사회복지 사기 적발로 수백만 달러를 절약하고 시민의 신뢰 강화

미국 로스앤젤레스 카운티는 SAS^®를 사용하여 부정행위를 탐지함으로써 손실을 줄이고, 조사 비용을 절감하고, 시민의 신뢰를 높였습니다.

로스엔젤레스 카운티의 공공사회서비스국(DPSS)은 시민의 경제적 어려움을 완화하고, 건강을 증진하고, 개인의 책임의식과 경제 자립 능력을 향상하기 위한 다양한 프로그램을 운영합니다. 도움이 필요한 여러 그룹을 대상으로 임시 생활비 지원, 취업 서비스, 무료/저가 건강보험, 식료품 지원, 노인과 장애인을 위한 재가 간병인 서비스, 기타 자금 지원을 제공하고 있습니다.

LA 카운티는 CalWORKs 1단계 보육 프로그램 운영의 건전성을 높이기 위한 노력의 일환으로 잠재적인 복지부정을 파악하고, 조사를 강화하고, 부당 지급을 방지하기 위해 SAS^® 분석 솔루션을 도입했습니다. 파일럿으로 진행한 데이터 마이닝 프로젝트에서 공모 사기 행위에 대한 탐지 정확도가 85%로 나타났으며, 미화 680만 달러의 예산을 절감할 수 있는 것으로 확인됐습니다. 이러한 결과를 바탕으로 카운티는 2011년 5월, CalWORKs 1단계 보육 프로그램을 위한 데이터 마이닝 솔루션(Data Mining Solution, DMS) 애플리케이션을 구현하는 프로젝트를 진행했습니다. 이를 통해 사기에 적극 대처함으로써 지역사회의 가장 취약한 계층을 보호하는 동시에, 납세자들의 세금 수백만 달러를 지킬 수 있었습니다.

데이터 분석으로 복지부정 패턴 파악

복지부정 사례로는 존재하지 않는 직원이 존재하는 것처럼 허위로 신고하는 고용복지 청구 등이 있습니다. 또한, 사기 조직단이 기업을 설립해 자신의 자녀가 존재하지도 않는 어린이집에 다니는 것처럼 허위로 청구하는 경우도 있습니다. 때로는 범죄자들이 허위 또는 청구된 기간보다 짧은 근무 기간을 신고하는 일도 있습니다.

복지부정 방지에 나선 LA 카운티는 먼저, 수많은 내외부 데이터 소스를 통합하여 예측 모델을 구축하고 실행하기 위한 데이터 통합 솔루션과 강력한 분석 엔진을 도입했습니다. 그리고 소셜네트워크 분석을 통해 어떤 복지 수급자와 보육 서비스 제공자가 부정수급 행위에 가담하고 잠재적으로 큰 재원 손실을 초래할 가능성이 가장 높은지 예측할 수 있게 되었습니다.

또한 보육 서비스 사용의 이상 징후를 탐지하도록 설계된 예측 모델과 피어 그룹 분석을 사용하여 고위험군 스코어를 개발함으로써 조사관에게 할당되는 오탐지 사례를 줄였습니다. 이 시스템은 예측 모델을 사용하여 소셜네트워크를 분석하고, 보육 프로그램을 대상으로 한 보육 부정수급 및 사기 네트워크의 공모 가능성을 평가합니다. 소셜네트워크 분석은 공모 사기단이 저지른 추가 범죄를 파악하는 데도 도움이 됩니다.

LA 카운티는 SAS 데이터 마이닝 기술과 소셜네트워크 분석, 예측 분석, 규칙 관리, 예측 기술을 통합했습니다. 또한 SAS Business Intelligence를 사용하여 복지부정 사건에 관한 정보를 모니터링하고 공유하기 위한 관련 보고서를 취합 및 사용하는 정보 포털을 만들었습니다. 조사관들은 복지부정 행위의 과거 패턴을 식별하여 복지부정 가능성이 상대적으로 높은 사례에 집중할 수 있습니다. 이와 같은 변화를 통해 업무 프로세스의 효율성이 향상되면서 복지부정 조사관은 고위험군 사례를 검토하는 데 더 많은 시간을 쏟을 수 있게 되었습니다.

