보험사기방지 시스템 (IFDS) 구축방안

보험사기방지 시스템(IFDS)구축방안 이채범 책임 BRMS 사업부 KSTEC

Agenda • 보험사기의 정의 및 국내 현황 • 보험사기방지 추진배경 및 시스템 구축 현황 • 보험사기방지 시스템 아키텍쳐 및 구축 프로세스 • 보험사기방지 시스템 심사모형 구축방안 • 보험사기방지 Rule 구성방안 및 예시 • 보험사기방지 시스템 기대효과..

보험사기(Insurance Fraud)란 무엇인가? • 보험사기란 보험금을 수취하는 모든 행위 • 보험금을 이용하여 보험자의 부담으로 자기 또는 제3자에게 보험금의 형식으로 위법적인 이익을 보게 하는 행위 • 보험사기는 경성사기(Hard Fraud)와 연성사기(Soft Fraud)로 구분되어진다.

보험사기 구분 • 보험사기 유형

국내 보험사기 현황

국내 보험사기 현황(계속) • 보험사기 적발현황 (단위 : 건, 백만원) * 금융감독원 자료 참조

국내 보험사기 현황 • 보험분야별 보험사기 적발현황 (단위 : 건, 백만원) * 금융감독원 자료 참조

(단위 : 백만원) 177,912 135,882 123,897 104,788 32,180 23,263 12,765 2,562 보험사기 국내 현황(계속) • 손해보험분야 보험종류별 보험사기적발 현황 * 금융감독원 자료 참조

보험사기 국내 현황(계속) • 생명보험분야 보험종류별 보험사기적발 현황 (단위 : 백만원) * 금융감독원 자료 참조

국내 보험사기 현황(계속) • 보험사기 추정금액 현황(건) (단위 : 억원) * 보험개발원 연구자료 참조

보험사기방지(IFDS) 시스템 추진배경 주변환경 • 지속적인 경기침체  생계형 보험사기 급증 • 보험사기의 지능화/전문화  FP 주도 보험사기 • 병원 경영악화, 도덕적 해이  의료행위 종사자 개입 보험사기 보험사기방지 체계 확립 보험사기방지 체계 확립 손해보험 생명보험 • 교통사고 피해자의 부재환자(나이롱 환자)에 따른 손보사 수익률이 크게 저하됨. • 고의적 보험사고에 따른 보험사기 증가 -> 사전계획적인 사기 유형의 비중이 커지고 있는 추세임 • 자동차 수리점의 보험사기 가담 • 생존급부 청구금액 증가추세 • 생존급부 증가는 사차익율 하락의 주원인임 • 소액 생존급부의 경우 대부분 현지 지급되고 있음 • 보험사기 검거자 대상자중 절반 이상이 현지 지급 건으로 현지지급에 대한 Risk 관리 필요

국내 보험사기방지 시스템 구축현황 : S 생명 시스템 고도화 3단계 시스템 구현 2단계 2008.09 • 보험사기방지 Hybrid 모형 개선인단위/건단위 예측모형 도입 인단위/건단위 Rule모형 도입 • 보험사기 연관도 분석모형 개발 • 성과모니터링 결과 예측모형 반영 자동화 • 시뮬레이션 시스템 고도화 • 통계분석 기능 고도화 컨설팅 진행 1단계 2006.10 • 보험사기방지 Hybrid 모형 구축 보험사기방지 예측모형 구축 보험사기방지 Rule 모형 구축 • 사기징후 자동검출 및 성과 모니터링 시스템 구축 • 보험사기방지 시스템 이중화 2005.12 • 보험사기관련 데이터 분석 컨설팅

국내 보험사기방지 시스템 구축현황 : D 생명 시스템 향후 추진과제 3단계 시스템 고도화 예정 2단계 추후예정 - 보험사기 연관도 분석모형 개발 • 성과모니터링 결과 예측모형 반영 자동화 시스템 구축 1단계 2009년 상반기 추진 - 보험사기 관련 데이터 분석 컨설팅 - 보험사기방지 Hybrid 모형 구축 보험사기방지 인단위/건단위 예측모형 구축 보험사기방지 인단위/건단위 Rule 모형 구축 • 사기징후 자동검출 및 성과 모니터링 시스템 구축 • 시뮬레이션 시스템 구축 2007년 - 보험사기방지 Rule 모형 구축 인단위/건단위 Rule 모형 도입 - 보험사기방지 시스템 이중화

