Кейс IQ Dev: разработали автоматическую проверку страхуемого, сократили время проверки до 20 мин.

Заказчик

Крупная страховая компания (NDA).

Задача

Сократить время обработки заявок. Автоматизировать и ускорить процесс проверки страхуемых (физ. лица, юр. лица, транспортные средства и полуприцепы).

IT - сфера хороша тем, что ты можешь сегодня настраивать фильтрацию на маркетплейсе бытовой электроники, а завтра уже озаботишься проверкой физ.лица для страховой компании. Многозадачность и разноплановость — наше всё. 

Как Андрей Долгушин (наш тимлид) помогал службе безопасности одной крупной страховой компании расскажем ниже.

На входе: крупная страховая компания (NDA), ручной ввод данных и проверка по базам на предмет: мошенничества, задолженности перед СК, банкротства, участия в ДТП и т.д.

Задачи:

1. Сократить время обработки заявок

2. Автоматизировать и ускорить процесс проверки страхуемых (физ. лица, юр. лица, транспортные средства и полуприцепы)

Весь процесс мы поделили на этапы:

1. Распознавание изображений со сканов документов

2. Автозаполнение данных

3. Проверка данных по внутренним и внешним сервисам

1. Распознавание изображений

Заявки в систему заводятся сотрудниками страховой компании несколькими путями

1. Почта

Создана служебная почта, которая автоматически проверяется на предмет новых писем, из которых уже формируются заявки. Если в письме присутствуют xlsx файлы, то данные файлы уходят на специальный парсер, где проверяется соответствие заданному шаблону и обрабатываются в соответствии с ним.

Если в письме присутствуют изображения, то они добавляются в очередь на дальнейшее распознавание. Все остальные файлы крепятся в заявку как есть. 

Про сам парсер:

Для каждого типа объекта описана «схема» парсера — набор правил (как соотносить поля между шаблоном и заданной моделью данных, их связь между собой, обязательность и правила заполнения).

1. Внутренняя форма на сайте

Сотрудник руками заполняет соответствующие поля. При заполнении он может добавить изображения, они распознаются, минуя очередь и пред заполняют поля, в помощь пользователю. Ему останется только проверить корректность введенных данных и подтвердить сохранение.

Было принято использовать сервис DBrain, сам процесс распознавания поделен на 2 этапа:

• upload (загрузка)
• recognize (распознавание)

Upload (Загрузка).

На первом этапе происходит загрузка файла, получается id задачи в системе DBrain. Т.к. неизвестно какого размера пользователь может загрузить файл, и чтобы не поперхнулся ни dbrain, ни мы, ожидая ответа (а мы помним, что наша задача ускорить процесс обработки), файл предварительно сжимается до определенного размера (примерно до 1 МБ). 

Recognize (Распознавание)

На втором этапе, проверяется готовность выполнения этой задачи и забирается результат распознавания. Но самая большая боль всяких сервисов распознавания — это соответствие исходного и распознанного текста. Чтобы не получить неактуальную «абракадабру» — мы изначально задали, так называемые «настройки уверенности» — настройки, которые позволяют определить уровень распознавания. 

 Итак, мы получили распознанные данные. Что дальше?

2. Автозаполнение данных.

После того как документы распознаны необходимо их соотнести с имеющимися данными и при необходимости объединить. Так, в нашем списке может, например, оказаться несколько документов принадлежащих одному лицу (объекту) и необходимо их объединить, обогатить информацией.

Для каждого документа определен список полей при совпадении по которым он считается эквивалентным другому: для физ.лица — это ФИО и дата рождения, для юр. лица — ИНН, ОГРН и тд. Все данные проверяются и соединяются в карту страхуемого. 

3. Проверка данных по внутренним и внешним сервисам

Проверка — это огромный пласт работы, которую сотрудники выполняли вручную по 7 сервисам. Какие-то проверки проводили сами менеджеры, какие-то отдавали в службу безопасности. Процесс трудозатратен, занимаем уйму времени нескольких сотрудников.

Проверка выполнялась по критериям:

Для физических лиц:

• судимость у страхуемого лица
• проверка страхуемого на наличие информации о мошенничестве (внутренний сервис компании)
• проверка действительности паспорта
• проверка разрешения на работу
• проверка подлинности ВУ
• проверка наличия штрафов и их оплаты
• наличие задолженности перед СК

 Также предусмотрели проверку разрешения на работу: в случае, если клиент является иностранным гражданином - в список требуемых документов для подтверждения платежеспособности добавляется разрешение на работу. Для этого система автоматизировано подает обращения в ГУВМ МВД для получения сведений.

Если у объекта присутствуют водительские права, они также попадут под проверку. Система проверит подлинность прав, их действительность. Сотруднику будет доступен список найденных штрафов с указанием даты, причины и суммы нарушения. 

Если неоплаченные штрафы не были вовремя оплачены и перешли к судебным приставам, то сотруднику также будет предоставлен перечень исполнительных производств.

Пример проверки физ. лица

 *проект под NDA, представлены прототипы

Для транспортного средства и полуприцепов:

• участие в дтп
• проверка по базам розыска
• история регистрационных действий
• лизинг
• использование в такси

Пример проверки ТС

 *проект под NDA, представлены прототипы

Для юридических лиц:

• проверка задолженностей перед СК
• проверка данных в налоговых органах об организации
• соответствие предоставленных сведений и сведений, заявленных в налоговых органах
• статистика платежей

Система собирает данные об объекте: выписки из ЕГРЮЛ, ЕГРИП, участие в судебных делах, задолженностях. Для выполнения поиска достаточно ввести данные компании. Система сигнализирует о ненадежном финансовом состоянии, банкротстве или отсутствии активности.

Статистка платежей.

Предоставили возможность проверки по криетериям:

• оплаченные счета за период
• просрочка платежей с указанием сроков просрочки
• задолженность по платежам

Поскольку у нас уже есть заполненные и предзаполненные данные - передать их во внешние сервисы для проверки достаточно легко. Мы написали rest и soap клиенты и шаблон компонента для вывода информации. Теперь вместо ручной последовательной проверки и передачи еще и в службу безопасности - система проверяет по всем сервисам данные параллельно.

Пример проверки юр. лица

 *проект под NDA, представлены прототипы

А что в итоге?

1. Ускорили процесс проверки заявок и сократили время обработки 
2. Автоматизировали проверки на благонадежность страхуемого для СБ
3. Автоматизировали проверку во внутренних и внешних сервисах на предмет мошенничества, судимости, использования ТС под такси и тд.

Весь процесс регистрации и проверки страхуемого лица занимает теперь 20 мин.