詐欺と戦う、投資好き

私が発見したサイバーセキュリティに関する情報を報告するブログで、株式投資について調べた情報についても書くブログです。

IBMの資料を読む007

🟡Santam社:予測分析による詐欺行為検出の強化 と保険金支払請求処理の高速化


詐欺行為は、

世界中の保険会社にとって

差し迫った課題である。


放火のような巨額の詐欺行為から、

自動車修理費用の請求書の粉飾

といった少額の支払請求まで、

不正な支払請求による損失額は

毎年数百万ドルに上り、

その費用は、

保険料の値上げという形で顧客に転嫁される。


保険会社は

詐欺行為と戦っているが、

訴訟や私立探偵などの従来の手法は時間がかかるうえ、

法外な費用がかかる。


南アフリカ最大の短期保険プロバイダーであるSantam 社は、

保険金詐欺の痛みを思い知らされていた。

詐欺行為による損失は、

Santam社の顧客の年間保険料の

6 ~ 10%

を占めていた。


また、

詐欺行為には、

業務効率の低下

という別の影響もあった。


代理店では、

リスクが高い支払請求もリスクが低い支払請求も処理し、調査しなければならなかったため、

すべての支払請求の処理に

最低3日

を要しており、

顧客が迅速な結果を求めるこの時代にあって、

Santam社は

顧客サービスに関する評判が下がるの を感じ始めていた。


そこで、

高度なアナリティクス・ソリューションを使用して、

受け取った支払請求からデータを収集し、

特定されたリスク要因に照らして支払請求をそれぞれ評価し、

支払請求を5つのリスク・カテゴリーに分類して、

詐欺の可能性がある支払請求やリスクが高い支払請求を、

リスクが低いケースから

分離する

ことで、

詐欺行為を

早期に検出できるようにした。

新しいシステムによって、

同社は、

これまで 保険金詐欺によって失っていた

数百万ドル

を削減するだけでなく、

リスクが低い支払請求

処理時間

大幅に短縮して、

一部の顧客については

1時間足らず

で処理できるようになった。


また、

実装後、

最初の数カ月で、

自動車保険金詐欺

規模な組織を暴き出した(💮)。


同社は、

ビッグデー タ、

予測分析、

リスク・セグメンテーションを使用する

ことで、

詐欺行為の検出

につながるパターンを

特定できるようになった。

🟡



🟡

ビッグデータは、柔軟で拡張性がある情報基盤に依存

🟡


ビッグデータから

意義深い測定可能なビジネス価値を得る

という目標を達成するためには、

データの急激な増加、 多様化、迅速化をサポートする情報基盤が整備している場合のみである。


ビッグデータインフラストラクチャー の現状について回答してもらったところ、ほぼ3分の2 が、

統合され、

拡張性があり、

柔軟かつ安全な情報基盤から、

ビッグデータに対する取り組みを始めた

と述べて いる。

回答者のビッグデータに対する取り組みの一部と して、

4つの情報管理コンポーネントが最も多く挙げられた(図5参照)。


情報の統合は、

アナリティクスの主要コンポーネント であるが、

ビッグデータではさらに重要である。


IBM Institute for Business Value

2011年に実施した高度なアナリティクスに関する調査

に記載されているように、

組織のデータは、

そのデータを必要とするユーザーやシステムがすぐに使用でき、

アクセスできるようにする必要がある。


マスター・データ管理

および

主要なデータ・タイプ

(顧 客、商品、取引先、従業員など)

の統合には、

1つの企業標準に従って制御される

企業全体のデータ

が必要である。

組織や部門の壁を超えて

データを接続できない点は、 

長年にわたって

ビジネス・インテリジェンスの課題となっている。

この統合は、

ビッグデータに関してはさらに重 要である

と同時に、

はるかに複雑でもある。

ビッグデー タに対する積極的な取り組みを実施している組織のうち

65%

が、自社の情報統合機能は

ビッグデータをサポートするのに十分である

と考えている。


ビッグデータに対する取り組みで

次に普及している情報管理基盤のコンポーネントは、

拡張可能なストレージ・ インフラストラクチャー

大容量のウェアハウスである。 


どちらも、

現在から将来にわたって発生していく

データ

急速な増大に対応する。