Vernieuwingen in de verzekeringsbranche volgen elkaar steeds sneller op. Hot topics zoals insurtech, mobiele technologie, blockchain en predictive analytics zijn slechts enkele voorbeelden die de verzekeringswereld doen veranderen. Deze onderwerpen kunnen ook een rol spelen op het gebied van fraudepreventie en detectie. Desalniettemin zijn er een aantal uitdagingen voor verzekeraars om fraude effectief tegen te gaan.  Uit recent onderzoek blijkt dat verzekeraars worstelen met de volgende zaken:

1. Uitdagingen rond dataprotectie en privacywetgeving

Digitalisatie en de enorme toename van data in de afgelopen jaren zorgen dat verzekeraars steeds meer verantwoording moeten nemen om beschikbare gegevens veilig te bewaren. De markt is gebaseerd op vertrouwen tussen de verzekeraar en de klant. Uitgewisselde gegevens dienen dus vertrouwelijk behandeld te worden. Of data actief gebruikt mag worden en op welke manier, verschilt per land. De Europese verzekeringsbranche is gereguleerd en data beschermd. Zowel nationaal als internationaal geldt de EU Data Protection Directive uit 1995.
In het algemeen kan gesteld worden dat privacywetgeving in Europa van noord naar zuid minder strict wordt, maar dat gebruik van externe databronnen juist gevoeliger ligt. In Scandinavische landen is bijvoorbeeld een kredietcheck relatief eenvoudig. In Noorwegen en Zweden zijn zelfs de belastingteruggaven publiek bekend. Transparantie gaat hier boven privacy. In Centraal- en Midden-Europa wordt de consument strenger beschermd. Deze verschillen zijn voor verzekeraars van belang. Fraudedetectie heeft baat bij het snel en gemakkelijk kunnen uitwisselen van bewezen fraudezaken en klantgegevens. Per situatie dient nu bekeken te worden wat de optimale verhouding is van de mogelijkheden tot gebruik en uitwisselen van gegevens, natuurlijk binnen de grenzen van de wet.

2. Onvoldoende toegang tot externe databronnen

Verzekeren is de laatste jaren steeds onpersoonlijker geworden. Opkomst van het internet zorgt ervoor dat de klant in veel gevallen nooit door een persoon wordt gezien. Als dit het geval is wordt het ook lastig om te bepalen welke risico’s een bepaalde klant met zich mee kan brengen.

Het dekken van risico’s is de basis van verzekeren. Deze risico’s dienen echter wel door de verzekeraar gewogen te worden om een gezond portefeuille op te kunnen bouwen. Informatie uit externe bronnen kan helpen om het beeld rond de klant compleet te maken. Uiteindelijk helpt dit in het opstellen van argumenten om de klant te accepteren, af te wijzen of een speciaal aanbod te doen. Externe data zorgt dan voor een gebalanceerde risicoinschatting.

Het aanbod van externe databronnen verschilt per land. Ook de kosten en bruikbaarheid verschillen sterk. Bronnen waarin bedrijfsgegevens verzameld worden, zoals de kamer van koophandel of kredietwaardigheidstoetsing zijn veelgebruikt. Bedrijven die social media zoals Facebook en Twitter kunnen screenen zijn in opkomst. Deze laatste categorie kan gebruikt worden om bijvoorbeeld de locatie te achterhalen van een persoon op het moment van een ongeluk of om een klantprofiel te controleren of aan te vullen.

3. Problemen met interne datakwaliteit

Verschillen in cultuur, accuraatheid en consistentie maken het lastig om data uit verschillende core systemen te vergelijken. Bovendien kan de menselijke factor zowel positieve als negatieve invloed hebben op kwaliteit van data-interpretatie. Hier ligt ruimte voor verbetering. De grootste valkuilen zijn:

• Ontbreken van internationale uniformiteit in het vastleggen van gegevens;

Adressen, geboortedatums en familienamen zijn een constante bron van mogelijke verwarring tussen verschillende landen omdat deze anders worden weergegeven.

• Verandering in de manier waarop systemen gebruikt worden;

In de loop der jaren wijzigen inzichten over hoe bepaalde gegevens dienen te worden vastgelegd. Kennis over waarom bepaalde velden in het systeem staan of zijn aangepast is soms nog wel beschikbaar, maar vaak slecht gedocumenteerd. Voor buitenstaanders is er dan geen kennis over de achtergrond van de gegevens. Dit maakt dat gebruik van deze gegevens aan interpretatie onderhevig is. En dus foutgevoelig.

• Verandering van core systemen;

Systemen veranderen. Omdat er modernere varianten op de markt komen, vanwege overnames of samenvoegingen, of omdat er nieuwe bedrijfsonderdelen worden gelanceerd. Data overzetten en gelijktrekken is vaak een ondergeschoven kind, waardoor beschikbare gegevens verspreid staan over verschillende systemen en bovendien verschillende vormen aannemen. Een compleet klantbeeld construeren is dan lastig.

