Hot Links
不正検出マネジメント・ソリューションHUGIN テクノロジーHUGIN ソフトウェアは、不確実性のもとでの推論と意思決定のための最先端の人工知能技術に基づき、金融サービス分野のビジネス・インテリジェンスを改善する広範囲の応用を有します。このホワイトペーパーは、保険請求の取扱いプロセスでの不正予測のために、 HUGIN Experts の先進の意思決定ソフトウェアを使用する方法を説明します。 今日、保険会社では詐欺が重要な問題になっており、すべての保険請求の10%から12%が何らかの不正行為に関わっていると推定されています。保険詐欺は、あらゆる保険の領域で起きており、申し込みの不正、既存の損害の不正、水増し請求、見積りや文書の改ざんなどを含みます。詐欺は、保険会社に保険料の値上げを強いることとなり、その結果、正直な顧客が保険料を支払い過ぎなければならないということになります。 保険会社が詐欺について直面する課題は、
HUGIN ソフトウェアのような先進の探知手法が、保険詐欺との戦いで重要な役割を演じ、顧客の思考態度を変革します。先進の探知技術を用いた不正の削減は、顧客と保険会社の双方にとって、かなりの節約に結びつきます。 １つのソリューション（解決策）は、不正請求の確率をリアルタイムで計算できる警告システムの導入です。このシステムは、不正に関わっている確率が高い疑わしい請求を識別します。 ここでは、水増し請求に関係する保険詐欺と戦うために、 HUGIN ソフトウェアをどのように使用できるかを説明します。HUGIN ソフトウェアを使用すると、どの保険会社でも（もちろん日本の保険会社でも）、データが欠損していたり不完全であったりする場合でも、請求が不正であるリスクを定量化する不正予測モデルを構築してシステム統合することができます。結果として経済的利益が確証されます。
図 1: HUGIN ソフトウェアは、不正請求の識別によって、請求の取扱いプロセスの効率を改善します。 HUGIN ソフトウェアは、モデル・ベースの意思決定支援のための先進ツールです。顧客の情報が不完全な場合でも、不正のようイベントの確率を計算することに使用できます。図1は、どのようにしてHUGINソフトウェアを既存の請求取扱いシステムに統合できるかを説明します。 HUGIN ソフトウェアは柔軟で、さまざまな方法で先進の意思決定支援能力をIT環境に統合することができます。図の信号機は、不正の確率をどのようにして請求取扱い担当者に知らせるかの一例に過ぎません。 モデル・ベースの意思決定支援システムの中心コンポーネントは、モデルです。不正探知モデルは、不正請求と不正の指数、リスクの特徴、さらに顧客の行動や顧客の特性などの間の従属関係を明らかにします。 とくに、不正探知モデルは、どの行動と顧客特性が、合法請求から不正請求を区別するかを明らかにします。例えば、信号機は、請求取扱い担当者が、ファースト・トラック（迅速処理）、レギュラー・トラック（標準処理）、またはさらなる検討または調査が必要なケースを分類することを可能にします。このタイプのシステムは、高い不正の確率を持つケースにより多くの調査時間を与え、保険会社が早期の段階で不正請求を探知すること可能にします。 請求の取扱いでの先進のモデル・ベース意思決定支援を導入は、その会社向けに改良された結果により、高リスクの請求とファースト・トラック（迅速な処理）をするべき請求の両方を識別する能力を改善します。高リスクの請求を識別してコストを削減し、低リスクの請求を識別して時間を節約し、顧客満足度を向上させます。 図 2 は、簡単な不正予測モデルを示します。このモデルは、請求の種類、不正、請求履歴、年齢などの間の従属関係を記述しています。 過去に複数の請求履歴を持つ男性によってなされた盗難の請求の場合、このモデルによれば不正の確率が 85.17%です。このモデルは、限られた情報ででも不正の確率を評価することができます。この場合では、受け取った情報が、高い不正確率を示しています。
図 2: 過去に複数回の盗難請求をしている男性の場合の不正確率は 85.17%. 柔軟な分析さらに、不正の確率を計算するために、 HUGIN ソフトウェアは、モデルとそれが産み出した結果を分析するためにさまざまな手法をサポートします。その顧客が過去に複数回の盗難請求した男性であるという情報が与えられたとすると、最も情報価値の高いオブザベーションは、顧客の年齢です。もし顧客の年齢が、25歳から 40 歳の間であれば、その請求はほとんど不正だと言えるでしょう。あるいは、その顧客が60歳以上であれば、不正の確率が33%に落ちます。 この種の情報価値分析に加えて、感度分析が、不正の確率が、請求履歴のオブザベーションにI最も敏感であることを明らかにします。感度分析は、不正の確率に最大の影響を持つモデル・パラメータを識別することもできます。 モデルの直感的なグラフィックスは、分析者と対象分野の専門家がモデルのプロパティについて議論することを簡単にします。 HUGIN ソフトウェアは、請求の前例、専門家の知識、情報の背景またはそれらの情報源の混合などの複数の情報源を柔軟に組み合わせることができます。さらに、このモデルは、欠損したオブザベーションをリアルタイムで計算します。 HUGINソフトウェアに基づくシステムの導入の成果は、保険請求の所要時間の削減によって不正探知率が改善された、より効率的な請求取扱いプロセスを内包する改善された顧客サービスです。 これはより低いコストで顧客満足度を向上させることを意味します。さらに、素早く効率的な請求取扱いプロセスは、顧客ロイヤルティを向上させます。 請求取扱いのためのこの種のナレッジ・シェアリング・ソリューションは、保険請求を取扱うときの正確さ、効率性、一貫性を向上させます。 