Algoritmer skal avsløre svindlerne

Smarte forskere, big data og nye algoritmer skal hjelpe Gjensidige med å avsløre svindel. Alt for å gjøre prosessene enklere for de ærlige kundene.

Tekst og foto: Sjur Anda

– I dag skal kundene ordne det meste selv og ting skal gå fort også ved oppgjør. Det gir oss et behov for å finne ut hvem vi skal snakke litt mer med. Før pratet noen med kundene på telefon, og de fikk gjerne en følelse om ting ikke var helt som de skulle. Det momentet forsvinner når prosessene automatiseres, sier Erlend Willand-Evensen, direktør for prising i Gjensidige.

Skatteetaten, Gjensidige Forsikring og Den norske Bank (DnB) har nå gått sammen med forskere ved Universitetet i Oslo og Norsk Regnesentral for å ta innersvingen på økonomisk kriminelle. Prosjektet har fått det klingende navnet «Persontilpasset svindeldeteksjon». For Gjensidiges del handler det om å finne kunder som vurderes som i risikogruppen for å begå svindel. Verktøyet er smarte algoritmer, bygd på objektive data.

– Vi må av hensyn til alle våre ærlige kunder utvikle metoder som kan skille ut de uærlige kundene. Historisk er dette ofte gjort av erfarne kunderådgivere basert på intuisjon og «magefølelse». Det momentet er borte nå som ting gjøres i digitalt. Nå ønsker vi i stor grad å også digitalisere dette, der det er objektive, reelle sannsynligheter bak hvem vi sjekker ekstra. Det blir en mer objektiv tilnærming til det hele, sier Ole Hermansen, leder av Gjensidiges utredningsavdeling.

BIG DATA

Og den objektive tilnærmingen handler om data. Mye data, eller big data om du vil. Som Norges største forsikringsselskap har Gjensidige samlet opp mye data gjennom mange år. Det er disse som ligger i bunn når forskerne på Norsk Regnesentral nå skal prøve å sile ut potensielle svindlere fra ærlige kunder.

– Det handle om å finne kunder som er i risikogrupper. Dette har vi en del erfaring med fra tidligere, og det danner delvis grunnlag for de beregningen som det legges opp til nå, sier Willand-Evensen.

Momenter som legges inn er eksempelvis alder, kjønn, sivilstand også videre legges inn, knas av datamaskiner som spytter ut sine resultater.

– Det skal jobbes aktivt med de objektive kriteriene over tid, slik at algoritmene blir så treffsikre som mulig. Det vil gå an å beregne sannsynligheter, men det er sannsynligheter fra en modell. Og jeg vil understreke at det å bli flagget på ingen måte vil innebære at man blir stemplet som svindler. Men det gir oss som forsikringsselskap en pekepinn på at dette er en kunde og en hendelse vi bør se nærmere på. Selve utredningen vil gjøres manuelt slik som i dag, sier Hermansen.

ANALYSERER NETTVERK

I tillegg til å gjøre analyse av kundene og kundens adferd innebærer også prosjektet at man skal se på nettverk og språk.

– Vi tar tak i det som er tilgjengelig av offentlig informasjon, eksempelvis aksjonærnettverket, slik at vi ser hvem som står i relasjon til hvem. Hypotesen er at svik kan smitte, sier Willand-Evensen, og understreker samtidig at de selvfølgelig kun bruker data som de har konsesjon til å innhente.

– Dette gir et mye bredere bilde enn det vi har hatt tidligere, der vi kun har sett på den enkelte kunde og den enkelte skade, sier han.

I tillegg ser man på kundeadferden når skaden meldes. Endring av sum, gjentatte sletting og innskriving av hendelsesforløp er ting som kan vekke interesse. Også hvordan skademeldingen formuleres kan vekke interessen.

– Ut fra erfaringen vi får vil vi etter hvert danne oss et bilde av ulike triggerord og adferd som vil kunne vekke mistanke, sier Hermansen.

BIG INSIGHT

«Persontilpasset svindeldeteksjon» startet i 2015 og er et forskningsprosjekt ved Big Insight, et senter for forskningsdrevet innovasjon (SFI) ved Universitetet i Oslo. Senteret har spesialisert seg på å utvikle helt nye statistiske metoder for å avdekke irregulære mønstre i enormt store datamengder. Norsk Regnesentral er vert for prosjektet som finansieres av 13 deltakerne med DNB, Gjensidige og Skatteetaten i spissen. Prosjektet går over åtte år og er dermed halvveis nå.

– SFI-konstruksjonen er veldig bra. Der får akademia jobbe tett sammen med næringslivet for å skape innovasjon, basert på veldig grunnleggende forskning. Det er veldig viktig for oss å få tak i den kompetansen akademia har på denne måten. De har en helt annen tid og mulighet til å gå dypt og uforstyrret inn i dette og dermed utvikle unike verktøy, som vi ikke kunne fått til på egen hånd. Dette blir på en måte broen mellom grunnforskning og tillempet forskning, sier Willand-Evensen.