ARAÇ SİGORTASI HİLELERİNDE VERİ MADENCİLİĞİNİN KULLANIMI

Sigorta sektörü, muhtemel zararlara karşı sigortalıyı garanti altına aldığından, sosyal ve ekonomik çöküntü ile kayıpları önlediğinden kişi ve kurumlar için her zaman bir güvence kaynağı olmaktadır. Sektör içerisinde yer alan tarafların haksız menfaat sağlamak amacıyla kasıtlı olarak hileli eylemlere başvurması ise sektörün yara almasına sebep olmaktadır. Bu sebeple hilelerin tespiti ve hileli eylemlere karşı uygun aksiyonların alınması çok önemlidir. Teknolojinin geldiği noktada veri madenciliği, hile riskinin yönetiminde kullanılan etkili araçlardan biri haline gelmiştir. Makalemizin temel amacı sigorta şirketlerinde hile riskinin yönetilmesinde yardımcı bir araç olarak veri madenciliğinin nasıl kullanılacağını açıklamak olup bu amaç doğrultusunda ele alınan konu araç sigortaları özelinde incelenerek spesifik bir örnekle açıklanmıştır. Bu bağlamda bir acenteden kendi veri tabanında yer alan müşterilerine ait veriler temin edilmiştir. Yapılan hasar taleplerinde hile şüphesi olanlar ve olmayanlar karar ağacı modelinin J.48 algoritması aracılığıyla tahmin edilmeye çalışılmıştır.

___

  • ACFE (2018), Report to the Nations 2018 Global Study on Occupational Fraud and Abuse, s.8 (https://www.acfe.com/report-to-the-nations/2018/ (erişim tarihi: 14.04.2019).
  • AKPINAR, Haldun. (2014). Data Veri Madenciliği Veri Analizi. 1. Baskı, İstanbul, Papatya Yayıncılık.
  • AKTAN, Ertuğrul. (2018). Büyük Veri: Uygulama Alanları, Analitiği ve Güvenlik Boyutu, Ankara Üniversitesi Bilgi Yönetimi Dergisi, Cilt: 1, Sayı: 1, s. 4-5.
  • ATALAY, M., Çelik, E. (2017). Büyük Veri Analizinde Yapay Zekâ ve Makine Öğrenmesi Uygulamaları, Mehmet Akif Ersoy Üniversitesi Sosyal Bilimler Enstitüsü Dergisi, Cilt: 9, Sayı: 22, ss 155-172.
  • BOZKURT, Nejat. (2009). İşletmelerin Kara Deliği Hile, 2. Baskı, İstanbul, Alfa Yayıncılık, s.60.
  • CREWS, S. (2015). The Fraud Triangle. https://www.brumellgroup.com/news/the-fraud-triangle-theory/ (erişim tarihi: 23.10.2019).
  • COALİTİON AGAİNST INSURANCE FRAUD, By the Numbers: Fraud Statistics (t.y.) https://www.insurancefraud.org/statistics.htm (erişim tarihi: 23.10.2019).
  • CÖMERT, Nuran.(2015). İç kontrollerle İlgili Teorik Çerçeve ve COSO İç Kontrol Yaklaşımı: Bütünleşik Yaklaşımla KOBİ’lerde Risk Temelli İç Kontrol içinde, Editörler: Ganite Kurt ve Tuğba Uçma Uysal, 126-132.
  • DELOİTTE, (2019). Fraud Risk Management. https://www2.deloitte.com/content/dam/Deloitte/in/Documents/finance/Forensic-Proactive-services/in-fa-frm-noexp.pdf (Erişim tarihi: 01.07.2019).
  • DEMİRAY Erol, E., Alma, D. (2016). Kasko Sigorta Tercihini Etkileyen Faktörlerin Belirlenmesi: Celal Bayar Üniversitesi Personeline Uygulama, Selçuk Üniversitesi İktisadi ve İdari Bilimler Fakültesi Sosyal Ekonomik Araştırmalar Dergisi, Sayı:32, s.151.
  • DOĞAN, K., Arslantekin, S. (2016). Büyük Veri: Önemi, Yapısı ve Günümüzdeki Durum, DTCF Dergisi 56, 1. (2016): 15-36, s. 20.
  • EMİR, Murat. (2008). Hile Denetimi, Mali Çözüm Dergisi, Sayı: 86, s.117.