국내 보험사기방지 시스템 구축현황 : A 생명 시스템 고도화 검토 2단계 검토사항 - 보험사기 관련 데이터 분석 컨설팅 - 보험사기방지 Hybrid 모형 구축 보험사기방지 인단위/건단위 예측모형 구축 보험사기방지 인단위/건단위 Rule 모형 구축 • 사기징후 자동검출 및 성과 모니터링 시스템 구축 • 보험사기방지 시스템 이중화 • 시뮬레이션 개선 작업 시스템 구축 1단계 2007년 - 보험사기방지 Rule 모형 구축 인단위/건단위 Rule 모형도입 • 성과 모니터링 일부 구축 • 배치/병행 시뮬레이션 시스템 구축

Illustrative Illustrative 분석범위선정 단계(사용자 Filter 조건 지정) 평균 관리도를 통한 집단별 비교분석 실행 적용 단계 집단별 관리도 분석 관리도 QCI 개발 Filter조건 지정 관리대상 선정 기준 Rule + 비즈니스 Rule 통계기반 Rule Hybrid Model 분석 기간 지정 이상징후 집단 추출 분석 대상 선정 담당자의 추가상세분석 집단별 Trend 분석 Trend QCI 개발 Positive Rule Negative Rule 모델링시 모집단 현재 모집단 PSR RULE ID SCORE WOE INFO_VAL 해당심사건 분포 해당심사건 분포 Rule 도출 1 43.85% 322 0.36% 43 0.17% 3.85 -0.01 분석 항목 선정 추가 삼사 대상 추출 조건 심사 대상 제외 조건 2 35.21% 369 0.42% 96 0.38% -9.89 0.00 29.73% 3 394 0.45% 68 0.27% 4.10 -0.01 4 27.39% 282 0.32% 90 0.35% 10.54 0.00 5 23.92% 0.39% 0.25% -45.29 0.06 345 63 6 23.42% 456 0.52% 91 0.36% -36.41 0.06 7 22.24% 1,230 1.39% 128 0.50% -101.52 0.90 8 20.14% 0.78% 0.52% -40.96 0.11 687 131 9 15.31% 688 0.78% 207 0.81% 4.65 0.00 10 15.09% 381 0.43% 107 0.42% -2.24 0.00 11 14.53% 706 0.80% 154 0.61% -27.51 0.05 12 13.92% 2.57% 2.37% -8.14 0.02 2,270 601 13 12.79% 3.84% 1.89% -71.08 1.39 3,395 479 14 12.66% 2,335 2.64% 539 2.12% -21.85 0.11 15 12.32% 366 0.41% 63 0.25% -51.20 0.08 16 9.96% 0.90% 1.02% 12.23 0.01 798 259 … … … … … … … … 40 0.10% 9,968 11.27% 3,857 15.18% 29.81 1.17 88,441 100% 25,401 100% Index = 10.68 합계 계 보험사기방지 시스템 기능 구성 심사분석모형 사기징후 자동검출 이상징후 집단 모니터링및 상세분석 성과 모니터링 후보변수 선정 성과 모니터링 및 리모델링 FDS BRMS Framework 변수 유의성 검정 성과 모니터링 지표 모델링 Remodeling Process 모델 검증 모니터링 지표 활용 모델 결과 생성

보험사기방지 시스템 원천데이타 SIU조사정보 EDW 계정계 Data 기존 보험사기방지 시스템의 문제점 보험사기방지 Data Mart 데이터 다양성 및 실시간성 결여 내부 시스템 공통 영역 보고서 마트 E T L • 타 시스템 데이터를 EDW을 통해 Data Mart에 반영함으로 최소 1달 이전의 데이터로 보험사기 판정(CRM, 콜센터) • 주로 청구시스템 데이터만을 실시간으로 전달받아 보험사기 판정 정확도 저하 • 다양한 시스템 정보의 실시간 취득 필요 Staging 영역 개별 Data etc 외부시스템 IN PUT OUT PUT 외부기관 데이터 기타연계 이상 징후 모니터링 성과 모니터링 청구보험금 심사

보험사기 관련 Data 실시간 보험사기방지 데이터 수집 기능 강화 부적격 계약 보상 신청 고객정보변경 복잡하고 이질적인 타 시스템 데이터 역선택 문의메일 청구보험금 콜센터 문의 FP감사정보 실시간 데이터 수집 WebSphere Business Events DBMS, Mail, FTP 등 다양한 방식을 통한 실시간 데이터 수집 및 정제 기간계시스템소스 보험사기 방지 Data Mart 감사시스템 CRM 콜센터

