Descubra más Fraude en Reclamaciones y Reduzca Pérdidas ... · Principales Redes Sociales. Fuente: Celent - IT TRENDS IN LARGE AND MEDIUM INSURERS –Diciembre 2014 LATAM: El uso - [PDF Document] (2024)

Descubra más Fraude en Reclamaciones

y Reduzca Pérdidas Usando el

Análisis de Conexiones Sociales

Fabricio Ikeda

Fraud & Risk Specialist

Agenda

Análisis de Conexiones Sociales = SNA (Social Network Analysis)

Fraude

Reducción de Pérdidas

Detectar más fraudes y esquemas de fraude

emergentes antes de pagar los reclamos

Rentabilidad

Reducir las pérdidas por fraude - e impulsar los

ingresos, mejorar la posición de capital y ganancias

Satisfacción del Cliente

Reducir el Falso-Positivo en equilibrio con el apetito

de riesgo

Eficiencia Operacional

Priorizar el trabajo para un uso más eficiente de los

recursos de atención al cliente

Según el FBI, el fraude cuesta a aseguradores de P&C más de $40 mil millones de dólaresanuales. En 2012, las pérdidas superaron los ingresos de la industria en un 20 por ciento.

Insurance Network NewsMayo 2014

Los problemas que FICO™ soluciona:

Quiénes son nuestros clientes aseguradores

¿Quiénes son nuestros clientes aseguradores?

2/3 de los TOP aseguradores P&C de EEUU y fuerte presencia global

Fuente: www.statista.com - Mayo 2014

Número de Usuarios Facebook por País

Brasil (34,9%) y México (36,9%) están el TOP 10 de los países con los más

altos porcentajes de penetración de Facebook por población

Número de Usuarios Twitter por País

Fuente: GlobalWebIndex – Enero 2015

Principales Redes Sociales

Fuente: Celent - IT TRENDS IN LARGE AND MEDIUM INSURERS – Diciembre 2014

LATAM: El uso de Social Media por Aseguradores

Aseguradores ya prevén el Potencial del uso de Social Media para

Reclamaciones.

Sin embargo, aún está lejos de abarcar más de 80% de su potencial como en

otras áreas.

Fuente: Informe Global sobre Fraude de Kroll 2013/2014

El porcentaje de encuestados

por región o país que sufrieron

como mínimo un fraude en

los últimos 12 meses

México: El factor humano en las estafas

SNA utiliza datos de Facebook, LinkedIn, Twitter,

etc.

Mito #1

Datos de Reclamaciones

Reclamaciones, Pagos, reclamantes, vehículos, médicos

Investigación de Casos Datos de Terceros

Datos de PólizaPólizas, Asegurados,

Coberturas, Vehículos, Partes (cubierta, excluida)

Sospechas, Resultados, recuperaciones, watchlists

Lexis Nexis CLUE, Thompson Reuters CLEAR, ISO ClaimSearch, buros, datos

externos

SMA (Social Media

Analysis)

SNA (Social

NetworkAnalysis)

¿Qué data FICO sueleutilizar?

SNA analiza mucho más que Redes Sociales

Redes Sociales & Big Data SNA

FICO™ Big Data Analyzer provee insights sobre el gran volumen de datos de

diversas fuentes, utilizando técnicas avanzadas de Analíticos. Sin embargo,

con interfaces amigables

Mito #2

SNA = Link Analysis (Análisis de Relaciones)

Una red social se define típicamente como un grupo de individuos y organizaciones que son vinculados entre sí de alguna manera significativa. Un servicio de red social es un sistema que permite una red social para interactuar, aunque el término "redes sociales" se ha convertido ensinónimo de servicios de redes sociales.

Link Analysis

Social Network Analysis

Mientras Link Analysis es una herramienta de investigación que se inicia con una entidad, como un cliente cuyas conexiones se desea explorar,

SNA se inicia mediante la construcción de todas las conexiones en los datos para que podamos utilizar la analítica para informar donde empezamos a investigar.

