Análisis del fraude a las aseguradoras Ing. Leonardo S. Andekian Gerente de Negocios y Clientes
Los desafíos para los nuevos investigadores
Investigación tradicional Trabajo de campo Técnicas sociales Huellas Registros audiovisuales Análisis de documentación Investigación digital Correos electrónicos Redes sociales Registros digitales: logs, archivos, etc. Metadatos Geolocalización
La transformación digital de las áreas de fraude
para la detección de casos Advanced Analytics para la detección de casos 1. Reglas automáticas. 2. Modelo Machine Learning de anomaly detection. 3. Modelo Machine Learning supervisados.
SSN Resolución 38.477 Normas sobre políticas, procedimientos y controles internos para combatir el fraude. ARTICULO 3° C) La elaboración de una memoria de casos investigados por sospecha de fraude de seguros, en la que se registre un resumen o síntesis que describa brevemente los principales contenidos del caso.
Investigaciones aportadas (Por fecha de cierre) Cantidad de casos: 31.344 Nota: Por fecha de cierre del 01/01/2015 al 30/04/2019. NOTAS: Con indicios: Casos donde se evitó el pago del siniestros. Sin indicios: Casos dónde no se encontraron pruebas para evitar el pago del siniestro.
Efectividad de las investigaciones (Distribución por tipo de siniestro) Con Indicios Sin Indicios
Efectividad de las investigaciones (Distribución por provincia) Con Indicios Sin Indicios
Distribución del monto ahorrado (Por tipo de siniestro)
Ahorro bruto (Por tipo de siniestro. Expresado en millones de pesos)
Distribución por tipo de cierre (Casos cerrados con indicios)
Análisis de ahorro e inversión en prevención de fraudes Nota: Teniendo en cuenta los promedios ahorrados por el grupo de compañías, la proyección lineal de los mismos corresponde a una aseguradora con 324.265 vehículos expuestos a riesgo.
Muchas gracias. Ing. Leonardo S. Andekian Gerente de Negocios y Clientes leonardo.andekian@cesvi.com.ar