Case Fraudedetectie Verzekeringsclaims

Business Issue

Bij een verzekeraar komen dagelijks duizenden claims binnen. Helaas is een deel van deze claims frauduleus. De verzekeraar heeft al een systeem ontworpen dat fraude detecteert, maar dit heeft een aantal nadelen:

  • De helft van de gevonden frauduleuze claims wordt niet door het systeem gevonden, maar komt aan het licht door onderzoek van experts op basis van ervaring. Dit kost veel tijd en geld.
  • Het systeem genereert veel onnodige alarmen; slechts één op de dertig alarmen is daadwerkelijk een frauduleuze claim. Dit betekent dat er onnodig veel tijd wordt besteed aan het onderzoeken van deze claims.

Kortom, er is ruimte voor verbetering. De verzekeraar heeft Future Facts gevraagd een systeem te ontwikkelen dat frauduleuze claims effectiever detecteert.

Aanpak en oplossing

Tijdens een proof of concept van zes weken heeft Future Facts, samen met de klant, de waarde aangetoond van een nieuw systeem op basis van machine learning-technieken. In de eerste fase hebben we zoveel mogelijk relevante interne en externe data gecombineerd die een indicator kunnen zijn voor fraude. Denk bijvoorbeeld aan een korte tijd tussen het afsluiten van een verzekering en het indienen van een claim.

In de tweede fase hebben we een methode ontwikkeld die gebruik maakt van de nieuwste ontwikkelingen in Artificiële Intelligentie (AI). Het systeem is zelflerend en wordt door middel van continue feedback vanuit de schadeafdeling steeds beter en accurater. De gekozen oplossing was eenvoudig te implementeren in het bestaande IT-landschap.

Baten

  • De effectiviteit van detectie is gestegen van 3% naar 83%.
  • Er worden meer frauduleuze cases gevonden.
  • De klanttevredenheid blijft gewaarborgd doordat er weinig claims onterecht als fraude worden aangemerkt.

Hierdoor worden claims efficiënter afgehandeld, is het schadeteam slagvaardiger en zijn de kosten verlaagd.

Meer informatie over ons fraudedetectieplatform vindt u op www.fraudfinder.nl.

Bekijk andere cases