この事例は、不正探知のための HUGIN ソフトウェアの使用法を説明します。これは、HUGIN ソフトウェアで可能なことのすべてではありません。 HUGIN ソフトウェアは、一般的に、不確実性のもとでの推論や意思決定に関係する問題に適しています。 HUGIN ソフトウェアを用いて、保険会社は、データが欠損していたり不完全であったりする場合でも、不正の保険リスクを定量化する不正予測モデルを構築してシステム統合することができます。このリスク定量化の方法は、請求が不正である確率です。 UGINソフトウェアの柔軟性は、ステップ・バイ・ステップで、このツールの先進のモデル・ベース意思決定支援能力を展開することを可能にします。初期段階から改善なソリューションを開発する必要はありません。 初期のモデルを、その後の修正版で拡張して、より広範囲の請求の種類をカバーするようにできます。不正の探知に加えて、請求調査員の効率を高めるためにモデルを開発することもできるでしょう。 HUGIN 不正検出マネジメント・ソリューションのベネフィット多数の顧客での経験は、数々の重要なベネフィットを明らかにします。
モデル開発モデル開発は、2つのステップで進められます。最初のステップは、モデル変数とそれらの従属関係の識別です。 図 3は、簡単な不正探知モデルの構造を示します。このモデルは、 fraud? が興味（目的）の変数である6つの変数からなります。このモデルの目的は、残りの変数の部分集合でのオブザベーションを与えて、不正の確率を計算することです。他の変数は、保険請求を行なっている顧客について、知り得る、または知り得ない情報を特定します。
図 3: 請求履歴、請求種類、顧客の年齢などの指標に関係する簡単な不正モデル モデルのグラフィカルな構造は、2つの変数の間の従属（非従属）関係を示します。モデルの矢印は、しばしばこのドメインの因果関係を反映します。 従属関係の強さは、（条件つき）確率分布を用いて指定されます。モデルは、その変数の同時確率分布を表現します。 図 4 は、不正な請求と顧客の年齢の間の従属関係を示します。これらの確率は、対象分野の専門家が評価した確率か、データからの推定されたか、またはその2つの組み合わせです。
図 4: 年齢と不正の間の関係の定量化 同じモデルが、不正の探知と不正の調査の両方をサポートします。モデルは、与えられたケースでの不正確率の評価のために、不正な事案を識別するためにすべての請求をモニタするために、不正な事案の特性を分析するためなどに、リアルタイムで使用できます。 モデル開発フェーズをサポートするために、HUGIN Expert A/S は、 HUGIN テクノロジーと 先進のHUGIN ソフトウェアの使用法について、プロフェッショナルなトレーニングを提供します。 システム統合HUGIN ソフトウェアの主要な利点の1つは、既存のIT環境に困難なく統合できることです。HUGIN ソフトウエアの先進の意思決定支援能力が、既存の、または新規の環境に統合されます。
図 5: 簡単なシステム統合 HUGIN アプリケーション・プログラミング・インタフェースは、システム統合を簡単かつ効率的にします。図 5 は、代表的なセットアップを示します。モデル開発プロセスは、 HUGIN グラフィカル・ユーザ・インタフェースを用いて、標準のPCプラットフォームで進められます。各モデルは、 ASCII テキスト・ファイルで格納されます。したがって、このファイルは、実行システムに移転できます。 実行サイドでは、既存のITシステムが HUGIN API を通してモデルと対話して、よく定義された柔軟な関数を用いて、モデルに情報を与え、推論の結果を受け取ります。 システム保守とモデル更新は、分離されています。 いったんシステム統合が完了すると、モデル更新は簡単です。入力と出力のデータが同じだとすると、モデルの更新は、実行サイドでの単一のASCIIテキスト・ファイルの置き換えでできます。これは、ITの専門家のサポートなしに、分析者やナレッジ・エンジニアがモデルを調整できるようにします。 HUGIN ソフトウェアの強みHUHUGIN ソフトウェアは、競合システムに対していくつもの強みを持ちます。
製品 & サービスHUGIN ソフトウェアは、モデル開発と展開ツールからなります。HUGINグラフィカル・ユーザ・インタフェースは、モデル開発フェーズで分析者をサポートし、一方、HUGIN ディシジョン・エンジンは、主要なプログラミング言語のアプリケーション・プログラミング・インタフェースとともに提供され、新規または既存のITシステムにHUGINを効率的に統合します。 HUGIN ソフトウェアは、Microsoft Windows, UNIX および Linuxオペレーティング・システムで動作するサーバーやデスクトップPC,ノートPC、PDAなどの広範囲なソフトウェアとハードウェアに実装されてきた実績があります。 HUGIN は、プロフェッショナルなトレーニング、コンサルティング、およびテクニカル・サポート・サービスを提供します。Huginテクノロジーとツールのベーシック・トレーニングは、Huginソフトウェアを用いて開発したい洗練されたモデルに関する知識を持つ分析者に提供されます。 モデル開発と統合のフェーズを支援するために、 HUGIN Expert A/S は、プロフェッショナルなコンサルティング・サービスを提供します。 製品の主要な特徴図 6 は、HUGIN グラフィカル・ユーザ・インタフェースの例です。このインタフェースは、モデル開発のプロセスで、分析者とナレッジエンジニアをサポートします。
図 6: 不正モデルを示すHUGIN グラフィカル・ユーザ・インタフェース
|
