轉自博客慧安金科：https://blog.csdn.net/hajk2017/article/details/80797455
感謝！

?????? 中國保險行業協會數據顯示，截至 2017 年上半年，互聯網保險保費收入較 2012 年實現了 20余倍的增長，特別是運費險、賬戶險等輕型險種呈現快速發展的趨勢，并使許多碎片化、個性化、場景化的保險需求得到滿足。以運費險為例，某電商平臺推出運費險后退貨糾紛率由 2.15% 下降到2.12%，客服介入概率降低了 50%。與此同時，由于互聯網保險險種的多樣化，以及線上平臺投保的便利性，滋生出了很多新型騙保的欺詐行為。同樣以運費險為例，某公司上市運費險之初的賠付率竟高達 90%，騙保的比重可想而知。因此，如何利用反欺詐技術構建科學有效的風險識別監控體系，已成為互聯網保險行業亟需解決的問題。

?????? 無論是傳統保險還是互聯網保險，保險欺詐的主要類型主要有先出險再投保、隱瞞危險、虛構保險標的、重復投保，這些欺詐行為的根本目的是為了騙取保險金，只是在欺詐手段上略有差異。以運費險為例，其欺詐包括四個步驟：首先在網絡購物平臺注冊店鋪并購買快遞單號；然后進行虛假發貨，同時購買運費險；第三步，購買快遞單號進行虛假退貨；最后，在虛構收到退貨的事實后騙取運費險。

?

運費險欺詐案例:利用虛假交易騙取運費險

????? 2017 年 9 月，某保險公司營業部向警方報案稱，有人利用在某網絡商城的店鋪進行虛假交易，騙取保險公司退賠的運費險。保險公司發現，去年 7 月這三家店鋪的交易量突然暴增，2000 多個買家集中下單，生成 7.5 萬多筆訂單，且這些訂單最終都是退貨并退賠運費。退賠運費每單 20 元，4個月的時間，保險公司為這三家店鋪退賠了 200 多萬元。

?

反欺詐手段

????? 運費險反欺詐主要運用了大數據分析技術和機器學習技術，反欺詐的重點集中在事前定價和事后出險兩個階段。

????? 利用大數據和機器學習技術實現運費險產品的差別定價。從客戶、商家及產品的多個維度分析，建立機器學習模型，通過模型預測出險的概率，結合產品定價方法對運費險保費實現精準計算，進而實現針對不同投保人的差異化定價。運費險差異化定價主要有三個特點:

? ? ? 首先，進行風險定價的數據更加精細。保費和保額將利用買家、賣家在電商平臺上的每一筆交易進行精準定價。

????? 其次，運費險中進行風險定價的數據更加全面。運費險定價中不僅依照投保人在其公司的內部數據，還可利用電商平臺、快遞公司提供的用戶所有數據，甚至可獲得同業公司的相關數據。這些數據極大地豐富了風險刻畫的維度，使得定價更加全面準確。

????? 最后，運費險中進行風險定價的數據是實時的。利用信息技術實時跟蹤個體買家或賣家的情況，風險數據可以實時更新，定價也隨著風險因子的改變而改變。

??????利用大數據和機器學習技術識別理賠欺詐。運用大數據及機器學習算法，預測案件在不同環節發生欺詐的概率，根據預測結果將案件分劃分為不同等級，制定差異化處理方案。

?

反欺詐效果和可移植性

????? 利用大數據、機器學習等人工智能技術，極大提高了互聯網保險的數據獲取途徑、獲取量以及對數據的掌握程度，給保險定價和理賠提供了詳細信息。2017 年某電商平臺利用反欺詐技術避免的運費險損失就高達 2000 萬元。此外，這些技術也能移植到賬戶險、車險、醫療險等領域的欺詐行為識別中。

? ? ? 從大數據分析的應用趨勢來看，不僅在數字金融，在醫療、教育、交通、體育、政府管理等各個行業都能得到廣泛應用。大數據分析技術應用的部分共性問題需要引起注意：一是規范數據標準，提高數據可用程度。大數據分析涉及的數據龐雜、混亂，數據的整合難度較大，在數據整合中容易出現結果偏差；二是大數據分析需要海量的數據基礎，需要行業內甚至跨行業的數據共享；三是加強敏感信息保護，防范信息泄露風險。

? ? ? 機器學習技術通過計算機手段實現模擬或學習人類的行為，是人工智能的核心技術，可廣泛應用于保險、反洗錢等金融領域及物流、醫療等非金融領域。以在反洗錢中的應用為例，反洗錢監控不僅要監測賬戶的交易行為，還要在相對較長的時間段對交易行為進行模式分析，應用人工智能技術不斷學習不法分子的洗錢套路并有效識別、精準打擊。

?

總結

以上是生活随笔為你收集整理的【风控场景】互利网上数字金融典型场景： 网购运费险的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。