Media Asuransi, GLOBAL – Dalam lanskap ekonomi yang penuh gejolak saat ini, industri asuransi bergulat dengan kekhawatiran yang mendesak seperti maraknya aktivitas penipuan. Ketika ekonomi menghadapi tekanan dan ketidakpastian resesi, penipuan asuransi telah muncul sebagai masalah kritis yang mempengaruhi perusahaan asuransi dan pemegang polis.
Sebagai contoh, dalam kasus baru-baru ini, seorang warga Singapura didakwa dengan berbagai tuduhan kecurangan karena diduga menipu perusahaan asuransi untuk membayar lebih dari US$8,9 juta dalam bentuk klaim palsu dengan cara menyetorkan uang ke rekening bank pihak ketiga. Insiden ini bisa saja dicegah dengan menggunakan alat pendeteksi penipuan yang menggunakan analisis data untuk mengidentifikasi dan merespons perilaku yang tidak diinginkan dan mencurigakan secara real time.
Dari sudut pandang perusahaan asuransi, analitik membantu memangkas sejumlah besar waktu yang dibutuhkan untuk mendeteksi kasus penipuan. Sebuah perusahaan asuransi global terkemuka, Aksigorta biasanya membutuhkan waktu enam bulan bagi para penyelidik mereka untuk mengungkap kasus-kasus penipuan yang terorganisasi, namun dengan analitik, mereka dapat melakukannya dalam waktu 30 detik saja.
|Baca juga: Terkuak! Ini 5 Kasus Penipuan Klaim Asuransi Terbesar Menurut SGI
Transformasi digital dari proses-proses di dalam industri ini telah memberikan peluang baru bagi para penipu untuk mengeksploitasi kerentanan dan menipu perusahaan asuransi. Perkiraan terbaru mengungkapkan bahwa kasus penipuan sekarang mencakup 10% hingga 15% dari semua klaim asuransi, yang menimbulkan tantangan signifikan bagi perusahaan asuransi dalam melindungi bisnis mereka dan memastikan kesejahteraan finansial pemegang polis yang jujur.
Selain itu, meskipun pasar asuransi Singapura sudah jenuh, tetap masih siap untuk mencapai pertumbuhan yang substansial. GlobalData memperkirakan akan tumbuh hampir 46% dari US$4,7 miliar pada tahun 2021 menjadi US$6,8 miliar pada tahun 2026. Meskipun menghadirkan peluang, pertumbuhan ini bukannya tanpa tantangan. Walaupun pasar asuransi Singapura diatur dengan ketat, masih ada potensi penipuan asuransi yang lebih besar dengan pertumbuhan asuransi.
Di bawah ini adalah tujuh langkah yang dapat diambil oleh perusahaan asuransi untuk meningkatkan kemampuan deteksi penipuan mereka, melindungi bisnis mereka, dan menyediakan lingkungan yang lebih aman bagi pemegang polis mereka:
- Menyelesaikan Data
Data adalah landasan untuk mendeteksi dan mencegah penipuan asuransi secara analitis. Namun, perusahaan asuransi sering menghadapi tantangan karena adanya silo informasi di dalam organisasi mereka. Untuk mengatasi hal ini, teknik analisis canggih seperti pencocokan probabilistik harus digunakan untuk menyelesaikan variasi data yang berbeda dan mengidentifikasi potensi kecurangan yang sulit dideteksi oleh manusia dengan mudah atau cepat.
- Buat Strategi Data Tiga-Pronged
Strategi data yang terencana dengan baik memungkinkan analitik bekerja secara efektif di tiga tingkat: tingkat peristiwa, tingkat entitas, dan tingkat jaringan. Dengan memanfaatkan riwayat sebelumnya dan data eksternal, perusahaan asuransi dapat menganalisis klaim, aplikasi bisnis baru, dan peristiwa lainnya secara lebih komprehensif. Selain itu, mempertimbangkan berbagai entitas seperti individu, alamat, penyedia layanan, dan alamat IP dapat meningkatkan kemampuan deteksi penipuan. Analisis jaringan yang saling terkait juga dapat mengungkap pola dan hubungan yang mungkin mengindikasikan penipuan.
