保险-反欺诈

传统反欺诈建模的问题:

  • 地域差异性明显,特殊区域预测偏差大
  • 数据维度大,变量筛选困难,建模时间长
  • 建模周期长,模型生命短
  • 阳性样本低,容易出现模型过拟合

使用易明智能建模工具:

  • 对于不同地域,情况不同,分区域建立各自的欺诈模型,有效提升预测准确度
  • 智能筛选重要变量

潜在意义:快速有效提升了对欺诈行为的判断,减少保险机构的损失。

建模结果对比

目标:保险公司希望建立模型来识别保险报案是否为欺诈

智能建模工具针对不同地域不同情况下的欺诈行为快速建模,模型表现略高,欺诈行为的捕获率得到提升。

智能建模 传统建模
人数 1 1
建模时间  30分钟/模型(数据预处理+建模) 1-2个月
建模数量 1 1
模型表现 0.8542 0.8532
重要衍生变量 3
建模数量 1300000+ / 1.6G+ 1380000+/ 1.6G+