شناسایی تقلب

تقلب های بیمه ای از مسائل مهم و خسارت زا برای شرکت های بیمه و بیمه گذاران، در تمام رشته های بیمه ای است. یکی از راه های شناسایی تقلب در خسارت های اعلام شده، استفاده از اطلاعات تقلب های کشف شده در گذشته است. امروزه روش های داده کاوی به طور گسترده در کشف الگوها در داده ها استفاده می شوند. استفاده از این روش ها میتواند در شناسایی خسارت های تقلبی در صنعت بیمه مفید باشد. در این مقاله ضمن بررسی روش های رایج برای شناسایی تقلب در بیمة اتومبیل از سه روش داده کاوی رگرسیون لجستیک، بیز ساده و درخت تصمیم برای پیداکردن الگوهایی استفاده شده است که به شرکت های بیمه در شناسایی تقلب ها در بیمه اتومبیل کمک می کنند. همچنین در یک مطالعة تجربی این روش ها بر روی داده های واقعی (شامل اطلاعات 72 پروندة خسارت بیمه نامه های شخص ثالث و بدنة اتومبیل) آزمایش و کارایی هر روش سنجیده شد. روش بیز ساده با دقت 28/90 درصد در شناسایی صحیح جعلی یا غیرجعلیبودن پرونده های خسارت بهترین کارایی را در مقایسه با دو روش درخت تصمیم با دقت 9/88 درصد و رگرسیون لجستیک با دقت 1/86 درصد داشت.

هدف: هدف اصلی این تحقیق انجام یک تحقیق جامع با هدف شناسایی تمامی عوامل موثر در طراحی و عملکرد بهینه سیستم های نظارت هوشمند برای کشف تقلب است. این شامل تجزیه و تحلیل دقیق انواع تقلب مالی، انواع داده های مورد استفاده برای سیستم های تشخیص تقلب (اعم از مالی و غیر مالی) و شناسایی موثرترین الگوریتم های یادگیری ماشینی و یادگیری عمیق است. علاوه بر این، هدف این تحقیق ایجاد معیارهای مناسب برای اندازه گیری کارایی آنها و شناسایی چالش ها در طراحی سیستم های نظارت هوشمند است. در نهایت، این تحقیق به دنبال پیش بینی فرآیند تحقیقات آینده است تا بتواند به این چالش ها پاسخ دهد.   روش: این پژوهش با استفاده از روش تحقیق توصیفی، به بررسی دقیق منابع از جمله مقالات منتشر شده در مجلات بین المللی، مقالات همایش ها و بویژه مقالات نمایه شده در پایگاه اسکوپوس و مجلات معتبر داخلی پرداخته است. دامنه زمانی یک دوره 20 ساله را در بر می گیرد که منتهی به سال 1401 می شود. برای اطمینان از صحت و دقت تجزیه و تحلیل، از نرم افزار MAXQDA برای کدگذاری و برگه های تجزیه و تحلیل استفاده شد، در حالی که از نرم افزار VOS Viewer برای تحلیل کلمات کلیدی و ترسیم نقشه جامع تحقیق استفاده شد.   یافته ها: این تحقیق با بررسی تحقیقات سیستم های کشف تقلب در دو دهه گذشته به ارائه مدل مفهومی تحقیقات کشف تقلب آتی منجر شده است که با ادغام داده های مالی و غیرمالی، از جمله معیارهای زیست محیطی، اجتماعی و حکمرانی ( ESG )، یک تغییرپارادیم جدی در تحقیقات این حوزه را موجب می شود. این رویکرد با رفع محدودیت های موجود در کشف تقلب و با در نظر گرفتن طیف وسیع تری از متغیرها، موجب افزایش دقت و شفافیت سیستم های تشخیص تقلب می شود.   نتیجه گیری: این پژوهش با تجزیه و تحلیل تحقیقات قبلی انجام شده در این زمینه و شناسایی چالش ها و روندهای آتی، به گسترش حوزه دانش کمک می کند. خروجی این تحقیق شامل تجزیه و تحلیل دقیق چالش های حاضر در طراحی سیستم های نظارت هوشمند و استخراج روندهای تحقیقات آتی است. با پرداختن به این چالش ها و روندها، تحقیقات آینده می توانند به طور قابل توجهی، طراحی و اجرای سیستم های نظارت هوشمند را بهبود بخشد و از اثربخشی آنها در شناسایی و پیشگیری از تقلب مالی، اطمینان حاصل نمایند.