DB손해보험은 금융사고를 막기 위해 제보에 의존한 조사방법에서 탈피해 시스템을 활용한 공모사기를 적발하고 시스템에서 제공한 사기 의심집단 다수건을 수사의뢰해 조사 소요시간을 단축하는 등 높은 평가를 받았다.
과거 해외 시장에선 금융사기 분석기법이 '개체 속성' 중심의 '개별 분석' 위주였으나 최근 빅데이터 발전 등으로 '관계 데이터' 중심의 '네트워크 분석'이 주목받고 있다. 대형 보험사기의 경우 대부분 2인 이상 공모한 복잡한 구조를 이루고 있어 전통적인 개별 분석과는 다른 접근이 필요한 점을 DB손해보험은 지적했다.
DB손해보험은 보험사기 조사에 공모사기 적발지원을 위한 '관계 분석'을 도입한 사례가 없다는 점을 이용해 2011년부터 IFDS를 구축해 현재까지 운영 중에 있다. IFDS는 보험사기 혐의자 개인에 대한 분석 위주로 보험사기의 대규모 조직·지능화 등 환경변화에 적극 대응하고 공모형 보험사기 조사 프로세스 혁신을 위해 시스템 개발 프로젝트를 추진했다.
먼저 DB T-System 구축 후 자동차와 장기보험 공모형 보험사기를 분석했다.
자동차보험의 경우 가해자와 피해자 간 공모 고의사고나 공업사-렉카-부품상 공모 허위청구를 잡아냈다. 장기보험에선 모집인과 병원 간 공모해 환자를 알선하고 유인하는 범죄와 브로커와 병원이 공모해 환자를 알선·유인·허위청구한 사례를 적발했다.
해당 시스템은 네트워크 분석에 의한 공모관계도 및 관련 통계정보도 제공했다. 통계정보로는 ▲대쉬보드 ▲Top-Down 분석 ▲Bottom-Up 분석이 있다.
대쉬보드는 유형·지역별 공모사기 통계정보를 제공한다. 지역 분포별 위험집단 규모 및 조사진행 현황 등을 관리하고 보험사기 트렌드 변화를 모니터링한다.
Top-Down 분석은 머신러닝 분석결과 사기 의심집단 리스트와 관계도나 통계자료 등의 세부정보를 제공한다. 해당 분석은 공모사기 고위험 그룹 경보 리스트 정보를 주며 관계도와 세부 통계자료로 보험사기 혐의점을 분석하며 Bottom-Up 분석은 조사 대상자 검색으로 혐의 내용을 확인하다. 제보 대상자의 혐의관계를 확인하고 세부 MR이력개체나 공모위험개체, 자동차사고다발개체 등을 세부 분석할 수 있다.
분석방법론을 이용하기도 했다. 빅데이터 알고리즘과 보험사기 조사에 적합한 최적의 방법론을 적용했다. 공모그룹의 특징을 활용한 머신러닝 기법으로 공모그룹에 대한 위험도를 수치화한다. 그다음 7가지 빅데이터 방법론을 적용해 중요도를 산출하고 혐의 의심집단의 최적화된 표현을 위해 다양한 알고리즘을 활용했다.
또한 시대별 트렌드에 따라 새로운 유형이 발생하기 때문에 소멸하는 보험사기에 대응하기 위해 슈퍼클러스터 방식을 사용했다. 이로 인해 새로운 보험사기 유형 발생 시 시스템 개선 없이도 사용이 가능했다.
이 외에 다양한 시스템의 연계정보를 활용했다. 공모형 사기그룹을 탐지하기 위해 기존 정보계나 IFDS 및 신정원 조회 데이터를 활용하고 연계해 정합성 및 정보 활용성을 강화했다.
DB T-System 구축 후 다양한 성과도 이뤄냈다. 제보에 의존한 조사방법에서 탈피해 시스템을 활용한 공모사기를 적발함으로써 조사 프로세스를 개선했다. 또한 시스템에서 제공한 사기 의심집단의 다수건을 수사의뢰하고 조사 소요시간을 단축해 조사업무 효율성을 제고했다.
시스템 오프 이후 3개월간 자동차 가해자-피해자 공모 고의사고나 모집인-병원 공모의 환자알선 등 보험사기 20여건을 수사의뢰를 진행했다. 해당 건은 기존에 제보되지 않은 내용이었다는 점에서 유의미하다고 회사 측은 밝혔다.
관계도 및 사건일람표 자동화로 조사 소요시간도 감소했다. 공모관계 분석 소요시간은 전산조회나 서류 확인 후 공모관계 및 일람표 수기 작성으로 인해 평균 3~5일이 소요된다. 그러나 공모관계 및 알림표를 자동화하며 1일 이하로 개선시켰다.
DB손보는 업계 최초로 '네트워크 분석' 시스템을 도입해 선의의 고객 보호에도 나섰다. 전통적인 데이터 분석으로 확인이 곤란했던 보험사기 공모관계를 도출하며 보험사기 대응력 향상 및 선의의 보험계약자를 보호했다는 설명이다.
[소비자가만드는신문=서현진 기자]
