CN109272412A - 一种车险理赔风控维护系统 - Google Patents

Abstract

本发明公开了一种车险理赔风控维护系统，主要包括用户信息识别模块、用户风险评估模块、用户风险处理模块、风险规则引擎模块、风险系统完善维护模块；本发明利用大数据技术、人工智能技术等，帮助传统的车险理赔风控管理向智能化、模型化转型升级并且本发明通过人工智能的机器学习能力，针对可疑风险案件，不断通过丰富多维度的风险变量进行系统自我训练，帮助理赔风控系统设置风险预警方案，及时预警，阻断风险向后渗透。

Description

一种车险理赔风控维护系统

技术领域

本发明涉及车险理赔技术领域，具体是涉及一种车险理赔风控维护系统。

背景技术

各行各业，各个领域，各个渠道，都需要有一系列的完整的风险控制，以保证事情向好的方向发展，而免受不可预估的经济和财产损失而绰手不及。这时候一套完备的风控系统应运而生，以解决实际在生产业务中的各种难题。作为事物的主体，可以采取各种措施和方法，消灭或减少风险事件发生的各种可能性，或减少风险事件发生时造成的损失；这就是风险控制。

传统的车险理赔风控管理基本上全都依赖于理赔人员积累的经验，主要涉及查勘定损、核价核损这两个核心理赔环节上的相关人员。

保险公司的查勘定损人员在车险案件完成接报案后即第一时间介入，以核实案件事故的真实性并进行合理定损为主要工作。从目前的实践分析，多数保险公司的查勘定损人员的专业技能缺失并且经验相对不够充分，对车险欺诈类案件的有效识别和快速处理能力较弱；另外，有少数具备丰富经验的查勘定损人员在职业操守方面问题频发，对可疑高风险视而不见，对虚假案件放任自流，更有甚者，内外勾结，人为扩大案件损失，导致保险公司以及被保险人的合法权益受到侵害。

保险公司的核价核损人员负责对定损上报的零配件、工时费等进行审核。核损与定损职能的分离、人员的分离有利于降低定损核损人员勾结的几率，但如若前序查勘定损环节风控能力的缺失则会降低核损员的风险判别能力，这种流程上的缺陷无疑对保险公司风险管控的能力起到了较大的负面影响。

通过上述分析，可以发现传统车险理赔的人工经验对于风险管控的作用十分有限，而且伴随着车险业务的不断增长，以及车险理赔欺诈手段的不断翻新，大部分的保险公司都正在逐渐摒弃低效的传统理赔风险管控手段，引进先进的技术手段，向更高效的智能化、模型化风控升级。

发明内容

针对现有技术中存在的上述问题，本发明提供了一种车险理赔风控维护系统。

本发明的技术方案是：一种车险理赔风控维护系统，主要包括用户信息识别模块、用户风险评估模块、用户风险处理模块、风险规则引擎模块、风险系统完善维护模块；

所述用户信息识别模块包括身份信息单元、财产信息单元、驾驶信息单元、车险信息用户、社交信息单元，所述身份信息单元用于接收手机用户身份证信息；所述财产信息单元用于审核用户名下财产资料；所述驾驶信息单元用于审核用户驾驶证信息与过往交通违规情况；所述社交信息单元用于获取用户社交、婚姻信息；

所述用户风险评估模块包括规则引擎评估单元、风控审核员评估单元、风险评估结果分级单元，所述规则引擎评估单元通过电脑对用户信息识别模块内收集的信息进行全面筛查过滤；所述风控审核员评估单元对规则引擎评估单元处理的结果通过风控审核员进行二次筛查过滤；所述风险评估结果分级单元根据规则引擎评估单元与风控审核员评估单元的评估结果对用户投保风险等级进行划分；

所述用户风险处理模块包括风险回避单元、风险损失控制单元、风险转移单元、风险保留单元，所述风险回避单元根据风险评估模块的评估结果对用户申请进行通过或驳回；所述风险损失控制单元通过提高用户缴费金额与发生车险时降低赔损来控制风险损失；所述风险转移单元用于将用户申请移交其他保险公司；所述风险保留单元用于对用户进行风险评估进行进一步分析与协调；

