Исследование cтрахового мошенничества cредствами продвинутого анализа данных и методов машинного обучения

Настоящее исследование посвящено обнаружению мошенничества в страховании. По консервативным оценкам, изучаемое явление обходится компаниям по крайней мере в 80 млрд. долларов ежегодно по всем страховым линиям. Это не только негативно сказывается на эффективном функционировании рынка страхования, но и увеличивает общий уровень страховых премий. Традиционные методы такие как «красные флажки» и бизнес-правила перестают быть эффективными в условиях роста объема собираемых данных и изощренности мошеннических сценариев. На смену приходят более продвинутые алгоритмы искусственного интеллекта и машинного обучения, позволяющие ускорить процесс расследования и сделать результат более точным. В данной работе была предпринята попытка оценки эффективности избранных методов машинного обучения в решении задачи классификации заявлений журнала убытков страхования жизни российской организации. Кроме того, были продемонстрированы возможности статистического анализа текстовой информации посредством реализации тематического моделирования на описаниях страховых заявлений. Результаты свидетельствуют о том, что инкорпорация информации скрытой в неструктурированных данных улучшает качество бинарной классификации. Авторы приходят к выводу о том, что использование комплексного подхода в целях обнаружения мошенничества является предпочтительным.