ارزیابی ریسک تقلب در مزایای بیمۀ بیکاری سازمان تامین اجتماعی

تقلب در حقوق و مزایای بیمۀ بیکاری همواره یکی از موضوعات حساس و مورد توجه در حوزۀ بیمه‌های اجتماعی است که طبق قوانین، جزو جرائم کیفری بوده و قابل پیگیری است. در حال‌ حاضر بهترین روش به منظور ارزیابی تقلب، کنترل آن در همان مراحل اولیۀ شکل‌گیری و به کمک اطلاعات تقلبهای کشف شدۀ گذشته است. در این مقاله ابتدا مراحل استاندارد کنترل تقلب در تقاضاهای بیمه‌ای مورد بررسی قرار گرفته و سپس با توجه به وجود پایگاه دادۀ مناسب در خصوص مقرری بگیران بیمۀ بیکاری سازمان تامین اجتماعی، از دو روش داده‌کاوی شبکه‌های عصبی و درخت تصمیم به منظور یافتن الگوهایی مناسب استفاده شده است که می‌تواند به‌عنوان ابزاری سودمند همراه با کاهش قابل توجه در وقت و هزینه به ارزیابی به موقع تقلب در تقاضاهای بیمۀ بیکاری کمک کند. در فرایند مطالعۀ تجربی، این روشها بر روی داده‌های واقعی شامل اطلاعات 15983 تقاضای جدید و جاری مقرری بیمۀ بیکاری آزمایش و کارایی هر روش سنجیده شده است. روش شبکه‌‌های عصبی با دقت 88 درصد در ارزیابی صحیح متقلبانه یا عادی بودن تقاضاها، بهترین کارایی را در مقایسه با روش درخت تصمیم با دقت 84 درصد در برداشته است. بر این اساس، مهم ترین متغیرهای موثر بر تقاضاهای متقلبانه در روش شبکه های عصبی به ترتیب، متغیرهای شغل قبلی بیمه شده، سابقۀ پرداخت حق بیمه، سن و در روش درخت تصمیم، متغیرهای محل جغرافیایی شعبه، جنسیت، و تعداد افراد تحت تکفل متقاضی هستند.