INDIVIDUARE LE FRODI NELLE ASSICURAZIONI PROPERTY TRAMITE IL “MACHINE LEARNING”: UN NUOVO APPROCCIO
“Detecting Outliers with Semi-Supervised Machine Learning: A Fraud Prediction Application”
Sebastian M. PALACIO
Le applicazioni del machine learning e dell’intelligenza artificiale al settore assicurativo, in particolare per quanto riguarda il contrasto delle frodi nel comparto Property, sono al centro di un recente paper.
Nell’analisi delle possibili frodi assicurative si procede, tradizionalmente, secondo una metodologia iterativa. In primo luogo, si stabilisce se un sinistro è sospetto o meno; successivamente, si conduce un’analisi più approfondita sul sottoinsieme di sinistri sospetti.
La metodologia seguita nello studio in esame prevede invece che si consideri l’insieme dei sinistri property (nel caso specifico, oltre 300.000 sinistri gestiti da una compagnia spagnola, che ha fornito ai ricercatori il dataset); su tale insieme viene avviata un’analisi automatica, attraverso il machine learning, che utilizza come indizi della potenziale frode variabili estratte dal sottoinsieme delle truffe individuate in precedenza.
Se, secondo la metodologia tradizionale, il numero dei sinistri approfonditi è risultato pari a 7.000 su un complesso di 300.000 sinistri e, di questi, 2.600 sinistri si sono rivelati effettivamente fraudolenti (lo 0,8% del totale), con la metodologia del machine learning aumenta significativamente la capacità di elaborazione e di previsione.