Link Analysis SNA

PH1

PH2

FP1

TP1

Modus Operandi

• Persona con múltiples

Pólizas concurrentes (PH1)

• PH 1 está bajo investigación

• Mismo vehículo de esta

investigación está

relacionado a otro

reclamante (PH2)

• PH 2 es el pasajero de dos

reclamaciones de un mismo

incidente.

• PH2 y FP1 son parientes

• El otro conductor (TP1) está

relacionado con estos 2

incidentesPH1 – Policy 1PH1 – Policy 2

PH2

PH2

PH2

FP1

FP1

FP1

TP1

TP1

TP1

Ejemplo de SNA (incidente de auto)

Challenge:

► Claimant / service provider connections are missed

Claim 296381

(684) 348-4342

Claim 623832

127 Main StreetSetauket NY

Bank Account

Claim 124825

Susan Pon

Claim 26385

Claim 093127

Claim 137346

Attorney: Ana Corvina

AAA towing

Enterprise Rent-a-Car

George’s Body Shop

Chiropractor Tim Smith

Dr. Neil Pon

Claim Centric Configuration► 1 Generation► In Discover, link on Dr. Neil Pon specifically

Challenge:

► In SNA, generations are preselected – this can result in a “noisy” link chart when trying to find meaningful connections

Provider Centric Configuration

1,117 Shared Claims15% Fraud Outcomes

Dr. Neil Pon

Attorney: Ana Corvina

AAA towing

Chiropractor Tim Smith

George’s Body Shop

Enterprise Rent-a-Car

5,163 Shared Claims.5% Fraud Outcomes

837 Shared Claims18% Fraud Outcomes

2,164 Shared Claims24% Fraud Outcomes

1,117 Shared Claims15% Fraud Outcomes

Holistic view of the relationships between service providers

FICO recommends that provider analytics are tackled independently to maximize detection efficacy

Claim 124825

► And/Or, link on Susan Pon

Ejemplo de SNA (Salud)

Fraud

Resultado de AnalíticosScore del Riesgo

2 Reclamaciones bajo investigación + 16

Número de personas involucradas en la red + 13

Alta Velocidad Reclamaciones x Subscripción + 22

Alto valor de Pagos por indenización + 18

SNA + Analíticos = Combinación Perfecta

- Detección de Fraudes antes de los Pagos

- Descubrimiento de Relaciones no obvias y su calificación

10

20

30

40

50

60

70

80

90

100

0 2 4

% H

igh

% Low

With networkvariables

Without networkvariables

14% relative improvement

Variable Name Rank

Vehicle model 1

Total paid amount in the network 2

Policy holder occupation 3

Pre-accident value of the vehicle 4

Total number of payments in the network 5

Number of phantom vehicles in the network 6

Zip code of the policy holder 7

Size of the network 8

Repairable flag 9

Type of accident 10

►Mejoría de por lo menos un 14% con la combinación de modelos y SNA

SNA + Analíticos = Combinación Perfecta

Una gran red es una mala red

Mito #3

Los seguros de automóviles en América Latina es uno de los productos de seguros más populares;Sin embargo, las aseguradoras encuestadas el año pasado no tenían mucha expectativa para esta tecnología

Fuente: Celent - IT TRENDS IN LARGE AND MEDIUM INSURERS – Diciembre 2014

Telemática no sólo para vehículos

Telemática no sólo para vehículos

• Cada reclamación estará en la red

• Estar en una red grande no significa necesariamente que usted es malo.

• Todo se reduce a cómo los modelos analíticos interpretarán todos estos datos.

Grandes Redes de Conexiones

Fraud

• Filtrar las informaciones útiles y aprovecharlas

¿Qué hacer entonces?

Solución Completa con todo lo que se puede hacer

¡GRACIAS!

Para saber más detalles:

¡Venga a visitarnos en el Stand de FICO!

¡Envíenos un correo electrónico o llámenos!

Fabricio Ikeda

[emailprotected]

+55 11 5189-8238

Jose Luis Vargas

[emailprotected]

+1 786 942 5888