На своем апрельском пленуме Верховный суд проголосовал за внесение в Уголовный кодекс статьи 159.5 "Мошенничество в сфере страхования". Преступление наказывается штрафом в размере от 120 тыс. рублей или в размере зарплаты или иного дохода осужденного за период до одного года, либо обязательными работами на срок до 360 часов, либо лишением свободы на срок от двух лет. В предложениях есть наказания и для группы лиц по предварительному сговору, а равно с причинением значительного ущерба гражданину.
С нашей точки зрения, решение Верховного суда будет способствовать повышению качества противодействия мошенничеству на страховом рынке РФ. Но одного лишь изменения УК недостаточно. После внесения соответствующих изменений и после того, как усовершенствованы возможности для страховых компаний по привлечению к ответственности за мошенничество, необходимо совершенствовать системы противодействия мошенничеству внутри самих страховых компаний.
Современные промышленные системы противодействия мошенничеству представляют собой многоуровневые программные комплексы, включающие слой преобразования и очистки данных, слой аналитики и слой отчетности. В слое данных обычно размещаются и очищаются все данные, которые могут быть использованы страховой компанией для поиска мошенников: данные полисов, заявления о возмещении убытков, данные страхователей, водителей, транспортных средств или другого имущества. Слой отчетности обычно позволяет сотрудникам службы безопасности эффективно проводить расследование. В этом слое выводятся "тревожные сигналы", упорядоченные по баллу, характеризующему вероятность мошенничества. И, наконец, центральный слой - слой аналитики. Мы используем гибридный подход. Это означает, что используются различные аналитические алгоритмы, каждый из которых является "специалистом" по отдельному типу мошенничества.
В системе используется четыре основных типа аналитических алгоритмов: бизнес-правила, поиск аномалий, интеллектуальный анализ данных (data mining), анализ мошеннических сетей. Механизм бизнес-правил позволяет включить опыт службы безопасности страховой компании в автоматическую генерацию тревожных сигналов. Уже известные правила поиска мошенников, в том числе "черные списки", могут быть включены в систему. Следующий уровень аналитики - поиск аномалий. При данном алгоритме конкретный случай сравнивается со средним по выбранной группе. Например, для автострахования рассматривается показатель "ущерб водителю в ДТП по отношению к ущербу автомобиля". Если показатель сильно отличается от среднего по данному региону, то это повод создать "тревожный сигнал" и более детально изучить заявление о возмещении ущерба. Еще более "продвинутый" класс аналитики, применяемый в решениях, - это интеллектуальный анализ данных (data mining). Логистическая регрессия, деревья решений, нейронные сети - все эти алгоритмы, получив на вход данные о случаях мошенничества, строят модель. На основе этой модели в дальнейшем можно по данным заявления о возмещении ущерба определять, есть ли в нем подозрение на мошенничество. И, наконец, четвертый тип алгоритмов - это алгоритм анализа мошеннических сетей. В результате появляется возможность выявлять организованные группы мошенничества, ущерб от которых для страховой компании может быть весьма значителен.
Так как ущерб от организованных групп мошенников, по оценкам наших аналитиков, составляет приблизительно 30% от потерь по мошенничеству, мы поддер живаем отдельное наказание для группы лиц по предварительному сговору, которое появилось в предложениях Верховного суда. Это означает, что законодательство будет в том числе совершенствоваться для противодействия организованным группам мошенников. По опыту внедрения промышленной системы противодействия мошенничеству в страховых компаниях по всему миру эффект от применения продвинутой аналитики позволяет увеличить точность определения мошенников на 30% и повысить доходность, например, по автострахованию на 35%. Таким образом, на наш взгляд, данное усовершенствование действительно способствует снижению общего уровня мошенничества. Однако это снижение произойдет после перестроения систем противодействия мошенничеству в страховых компаниях, которое будет включать совершенствование аналитических механизмов поиска мошенничества на основе алгоритмов интеллектуального анализа данных, исследования социальных сетей и т.д. Только в этом случае законодательная инициатива Верховного суда приведет к снижению уровня мошенничества, а значит, и оптимизации страховых премий, от которой выиграют все добросовестные страхователи РФ. На наш взгляд, конкретная юридическая практика покажет, насколько данные конкретные нормы эффективны. Однако не вызывает сомнений, что детализация статьи, посвященной мошенничеству, уже является существенным шагом по борьбе с данной проблемой.
Николай Филипенков, руководитель направления риск-менеджмента компании SAS Россия/СНГ