Centralna baza danych ubezpieczeń
komunikacyjnych w identyfikacji zjawisk
związanych z przestępczością
ubezpieczeniową
Wojciech Bijak
Instytut Ekonometrii SGH i Ośrodek Informacji UFG
Krzysztof Hrycko
Ośrodek Informacji UFG
Wyzwania dla rynku ubezpieczeń komunikacyjnych,
Ubezpieczeniowy Fundusz Gwarancyjny
Warszawa, 4.12.2013 r.
1
Plan prezentacji

Centralna Baza Danych Ośrodka Informacji UFG (OI UFG)

UFG jako Ośrodek Informacji

Wykrywanie nieubezpieczonych posiadaczy pojazdów

Identyfikacja i weryfikacja zjawisk przestępczości ubezpieczeniowej
Ubezpieczeniowy Fundusz Gwarancyjny
2
Centralna Baza Danych OI UFG - Zakres
danych
Do zadań Funduszu jako ośrodka informacji należy (art. 102 - 104 ustawy)

Prowadzenie rejestru umów ubezpieczeń komunikacyjnych
 OC posiadaczy pojazdów mechanicznych (od 2004 r.) oraz casco pojazdów
lądowych (od 2006 r.)

Gromadzenie w bazie Ośrodka Informacji UFG danych dotyczących zdarzeń
oraz wypłaconych odszkodowań i świadczeń

Gromadzenie informacji dotyczących
 reprezentantów ds. roszczeń każdego zakładu ubezpieczeń działającego na
terenie Polski
 organów odszkodowawczych ustanowionych w każdym państwie
członkowskim UE

Udostępnianie zgromadzonych danych uprawnionym podmiotom
Ubezpieczeniowy Fundusz Gwarancyjny
3
Centralna Baza Danych OI UFG – stan bazy
Liczba aktywnych rekordów w Centralnej Bazie Danych OI
UFG na dzień 26.11.2013

Umowy ubezpieczenia
232 mln rekordów, co roku przybywa ok. 30 mln rekordów

Zdarzenia
11,9 mln rekordów, co roku przybywa ok. 2-2,5 mln
rekordów

Wypłaty
11,1 mln rekordów, co roku przybywa ok. 2 mln rekordów
Okres przechowywania danych przez UFG w bazie OI UFG – 21 lat
Ubezpieczeniowy Fundusz Gwarancyjny
4
Centralna Baza Danych OI UFG – kompletność
bazy
Kompletność
0%
80,05%
86,95%
20%
10%
68,30%
30%
84,60%
40%
35,83%
10%
50%
18,61%
20%
40,87%
30%
21,65%
40%
89,41%
60%
50%
95,56%
70%
60%
93,38%
80%
70%
93,36%
90%
80%
90,03%
100%
90%
87,07%
100%
78,51%
ZDARZENIA - 84,36 %
75,94%
POJAZDY - 99,23 %
83,83%
0%
85,03%
10%
0%
83,44%
20%
10%
92,04%
30%
20%
89,66%
40%
30%
90,66%
50%
85,24%
60%
57,58%
100,16%
99,02%
40%
98,92%
50%
98,74%
70%
60%
98,98%
80%
70%
100,90%
90%
80%
100,10%
100%
90%
96,83%
100%
Terminowość zasilania bazy
(umowy, zdarzenia wypłaty)
0%
ODSZKODOWANIA - ILOŚĆ - 79,25 %
ODSZKODOWANIA - WARTOŚĆ - 69,51 %
Ubezpieczeniowy Fundusz Gwarancyjny
5
UFG jako Ośrodek Informacji
Polisy,
Dostęp do baz
referencyjnych
zdarzenia,
odszkodowania, …
Centralna Baza Danych OI UFG
Poszkodowany,
posiadacz
pojazdu
Policja,
Zakłady
ubezpieczeń
sąd,
prokuratura,
PIU, KNF,…
W zakresie OC p.p.m. W toczącym się postępowaniu, do
realizacji zadań ustawowych
1. Ocena ryzyka, 2. Ustalanie umów
wielokrotnych 3. Wykonanie umowy
4. Inne cele po anomizacji danych
1. Kontrola
spełnienia
obowiązku
zawarcia OC
p.p.m.
2. Identyfikacja i
weryfikacja zjawisk
przestępczości
ubezpieczeniowej
3. Inne cele po
anonimizacji
danych
Przetwarzanie danych przez UFG
Gromadzenie danych
Udostępnianie danych
Ubezpieczeniowy Fundusz Gwarancyjny
6
Wykrywanie nieubezpieczonych posiadaczy
pojazdów
Szacunki UFG
250 tys. nieubezpieczonych posiadaczy pojazdów
Podmioty obowiązane do przeprowadzania kontroli spełnienia
obowiązku zawarcia umowy ubezpieczenia OC p.p.m.:





Policja
organy celne
Straż Graniczna
organy właściwe w sprawach rejestracji pojazdów
Inspekcja Transportu Drogowego
Podmioty uprawnione:

Ubezpieczeniowy Fundusz Gwarancyjny

inne organy uprawnione do kontroli ruchu drogowego
Inspekcja Ochrony Środowiska

Ubezpieczeniowy Fundusz Gwarancyjny
7
Wykrywanie nieubezpieczonych w oparciu o
dane OI UFG – architektura systemu
Dane źródłowe
Dane z ZU
Modelowanie
Analiza danych
Dane z CBK*
Budowa modelu
Dane z CBP**
Testowanie modelu
System merytoryczny UFG
Generowanie opłat za brak
ubezpieczenia OC
Dane z
CEP
Nadzór nad modelem
Dane z systemu
merytorycznego
Wykorzystanie modelu
analitycznego do typowania
pojazdów bez ubezpieczenia
Zgłoszenia z podmiotów
uprawnionych i
zobowiązanych
Weryfikacja wykrytych
przypadków braku
ubezpieczenia w
zakładach ubezpieczeń
*CBK – Centralna Baza Kontrahentów, **CBP – Centralna Baza Pojazdów
Ubezpieczeniowy Fundusz Gwarancyjny
8
Wykrywanie nieubezpieczonych w oparciu o
dane OI UFG – skuteczność działania systemu
Rok
rejestracji
spraw y
2011
2012
2013
Zasadność
Zgłoszenie od podm iotów zew nętrznych
Data m ining
Źródło zgłoszenia
Liczba spraw
Średnie
przychody na
spraw ę
Przychody
a
b
c
Liczba spraw
Średnie
przychody na
spraw ę
Przychody
Efektyw ność
bieżąca data
m ining
d
e
f
b/e
548
1 504,35 zł
824 381,99 zł
301
625,95 zł
188 411,10 zł
2,40
Spraw y razem
1 083
761,58 zł
824 790,79 zł
2 271
82,96 zł
188 411,10 zł
9,18
Zasadne
1 829
1 311,84 zł 2 399 358,12 zł
8 704
848,67 zł 7 386 798,64 zł
1,55
Spraw y razem
6 062
398,68 zł 2 416 790,55 zł
71 831
103,98 zł 7 468 669,32 zł
3,83
1 864
1 130,24 zł 2 106 768,63 zł
1,09
Zasadne
Zasadne
286
Spraw y razem
6 366
Razem
13 511
Rok
rejestracji
spraw y
1 236,81 zł
353 728,80 zł
55,57 zł
353 728,80 zł
41 362
52,55 zł 2 173 567,96 zł
1,06
266,10 zł 3 595 310,14 zł
115 464
85,14 zł 9 830 648,38 zł
3,13
Udział spraw niezasadnych w ogólnej
liczbie spraw
Zgłoszenie od
Data m ining
podm iotów
zew nętrznych
a
b
Skuteczność
data m ining
b/a
2011
12,74%
53,10%
4,17
2012
25,02%
51,70%
2,07
2013
7,90%
38,41%
4,86
W. Bijak, K Hrycko, Ł. Pietrowski, Sposób na nieubezpieczonych, Miesięcznik Ubezpieczeniowy, Tom 9, Nr 4, kwiecień 2012 r.
W. Bijak, K. Hrycko, St. Garstka, Automatyzacja prowadzonych przez UFG kontroli spełnienia obowiązku zawarcia umowy OC
posiadaczy pojazdów mechanicznych, Prawo asekuracyjne, Nr 3 (76) 2013.
Ubezpieczeniowy Fundusz Gwarancyjny
9
Identyfikacja i weryfikacja zjawisk przestępczości
ubezpieczeniowej
Skala zjawiska – wartość wyłudzeń w mln zł (dane PIU)
Rodzaj ubezpieczenia
2009
2010
2011
OC p.p.m.
19,9
35,7
37,5
AC
23,7
16,7
32,6
W wielu krajach szacuje się skalę zjawiska na poziomie od 1% do 10%
wypłaconych odszkodowań (w Polsce wartość wyłudzeń to od 54 do 546
mln zł z OC p.p.m. i od 37 do 370 mln zł z AC w 2011 r.)
I.
Badanie w OI UFG możliwości bazy danych i narzędzi analitycznych w detekcji