Data 마트 구축도구 Model Import 보험사기방지 시스템 아키텍쳐 Resource IFDS 시스템 아키텍쳐 성과 모니터링/ 연관도 분석 예측모형 개발/ 사기징후 모니터링 Rule Engine 고객 정보 Rule Invoker Management 모듈 Rule Session EJB Rule Engine Risk 정보 모형개발 도구 Rule Team Server 청구심사 시스템 실시간 심사 데이터 수집 DBMS FDS Rule Repository FDS DataMart WBE 기타 대외계 시스템 예측 모형 Rule Base 비즈니스 Rule Base

보험사기방지 시스템 Process

2 1 3 개발내용 및 효과 모형 개발컨설팅 스코어링 모형 Negative rule Positive Rule 변수도출 변수도출 변수도출 심사항목 체크 스코아링 산정 예외체크 최적함수 도출 룰 도출 룰 도출 보험사기방지 구축 프로세스 유의성 검증 데이터 검증 컨설팅 데이터 검증컨설팅 상관성 검증 • 보험사기 적발을 위한 데이터에 대한 검증을 통해 사기 가능성이 높은 청구건 선별을 위한 유효한 후보 변수군 선정 모형 개발 컨설팅 • 모형에 자주 사용하는 변수 정리 및 도출 • 최종 혐의등급 산정을 위해 Mining Tool 활용 지능형 스코아링 모형 개발 • ILOG JRules 활용 협의청구유형별 룰 모델링 • 다양한 룰 개발 및 지능형 스코어링 모형을 통해 면책률 및 심사건수 향상 시스템 구축 • 도출된 Rule모형을 통해 BRMS 시스템 구축 및 효율성 검증(면책률, 심사건수) 시스템 구축 BRMS시스템 구축 및 검증

데이터 검증 컨설팅 데이터 검증 컨설팅 예측 모형 개발 예측 모형 개발 Rule모형 도입후 고도화 전체 일괄 적용방안 Rule 모형 개발 Rule 모형 개발 시스템 구축 시스템 구축 보험사기방지 구축 프로세스 적용방안 Rule모형 도입후 고도화 적용방안 예측모형 선도입 적용방안 고도화 진행

스코어링 모형 스코어링 모형 데이터 검증 데이터 검증 스코어링 모형 시스템 구축 시스템 구축 데이터 검증 시스템 구축 Rule 모형 Rule 모형 Rule 모형 보험사기방지 구축 프로세스 적용방안 - 사례 S사 구축현황 * 전체적으로 1~3단계로 구분하여 진행하였음 D사 구축현황 * 현재 비즈니스 Rule 모형 및 시스템만 현재 구축 *2010년 고도화 진행할 예정임 A사 구축현황 * 현재 비즈니스 Rule 모형 및 시스템만 현재 구축 * 2010년 고도화 진행할 예정임

보험사기방지 통합모형 개발 방안 모델 구성 요소 모델 구성 Factor 필조사 모델 인단위 Model (인단위 사기가능성 특성반영) • 인 속성 예측 모형 (Model) 건단위 Model (건단위 사기가능성 특성반영) • 건 속성 + 인 속성 IFDS 통합 모형 Target :조사 &면책 필조사 특성 Target :조사 Positive Rule (추가 보험사기 조사대상추출 조건) 규칙기반 모형 (Biz Rule) 유의 정보 청구 서함 규정집 Negative Rule (조사 대상 제외 조건)

