新光人壽結合5年的大數據分析，去年開發出「壞人模型」，比起人工判斷可疑案件更有效率，破案率提高1倍，明年將運用在核保風險預測。國壽也早從2009年開始建立理賠資料庫，2013年開始導入理賠，且延伸運用至核保與行銷面。
新壽核保理賠部資深協理廖晨旭說，壞人模型判斷比人工準確度更高，比如之前葉姓婦女自拍墜谷，就是符合壞人模型的因素被揪出來，在檢警揭發真相前，系統發現她的前夫也曾跌落大水溝溺斃申請理賠，顯示警訊異常，是高機率的詐欺案。
國壽的資料庫包含470項主要資訊，去年桃園敏盛醫院名醫詐保4000萬理賠金，也是從大數據分析而來，發現可疑個案皆跨區減肥，BMI值不符合減肥開刀的標準，開刀後還遇到胃潰瘍、脹氣等狀況，實際情形是醫生把自費減肥改成胃潰瘍等可申請醫療險的項目。
新壽主管說，以前完全仰賴人工審查，理賠調查員散布在各地，標準不一致，比較可能發生人為疏漏。壞人模型包含200~300個因子，上線後破案率提升，命中率更高，壞人被揪出的機率比人工調查多1倍。
壞人模型還有一個有趣的發現，保險業務員業績結算日的出險率特別高，後來新壽探究原因，應是業務員衝新契約收入，但客戶沒錢了，就想辦法挖錢，因而出現「奇奇怪怪」的理賠申請案。
廖晨旭舉例說，大數據也較容易發現異常行為，比如說先生在台北送件，太太在高雄送件理賠，其實兩人住院住在同一家醫院的隔壁病房，透過系統模型分析，很快可找出關係人或是整個家族集體申請的不合常理案件。
國壽理賠部協理李幼蓮則強調，並非符合系統高風險就一定是詐欺案，仍會深入調查，大數據的資訊只是輔助工具，可疑的理賠因素很多，比如投保報時間短就申請理賠、密集投保、1年內申請次數較多等。
新壽說，理賠核准與否除了看數字與規則外，也會參考經驗值，每月觀察調整模型的因子，並設有「逃生門」，即使模型認為有問題，但根據經驗判斷可以不用查的案子，約10~15%仍會理賠。
