使用 Neo4j 加速欺诈调查
挑战
瑞士苏黎世保险很早就开始自动化欺诈检测。该保险公司依靠基于规则的软件，根据定义的标准分析案件并为其分配风险评分。在一定水平上，案件将转交给一个由 25 名现场调查员组成的团队，他们作为分类过程的一部分审查可疑案件。
然而，自动化报告很快变得几乎无法手动检查，并给内部调查员团队带来了大量时间成本。“我们自己也对数据洪流感到惊讶，”瑞士苏黎世保险欺诈预防主管保罗·库恩解释道。“我们的调查员并不总是能够理解警报发生的原因或风险评分是如何得出的。此外，还缺乏上下文。必须使用其他系统分别研究与银行账户、地址、客户数据和保单的交叉引用。”
为了有效地对案件进行分类，现场调查员需要能够看到数据中的关联。在寻找解决方案的过程中，高级项目经理克里斯托夫·阿施万登偶然发现了巴拿马文件——也因此发现了 Neo4j。“在第一次测试之后，我们就已经清楚了：这正是我们需要的，”阿施万登说。“图中不仅可以全面显示索赔，还可以自动链接新信息，从而确保数据实时协调。”
解决方案
瑞士苏黎世保险使用存储在 Neo4j 中的数据对潜在的欺诈案件进行分类，并在 Linkurious 中进行可视化。调查员可以直接从基于规则的风险工具切换到基于图的应用程序，并在单个视图中打开所有相关数据。苏黎世在图中存储了大约 2000 万个节点和 3500 万个关系。
索赔报告与来自保险单、客户信息、被保险财产（例如车辆）以及支付和财务数据的链接。添加来自国家数据库、黑名单和经济数据（例如信用度、所有权）的外部数据。
“乍一看，在图中映射标准关系可能看起来微不足道。但随着新数据的添加以及节点和边的网络不断扩展，它就像魔法一样，”阿施万登说。“通常，目标不一定是检测复杂的模式或大型欺诈网络。相反，Neo4j 帮助我们筛选和快速识别我们收到的信息洪流中的问题。”
所有数据的无障碍视图对于分类至关重要。它通常会立即清楚报告的可疑案件是否真的需要移交到特殊的欺诈处理。“在图中，我可以看到上下文，查看特定的索赔，将其与过去的报告进行比较，考虑相关人员，并获得更清晰的画面，”库恩说。
大多数索赔并不可疑，并会按正常程序进行处理和结算。但也有一些是明显的犯罪活动，例如在“碰瓷”计划中策划的交通事故。调查员必须能够快速回答关键问题。车辆驾驶员、车主和投保人究竟是谁？参与事故的人员之间是否存在任何可疑的相似之处（例如，居住在同一地址）？不同的索赔支付是否流入同一个银行账户？
下载案例研究