zjawiska przestępczości ubezpieczeniowej
Wyniki badań przedstawiane na konferencjach: aktuarialnej w Będlewie w 2013 r. i
poświęconych przestępczości ubezpieczeniowej w Szczecinie i Szczytnie w 2013 r.
II.
Ścisła współpraca z rynkiem ubezpieczeniowym i innymi podmiotami w
zakresie określania reguł wykrywania zjawiska, stosowanych modeli i metod
analitycznych i analizy sieci powiązań przestępczych
Ubezpieczeniowy Fundusz Gwarancyjny
10
Identyfikacja i weryfikacja zjawisk
przestępczości ubezpieczeniowej – Model
współpracy podmiotów
MSW
CEPiK
KNF
ZBP
Związek Banków
Polskich
Zakład
Ubezpieczeń
komunikacyjnych
CBA
PIU
ABW
Zakład
Ubezpieczeń
POLICJA
PROKURATURA
Ubezpieczeniowy Fundusz Gwarancyjny
11
Identyfikacja i weryfikacja zjawisk przestępczości
ubezpieczeniowej – Wykorzystanie zasobów
UFG
I.
Działania dopuszczone przez przepisy prawa
II.
Zbiór danych komunikacyjnych ze wszystkich Zakładów Ubezpieczeń
III.
Gotowe repozytorium danych historycznych
IV.
Działające procesy zasilające repozytorium, wraz z procesami
monitorującymi kompletność i jakość przesyłanych danych
V.
Wykonana identyfikacja obiektów (osoba / pojazd) na danych z
wszystkich zakładów
VI.
Tabele analityczne wykorzystywane do wykrywania nieubezpieczonych
VII. Dostępna platforma analityczna/technologiczna
VIII. Kanały komunikacji z Zakładami Ubezpieczeń i innymi podmiotami
IX.
Współpraca z rejestrami referencyjnymi
Ubezpieczeniowy Fundusz Gwarancyjny
12
Identyfikacja i weryfikacja zjawisk przestępczości
ubezpieczeniowej – techniki i narzędzia
UFG
• Wykrywanie zorganizowanych grup przestępczych
• Wykrywanie złożonych przypadków
• Wsparcie dla wszystkich ZU
• Ocena skali zjawiska
Analiza sieci społecznych
UFG
Zaawansowana analityka
Reguły eksperckie
ZU
Wykrywanie anomalii
Przeszukiwanie informacji w bazach danych
Text mining
Okazjonalne
Działania przestępcze
Profesjonalne
• Przestępstwa wewnętrzne
(agenci, likwidatorzy)
• Okazjonalne działania przestępcze
• „Lokalne” grupy przestępcze
• Wszystkie linie biznesowe
ZU
Ubezpieczeniowy Fundusz Gwarancyjny
13
Przykładowa literatura
 Christopher Westphal, Data mining for inteligence, fraud & criminal detection. Advanced analysis
& tools, CRC Press , Boca Raton 2009.
 Adrian Gepp, J. Holton Wilson, Kuldeep Kumar and Sukanto Bhattacharya, A comparative
Analysis of Decision Trees Vis-a-vis Other Computational Data Mining Techniques in
Automotive Insurance Fraud Detection,Journal of Data Science 10(2012), 537-561.
 Rekha Bhowmik, Detecting Auto Insurance Fraud by Data Mining Techniques , Journal of
Emerging Trends in Computing and Information Sciences, Volume 2 No.4, APRIL 2011.
 Vidya Mohanty, FP.AnnanNaidu, Fraud Detection Using Outlier Analysis: A Survey,
INTERNATIONAL JOURNAL OF ENGINEERING SCIENCES & RESEARCH TECHNOLOGY,
2(6): June, 2013.
