Signifikante Einsparung durch automatisierte Betrugserkennung
Branche: Versicherung
Herausforderung
Ziel des Projekts war die Entwicklung eines Prognosemodells zur Früherkennung von Provisionsbetrug. Eine sehr große Datenmenge musste dazu fachlich gesichtet und aufbereitet werden, um ein robustes Modell zur Vorhersage seltener Ereignisse zu entwickeln. Das Projekt diente der Versicherung als Leuchtturmprojekt und als Proof of Concept, um den Nutzen von Data Science zu demonstrieren.
Unsere Lösung
- Fachliche Erschließung von Datenquellen und Datenaufbereitung
- Feature Engineering und Auswahl geeigneter Machine-Learning-Algorithmen
- Entwicklung, Implementierung und statistische Validierung des auf Machine Learning basierenden Prognosemodells
- Bereitstellung monatlicher Berichte über Verdachtsfälle in Form eines Prototyps
Nutzen
- Durch automatisierte Analyse können deutlich mehr Betrugsfälle identifiziert werden als zuvor
- Nachweis des Nutzens von Data Science für die Kund:in durch erfolgreichen Abschluss eines Proof of Concept
- Etablierung einer leistungsfähigen Projektinfrastruktur für die Entwicklung zukünftiger Data Science Use Cases