登录
立即申请
保险行业解决方案
同盾智能商业决策平台为财险、寿险、健康险、再保险等保险科技赋能,重构用户连接和服务价值链,打造良性的保险生态。
立即申请
理赔提升
智能风控
数智营销
精准定价
客户案例
Previous
某保险公司智能反欺诈、反渗漏
为该保险公司建立六个反欺诈、反渗漏模型(配件外修模型、定损渗漏模型、案件反欺诈模型、人伤费用渗漏模型、伤残评级模型、风险主体评价),用于理赔案件的事中风控,帮助保险公司减少渗漏、识别可疑欺诈案件。使用监督学习和非监督学习结合的模式,解决了保险理赔案件欺诈概率低、原有反欺诈识别能力弱,历史的欺诈标签偏少,机器学习的y标签严重不足的挑战,模型ks值超过0.45,召回率和准确率较原有的模式均有明显提升;在某南方城市为试点,一年实现减损5000万元。
某大型保险公司智能稽核
基于知识图谱技术,为某大型保险公司打造了一套智能稽核工具。 同盾“云图”智能稽核工具有效避免市场上其他图谱产品由于复杂的技术结构导致业务人员无法直观找出问题案件和人员的问题,通过寻找异常的模式,用图数据找出异常的结构,结合业务专家的理解,抽取成为知识图谱的风控规则,较传统的数据分析算法有显著提升,对于发现团伙性欺诈效果出色。以该保险公司某城市一年的理赔数据进行分析,命中的团伙90多个;经逐一验证,精准率达90%以上,涉案车辆近900台,涉案金额超过500万。
某保险公司智能反欺诈、反渗漏
为该保险公司建立六个反欺诈、反渗漏模型(配件外修模型、定损渗漏模型、案件反欺诈模型、人伤费用渗漏模型、伤残评级模型、风险主体评价),用于理赔案件的事中风控,帮助保险公司减少渗漏、识别可疑欺诈案件。使用监督学习和非监督学习结合的模式,解决了保险理赔案件欺诈概率低、原有反欺诈识别能力弱,历史的欺诈标签偏少,机器学习的y标签严重不足的挑战,模型ks值超过0.45,召回率和准确率较原有的模式均有明显提升;在某南方城市为试点,一年实现减损5000万元。
某大型保险公司智能稽核
基于知识图谱技术,为某大型保险公司打造了一套智能稽核工具。 同盾“云图”智能稽核工具有效避免市场上其他图谱产品由于复杂的技术结构导致业务人员无法直观找出问题案件和人员的问题,通过寻找异常的模式,用图数据找出异常的结构,结合业务专家的理解,抽取成为知识图谱的风控规则,较传统的数据分析算法有显著提升,对于发现团伙性欺诈效果出色。以该保险公司某城市一年的理赔数据进行分析,命中的团伙90多个;经逐一验证,精准率达90%以上,涉案车辆近900台,涉案金额超过500万。
某保险公司智能反欺诈、反渗漏
为该保险公司建立六个反欺诈、反渗漏模型(配件外修模型、定损渗漏模型、案件反欺诈模型、人伤费用渗漏模型、伤残评级模型、风险主体评价),用于理赔案件的事中风控,帮助保险公司减少渗漏、识别可疑欺诈案件。使用监督学习和非监督学习结合的模式,解决了保险理赔案件欺诈概率低、原有反欺诈识别能力弱,历史的欺诈标签偏少,机器学习的y标签严重不足的挑战,模型ks值超过0.45,召回率和准确率较原有的模式均有明显提升;在某南方城市为试点,一年实现减损5000万元。
Next
1
2
智能风控类别
信保全流程风控
覆盖保前、保中、保后,为采取不同信保业务模式的客户建立业务相匹配的模型和策略,并提供符合监管要求的业务系统。
意健险核保风控
在承保端将高欺诈风险投保人拒之门外,解决保险公司互联网渠道“裸奔”痛点,帮助客户降低欺诈损失。
“甄员”保险公司增员风控
针对寿险公司增员乱象,提供增员鉴别工具,减少虚假增员,保证队伍质量。
客户案例
Previous
某互联网保险公司核保风控
诸多试水互联网保险的传统保险公司发现投保欺诈严重,赔付率高,但缺乏有效的核保风控手段。同盾意健险核保风控基于同盾自有模型数据、专家经验和全行业大数据分析,通过规则、定制化策略和模型计算,对每一笔投保申请输出通过、人工审核、不通过的核保建议。作为一家纯互联网保险公司,对于互联网在售意外险产品采用同盾核保风控策略,平均拒绝率达到2%左右。
阳光信保贷前风控
同盾贷前审核产品为阳光信保助贷险业务在贷前准入环节进行审核保护,提供针对投保人的反欺诈专业检测服务。通过大数据分析,能有效识别投保人个人信息真伪,之前是否有不良信用记录,以及是否存在多平台申请和放款,投保人联系人是否有不良信用记录等信息;结合专有的线上动态反欺诈模型,有效识别团伙骗贷、机构代办等行为,从而帮助客户降低风险,降低资金损失。
某互联网保险公司核保风控
诸多试水互联网保险的传统保险公司发现投保欺诈严重,赔付率高,但缺乏有效的核保风控手段。同盾意健险核保风控基于同盾自有模型数据、专家经验和全行业大数据分析,通过规则、定制化策略和模型计算,对每一笔投保申请输出通过、人工审核、不通过的核保建议。作为一家纯互联网保险公司,对于互联网在售意外险产品采用同盾核保风控策略,平均拒绝率达到2%左右。
阳光信保贷前风控
同盾贷前审核产品为阳光信保助贷险业务在贷前准入环节进行审核保护,提供针对投保人的反欺诈专业检测服务。通过大数据分析,能有效识别投保人个人信息真伪,之前是否有不良信用记录,以及是否存在多平台申请和放款,投保人联系人是否有不良信用记录等信息;结合专有的线上动态反欺诈模型,有效识别团伙骗贷、机构代办等行为,从而帮助客户降低风险,降低资金损失。
某互联网保险公司核保风控
诸多试水互联网保险的传统保险公司发现投保欺诈严重,赔付率高,但缺乏有效的核保风控手段。同盾意健险核保风控基于同盾自有模型数据、专家经验和全行业大数据分析,通过规则、定制化策略和模型计算,对每一笔投保申请输出通过、人工审核、不通过的核保建议。作为一家纯互联网保险公司,对于互联网在售意外险产品采用同盾核保风控策略,平均拒绝率达到2%左右。
Next
1
2
方案特点
全景数据采集和应用
支持全渠道的客户基本信息、行为信息、偏好信息等信息的采集;构建服务于营销的数据集市,加强数据管理能力;搭建体系化的标签库,形成可视化的客户画像,提升客户洞察能力。
实时/近实时数据互动
通过采用实时驱动模型RTDM,驱动实时/近实时营销互动;客户线上活动信息近实时同步到营销端,推荐营销话术和策略。
1-to-1个性化营销
形成基于细分客户画像的营销策略,提供个性化内容推送、产品推荐、会员权益匹配等决策支持;建设贯穿客户旅程的数据分析体系,提升围绕客户的智能。
客户案例
某大型保险公司联合建模
同盾与某大型保险通过联合建模,根据其客群特征定制了一款车险分,和客户自有的预期赔付率模型相比,该分数能够很好的识别出高风险和低风险客户,因此将同盾车险分作为其定价因子进入精算模型。
立即申请
立即申请
电话咨询
400-068-9796
专有云咨询
400-068-9796转3
公有云咨询
400-068-9796转2
售前咨询
400-068-9796转1
热线电话
售后服务