠案有異常。賠付金與保額的占比在每一種類的分布特征新華保險理賠反欺詐預(yù)警識別平臺項目POC分析報告?理賠數(shù)據(jù)低風險識別分析類別后續(xù)工作章節(jié)419新華保險理賠反欺詐預(yù)警識別平臺項目POC分析報告?理賠數(shù)據(jù)低風險識別分析后續(xù)階段工作

目前的預(yù)測模型由于數(shù)據(jù)質(zhì)量低以及指標數(shù)量不夠的問題，一些關(guān)鍵指標的數(shù)據(jù)無法取得，而且受POC時間所限，使得模型的解釋能力無法再提升，預(yù)測準確率已到達到極限近90%，為了有效提高模型的效果和預(yù)測準確率，我們建議新華保險在后續(xù)的業(yè)務(wù)中，可以進行相關(guān)的主題分析：