تجزیه و تحلیل اطلاعات تقلبات بیمه خودرو و ارائه ره‌یافت‌هایی برای کشف تقلبات

خلاصه مدیریتی
طرح پژوهشی «تجزیه و تحلیل اطلاعات تقلبات بیمه خودرو و ارائه ره‌یافت‌هایی برای کشف تقلبات» یکی از طرح‌های تفویض‌شده از طرف بیمه مرکزی جمهوری اسلامی ایران است که با رویکردی کاربردی انجام شده است. تقلب‌هاي بيمه‌اي از مسائل مهم و زیان‌ده براي شرکت‌هاي بيمه و بيمه‌گذاران، در تمام رشته‌هاي بيمه‌اي است. يکي از راه‌هاي شناسايي تقلب در خسارت‌‌هاي اعلام‌شده، استفاده از اطلاعات تقلب‌هاي کشف‌شده در گذشته است. امروزه روش‌هاي داده‌کاوي به طور گسترده در کشف الگوها در داده‌ها استفاده مي‌شوند. استفاده از اين روش‌ها مي‌تواند در شناسايي خسارت‌هاي تقلبي در صنعت بيمه مفيد باشد.
از این رو با توجه به ضرورت كشف تقلب در حوزه‌های مختلف، استفاده از تكنيك‌هاي هوش مصنوعي، مانند شبكه‌هاي عصبي مصنوعي، منطق فازي والگوريتم‌هاي ژنتيك، به دليل توانمندي بالايي كه در مدل كردن مسائل پيچيده دارند، به ابزار رايج دركشف تقلب تبديل شده‌اند.
از طرفی قرارداد بیمه بر حسن نیت استوار است. به این معنی که بیمه‌گران صداقت و درستی اظهارات بیمه‌گذاران را اساس کار خود قرار می‌دهند و بر اساس آن، جبران خسارت‌ها را به عهده می‌گیرند. اصل حسن نیت برای بیمه‌گران بسیار مهم و حیاتی است، زیرا در هنگام صدور بیمه‌نامه امکان ملاحظه و ارزیابی کیفیت خطری که متوجه هر یک از اموال است را ندارند.
در اصل حسن نیت در رابطه با بیمه‌گذار اشاره شده که بیمه‌گذار موظف است که در هنگام عقد قرارداد بیمه و در جریان آن، کلیه اطلاعاتی که در خصوص مورد بیمه دارد و مؤثر در تشدید خطر است، با کمال درستی و صداقت اظهار کند (اعم از این‌که بیمه‌گر این اطلاعات را خواسته باشد یا نخواسته باشد) به طوری که بیمه‌گر با بهره‌گیری از این اطلاعات بتواند اهمیت خطری را که مورد پوشش قرار می‌دهد تشخیص دهد.
در اصل حسن نیت در رابطه با بیمه‌گر اشاره شده که بیمه‌گر موظف است در بیمه‌نامه هر آنچه که نشان‌دهنده تعهدات اوست، چه از لحاظ کیفی و چه از لحاظ کمی به وضوح ذکر کند و مواردی را که به نحوی از انحاء در صورت بروز حادثه می‌تواند مؤثر در پرداخت خسارت باشد در بیمه‌نامه قید نماید به طوری که تعهدات بیمه‌گر از هر جهت برای بیمه‌گذار معین و مشخص باشد.
ماده ۱۲ و ۱۳ قانون بیمه برای درک هر چه بیشتر اصل حسن نیت، اهمیت زیادی دارند. در ماده ۱۲ قانون بیمه، ذکر شده است که هرگاه بیمه‌گذار عمداً از اظهار مطالبی خودداری کند یا عمداً اظهارات کاذب بنماید و مطالب اظهار نشده یا اظهارات کاذبه طوری باشد که موضوع خطر را تغییر داده یا از اهمیت آن در نظر بیمه‌گر بکاهد عقد بیمه باطل خواهد بود حتی اگر مراتب مذکور تأثیری در وقوع حادثه نداشته باشد.
در ماده ۱۳ قانون بیمه آمده که اگر خودداری از اظهار مطالبی با اظهارات خلاف واقع از روی عمد نباشد عقد بیمه باطل نمی‌شود در این صورت هرگاه مطالب اظهار نشده یا اظهار خلاف واقع، قبل از وقوع حادثه معلوم شود بیمه‌گر حق دارد با اضافه حق بیمه را از بیمه‌گذار در صورت رضایت او دریافت داشته قرارداد را ابقاء کند و یا قرارداد بیمه را فسخ کند.
مطالب درج شده در این گزارش در 5 فصل تهیه شده که مرور مختصری بر هر فصل در اینجا انجام شده است.
در فصل اول از این گزارش به کلیاتی از تقلبات، طبقه‌بندی انواع تقلبات در بیمه‌های خودرو و همچنین شاخصه‌ها و متغیرهای تاثیرگذار در تقلبات بیمه خودرو با توجه به مطالعات خارجی اشاره شده است.
در فصل دوم به متغیرهای تاثیرگذار در تقلبات بیمه خودرو با توجه به نظرات خبرگان، متغیرهای تاثیرگذار در تقلبات بیمه خودرو با توجه به سامانه ثبت سوابق تخلفات، انواع تقلبات در بیمه‌های خودرو براساس نظر خبرگان صنعت بیمه و همچنین رویکرد قانون جدید بیمه شخص ثالث در مبارزه با تقلبات پرداخته شده است.
در فصل سوم مروری بر آمارهای دنیا و آمارهای شرکت‌های بیمه داخلی در ارتباط با تقلبات بیمه خودرو انجام شده است که آمارهای به‌دست آمده از شرکت‌های بیمه داخلی، حاصل تکمیل سوال 1 پرسشنامه ارسالی برای شرکت‌های بیمه (در خصوص تعداد پرونده‌های تقلبی و مبالغ خسارت‌ها) می‌باشد.
در فصل چهارم گزارش نیز، رهیافت‌های کشف و پیشگیری از تقلبات براساس مطالعات خارجی و همچنین بر اساس نظرات خبرگان بررسی شده است.
در فصل پنجم، با استفاده از ابزار داده‌کاوی و یادگیری ماشین به تحلیل داده‌های موجود در صنعت بیمه خودرو می‌پردازیم و رویکرد و الگوریتمی جهت شناسایی و کشف تقلب ارائه می‌گردد. در این بخش از دو روش یادگیری با نظارت و یادگیری بدون نظارت برای تحلیل داده‌ها استفاده شده است و الگوریتم‌های استفاده شده، در فضای زبان برنامه‌نویسی پایتون کدنویسی و اجرا شده‌اند. شایان ذکر است الگوریتم‌های استفاده شده در این طرح می‌تواند به عنوان برنامه‌نویسی بک‌اند (Back End) مربوط به یک نرم‌افزار یا اپلیکیشن قرار گیرد. از این طریق داده‌های جمع‌آوری شده سالانه به عنوان ورودی به نرم‌افزار داده می‌شود و پرونده‌های مشکوک برای تحقیقات بیشتر شناسایی می‌شوند و ظرف چندین سال داده‌های برچسب‌گذاری شده بیشتر و دقیق‌تری در اختیار نرم‌افزار و متخصصان قرار می‌گیرد تا با حساسیت و دقت بالاتری به تشخیص پرونده‌های متقلبانه بپردازند.