کشف تخلفات

پیشینه و اهداف: با توجه به رشد روزافزون فنّاوری اطلاعات و کسب وکارهای مبتنی بر داده و روند رو به رشد اطلاعات در پایگاه های داده، صنعت بیمه نیز به عنوان یکی از کسب وکارهای یادشده با حجم انبوهی از اطلاعات ذخیره شده روبه رو است. این حجم انبوه داده ها شرکت های بیمه ای را ملزم می سازد تا با شیوه های داده کاوی، دانش موجود در پایگاه های داده را کشف کنند. ازسوی دیگر توسعه روش های نوین داده کاوی و کشف الگوهای پنهان در پایگاه های داده به سرعت رو به افزایش است.روش شناسی: در این مقاله با هدف بررسی جامع بر کاربرد داده کاوی در صنعت بیمه دنیا، جدیدترین مستندات علمی مربوطه در چهار سناریوی مختلف شامل تحقیقات صنعت بیمه، داده کاوی در بیمه، کشف تخلفات و ریسک در بیمه از وب سایت علمی Web of Science دریافت و با رویکرد علم سنجی تحلیل و بررسی شده است. نتایج به دست آمده نشان می دهد رشد داده های موجود در شرکت های بیمه و شناسایی ریسک و فاکتورهای آن، شرکت های بیمه و پژوهشگران را به بررسی روش های نوین مدیریت پایگاه های داده و داده های بزرگ و همچنین شناسایی ریسک و فاکتورهای آن با استفاده از شیوه های داده کاوی ملزم می سازد.یافته ها: بدین منظور برای تسهیل در تحقیقات پژوهشگران آینده و استفاده از مطالعات پیشین داده کاوی در صنعت بیمه، در این مقاله شبکه هم استنادی کشورهای مختلف و معتبرترین مجلات علمی براساس شاخص ارزیابی استناد به مقالات معرفی شده است.نتیجه گیری: در نتایج این مقاله فهرست مجلات معتبر علمی و موضوعاتی را که در هریک به طور تخصصی به آن پرداخته شده، ارائه کرده ایم تا مرور ادبیات جامع در این مقاه مروری مسیر مطالعات آینده صنعت بیمه را هموارتر سازد. همچنین رتبه بندی برترین کشورهای جهان که متمرکز بر مطالعات داده کاوی در صنعت بیمه بوده است، آورده شده و رتبه ایران در میان سایر کشورها نیز مشخص شده است. استفاده از مطالعات و مجلات علمی معتبر می تواند راه پژوهش های آینده را در پیشرفت این مطالعات در صنعت بیمه ایران را هدفمندتر کند.

زمینه و هدف : امروزه مقابله با تخلفات سازمانی در حوزه های مختلف سازمانی به چالشی اساسی تبدیل شده و استفاده از هوش مصنوعی می تواند راهگشای مشکلات موجود باشد. از این رو این پژوهش با هدف طراحیِ الگویِ هوشمندِ پایشِ تخلفات سازمانی در فراجا با استفاده از هوش مصنوعی انجام شد. روش شناسی: تحقیق حاضر از حیث ماهیت کاربردی و از لحاظ روش، به صورت کیفی انجام شد. مشارکت کنندگان شامل 17 نفر از صاحب نظران و خبرگان در حوزه های نظارت و  بازرسی و فناوری های نوین در فراجا بودند. با بهره گیری از روش نمونه گیری هدفمند در دوازدهمین نفر اشباع نظری حاصل شد. برای تجزیه و تحلیل اطلاعات از روش تحلیل مضمون و الگوریتم های هوش مصنوعی مانند یادگیری ماشین، پردازش زبان طبیعی، خوشه بندی، تحلیل شبکه های عصبی و بهینه سازی برای پردازش و تحلیل داده های کیفی، شناسایی الگوها و استخراج معیارهای کلیدی استفاده شد. روایی محتوایی از طریق تأیید و بررسی داده ها توسط متخصصین مختلف در زمینه های مرتبط و پایایی از طریق استفاده از روش تحلیل محتوای کیفی و الگوریتم های تحلیل داده به دست آمد. برای اطمینان از صحت و دقت نتایج، از تحلیل های مقایسه ای و شبیه سازی های رایانه ای با استفاده از تکنیک های هوش مصنوعی استفاده شد. یافته ها : نشان داد که در فرایند تدوین الگوی مربوطه بایستی تعداد 30 معیار ارزیابی، 6 مولفه ساختاری و 2 پارامتر کلیدی مد نظر باشد. مولفه های ساختاری عبارت بودند از: 1-  پایش عملکرد کارکنان، 2- نظارت بر رفتار مالی، 3- کنترل ارتباطات دیجیتال، 4- کشف ناهنجاری های رفتاری، 5- تحلیل شبکه ای ارتباطات و 6- پایش اسناد و داده های سازمانی. نتایج: نتایج این تحقیق نشان می دهد که به کارگیری هوش مصنوعی در فراجا می تواند به طور مؤثر به پایش و پیشگیری از تخلفات سازمانی کمک نماید. کارکردهای هوش مصنوعی قادرند به شبیه سازی الگوهای مجرمانه، تجزیه وتحلیل رفتارهای غیرعادی و شناسایی تخلفات در زمان واقعی بپردازند. پیاده سازی سیستم های هوشمند نظارتی و بهره برداری از تکنیک های تحلیلی همچون تحلیل شبکه ای و شبیه سازی می تواند موجب بهبود شفافیت، مسئولیت پذیری و اثربخشی در فراجا شود و زمینه های فساد و تخلف را به طور چشمگیری کاهش دهد.