by David Sachs

The challenges of identifying warranty claim fraud – finding needle in the haystack?

そのようにしたいのであれば、

保証請求詐欺を見つけることは、ことわざの針を見つけることと同じくらい、それについて何かしたいと私たちが思うことなのです。 言うまでもなく、針を見つけたときに、針で刺されないようにしたいものです！

Association of Certified Fraud Examiners が実施した調査では、典型的なビジネスは毎年、収益の 5%を詐欺で失っているとのことでした。 私たちの世界は、限られたリスクと捕捉された場合の許容可能な結果で得られる金銭的またはその他の利益がある場合は常に、その機会を利用しようとする人や組織が存在するものへと変化しており、その結果、詐欺が発生しています。

なぜそんなに難しいのでしょうか？

「保証詐欺は深刻な問題ですが、私たちにとっては関係ありません」

多くの人にとって、保証取引と分析における焦点、スキル、規律の欠如があるだけなのです。 ほとんどの組織は、検証ルール、クレーム処理、統計的データ分析などのツールを備えており、良い状態にあるように見えますが、悪魔は細部に潜んでいるのです。 しかし、悪魔は細部に潜んでいます。少し掘り下げてみると、そこには思ってもみなかったような矛盾や傾向があることに気づくのです。 それは、私の収益の5％を節約する価値はあるかと尋ねるようなものです。 一部の人にとって、それはないかもしれませんが、ほとんどの人にとって、それはあまり真実ではありません」

執行者の役割。 764>

執行者の役割: 小規模な企業にとって、保証管理はしばしばパートタイムの役割であり、やるべきことリストのチェックマーク以上に値しない活動であることがあります。 大規模な企業では、検証者の入れ替わりが激しく、検証者への指導も限られているため、プロセスや管理は定義されているが、適切に守られていないという状況に陥りがちである。 保証データの一貫性、適時性、および品質に関する問題は、組織が堅牢で一貫した保証請求不正追跡システムの真の利点を見出せない、もうひとつの大きな理由です。

さらに悪いことに、縮小とコスト削減により、メーカーは監査スタッフの規模を縮小しています。 そのため、人々はより少ない人数でより多くのことを行うことを余儀なくされています。 保証不正分析では、個々のクレームレベルだけでなく、世界平均や地域平均、そしてその間のすべてを見る必要があります。 個人レベルでは有効な請求のように見えても、集計レベルで見ると不正に見えることがあります。

Mild consequences: 不正な保証クレームを発行した結果、クレームが拒否されるだけということもよくある。 平手打ちさえもない! これは、詐欺が成功した場合にのみプラスがあり、最悪の場合は何もしないに等しいので、一部の人々が詐欺を試みるインセンティブを提供します。

Big Picture: 通常は欠けています。 なぜなら、この人は100件のクレームを見ていて、他の人は別の100件のクレームを見ていて、その知識をより広い範囲のクレームで共有することができないからです。 764>

解決策は、プロセスを自動化し、単一のシステムですべての請求を「読み取り」、どの部品がどの作業コードに対応しているかなどの項目のルールを設定し、データ内の異常なパターンを探すことです。 詐欺師は、単独でまたは他者と共謀して保証チェーンのあらゆる当事者を含むことができ、典型的には顧客、サービス代理店または保証提供者が含まれます。

動機は大きく分けて、サービスコストの回避（欠陥のある製品を持っているので無料で修理してもらいたい）と収益の増加（部品や製品を請求して再販売する、既存または既存でない保証サービスの過剰請求）の2つに分類される

手法は数多く、古い手法が明らかになりブロックされると新しい手法が考案される。

どうすればいいのか

個々のクレームにわたってクレームの妥当性を評価するために、分析が必要です。 これには、ターゲットを絞ったものと一般的なものがあります。 ターゲット分析では、特定の不正なパターンを知っており、特定の顧客またはサービス担当者にその存在を確認したい場合です。 これにより、プロセスや検索方法の一貫性を保つことができます。 764>

一般的な分析では、データをさまざまな方法で切り刻み、異常や異常値を識別し、異常の理由が詐欺なのか、それとも他のものなのかを理解しようとします。 これにより、詐欺師が使用する新しい戦略を常に把握し、大きな損害を与える前にその芽を摘むことができます。

では、この新しい知識を活用して、どのように賢くなることができるでしょうか。 より洗練された分析手法を用いれば、より複雑な詐欺のスキームを検知し、必ずしも知らないケースを見つけることも可能です。 詐欺師はより巧妙になってきています。

自己学習ソリューションまたは「スマート」ソリューションは、閉ループアプローチを使用して、新しい知識をチェック アンド バランスのシステムに再循環させ、保証詐欺を行う新しい戦略の先頭に立ち続けます。 テキストとデータベースの分析モデルを使用してルールベースの選択プロセスを自動化し、クレーム、サービスプロバイダー、およびサービスプロバイダーのネットワーク全体の異常を探し、クレームが支払われる前にスコアを付け、できればリアルタイムでスコアを付け、不正の可能性に基づいてクレームとサービスプロバイダーをランク付けし、不正の疑いのタイプを示し、正しいクレームとサービスプロバイダーに監査人を集中させます。

そして、出来上がりです！

さらに、この分析、スコアリング、調査はすべて、疑わしい請求が支払われる前に行う必要があります。