شناسايي تقلب در بيمه اتومبيل بااستفاده از روش‌هاي داده‌كاوي

A Data Mining Approach to Auto Insurance Fraud

تقلب هاي بيمه اي از مسايل مهم و خسارت زا براي شركت هاي بيمه و بيمه گذاران، در تمام رشته هاي بيمه اي است. يكي از راه هاي شناسايي تقلب در خسارت هاي اعلام‌شده، استفاده از اطلاعات تقلب هاي كشف‌شده در گذشته است. امروزه روش هاي داده كاوي به طور گسترده در كشف الگوها در داده ها استفاده مي‌شوند. استفاده از اين روش ها مي‌تواند در شناسايي خسارت هاي تقلبي در صنعت بيمه مفيد باشد. در اين مقاله ضمن بررسي روش هاي رايج براي شناسايي تقلب در بيمه اتومبيل از سه روش داده كاوي رگرسيون لجستيك، بيز ساده و درخت تصميم براي پيداكردن الگوهايي استفاده شده است كه به شركت‌هاي بيمه در شناسايي تقلب ها در بيمه اتومبيل كمك مي كنند. همچنين در يك مطالعه تجربي اين روش ها بر روي داده هاي واقعي (شامل اطلاعات 72 پرونده خسارت بيمه نامه هاي شخص ثالث و بدنه اتومبيل) آزمايش و كارايي هر روش سنجيده شد. روش بيز ساده با دقت 28/90 درصد در شناسايي صحيح جعلي يا غيرجعلي‌بودن پرونده هاي خسارت بهترين كارايي را در مقايسه با دو روش درخت تصميم با دقت 9/88 درصد و رگرسيون لجستيك با دقت 1/86 درصد داشت.

Fraud is one of the most important problems that impose huge losses to insurance companies. There are many ways to do fraud detection; one of them is analyzing the historical data of detected frauds. Nowadays, using data mining methods to find the patterns of data is in common. Using these methods could be useful to identify spurious claims. Here, in addition to surveying the common methods of fraud detection in Auto insurance, three special methods, namely, Logistic Regression, Naive Bayes and Decision Tree, are applied to real data including 72 Auto insurance claims and their efficiencies are evaluated. As a result, Naive Bayes method has been chosen as the best identifier of real or fraud claims with 90.28% accuracy. Decision Tree and Logistic Regression, respectively stand in the next places, with 88.9% and 86.1% of accuracy.