CIVILICA We Respect the Science
(ناشر تخصصی کنفرانسهای کشور / شماره مجوز انتشارات از وزارت فرهنگ و ارشاد اسلامی: ۸۹۷۱)

کلان داده ها و شناسایی تقلبات بیمه ای در رشته بیمه درمان: (مرور سیستماتیک)

عنوان مقاله: کلان داده ها و شناسایی تقلبات بیمه ای در رشته بیمه درمان: (مرور سیستماتیک)
شناسه ملی مقاله: INSDEV28_036
منتشر شده در بیست و هشتمین همایش بیمه و توسعه در سال 1400
مشخصات نویسندگان مقاله:

پریسا رحیم خانی - پژوهشگر پژوهشکده بیمه، تهران
مهناز منطقی پور - راهبر میز داده کاوی، گروه بیمه الکترونیک، پژوهشکده بیمه، تهران

خلاصه مقاله:
هدف: کلاهبرداری و تقلب هر ساله باعث افزایش هزینه‎ های سیستم های مراقبت های بهداشتی در بسیاری از کشورها می شود. پژوهش حاضر با هدف مروری بر الگوریتم های داده کاوی به کاربرده شده در کشف تقلب رشته بیمه درمان براساس روش کلان داده ها انجام شده است.روش شناسی: این پژوهش یک بررسی سیستماتیک است که در زمینه کلان داده ها، کشف تقلب، بیمه های درمان و الگوریتم های داده کاوی انجام شده است. در این مرور سیستماتیک با جستجو و مطالعات میدانی در انتشارات بیش از ۲۵ مجله برتر، سیستم های اطلاعاتی Web of Science ، Scopus و Google Scholar، کنفرانس های چاپ شده معتبر داخلی و خارجی، مجلات نور و سیویلیکا، پژوهشنامه بیمه و پژوهشکده بیمه و غربالگری بر اساس کلمات کلیدی "الگوریتم های داده کاوی"، "کشف تقلب" ، "بیمه درمان" و " کلان داده ها" انجام شده است. مقاله های منتخب براساس نوع الگوریتم، منبع داده، نوع تقلب و منطقه جغرافیایی منبع داده دسته بندی شده اند. یافته ها: کلان داده ها در آینده نزدیک از جنبه های گوناگون از جمله کشف تقلب، ارتباط با مشتریان، مدیریت اطلاعات شرکت های بیمه به طور گسترده مورد استفاده قرار خواهد گرفت. سهم تمرکز محققان بیشتر بر تقلبات ارائه شده توسط ارائه دهندگان خدمات درمانی بوده است و کلان داده ها در بررسی تقلبات گروهی و تقلبات کارکنان بیشتر از داده های سنتی به کار گرفته شده اند. بیشترین نتایج و مقالات از کلان داده ها متعلق به کشور آمریکا و مربوطه به سرویس هایMedicare و Medicaid بوده است و پس از آن اغلب مالکان کلان داده های بررسی شده جهت کشف تقلب، شرکت های بیمه بوده اند.

کلمات کلیدی:
کلان داده ها، کشف تقلب، بیمه درمان، مرور سیستماتیک.

صفحه اختصاصی مقاله و دریافت فایل کامل: https://civilica.com/doc/1390780/