4. Samenwerking met andere verzekeraars

De verzekeringsbranche beschikt over grote hoeveelheden data. Deze gegevens kunnen niet alleen gebruikt worden in het claimsproces. Het zijn bijvoorbeeld ook waardevolle aanvullingen voor preventieve maatregelen bij het inschatten van risico’s in het acceptatieproces. Verzamelde informatie over verzekerden en objecten, claims en gevonden fraudegevallen helpen in het objectiveren van risicoinschattingen. Ook fraudetrends en de waarde van portefeuilles en polissen kunnen dan beter worden beoordeeld. Uiteindelijk resulteert dit in gezonde portefeuilles en eerlijke prijsstelling zonder dat de winstmarge in gevaar komt.

Om fraude in een vroeg stadium te ontdekken is het delen van informatie van groot belang. Delen van gegevens tussen de publieke en private sectoren kan helpen in het voorkomen, opsporen en onderzoeken van fraude. In een aantal landen zorgt privacywetgeving ervoor dat dit niet mogelijk is. Verzekeraars kunnen onderling echter krachten bundelen, door samen te werken aan fraudezaken en kennis hierover uit te wisselen.

Sommige verzekeraars zijn bang dat het delen van gegevens de concurrentiepositie aantast. Op dit moment worden daarom met name nog claimverledens en fraudezaken gedeeld. Verzekeraars doen dit om hun fraude- en risicoinschatting te verbeteren.

5. Het bijbenen van fraudeurs

Fraudeurs zijn altijd op zoek naar de zwakke plek. Ze zorgen ervoor dat ze onder de radar blijven. Daarvoor gebruiken ze steeds vernieuwde en andere modus operandi, testen ze verschillende verzekeraars en gebruiken ze wisselende identiteiten. Ze zetten alles op alles om niet gepakt te worden. Als fraudeurs nieuwe technologie ontdekken die nog niet fraudebestendig is, zullen ze deze gebruiken. Ze bewegen sneller dan een verzekeraar kan bijhouden. Daarnaast is het opsporen van georganiseerde fraude ook per cultuur verschillend. Stelregel is dat hoe meer moeite de fraudeur moet doen om fraude te plegen, hoe minder aantrekkelijk dit wordt.

6. Fraudepreventie is geen prioriteit voor IT

Een meerderheid van verzekeraars geeft aan een project gepland te hebben om fraude (beter) te bestrijden. Ondanks dat, zijn er op IT gebied talloze projecten die al spelen binnen de organisaties. Deze projecten staan vaak hoger op de agenda dan het bestrijden van fraude.

Veelvoorkomende thema’s binnen IT zijn vervanging van core systemen en digitalisatie. Het is dan ook aan de business om het fraudebestrijdingsplan op de prioriteitenlijst te krijgen met een goede business case. Bovendien kan de vraag gesteld worden of een fraudepreventieproject niet hand in hand kan gaan met de implementatie van een nieuw core systeem. De meeste oplossingen kunnen makkelijk op elkaar worden aangesloten en zouden elkaar moeten complementeren.

7. Onvoldoende commitment vanuit de organisatie

Om fraude effectief te bestrijden is draagkracht nodig vanuit de volledige organisatie, van C-level tot customer support. Door bijvoorbeeld het proactief monitoren van de portefeuille en risicoprofielen kunnen tijdig maatregelen genomen worden om fraude te voorkomen. Door de band genomen is fraudebewustzijn op dit moment het hoogst binnen de claimsafdelingen. Acceptatie volgt hierop. Het gat met de rest van de organisatie is groot.

De hele organisatie dient fraudebestrijding serieus te nemen om de effecten hiervan te merken. Voorbeelden zijn de betrokkenheid bij het delen van fraudezaken, het ontwikkelen van vaardigheden in het ontdekken van fraude en ondervragingstechnieken. Training brengt natuurlijk investeringen met zich mee voor de organisatie, maar het levert uiteindelijk ook op: minder risico’s in de portefeuille, verhoogde fraudedetectie, minder onnodig uitgekeerde claims en efficientere processen.

8. Verouderde interne fraudesystemen

Alles bij elkaar kunnen verzekeraars voordelen halen uit de grote hoeveelheid beschikbare data. Inzet van systemen om de data te verhandelen kan zorgen voor snelle analyses en vergelijkingen. Volledige processen als acceptatie kunnen geautomatiseerd worden. Daarnaast maakt dat risico inschatting objectief en uniform wordt. Verzekeraars worstelen echter vaak nog met het vervangen van hun core systemen. Daarnaast komt het nog voor dat gebruik gemaakt wordt van Excel sheets met kennisregels of kennis in de hoofden van medewerkers.

Opvolging van potentiele fraudezaken is het meest efficient wanneer alle informatie in een systeem beschikbaar is. Hierin wordt dan direct zichtbaar welke zaken nog aandacht verdienen, terwijl de meerderheid van de zaken automatisch doorgezet en uitbetaald kan worden. Het onderzoeken van ruis en onterechte matches wordt zo tot een minimum beperkt. Inzet van moderne systemen maakt dat het hele proces minder foutgevoelig wordt en de beleving voor de medewerker en klant positief blijft.

Continue proces

Bovenstaande uitdagingen zijn slechts een paar van de uitdagingen waar verzekeraars mee worstelen. In een wereld waar de consument in sneltreinvaart nieuwe technologie omarmt is het moeilijk deze vanuit de organisatie te volgen. Er worden echter steeds meer initiatieven ontplooid op gebied van regelgeving, wetten en interne modernisering. Uiteindelijk is het effectief bestrijden van fraude een zaak van continue aanpassing en optimalisatie