一、簡要說明

本篇討論的是理賠環節用大資料和機器學習技術實現車險理賠流程的智慧化。理賠與承保不同，重點要放在風險控制方面（既包括外部風險控制，也包括內部風險控制），對於如何簡化理賠流程、提高理賠時效等提升客戶體驗等方面沒有必要採用承保減少人工干預的方法（PS:原因？自己想...)。

二、實現方案

傳統模式流程圖請見“圖1:傳統模式正常理賠流程”。在實踐中，為了簡化操作、減少環節、方便客戶已經應用了很多種方法。比如“一站式”服務（上門接車，修復好送車上門）、委託修理企業代領賠款、小額案件快速處理、移動查勘、微信理賠、限時賠付等等。本文中的圖1只是完整理賠流程的展示，以方便與智慧化理賠下風險管控手段做對照。

在目前理賠模式下，部分公司已經開始使用規則、黑名單（其實也是一種規則）和基於機器學習技術的反欺詐系統來管理理賠風險。但最主要的方式還是依賴定、核分離，多崗位相互制約、以人管人的方式來控制內外部理賠風險，規則和技術在理賠風險中仍是輔助手段。因此對人的道德水平、業務經驗依賴比較高。

圖1:傳統模式正常理賠流程

能否使用大資料和機器學習技術降低對人的道德水準和業務經驗的依賴呢？肯定是可以的，目前市場上出現的反欺詐系統是一種思路。但其基礎資料不足、缺少專業業務人員參與，模型變數可能不充分；同時為了多賣錢，在技術上搞封閉，使得模型的適用性比較差；另外，這種方式並不是完整的解決方案，需要進一步豐富。我從理論角度提出一個我認為完整的方案，歡迎大家一起探討，有好的想法也請分享出來。請見

圖2 智慧模式正常理賠流程

主要要點如下：

1.受理到報案資訊後，自動讀取客戶位置資訊（與本文無關，不解釋）。

2.得到報案詳細資訊後，通過機器學習演算法基於掌握的相關資訊預測案件的可能損失，並基於此金額自動立案（替換目前分類窮舉的方法實現自動立案）。

3.根據報案資訊預測案件的風險等級。實際中可以使用監督學習的分類演算法預測欺詐案件的可能性（機器學習），也可以判斷關鍵資訊在其分佈中的位置（資料探勘）。此資訊在排程的時候同步傳送給查勘人員。

4.無論是客戶還是查勘定損人員（含人傷調查）上傳到業務系統的理賠照片要做兩個驗證，一是真實性驗證，判斷是否經過修改，拍照時間間隔是否合理，拍照地點是否正常（手機拍照情況下）。這個是可以做到的，因為照片是JPG格式的，會記錄這些資訊（這個也和本文無關）。二是檢查照片相似性。從實踐來看，不同的事故採用相同的照片索賠是經常發生的。判斷兩個照片的相似性是可以通過演算法實現的。

5.在所有理賠資料已經齊全的情況下，可以通過演算法檢查與此案件最為相似的某些案件，相似點可以根據車、人、地點、時間、損失部位等。同時還可以根據此案件相關的人、標的、事故處理人、事故處理部門、查勘處理人等資訊查詢關聯案件。這個也是可以通過機器學習演算法實現的。

6.反欺詐這一部分市場上已經有了，不再贅述了，其實現的原理也是機器學習中的某個或某些演算法來識別案件是否存有疑點。

7.建議在所有理賠資料齊全（模型自變數資訊齊全）的情況下，再對損失做一次預測，通過預測值與實際值的差異來判斷定損價格是否存在不合理的可能性。也可以通過統計模型判斷本案件在損失分佈中的位置來做判斷。

8.建議對理賠案件中的配件修換比例，人傷案件中的殘疾認定等建模，並依據本案件的資訊做預測、用統計的方法判斷其在分佈中的位置，以判斷其是否存有疑點。