保险欺诈案件数量逐年增加，“花样”也在不断翻新。
近日，国家医保局通报欺诈骗保专项整治行动成果，2018年至2021年10月，累计追回医保基金约506亿元。据银保监会通报，截至2020年12月，全国保险业共向公安机关移送欺诈线索28005条，公安机关立案千余起，涉案金额近6亿元，抓获犯罪嫌疑人近2000人。
业内人士表示，大数据是反欺诈的有力武器。通过大数据技术进行分析判断，能有效防范欺诈风险，降低损失。
保险欺诈手法层出不穷
保险欺诈问题已成顽疾。一方面，医患串通、搭车购药、过度治疗等医疗滥用行为屡见不鲜；另一方面，保险欺诈手法呈现出明显的团伙化、专业化趋势，导致险企面对的欺诈风险挑战愈加复杂。
“检查也检查了，提醒也提醒了，打击也打击了，但骗保手段还时不时地变花样，甚至人家拿着理赔文件‘有理有据’来索赔，你能拒绝吗？”这是很多保险人士的无奈。
日前，北京市公安局公布了一起涉及保险欺诈的典型案例。女子时某玲搜集他人身份证件，交给张某文等人购买保险、办理银行卡。随后由张某文伙同他人办理虚假住院手续，采用“挂床”等方式占据医院床位，伪造住院收费票据，向多家保险公司进行报销，累计骗取理赔款达120余万元。
类似的保险欺诈行为只是“冰山一角”。据国际保险监管者协会测算，全球每年约有20%-30%的保险赔款涉嫌欺诈，损失金额约800亿美元。
应用大数据技术甄别欺诈风险
“保险诈骗技术的不断升级，往往会给保险公司一个措手不及。”有业内人士表示，国内保险欺诈主要出现在保额高的车险、意外险、重疾险相关产品中。险企对保险欺诈弱风险因子精准识别能力不足，理赔审核主要依赖于专家经验型规则引擎。规则引擎针对责任免除、等待期出险等确定性强的风险，拦截精准度较为可靠。但由于缺乏大数据、人工智能等前沿科技的支撑，传统规则引擎对带病投保、医疗滥用、搭车购药、冒名就医等相关性弱的风险识别精准度严重不足，导致健康险经营陷入自动审核率和风控精准度双低的困境。
泰康在线相关负责人表示，保险欺诈行为倒逼保险公司在核保端加强风险识别能力，利用大数据、人工智能等创新科技，提升数据分析、风险挖掘水平，从源头杜绝恶意骗保行为的发生。
以泰康在线为代表的险企，积极探索基于大数据技术的反欺诈系统的研发与应用，成功在核保端将欺诈风险拒之门外。
首先，传统的规则式核保风控模式仅能使用浅层用户特征，风险判断不够准确。而机器学习式的风控模式，则可在海量数据中提取15大维度、4000个以上风险特征，并通过不断学习，更加全面、准确地预测个人诈骗风险。
其次，泰康在线智能风控系统通过隐私计算的方式，在保证用户数据隐私安全的情况下，引入海量外部数据，解决了在单一领域内进行数据分析的片面性问题和数据孤岛困境，通过挖掘多领域、多维度、深层次的潜在风险因子，分析客户是否有骗保动机。
此外，该系统还引入了前沿的图计算技术，即通过投被保关系、手机号、邮箱、IP等10类强关系，及出险地点、报案地点、就诊医院等12类弱关系，实现各实体间的关联，描绘出人、保单和案件的关系网络，从而更加缜密地挖掘出欺诈团伙、甄别个体欺诈风险。