  • ERL, T., Khattak, W., Buhler, P. (2016). Big Data Fundamentals, Concepts, Drivers & Techniques. Indiana, Arcitura Education Inc, s.19.
  • ERTİKİN, Kıvanç. (2017) Hile Denetimi: Kırmızı Bayrakların Tespiti için Kullanılan Proaktif Yaklaşımlar, Muhasebe ve Finansman Dergisi, s. 76-77.
  • GEZGEZ, Z.T., Yöndem, H. (2016). Sigortacılıkta Şüpheli Hasarlar, Suistimaller ve Sahtekarlıklar, Reasürör Dergisi, İstanbul, s. 5.
  • GHORBANİ, A., Farzai, S. (2018). Fraud Detection in Automobile Insurance using a Data Mining Based Approach, International Journal of Mechatronics, Elektrical and Computer Technology (IJMEC), Cilt: 8(27), 3764-3771, s. 3764.
  • HARGREAVES, C.A., ve Singhania, V. (2015). Analytics for Insurance Fraud Detection: An Empericial Study, American Journal of Mobile Systems, Applications and Services, Vol: 1, No.3, pp. 223-232, s.231.
  • INTERNATİONAL BUSİNESS MACHİNES (IBM). Using Data Mining to Detect Insurance Fraud. https://www.ibm.com/downloads/cas/7ZY8N46D (erişim tarihi: 01.09.2019)
  • KARAKOYUN, M., Hacıbeyoğlu, M. (2014). Biyomedikal Veri Kümeleri ile Makine Öğrenmesi Sınıflandırma Algoritmalarının İstatiksel Olarak Karşılaştırılması, Dokuz Eylül Üniversitesi Mühendislik Fakültesi Mühendislik Bilimleri Dergisi, Cilt:16, Sayı:48, İzmir, s.34.
  • KAYA, Ç. ve Yıldız, O. (2014). Makine Öğrenmesi Teknikleriyle Saldırı Tespiti: Karşılaştırmalı Analiz, Marmara Fen Bilimleri Dergisi, 2014,3: 89-104, s.93.
  • KAYA M., Özel, S.A. (5-7 Şubat 2014). Açık Kaynak Kodlu Yazılımların Karşılaştırılması, ‘Akademik Bilişim’ 14 – XVI. Akademik Bilişim Konferansı Bildirileri, Mersin: Mersin Üniversitesi, s.50.
  • KPMG, (2019). Sigortacılık Sektörel Bakış. https://home.kpmg/tr/tr/home/industries/insurance.html (erişim tarihi: 03.08.2019)
  • KOYUNCUGİL, A.S., Özgülbaş,N. (2009). Veri Madenciliği: Tıp ve Sağlık Hizmetlerinde Kullanımı ve Uygulamaları, Bilişim Teknolojileri Dergisi, Cilt: 2, Sayı: 2, ss: 21-32, s.28.
  • MACHADO, M., Gartner, I.R. (2018). The Cressey Hypothesis (1953) and an Investigation Into The Occurrence Of Corporate Fraud: An Empirical Analysis Conducted in Brazilian Banking Institution. http://www.scielo.br/scielo.php?script=sci_arttext&pid=S151.970.7720180.001.00060&spript=sci_abstact (Erişim tarihi: 20.10.2019)
  • MONİNO, J. – L., Sedkaoui, S. (2016). Big Data, Open Data and Data Development, Vol: 3, London, ISTE Ltd, s. XIII.
  • NİAN, K., Zhang, H., Tayal, A., Coleman, T., Li, Y. (2016). Auto Insurance Fraud Detection Using Unsupervised Spectral Ranking for Anomaly, The Journal of Finance and Data Science, s.1.
  • OĞUZLAR, Ayşe. (2011).Temel Metin Madenciliği, Bursa, Dora, s. 5-6.
  • ÖZDEMİR, A., Sağlam, R., Bilen, B.B. (2018). Eğitim Sisteminde Veri Madenciliği Uygulamaları ve Farkındalık Üzerine Bir Durum Çalışması, Atatürk Üniversitesi Sosyal Bilimler Enstitüsü Dergisi, Sayı:22 (Özel Sayı), ss: 2159-2172.
  • ÖZKAN, Yalçın. (2013).Veri Madenciliği Yöntemleri, 2. Basım, İstanbul, Papatya Yayıncılık.