범죄 모의를 밝히고, 조사관에게 권한 부여

SAS의 분석 모델로 DPSS의 복지부정 방지 및 조사국(Welfare Fraud Prevention & Investigations, WFP&I) 직원들은 계약 기관이나 다른 기관의 의뢰를 기다리는 일 없이, 훨씬 이른 시점에 의심스러운 사례를 식별하고 신속하게 검토 작업을 수행할 수 있습니다.

DMS는 범죄 모의 집단을 조기에 탐지하여 부정수급 행위 기간을 크게 줄였습니다. LA 카운티는 부정수급 가담자와 보육 제공자의 관계성을 시각적으로 보여주는 네트워크 맵을 제작했습니다. 그리고 소규모 네트워크가 다른 보육 서비스 제공자와 공모자가 포함되어 있는 더 큰 규모의 범죄 네트워크의 일부에 해당하는지 여부를 조사했습니다. 그 결과, 강력한 중심 노드들을 발견했으며, 그 중 한 가지 사례에서 특정 보육 서비스 제공자가 부정수급 활동에 공모 중인 수많은 참가자 노드를 거느리고 있는 것을 발견했습니다.

네트워크 맵에서 복지부정 조사관들이 가장 유용하다고 느낀 것은 소셜네트워크 분석의 관계성 표시였습니다. 이 시각적 표시는 예를 들어, 공통의 전화번호 및 주소지로 연결되어 있는 복잡한 관계망을 보여줍니다. 이러한 보육 수급자 및 보육 제공자 네트워크에 즉시 액세스할 수 있게 되면서 복지부정 조사관은 업무 준비에 소요되는 많은 시간을 절약할 수 있었습니다. 한 조사관은 "표시된 이 모든 관계를 예전과 같은 시스템에서 직접 밝혀내려면 몇 달에서 몇 년까지 걸렸을 것"이라며 다음과 같이 덧붙입니다.

"지금은 한 가지 사례 위에서 마우스를 클릭하면 몇 주, 어쩌면 몇 달이 걸렸을 추가 증거로 이어지는 단서를 금세 확인할 수 있습니다. 여기에는 잠재적으로 허위 신고된 고용주의 주소와 이름, 잠재적인 2차 거주지 주소와 같은 증거가 포함되어 있습니다. 또한 이 시스템은 제가 의심하는 용의자와, 다른 두 건의 사례에서 다른 두 명의 용의자 간의 연관 관계도 보여줍니다.”

10명이 가담한 범죄모의 조사의 종결을 앞두고 있던 한 조사관은 소셜네트워크 분석에 유력 용의자의 이름을 넣어 분석한 결과, 분석을 하지 않았다면 발견하지 못했을 잠재적인 공범자 7명을 추가로 찾아내기도 했습니다.

높은 투자 수익, 귀중한 성과

2011년 5월부터 2015년 5월까지 다음과 같은 조치가 진행되었습니다.

• 88건의 사례가 지방검사에게 회부되어 중범죄로 기소되었습니다.
• 941건의 DMS 조사 의뢰가 실제 조사로 이어졌습니다.
• 사회복지사에게 전달된 의뢰 가운데 1,538건이 후속 조치를 위해 제출되었으며, 그 중 879건은 다음 중 한 가지 이상의 결과로 이어졌습니다.
  • 보육 부정수급 이외의 사기 혐의로 사기 회부
  • 각종 공공 지원 혜택 거절/종료/감소
  • 초과금 지급
  • 의료 비용 분담

DMS를 배포한 이후 LA 카운티는 업무 효율성을 크게 개선하고, 더 많은 부정행위를 적발하고, 조사 업무에 속도를 높일 수 있었습니다. 한 달에 약 10~15건의 사례가 의뢰되며, 그 중 40% 이상에서 복지부정 혐의가 입증되었습니다. 이를 통해 LA 카운티는 재원을 회수하고 복지부정에 대한 지급을 방지할 뿐만 아니라, 대규모 공모 사기단이 조직되어 심각한 피해를 입히기 전에 이를 최소화할 수 있었습니다. 그 비용 절감 효과는 헤아릴 수 없을 정도입니다.