所述风险规则引擎模块包括规则引擎建立单元、规则引擎学习单元；所述规则引擎建立单元51用于不断丰富与建立新的用户风险审核规则；所述规则引擎学习单元52用于借鉴与学习系统尚未制定的用户风险审核规则、车险定损规则与车险核损规则；

所述风险系统完善维护模块包括案件信息提取对比单元、对比案件输入单元；所述案件信息提取对比单元用于整理系统内收集的资料从而对类似的用户进行模拟预算与数据挖掘；所述对比案件输入单元用于输入相关资料与用户资料进行对比。

进一步地，所述风险评估结果分级单元根据所述规则引擎评估单元与所述风控审核员评估单元评估将用户风险分为低、偏低、正常、良好、优秀5个等级；通过对用户保单进行风险等级划分，从而对不同风险等级的用户采用不同缴费与理赔方案；具体评估规则为：

低：用户名下除车辆外无固定财产，无固定工作，信用卡与银行贷款有逾期记录，有过骗保行为；

偏低：用户名下除车辆外无固定财产，无固定工作，信用卡与银行贷款有逾期记录，没有骗保行为；

正常：用户名下除车辆外无固定财产，无固定工作，信用卡与银行贷款无逾期记录，没有骗保行为；

良好：用户名下除车辆外无固定财产，有固定工作，信用卡与银行贷款无逾期记录，没有骗保行为；

优秀：用户名下有除车辆外固定财产，有固定工作，信用卡与银行贷款无逾期记录，没有骗保行为。

进一步地，所述风险系统完善维护模块内设有风险阻断单元，所述风险阻断单元用于对所述案件信息提取对比单元与对比案件输入单元的对比结果进行处理；通过对比类似案件发现用户的隐藏风险。

进一步地，所述用户信息识别模块与所述风险规则引擎模块的用户身份信息、个人财产、社交信息与车险定损规则、车险核损规则、用户风险审核规则通过大数据技术采集；更全面的了解用户风险指数并且完善规则引擎。

进一步的，所述车险理赔风控维护系统采用人工智能技术，具有学习能力；使得本系统持续学习到越来越丰富的欺诈判断风险特征。

进一步地，所述车险理赔风控维护系统可以与第三方平台进行数据上传与下载；车险理赔风控维护系统与中国保险信息技术管理有限责任公司2016年推出了全国车险反欺诈信息系统相对接，从而进行车险行业内反欺诈信息共享交互，可以更多提供保险欺诈线索识别规则、欺诈风险预警规则。

进一步地，所述风险系统完善维护模块还包括定期更新单元，所述定期更新单元根据案件调查结果反馈定期调整模型参数和风险评价标准；使本发明系统可以不断迭代优化、智能更新

更进一步的，所述车险理赔风控维护系统内设有理赔反欺诈模块，所述理赔反欺诈模块根据用户信息识别模块与用户风险评估模块的处理结果，对用户是否存在骗保行为进行审查，用于防止查勘定损人员的专业技能缺失并且经验相对不够充分，对车险欺诈类案件的有效识别和快速处理能力较弱；另外防止有少数具备丰富经验的查勘定损人员在职业操守方面问题频发，对可疑高风险视而不见，对虚假案件放任自流的案例。

本发明的有益效果是：

1.本发明利用大数据技术、人工智能技术等，帮助传统的车险理赔风控管理向智能化、模型化转型升级；

2.本发明通过“电脑”协助“人脑”自动进行一系列风险管控操作，从而准确、快速、无死角地实现车险理赔各环节的风险识别、风险评估、风险预警、风险处理等风险管控措施；

3.本发明系统通过规则引擎的运用不受理赔风控人员主观因素的制约，有助于捕捉到人工筛查时易于疏漏的分散型风险点。

4.本发明通过人工智能的机器学习能力，针对可疑风险案件，不断通过丰富多维度的风险变量进行系统自我训练，帮助理赔风控系统设置风险预警方案，及时预警，阻断风险向后渗透。

附图说明

图1是本发明的系统结构框图。

其中，1-车险理赔风控维护系统、2-用户信息识别模块、3-用户风险评估模块、4-用户风险处理模块、5-风险规则引擎模块、6-风险系统完善维护模块、7-理赔反欺诈模块、21-身份信息单元、22-财产信息单元、23-驾驶信息单元、24-车险信息用户、25-社交信息单元、31-规则引擎评估单元、32-风控审核员评估单元、33-风险评估结果分级单元、41-风险回避单元、42-风险损失控制单元、43-风险转移单元、44-风险保留单元、51-规则引擎建立单元、52-规则引擎学习单元、61-案件信息提取对比单元、62-对比案件输入单元、63-风险阻断单元、64-定期更新单元。

