به گزارش کیوسک خبر به نقل از روابط عمومی پژوهشکده بیمه، زیان‌های ناشی از فعالیت‌های متقلبانه، منافع و ثبات مالی شرکت‌های بیمه را تحت تأثیر قرار می‌دهد. انواع تقلبات در تمامی حوزه‌های بیمه‌ای، طیف گسترده‌ای از ادعاهای اغراق‌آمیز تا تصادف‌ها و خسارت‌های تعمدی را در بر می‌گیرد که منجر به افزایش هزینه‌ها و افزایش مبلغ حق‌بیمه شده و به ضرر سایر بیمه‌گذاران نیز هست. یکی از راه‌های شناسایی تقلب در خسارت‌های اعلام شده، استفاده از اطلاعات تقلب‌های کشف شده در گذشته با به‌کارگیری روش‌های داده‌کاوی به منظور کشف الگوها در داده‌ها و  شناسایی خسارت‌های متقلبانه است.
بر این اساس طرح پژوهشی “تجزیه و تحلیل اطلاعات تقلبات بیمه اتومبیل و ارائه ره‌یافت‌هایی برای کشف تقلبات” با رویکرد کاربردی و با هدف بررسی و کشف الگوهای رایج تقلب در رشته بیمه اتومبیل به عنوان یکی از مهمترین چالش‌های صنعت بیمه انجام شده است.
در این پژوهش با بهره‌گیری از دو روش آماری توصیفی و الگوریتم‌های یادگیری ماشین، به معرفی متغیرهای تاثیرگذار در تقلبات بیمه اتومبیل و ارائه آمار خسارت‌های متقلبانه در ایران و جهان پرداخته شده است. همچنین بعد از بیان متداول‌ترین انواع تقلب در شرکت‌های بیمه داخلی، راهکارایی برای کشف و پیشگیری از تقلب‌های بیمه‌ای بر اساس نظرات خبرگان و الگوریتم‌های یادگیری ماشین پیشنهاد شده است.
بر اساس یافته‌های این پژوهش،آموزش کارشناسان خسارت و شبکه فروش، تعامل با مراجع قضایی، پزشکی قانونی و دستگاه‌های ذیربط و تهیه لیست افراد پر مخاطره دارای خسارت‌های ثابت شده یا مشکوک به تقلب و تخلف، از مهمترین راهکارای پیشنهادی برای پیشگیری از تقلب‌های بیمه‌ای بر اساس الگوریتم‌های یادگیری ماشین است. شایان ذکر است، الگوریتم‌های استفاده شده در این طرح می‌تواند به عنوان برنامه‌نویسی بک‌اِند(Back End) مربوط به یک نرم‌افزار یا اپلیکیشن  قرار گیرد.
علاقه‌مندان برای مشاهده و دریافت متن کامل این طرح پژوهشی می‌توانند به بخش طرح های پژوهشی وب‌سایت پژوهشکده بیمه مراجعه فرمایند.