보험사기방지 예측모형 개발 방안 기존 Rule 활용 및 변수개발 모델링기법선정 모델성능평가 분석 단계 설계 단계 모델링 단계 모델평가 및 검증 Risk Analysis 현황분석 모델 생성 1 모델 검증 Sampling Explore Modify 유형 Segmentation Variables Pool 구성 • 분석목적(Target 정의) • 분석목적에 부합하는 대상 선정 • 분석기간 정의 탐색적 모델링 기법 스코어 도출 그룹별 Rule 모델 설계 고객요구사항분석 모델 생성 2 스코어모델 평가/검증 데이터 탐색(분석) • 모델 정확도 평가 및 검증 • 모형화 결과에 대한 신뢰성, 유용성 등을 평가 • 생성된 모델에 대한 성능평가 및 검증 - Lift Chart - ROC Curve - ROI Chart • 모델링을 위한 개발 프로세스 정의 • 모델개발 범위 정의 • 고객/거래/상품/서비스 유형에 대한 위험분석 • 그룹별 시나리오&룰 모델 설계 • 분석방향에 맞는 다양한 모델링 기법을 활용하여 모델 생성 - Decision Tree - Neural Network - Association Rule • Sampling - 적절한 양의 표본을 원 자료에서 추출 - 임의추출법, 층화추출법 등 • Exploration - 다차원 자료의 탐색을 통해 기본적인 정보(기초통계자료, 도수분포표, 평균, 분산, 비율 등)를 획득 • Modification - 데이터의 효율적인 사용을 위한 변수변환, 수량화, 그룹화 등을 통하여 데이터 변환

Illustrative only 관련자 속성 계약 속성 청구/지급 속성 사기관련성 인(人) 단위 모델 건 단위 모델 보험사기방지 유효 Factor 구분 요인 세부 영역 보험사기방지 F A C T O R 관련자 속성 계약 속성 인구통계 주계약 구분 사인유형 FC특성 청구/지급 속성 관계성 특약 구분 보장상품 병원특성 후보 Factor 수익성 보장 유형 청구규모 복합속성 지급 이력 계약 상태 청구시점 관련자 속성 신용도 납부속성 청구방법 계약 속성 지급능력 경과기간 사유특성 채널 성향 보장규모 청구/지급 속성 사기관련성

Illustrative only 관련자 속성 계약 속성 인(人) 단위 모델 건 단위 모델 청구/지급 속성 보험사기방지 유효 Factor 예시 가용 Factor 1년간 세대심사대비 면책률 1년간 성/연령/사인별 면책률 2차 (고도화) 1년간 서류반송유무 청구사유조합 현 청구건 중 재해청구유무 현 청구건 중 질병입원청구 유무 과거 질병입원 지급금액 1년간암사인 지급금액 현 청구 금액 합계 인원별 일입원비 금액 합계 순환기계 기존 청구건수 근골격계 및 결합조직 기존 청구건수 소화기계 기존 청구건수 과거 질병 수술 청구건 현 청구건 중 최대입원 기간 접수지연기간 피보험자 월납환산 보험료 총합 1년간 피보험자 계약건수

예측모형 성과모니터링 방안 Rule 모니터링 프로세스 모니터링 검증 지표를 통해 Rule의 지속적 활용여부 및 Rule 우선순위를 주기적으로판단하고 보정함 Rule 성과관리 프로세스 가중치 보정을 통한 자기학습 및 진화 예측모형 구성 예측모형 우선순위 적용 지속적 예측모형 활용 예측모형 고도화 유지 예측모형 성과 검증 예측모형 변화원인 조사 고도화 예측모형 수정 요건정의 모니터링 요원Know-How 반영 검증 결과 검증결과및 변화원인조사 검증결과 • 유지 : 예측모형의 검출 비율 변화가 미미함 • 고도화 : 기존 예측모형의 검출 비율의 심대한 변화 • 예측모형의 검출 비율에 따라 가중치를 적용하여 Rule 보정 예측모형 고도화 • 모니터링 요원의 Know-How를 반영하여 주요 Risk Factor 추가 선정 • 소스 및 변수 생성기준 조사 • 패턴의 변화요인 조사

보험사기방지 비즈니스 모형 개발 방안 • 비즈니스 룰 도출 순서 Factor추출 Relationship정의 비즈니스 룰에 사용될Factor 추출 추출된 Factor의유효성 검사 룰 구조정의 추출된 Factor 간의유효성 검사 룰 명세화 Factor를 사용한은행 용어 정의 매뉴얼과 유사한 형태의룰 구조 정의 룰 시스템의전자 문서화 범위 선정 룰 명세화 (정의)

보험사기방지 비즈니스 모형 개발 방안 (계속) • Factor 추출 시스템 유연성 개발생산성 Factor 추출을 위한 기준 유지보수성 업무적접근 방식 운영 효율성 접근방법 2(Data 분석) 접근방법 3(매뉴얼 분석) 접근방법 4(인터뷰) 접근방법 5(통계 분석) 통계적접근 방식 Factor Factor Factor Factor Factor Factor Factor Factor Factor Factor Factor Factor 접근방법 1(AS-IS 분석) Factor Factor Factor Factor Factor Factor

