Betrugsprävention durch Predictive Analytics
Branche: Versicherung
Herausforderung
Ziel des Projekts war die Industrialisierung eines Vorhersagemodells zur Früherkennung von Provisionsbetrug. Zur operativen Nutzung wurden die Modellvorhersagen grafisch aufbereitet und monatlich automatisiert aktualisiert. Damit die Modellvorhersagen plausibilisiert werden können, wurden diese erklärbar gemacht und um Kontextinformationen angereichert.
Unsere Lösung
- Evaluation der Feldexperimentphase und Ableitung der Anforderungen für Industrialisierung
- Statistische Validierung und Überarbeitung des Vorhersagemodells
- Evaluation von Möglichkeiten zur Schaffung von Erklärbarkeit (Explainable AI)
- Entwicklung eines Cockpits auf Basis von Microsoft Power BI
Nutzen
- Durch automatisierte Analyse konnten mehr Betrugsfälle identifiziert werden
- Effiziente Nutzung des Vorhersagemodells durch einfache Benutzeroberfläche
- Hohe Akzeptanz bei den Anwender:innen
- Etablierung eines Vorgehensmodells zur Industrialisierung von Data-Science-Projekten