Verzekeraarsfraude – u leest het goed. Verzekeringsfraude komt iedere dag voor. Maar fraude tussen twee verzekeringsmaatschappijen is vrij uniek. Hier is mijn verhaal – het speelt rond 1997.

Een grote buitenlandse verzekeringsmaatschappij wil op de Nederlandse markt autoverzekeringen verkopen. Hiervoor is een Nederlandse verzekeringmaatschappij in de arm genomen die als agent optreedt. De buitenlandse verzekeraar merkt dat er geen winst geboekt wordt – alleen voortdurende verliezen. En dat terwijl dezelfde verzekeringen in hun eigen land goed lopen. Een vermoeden van fraude en samenspanning ontstaat.

Rolls Royce

Rolls Royce.

Een gerenommeerd bedrijf was gevraagd om onderzoek te toen naar de gang van zaken. Al snel bleek de administratie van de Nederlandse agent slecht op orde te zijn. De meeste getekende contracten lagen lukraak opgestapeld in een “pakhuis” – zo’n 100.000 polissen – en waren bovendien niet ingevoerd in het computersysteem. Voorts moesten zo’n duizend medewerkers (tussenpersonen) gescreend worden. Zelfs voor dit gespecialiseerde bedrijf bleek dit een ondoenlijke opdracht. Ik kreeg een telefoontje met de vraag of ik hen wilde helpen.

Door mijn werk aan IRAS had ik van NASA collega’s een computerprogramma gekregen – AutoClass. Dit was een van de eerste programma’s voor geautomatiseerde patroonherkenning. Het was met succes gebruikt voor de classificatie van sterren. Mijn idee was om hiermee de beschikbare transacties van de duizend tussenpersonen te onderzoeken.

Close-up Of Businessman Hand Holding Magnifier On Coin At Desk

Verdachte transactie.

Alhoewel de computer administratie bijzonder incompleet was, zat er toch nuttige informatie in. De data werden geschikt gemaakt voor AutoClass. Het uiteindelijke resultaat was dat er van de duizend tussenpersonen er tien waren die verdachte transacties deden. Zij hadden verzekeringspolissen afgesloten op dure auto’s waarop later grote schadeclaims geboekt werden. Het vermoeden was dat de tussenpersoon een deel van de opbrengst kreeg.

Het vervolgonderzoek concentreerde zich dan ook op deze tien tussenpersonen en niet op duizend. Daarmee is veel tijd en dus ook geld bespaard.

Dit was mijn eerste kennismaking met fraudeonderzoek en met Machine Learning. Beide zouden nog regelmatig terugkomen.