Методики противодействия мошенничеству в автомобильном страховании

Природа мошенничества (1)
Мошенничество представляет собой ‘‘осознанные действия по созданию фиктивных требований к страховщику, увеличению размера требований, добавление в требование дополнительных повреждений, или любые другие пути нечестного желания получить возмещение сверх того, которое положено на законных основаниях’’
Основные типы мошенничества (Бюро страховых преступлений, США):
Увеличение размера убытка (39%)
Неверное описание причин и обстоятельств наступления страхового случая (32%)
Полностью сфальсифицированное требование (12%)
Требования к нескольким страховщикам (3%)
Другие виды (14%)

Природа мошенничества(2)
Типология мошенничества в автомобильном страховании (Хилл Дикинсон)
Постановочный страховой случай (запланированная авария)
Вынужденный случай
Мошенническое телесное повреждение
Фантомное требование от пассажира
Угон автомобиля «изнутри»
Заявление на большие повреждения при маленькой аварии
Фальшивые и вводящие в заблуждение требования
Организованные группы мошенников
Мошенничество при андеррайтинге (ложные сведения в заявлении или при пролонгации для меньшей премии)

Исследования мошенников
Четыре типа мошенников (Кларк, 1989):
авантюрист
любитель
Профессионал - одиночка
Профессионал в составе группы (сети)
Внешние характеристики мошенника не позволяю отличить его от законопослушного страхователя (Додд, 1998)
Проблемы в борьбе с мошенничеством (Доиг и др., 1999):
Конкурентная природа риска дает возможность легко приобрести полис
Клиент судит о компании по ожидаемой эффективности процедур, поэтому слишком пристальное рассмотрение информации о клиенте или о страховом случае может негативно отражаться на репутацию компании в его глазах
Одно неправильно урегулированное требование перечеркивает миллион показов рекламы,
Компании неохотно показывают уровень мошенничества свои акционерам или страхователям,
Мошенничество трудно доказать юридически,
Часто единственный штраф для мошенника – это отказ в выплате

Пути распознавания потенциального мошенничества
Несмотря на проблемы, мошенничество может быть распознано, и распознается
Обычно это происходит путем:
Выявления аномалий или несоответствий в информации вокруг требования,
Определения типичного поведения заявителя (например, повторяющиеся заявления о подобных убытках, каждый раз на более высокую сумму),
Распознавания неподходящих характеристик заявителя (например, агрессивность, колебания при предоставлении дополнительной информации)
Обязанность по распознаванию мошенничества сосредоточено в основном на сотрудниках по урегулированию убытков. Их эффективность оценивается не выше 10%.
Специальные подразделения экспертов исследуют требования и пытаются выделить среди них мошеннические

Список индикаторов мошенничества
Списки индикаторов мошенничества используются для повышения вероятности распознавания мошеннических требований сотрудниками без специального опыта
Индикатор мошенничества есть эвристический, основанный на опыте компании, показатель, который часто указывает на потенциальное мошенничество
Дела по убыткам классифицируются по количеству обнаруженных индикаторов
Публикация списка индикаторов защищена коммерческой тайной
Они держатся в секрете, так как их точность предсказания резко снижается, если мошенник узнает о списке
Списки индикаторов склонны выдавать большое количество неверных ответов, что ведет
К перегрузке подразделения по расследованиям компании,
Негативному влиянию на отношения с клиентами
Списки статичны и не могут уловить новых видов мошенничества

Типовой список индикаторов мошенничества автострахования (1)
Страховой полис и заявление
Страхователь не живет или не работает рядом с агентством
Страхователь солгал в заявлении о прошлых убытках
Страхователь подал заявление через третье лицо
Нежелание использовать почту для информирования
Заявление подписано не в присутствии агента
История прошлых убытков
Не помнит о прошлых страховщиках/агентах
Не помнит прошлую информацию об убытках
Длинная история предыдущих убытков
Убытки идут по возрастающей

Типовой список индикаторов мошенничества автострахования(2)
Новый полис
Убыток возник сразу же с новым полисом (еще не просохли чернила)
Недавно увеличен лимит ответственности по полису
Запрос покрытия
Были недавние звонки с вопросами о размере покрытия
Были недавние звонки с проверкой статуса покрытия
Финансовая нужда
Свидетельство о финансовых проблемах (безработица, потеря бизнеса, неоплаченные долги , и т.д.)
Знание процесса урегулирования убытков
Повышенные знания страховых терминов/процедур
Страховое прошлое говорящее о знании инсайдерской информации
Наличие родственников (партнеров по жизни) в страховом бизнесе

Типовой список индикаторов мошенничества автострахования(3)
Процесс урегулирования убытков
Личная доставка всех документов
Отсутствие документов, недостаточность документов, либо слишком хороший набор документов
Давление по поводу немедленного урегулирования
Сразу же нанят доверенный или внешний урегулировщик (оценщик)
Необычные условия случая
Необычное время и место, отсутствие свидетелей
Машина заявителя в плохом состоянии и дешевая, машина жертвы застрахована (индуцированный случай)
В машине заявителя находились пассажиры, обычно иммигранты с низким доходом (индуцированный случай)
Телесное повреждение субъективное, трудно проверить независимым медиком
Механическая поломка (угон, поджог автомобиля)
Свидетельство о значительной механической поломке до исчезновения машины или ее уничтожения

Шаги по улучшению раскрываемости мошенничества
Страховая индустрия разработала несколько баз данных для выявления мошенничества
Пример Великобритании: База убытков и андеррайтинга (Claims and Underwriting Exchange (CUE)) и Регистр угонов и противодействия мошенничеству автострахования (Motor Insurance Anti-Fraud and Theft Register (MIAFTR))
В идеале, базы данных на национальном уровне должны содержать информацию:
О зарегистрированных транспортных средствах
ДТП и угоны по полису
Полисы автострахования и страховые случаи по компании
Три цели для баз данных:
Проверка информации от заявителя,
Выяснение, имел ли заявитель подобные случаи в прошлом или подозрительны выплаты
Обмен историей убытков между страховыми компаниями

Извлечение данных, профилирование и другие техники
Огромное количество «шумовой» информации в базе данных на уровне индустрии (опечатки, пропуски, дублирования, устаревшие данные, и т.д.)
Для преодоления этих проблем разрабатывается интеллектуальное программное обеспечение для извлечения данных (например. Hunter software system).
Технологии извлечения данных позволяют выявить закономерности в мошеннической активности (например модель повторяющихся убытков) среди комплексного набора размытой информации.
Другой новой технологией является взятое из криминалистики и судебных расследованиях профилирование (когнитивное интервьюирование или стресс анализ голоса). Цель профилирования в выявлении клиентов с характеристиками, присущими мошенникам.
Также существуют подходы, которые комбинируют профилирование с исследованиями данных и индикаторов мошенничества