Bagi Divisi Investigasi Kriminal (CID) Departemen Asuransi North Carolina, penggunaan SAS Visual Investigator dan SAS Visual Analytics telah memungkinkan mereka untuk memantau tren secara real time, menemukan koneksi tersembunyi, melakukan analisis hubungan, dan menyelidiki setiap kasus yang masuk. Sebelum menggunakan ICIS, para penyelidik memiliki tingkat keberhasilan sekitar 60% dalam memenuhi tenggat waktu penyelesaian kasus.
Dengan sistem yang baru, angka itu melonjak menjadi 98,7%. Berkat peningkatan efisiensi ini, rata-rata waktu penyelesaian kasus turun dari 90 hari menjadi 57 hari, sehingga memungkinkan CID untuk menyelidiki lebih banyak kasus. Dalam waktu 7 bulan setelah implementasi, lembaga ini mampu mengembalikan US$6,9 juta, yang menyoroti keberhasilan sistem ini.
- Cari Sumber Informasi
Menyediakan data yang tepat bagi para penyelidik sangat penting untuk meningkatkan kecepatan dan efisiensi selama proses triase dan investigasi. Data internal, seperti catatan pelanggan, harus dapat dicari dengan mudah, sehingga memungkinkan para penyelidik untuk menemukan informasi tambahan yang relevan dengan kasus-kasus tertentu. Mengintegrasikan sumber data eksternal, termasuk data konsorsium asuransi, skor kredit, dan platform media sosial, dapat memberikan wawasan yang berharga dan memperkuat proses investigasi.
- Memanfaatkan Aturan Bisnis
Sistem berbasis aturan memainkan peran penting dalam mendeteksi jenis-jenis penipuan yang diketahui berdasarkan pola aktivitas tertentu. Namun, sistem ini dapat menghasilkan tingkat positif palsu yang tinggi dan gagal mendeteksi modus penipuan yang baru. Peninjauan dan pembaruan aturan bisnis secara teratur sangat penting untuk menjaga efektivitas dan beradaptasi dengan teknik-teknik penipuan yang terus berkembang. Meskipun aturan bisnis berfungsi sebagai bagian penting dari proses pendeteksian kecurangan, aturan tersebut harus dilengkapi dengan pendekatan analitis lainnya.
5: Mendeteksi Anomali
Deteksi anomali, yang didukung oleh pembelajaran mesin, memungkinkan perusahaan asuransi untuk menetapkan garis dasar untuk indikator kinerja utama yang terkait dengan klaim atau aplikasi bisnis baru. Dengan terus memantau aktivitas dan mengidentifikasi outlier atau pola yang tidak biasa, perusahaan asuransi dapat mendeteksi kecurangan yang sudah diketahui maupun yang baru muncul dengan akurasi yang lebih tinggi. Sifat otomatis dari deteksi anomali memastikan identifikasi dan koreksi yang cepat terhadap aktivitas penipuan.
6: Gunakan Pemodelan Prediktif
Pemodelan prediktif, sebuah bentuk pembelajaran mesin, memungkinkan perusahaan asuransi untuk membangun model yang menghasilkan skor kecenderungan penipuan. Skor ini membantu menilai kemungkinan terjadinya penipuan untuk aplikasi dan klaim bisnis baru, sehingga memberikan wawasan yang berharga bagi para penyelidik. Namun, sangat penting untuk menerjemahkan skor ini secara efektif dan mengomunikasikannya kepada penangan klaim, untuk memastikan pemahaman yang jelas tentang penilaian kecurangan.
7: Mengungkap Jaringan Secara Otomatis
Jaringan penipuan yang terorganisasi merupakan ancaman yang signifikan bagi perusahaan asuransi. Analisis tautan jaringan, sebuah pendekatan otomatis yang memodelkan hubungan antarentitas, dapat membantu mengidentifikasi koneksi dan pola terkait penipuan. Dengan menganalisis jaringan yang saling terkait dan mendeteksi hubungan yang tidak dapat dijelaskan, perusahaan asuransi dapat secara proaktif mengidentifikasi dan memerangi aktivitas penipuan yang terorganisasi.
Editor: S. Edi Santosa
| Cek Berita dan Artikel yang lain di Google News
1 
1 