보험사기방지 비즈니스 모형 개발 방안 (계속) • Factor간의 Relationship 정의

보험사기방지 비즈니스 모형 개발 방안 (계속) • 룰 구조 정의 비즈니스 룰 구성 비즈니스 룰 흐름 패키지 구성 예시

보험사기방지 비즈니스 모형 개발 방안 (계속) • 룰 명세화 자동차사고 5회 이상인 고객이 100만원 이상을 청구하면 심사해야 한다 자동차사고 5회 이상인 고객이 동일 상해자에 대한 보상청구이면심사해야 한다 신용등급이 7등급 아래이고 청구금액이 500만원 이상 청구건이 있으면심사해야 한다 초기 비즈니스 룰 월 납입 보험금액이 200만원 이상이며 2년 이상 납부하면 심사를 하지 않는다. Structure 룰 Operative 룰 Computation 룰 자동자사고 5회 이상인 고객이면 청구 과다자로 지정한다. 청구 과다자이며 100 만원 이상을 청구하면 심사해야 한다 병원 입원비용을 30,000 X 입원일수로 계산한다. 신용등급 7등급 아래이면 신용등급 유의자로 지정한다. 청구 과다자이며 동일 상해자에 대한 보상청구이면 심사해야 한다 Exception 룰 월 납입 금액이 200만원 이상이며 2년 이상 납부한 고객은 VIP 고객으로 지정한다. A상품이며 VIP 고객은 심사를 하지 않는다. 최종 비즈니스 룰

Factor Pool 구성 보험사기방지 Rule 구성방안 심사 Factor 유의병원 입원일수 유의정비소 유의 상해자 청구 금액 사고건수 가입금액 상품 심사 Behavior 비정형 형태

Illustrative only 상품명 상품 유형 상품 유형 금액 결과 A 자동차 관련보험 자동차 관련 보험 50만원 초과 심사 B C 화재 관련 보험 50만원 이하 지급 D 보험사기방지 Rule 구성 예시 상품 공통 항목 상품별항목 상품별 등급(유형) 설정 등급(유형)별조건 상품별조건 설정 상품1 상품2 상품명 입원일수 결과 E 30일 이상 심사 F 40일 이상 심사 G 15일 이상 심사

Illustrative only 상품 유형 금액 결과 자동차 관련 보험 50만원 초과 심사 50만원 이하 지급 보험사기방지 룰 구성 예시(계속) 성별 Factor 추가 기사고건수 Factor 추가 상품 유형 금액 성별 결과 상품 유형 금액 사고건수 결과 자동차 관련 보험 50만원 초과 남 심사 자동차 관련 보험 50만원 초과 3회 이상 심사 여 지급 3회 미만 지급 50만원 미만 남 지급 50만원 미만 5회 이상 심사 지급 여 5회 미만 원하는 Factor를 추가한 behavior 작성 가능

보험사기방지 시스템 기대효과 안정적 사차익 기반 확보 보험금 면책률 향상 보험사기 Risk 대응력 증대 BRMS 기반 효율성 및 운영성 강화 계약/청구 심사 역량 강화 계약/지급 Risk 관리 효율성 증대 • 증가되는 청구건의 지급처리 효율성 제고 • 보험사기 위험도에 따른 심사업무 프로세스 차별화 • 심사전략, 업무 처리량 ROI를 반영하는 심사기준 운영 • Fraud Pattern의 파악 및 관련 정보 활용으로 보험사기 조기 대응 • 면책 가능성이 높은 청구건에 대한 심사 및 조사 집중 • 사기 혐의자 추출 효과증대 • 지급 Risk의 통합적 관리로 경험데이터 축적 및 활용도 향상 • BRMS를 활용한 유연성 높은 시스템 체계 구축 • Rule엔진의 빠른 처리 속도를 통한 시스템 효율성 제고

마무리 하며……. 적극적으로 대처해야 하는가? 아니면 어쩔 수 없는 일인가?

Q&A

보험사기방지 시스템 (IFDS) 구축방안

보험사기방지 시스템 (IFDS) 구축방안

Presentation Transcript

AKT Project Structure Projects, TIEs and IFDs Austin Tate 25-Jan-2002

Infrastructure Finance Districts (IFDs) – The California Case Study

보험사기방지 시스템 (IFDS) 구축방안