Elke verzekeringsmaatschappij beseft inmiddels wel hoe belangrijk het is om geautomatiseerde fraudedetectie en risicoanalyse op te nemen in hun kernprocessen. Zonder deze oplossingen krijgen ze te maken met steeds slimmere fraudepraktijken en onbetrouwbare klanten en verliezen ze hun positie in een markt waar de concurrentie steeds feller wordt.
Eenvoudige implementatie
De implementatie van een fraudedetectie-platform hoeft helemaal niet ingewikkeld of duur te zijn. Vooral niet als de leverancier over een kant-en-klare implementatie voor het core systeem beschikt, zoals Keylane, Guidewire of Duck Creek. Veel verzekeraars maken zich echter zorgen dat het proces te complex wordt of te lang zal duren als ze niet beschikken over gegevens van fraudeonderzoek uit het verleden.
Dit hoeft allemaal geen reden zijn om te wachten! Met ruim 150 implementaties wereldwijd heeft FRISS alle benodigde kennis in huis om eenvoudig fraudemodellen te ontwikkelen en verzekeraars over te halen om de strijd aan te gaan met het grootste gevaar voor hun loss ratio van dit moment.
Hoe zit het met rode vlaggen?
Om te beginnen wordt in de verzekeringsbranche al zo lang ik me kan herinneren gewerkt met rode vlaggen. Dat is weliswaar pas een eerste stap, maar wel een effectieve stap. Geautomatiseerde rode vlaggen en het verkrijgen van bruikbare inzichten op basis waarvan actie kan worden ondernomen, brengen u een stap dichter bij de ideale fraude-identificatie. Iets is immers altijd beter dan niets.
En bedenk, Rome is niet op één dag gebouwd. Soms is het belangrijk om rustig te beginnen. Door claims te onderzoeken op basis van expertregels ontstaat al snel een verzameling fraudevlaggen die nodig is om automatisch bruikbare fraudemodellen te creëren.
De volgende stap bestaat uit integratie van interne en externe gegevensbronnen. Hierbij worden uw regels en rode vlaggen langzaam uitgebreid met informatie die anders verborgen zou blijven voor uw onderzoekers. U zult versteld staan hoe goed u op basis van uw huidige en historische polis- en claimgegevens inzichten kunt krijgen die anders niet beschikbaar zouden zijn. Er is veel meer dan u beseft en de juiste technologie verschaft u direct inzicht enkel op basis van deze gegevens.
U zult meer gevallen van opportunistische fraude ontdekken dan ooit tevoren. Onderzoekers zijn beter gewapend om de strijd aan te gaan met grootschalige fraude en een groot aantal van de kleinere, dagelijkse fraudegevallen zullen automatisch worden opgelost. Uw loss ratio zal sterk verbeteren en de reputatie die u op deze wijze langzamerhand opbouwt, zal klanten die u proberen te bedriegen afschrikken.
Beter met de jaren
Met deze combinatie zult u daarnaast ook inconsistenties in de afhandeling van claims op het spoor komen, wat weer leidt tot betere modellen. Na verloop van tijd beschikt u over voldoende historische gegevens om uw eigen fraudemodellen te creëren.
Voordat u het beseft, kunt u uw horizon verbreden om meer fraudegevallen te detecteren en uw loss ratio te verlagen. En raad eens wie de verzekeringswereld net een stukje eerlijker heeft gemaakt?
Over de auteur
Jim Murphy heeft een gespecialiseerd masterdiploma in Economic Crime Management en heeft ruim 30 jaar ervaring in de verzekeringswereld. Na werkzaam te zijn geweest als politieagent in de Amerikaanse staat New England en jaren leiding te hebben gegeven aan een analyseteam van de Special Investigations Unit, is hij nu Vice President of Products bij FRISS en helpt hij verzekeraars de strijd aan te gaan tegen fraude en de verzekeringswereld eerlijker te maken.