具体实施方式

下面结合附图1和具体实施例来对本发明进行更进一步详细的说明。

如图1所示，一种车险理赔风控维护系统，主要包括用户信息识别模块2、用户风险评估模块3、用户风险处理模块4、风险规则引擎模块5、风险系统完善维护模块6；

用户信息识别模块2包括身份信息单元21、财产信息单元22、驾驶信息单元23、车险信息用户24、社交信息单元25，身份信息单元21用于接收手机用户身份证信息；财产信息单元22用于审核用户名下财产资料；驾驶信息单元23用于审核用户驾驶证信息与过往交通违规情况；社交信息单元25用于获取用户社交、婚姻信息；

用户风险评估模块3包括规则引擎评估单元31、风控审核员评估单元32、风险评估结果分级单元33，规则引擎评估单元31通过电脑对用户信息识别模块2内收集的信息进行全面筛查过滤；风控审核员评估单元32对规则引擎评估单元31处理的结果通过风控审核员进行二次筛查过滤；风险评估结果分级单元33根据规则引擎评估单元31与风控审核员评估单元32的评估结果对用户投保风险等级进行划分；

用户风险处理模块4包括风险回避单元41、风险损失控制单元42、风险转移单元43、风险保留单元44，风险回避单元41根据风险评估模块3的评估结果对用户申请进行通过或驳回；风险损失控制单元42通过提高用户缴费金额与发生车险时降低赔损来控制风险损失；风险转移单元43用于将用户申请移交其他保险公司；风险保留单元44用于对用户进行风险评估进行进一步分析与协调；

风险规则引擎模块5包括规则引擎建立单元51、规则引擎学习单元52；规则引擎建立单元51用于不断丰富与建立新的用户风险审核规则；规则引擎学习单元52用于借鉴与学习系统尚未制定的用户风险审核规则、车险定损规则与车险核损规则；

风险系统完善维护模块6包括案件信息提取对比单元61、对比案件输入单元62；案件信息提取对比单元61用于整理系统内收集的资料从而对类似的用户进行模拟预算与数据挖掘；对比案件输入单元62用于输入相关资料与用户资料进行对比。

其中，风险评估结果分级单元33根据规则引擎评估单元31与风控审核员评估单元32评估将用户风险分为、低、偏低、正常、良好、优秀5个等级；通过对用户保单进行风险等级划分，从而对不同风险等级的用户采用不同缴费与理赔方案；具体评估规则为：

低：用户名下除车辆外无固定财产，无固定工作，信用卡与银行贷款有逾期记录，有过骗保行为；

偏低：用户名下除车辆外无固定财产，无固定工作，信用卡与银行贷款有逾期记录，没有骗保行为；

正常：用户名下除车辆外无固定财产，无固定工作，信用卡与银行贷款无逾期记录，没有骗保行为；

良好：用户名下除车辆外无固定财产，有固定工作，信用卡与银行贷款无逾期记录，没有骗保行为；

优秀：用户名下有除车辆外固定财产，有固定工作，信用卡与银行贷款无逾期记录没有骗保行为；

风险系统完善维护模块6内设有风险阻断单元63，风险阻断单元63用于对案件信息提取对比单元61与对比案件输入单元62的对比结果进行处理；通过对比类似案件发现用户的隐藏风险；用户信息识别模块2与风险规则引擎模块5的用户身份信息、个人财产、社交信息与车险定损规则、车险核损规则、用户风险审核规则通过大数据技术采集；更全面的了解用户风险指数并且完善规则引擎；车险理赔风控维护系统1采用人工智能技术，具有学习能力；使得本系统持续学习到越来越丰富的欺诈判断风险特征；车险理赔风控维护系统1可以与第三方平台进行数据上传与下载；车险理赔风控维护系统1与中国保险信息技术管理有限责任公司2016年推出了全国车险反欺诈信息系统相对接，从而进行车险行业内反欺诈信息共享交互，可以更多提供保险欺诈线索识别规则、欺诈风险预警规则；风险系统完善维护模块6还包括定期更新单元64，定期更新单元64根据案件调查结果反馈定期调整模型参数和风险评价标准；使本发明系统可以不断迭代优化、智能更新；车险理赔风控维护系统内设有理赔反欺诈模块7，理赔反欺诈模块7根据用户信息识别模块2与用户风险评估模块3的处理结果，对用户是否存在骗保行为进行审查，用于防止查勘定损人员的专业技能缺失并且经验相对不够充分，对车险欺诈类案件的有效识别和快速处理能力较弱；另外防止有少数具备丰富经验的查勘定损人员在职业操守方面问题频发，对可疑高风险视而不见，对虚假案件放任自流的案例。

