sna-“有人的地方就有江湖，有江湖的地方就可用SNA”

A6工作室魏然

一起研究理赔科技

上一篇文章限于篇幅和成文仓促，对SNA的操作应用没有展开讨论。文章发出以后，收到了很多朋友的咨询，也有朋友在留言里表达了进一步了解具体应用的想法。在此，我就朋友们集中关心的几个问题写一篇文章，欢迎朋友们留言或是私信我（微信：singlelensjourney，邮箱：2412801654@qq.com），展开进一步交流研讨。

Q：SNA可以用于哪些类型案件的排查

A：目前已经应用在车险已、未决案件的排查中，包括单、双方、多方交通事故，人伤、物损案件，均可应用SNA排查是否存在团伙作案。“有人的地方就有江湖，有江湖的地方就可用SNA”

Q：在实际的理赔反欺诈工作中，如何应用SNA

A：首先明确一点，SNA针对的是团伙作案，“独狼”型诈保分子不在我们研究的范畴。其次要明确的是，保险欺诈团伙与微博、Twitter等社交网络构成不同。后者仅由人构成，而前者除了人以外，至少还包括车。也就是说，我们面对的是一个多维度的社交网络。明确了这两点，我们来看如何应用SNA来梳理并分析这个网络。要解决如何应用SNA的这个问题，我们先来建立一个保险欺诈团伙模型，分析研究一下诈保团伙的业务模式。从诈保团伙的角度看，如何实施保险诈骗，一个诈保团伙（一个群体）需要哪些组成因子（节点），在剔除掉所有不关键因素后，还能剩下的必然是诈保团伙运转的必要条件，既是诈保团伙的“核心竞争力”。我的模型中，一个诈保团伙，必备的因子有以下几种：

1、人

毋庸置疑的，人，是一个诈保团伙的基础因子，是构成诈保团伙的充分必要条件，也是车险理赔反欺诈场景中必备的第一个因子。报案电话需要人来拨打，事故车辆需要人去驾驶，索赔申请书需要人去签字，骗到手的赔款也需要人去银行领取。不同的人在团伙中扮演了不同的角色，而这些人在团伙中具备相同的属性——一旦参与了保险欺诈，这个人就是团伙（群体）中的一个节点。既然是团伙作案，成员之间存在分工协作的关系，这个人（节点）必然会与其他节点发生联系（节点之间的关系）。通过人的聚集，和不同人之间的联系，我们现在得到了SNA的两个基础组成部分：节点（团伙成员）和边（成员之间的关系）。一个理想化网络模型如下图所示。我们的目的是从这些人当中分析，哪些人构成了一个团伙。

2、车

作为车险理赔反欺诈场景中，必不可少的第二个因子，车在保险公司角度是作为保险标的存在，而在欺诈分子角度，是作为必备的作案工具存在。我们把车辆加入的网络模型中去：

3、电话

当今社会，人的种种社会行为都已经离不开手机，社交、工作、休闲、三餐都要依靠手机来传递信息、获取信息。基于手机与人的这种高度绑定，手机号也成为了几乎等同于身份证号的存在。在保险索赔行为中，报案、联络、身份认证均依靠手机/号开展，故而我们要在模型中加入手机，如下图所示。

我们为每个因子编号，得到下表。

现在，我们来假设每个人在报案清单中均出现过5次，甲4驾驶A8、甲6驾驶A8、甲8驾驶A4各出过一次险，其余均为本人驾驶本车出险，共50笔报案，形成如下报案清单。

之所以如此假设报案清单，基于这样的考虑：1.每人5次出险，各车出险次数差异不大，消除掉出险次数对结论的影响；2.模拟实际中出现的情况，既从表面来看各人、各车风险程度差异不大。此为理想环境，实际中的报案清单不会如此规律、完美，还需要经过数据清洗、数据回填，下文会单独介绍。下面来用我们的SNA引擎跑一下数据，看看会出现何种结论，见下图。

注意第三列介数集中度（BetweennessCentrality）这个指标，在前文中我们介绍过，这个指标表示有多少个节点通过本节点实现最短互联，在本例中的意义是表示有多少人、车通过本人（车）实现最短互联，既是作为团伙核心节点出现。介数集中度最高的点是A8，节点甲6、甲8、甲4均通过A8实现最短互联，这四个节点构成一个团伙。至此，我们运用SNA成功找到了报案清单中的团伙。

团伙构成如下图所示。

Q：已决清单中的数据准确度不高，会在多大程度上影响SNA的应用

A：还是借用上面的例子来分析这个问题。不难看出，除了团伙成员甲8、A8、甲6、甲4、A4以外的其他数据，介数集中度均为0，那么这些数据的准确与否对我们排查团伙的影响不大。对排查团伙准确性影响较大的是团伙成员本身的数据准确性。首先，在实际操作中，我们通过数据清洗、数据回填，可以有效地提高数据准确度。其次，当团伙中少数成员数据错误时，整个团伙的集中度会有所改变，但未必会被拆散，仍会表现为一个不那么紧凑的团伙。当模型中缺少关键数据后，会得到何种结论呢模型中的案件21包含了两个团伙成员，甲4、A8，我们在模型中删掉关键数据案件21，重新运行SNA算法，如下图所示。

可见，部分关键数据的缺失，对我们排查团伙造成的影响并不大，也就是说，SNA具备相当的容错率，在部分数据录入错误时仍能精准定位团伙成员。

第三，若团伙中大多数成员数据错误时，这个团伙大概率会被拆散成数个小团伙，扔能够具备团伙的特征，从而被发现。除非当全部关键成员或绝大多数成员数据错误，从而导致无法形成一个松散团伙时，一般情况下少部分数据错误对最终排查结果影响不大，仍有较大可能通过数据处理发掘全部团伙成员。我们在模型中继续删除部分关键数据。这次，我们删除案件31，包含了甲6、A8两个关键数据，重新运行SNA，得到如下结论。

要知道，此时我们已经删除了3个关键数据中的两个。在缺失了大半的关键数据后，我们仍能定位该团伙核心成员。