  • ÖZKER Dursun, G. (2016). İç Kontrol Sisteminde Bir Araç Olarak Veri Madenciliğinin Kullanılmasının İşletmenin Bilançosuna Etkisi, Yüksek Lisans Tezi, İstanbul: Marmara Üniversitesi Sosyal Bilimler Enstitüsü.
  • ÖZÜDOĞRU, Haşim. (2017). Türkiye Sigortacılık Sektörünün Değerlendirilmesi, Bankacılık ve Finansal Araştırmalar Dergisi, Cilt: 4, Sayı: 2, s.45.
  • PANDEY, D., Sheth, K N. (2016). Insurance Fraud Crime Without Victims, Role of Financial Industry in Accelerating Economic Growth.
  • PEKİNER, Kamuran.( 1981). Sigorta İşletmelerinin Prensipleri: Hesap Bünyesi. 3.Baskı, İstanbul, Formül Matbaası, s.17.
  • SARIMAN, Güncel (2011). Veri Madenciliğinde Kümeleme Teknikleri Üzerine Bir Çalışma: K-Means ve K – Medoids Kümeleme Algoritmalarının Karşılaştırılması, Süleyman Demirel Üniversitesi Fen Bilimleri Enstitüsü Dergisi, 15-3, Isparta, ss: 192-202, s.192.
  • SAVAŞ, S., Topaloğlu, N., Yılmaz, M. (2012). Veri Madenciliği ve Türkiye’ deki Uygulama Örnekleri, İstanbul Ticaret Üniversitesi Fen Bilimleri Dergisi, Sayı: 21, İstanbul, ss.1-23, s. 4-5.
  • ŞEKER, Şadi Evren. (2013) İş Zekâsı ve Veri Madenciliği, İstanbul, Cinius, s.22.
  • ŞENTÜRK, Aysan.( 2006). Veri Madenciliği Kavram ve Teknikleri. Bursa, Ekin Yayınevi.
  • SİLAHTAROĞLU, Gökhan.(2013).Veri Madenciliği Kavram ve Algoritmaları, 2. Baskı, İstanbul, Papatya Yayıncılık, s.50.
  • SUBUDHI, Sharmila ve Panigrahi, S. (2018). Detection of Automobile Insurance Fraud Using Feature Selection and Data Mining Techniques, International Journal of Rough Sets and Data Analysis, Cilt: 5, Sayı: 3, s.1.
  • TARHAN MENGİ, Banu. (2012). Hile Denetiminde Yetkinliklerin Değerlendirilmesi-Hile Karosu, Mali Çözüm Dergisi, s.120-121.
  • TARHAN MENGİ, Banu. (2013). Araç Sigortası Hileleri ve Bu Hilelere Yönelik Önlemler, Finansal Araştırmalar ve Çalışmalar Dergisi, Cilt: 4, Sayı: 8, s.81.
  • T.C. Hazine ve Maliye Bakanlığı, Hazine ve Maliye Bakanlığı Hasar ve Tazminat İşlemleri Denetim Rehberi, 2016.
  • Türkiye Sigorta Birliği, Sigortanın Tanımları. www.tsb.org.tr/sigorta-tanimlari.aspx?pageID=648 (erişim tarihi: 10.12.2017).
  • WOLFE David T., Hermanson Dana R., CPA Journal: The Fraud Diamond: Considering the Four Elements of Fraud, https://pdfs.semanticscholar.org/c9c8/32fa299f648464cbd0172ff293f5c35684b6.pdf
  • YILMAZ, Malik. (2009). Enformasyon ve Bilgi Kavramları Bağlamında Enformasyon Yönetimi ve Bilgi Yönetimi, Ankara Üniversitesi Dil ve Tarih-Coğrafya Fakültesi Dergisi 49, 1 (2009): 95-118, s.98.
  • YAZICI, Nusret (2018). Hile Üçgeni: Fırsatların Önlenmesinde Kırık Camlar Teorisi, Üçüncü Sektör Sosyal Ekonomi, 53 (3) : 843-851, s.846.
  • http://www.sigortagundem.com/haber/tamir-istasyonundaki-sahtekarliklar/1036371 (erişim tarihi: 12.12.1017).
  • https:// www.sbm.org.tr/tr/Sayfalar/HasarTakipMerkezi.aspx (erişim tarihi: 10.05.2019).
  • https://netuce.com/veri-madenciligi-nedir-hangi-alanlarda-kullanilir/ (erişim tarihi: 20.10.2019)