最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明实施例技术方案的精神和范围。

Claims (7)

1.估模块(3)、用户风险处理模块(4)、风险规则引擎模块(5)、风险系统完善维护模块(6)；

所述用户信息识别模块(2)包括身份信息单元(21)、财产信息单元(22)、驾驶信息单元(23)、车险信息用户(24)、社交信息单元(25)，所述身份信息单元(21)用于接收手机用户身份证信息；所述财产信息单元(22)用于审核用户名下财产资料；所述驾驶信息单元(23)用于审核用户驾驶证信息与过往交通违规情况；所述社交信息单元(25)用于获取用户社交、婚姻信息；

所述用户风险评估模块(3)包括规则引擎评估单元(31)、风控审核员评估单元(32)、风险评估结果分级单元(33)，所述规则引擎评估单元(31)通过电脑对用户信息识别模块(2)内收集的信息进行全面筛查过滤；所述风控审核员评估单元(32)对规则引擎评估单元(31)处理的结果通过风控审核员进行二次筛查过滤；所述风险评估结果分级单元(33)根据规则引擎评估单元(31)与风控审核员评估单元(32)的评估结果对用户投保风险等级进行划分；

所述用户风险处理模块(4)包括风险回避单元(41)、风险损失控制单元(42)、风险转移单元(43)、风险保留单元(44)，所述风险回避单元(41)根据风险评估模块(3)的评估结果对用户申请进行通过或驳回；所述风险损失控制单元(42)通过提高用户缴费金额与发生车险时降低赔损来控制风险损失；所述风险转移单元(43)用于将用户申请移交其他保险公司；所述风险保留单元(44)用于对用户进行风险评估进行进一步分析与协调；

所述风险规则引擎模块(5)包括规则引擎建立单元(51)、规则引擎学习单元(52)；所述规则引擎建立单元(51)用于不断丰富与建立新的规则；所述规则引擎学习单元(52)用于借鉴、学习相关车险风控规则；

所述风险系统完善维护模块(6)包括案件信息提取对比单元(61)、对比案件输入单元(62)；所述案件信息提取对比单元(61)用于整理系统内收集的资料从而对类似的用户进行模拟预算与数据挖掘；所述对比案件输入单元(62)用于输入相关资料与用户资料进行对比。

2.根据权利要求1所述的一种车险理赔风控维护系统，其特征在于，所述风险评估结果分级单元(33)根据所述规则引擎评估单元(31)与所述风控审核员评估单元(32)评估将用户风险分为极低、低、偏低、正常、较好、良好、优秀7个等级。

3.根据权利要求1所述的一种车险理赔风控维护系统，其特征在于，所述风险系统完善维护模块(6)内设有风险阻断单元(63)，所述风险阻断单元(63)用于对所述案件信息提取对比单元(61)与对比案件输入单元(62)的对比结果进行处理。

4.根据权利要求3所述的一种车险理赔风控维护系统，其特征在于，所述用户信息识别模块(2)与所述风险规则引擎模块(5)的用户部分信息与部分相关规则通过大数据技术采集。

5.根据权利要求1所述的一种车险理赔风控维护系统，其特征在于，所述车险理赔风控维护系统(1)采用人工智能技术，具有学习能力。

6.根据权利要求1所述的一种车险理赔风控维护系统，其特征在于，所述车险理赔风控维护系统(1)可以与第三方平台进行数据上传与下载。

7.根据权利要求1所述的一种车险理赔风控维护系统，其特征在于，所述风险系统完善维护模块(6)还包括定期更新单元(64)，所述定期更新单元(64)根据案件调查结果反馈定期调整模型参数和风险评价标准。