 INSURANCE FRAUD HANDBOOK, The Association of Certified Fraud Examiners, Inc. 2009.
 Richard J. Bolton and David J. Hand, Statistical Fraud Detection: A Review, Statistical Science,
2002, Vol. 17, No. 3, 235–255.
 Viaene, S., Derrig, R. A., Baesens, B. and Dedene, G. (2002). A comparison of state-of-the-art
classication techniques for expert automotive insurance claim fraud detection. Journal of Risk
and Insurance 69, 373-421.
 APPLICATION PAPER ON DETERRING, PREVENTING, DETECTING, REPORTING AND
REMEDYING FRAUD IN INSURANCE, IAIS, SEPTEMBER 2011
Ubezpieczeniowy Fundusz Gwarancyjny
14
Wybrane reguły wykrywania zjawiska
przestępczości ubezpieczeniowej
Klient
Pojazd
Reguła 1
Klienci którzy mieli 3 i więcej szkód w
okresie roku z ubezpieczeń AC i OC
łącznie
Reguła 2
Klienci którzy mieli 2 i więcej szkód
kradzieżowych
Reguła 3
Klienci bez wcześniejszej historii
ubezpieczenia, dla których zaistniała
szkoda z pierwszej i jedynej polisy
Reguła 4
Pojazdy dla których zgłoszono 3 i więcej szkód
w ciągu roku
Reguła 5
Pojazdy dla których zgłoszono 2 i więcej szkód
całkowitych
Reguła 6
Pojazdy dla których zgłoszono 2 i więcej szkód
kradzieżowych
Reguła 7
Pojazdy dla których ujawniono podwójne
dobrowolne ubezpieczenie dotyczące tego
samego okresu ochrony
Ubezpieczeniowy Fundusz Gwarancyjny
15
Przewaga centralnej bazy nad bazami
rozproszonymi - reguły
Reguła: liczba zdarzeń, w których uczestniczyła dana osoba (zdarzenia zaistniałe
w okresie styczeń 2012 – wrzesień 2013 )
Udział liczby osób uczestniczących w zdarzeniach wg liczby zdarzeń w
ogólnej liczbie osób uczestniczących w zdarzeniach (w %)
80%
70%
60%
50%
zakłady
40%
OI UFG
30%
20%
10%
0%
1
2
3
4
Ubezpieczeniowy Fundusz Gwarancyjny
5
6
16
Sieci powiązań w opisie zjawisk
przestępczości ubezpieczeniowej
Liczba węzłów w sieci: 137,
Liczba szkód kradzieżowych: 4
Liczba zakładów, w których
zgłaszano szkody: 14
Łączna wartość
odszkodowania:
932 069 zł
Ubezpieczeniowy Fundusz Gwarancyjny
17
Przewaga centralnej bazy nad bazami
rozproszonymi – sieci powiązań społecznych
Udział liczby sieci powiązanych zdarzeń według liczby zdarzeń w sieci w ogólnej liczbie
sieci utworzonych dla 2,2 mln zdarzeń zaszłych w okresie styczeń 2012 – wrzesień 2013
Uwaga: Wykres obrazuje sieci powiązań, dopiero dokładna analiza danych pozwala na określienie
powiązań celowych oraz przestępczych.
Ubezpieczeniowy Fundusz Gwarancyjny
18
Problemy do rozwiązania
I.
Jakość danych
II.
Standaryzacja danych
III. Kompletność danych
IV. Jakość i skuteczność stosowanych modeli, metod i technik
V.
Efektywność działań identyfikacji zjawisk przestępczych (jak mierzyć)
•
W obszarze zawierania umów
•
W obszarze likwidacji szkód
•
W obszarze prewencji
VI. Bezpieczeństwo obiegu informacji
Ubezpieczeniowy Fundusz Gwarancyjny
19
Dziękujemy za uwagę
Ubezpieczeniowy Fundusz Gwarancyjny
20
Download

Ubezpieczeniowy Fundusz Gwarancyjny