«Ингосстрах» совместно с технологической компанией GlowByte создает аналитическую систему по противодействию мошенничеству на базе open-source-технологий. Это первый масштабный проект на российском страховом рынке, в котором используется программное обеспечение с открытым исходным кодом.  

Новая платформа позволит уменьшить размер выплат по мошенническим схемам благодаря более точной оценке убытков в автоматическом режиме. Такая возможность появится благодаря моделям машинного обучения и скорингу с использованием графовой аналитики. 

«Ингосстрах» решил усовершенствовать существующую схему по противодействию мошенничеству, так как она была основана на статичных экспертных правилах и требовала дополнительных ресурсов при проведении конкретных расследований. Помимо этого, из-за отсутствия новых решений не все случаи мошенничества были подтверждены. 

«Для решения проблемы нам необходим единый интерфейс для проведения расследований, который позволяет визуально анализировать взаимосвязи по всем данным, которые имеются в доступе у компании. Система, над которой мы работаем совместно с GlowByte, позволяет сократить время идентификации комплексных мошеннических схем с нескольких дней до нескольких часов и повысить эффективность расследований. Также важным аспектом новой системы является ее постоянная адаптация к новым способам мошенничества, которые регулярно возникают на рынке. Мы видим широкие возможности применения анализа графов в страховом бизнесе», – отметил Алексей Власов, заместитель генерального директора по розничному бизнесу «Ингосстраха».

В основе автоматической оценки риска мошенничества лежат методы машинного обучения. Они намного точнее, чем экспертные правила. Анализируя информацию по убыткам, математическая модель позволяет выявить скрытые закономерности и статистические зависимости в данных, определенная комбинация которых свидетельствует о высокой или низкой вероятности мошенничества. 

Математический аппарат по анализу графов выявляет циклы связанности между участниками ДТП, связи с известными мошенниками, а также рассчитывает различные бизнес-показатели окружения, в которое входит убыток. Например, наличие в окружении клиента людей с отказом в страховании по подозрению в мошенничестве или большого количества убытков с обращениями в суд. Данные показатели можно использовать как в моделях машинного обучения, так и в экспертных правилах. 

«Совместно с компанией «Ингосстрах» мы нацелены на создание продвинутой системы по противодействию мошенничеству на базе open-source-технологий. Автоматизация антифрод-процессов позволит увеличить точность анализа убытков, сократит время на обработку большого массива данных по взаимосвязям между объектами и субъектами страхования и в целом повысит лояльность добросовестных клиентов за счет снижения уровня ложных срабатываний и сокращения времени урегулирования для них», - прокомментировал Евгений Чернобуров, руководитель страховой практики компании GlowByte.

В будущем внедряемое решение по графам можно будет масштабировать не только на моторное страхование, но и на другие страховые продукты «Ингосстраха».