- Инсайты
- Аналитика SAS поможет страховым компаниям
Аналитика SAS поможет страховым компаниям построить комплексную стратегию для снижения убыточности и увеличения продаж ДМС
Степан Ванин, руководитель направления решений для страхового сектора SAS Россия/СНГ
Как применять углубленную аналитику и машинное обучение в медицинском страховании? Представленные в статье бизнес-кейсы ориентированы в первую очередь на получение дополнительного экономического эффекта на каждом из этапов работы с клиентами в добровольном медицинском страховании – от продаж и андеррайтинга до урегулирования убытков.
Компания SAS стала единственным приглашенным вендором на конференции журнала «Деловой эксперт» для специалистов в области медицинского страхования. «В ходе подготовки к конференции выяснилось, что SAS – пока единственная компания на российском рынке, предлагающая системный, отработанный на практике подход к оптимизации бизнес-процессов в ДМС с помощью технологий углубленной аналитики», - комментирует Степан Ванин, руководитель направления решений для страхового сектора SAS Россия/СНГ.
Опыт и подход SAS к комплексному снижению убыточности и повышению продаж был продемонстрирован участникам конференции на конкретных бизнес-кейсах, некоторые из которых уже реализованы в крупнейших российских страховых компаниях.
Бизнес-кейсы были разделены на несколько групп:
- Увеличение продаж – в первую очередь, за счет автоматизации рутинных задач продавцов и смещения акцента в их работе на персональное общение с потенциальными клиентами.
- Снижение убыточности за счет повышения точности оценки рисков на этапе андеррайтинга – как в части клиентов (за счет увеличения точности расчета тарифов благодаря включению в анализ информации из внешних источников), так и в части партнеров-ЛПУ (за счет более точной, многофакторной оценки рисков, связанных с качеством лечения в конкретной клинике по конкретным направлениям оказания медпомощи).
- Снижение убытков за счет интеллектуального управления потоками застрахованных (отправки пациентов к «хорошим» врачам в «хорошие» ЛПУ, превентивной профилактики пациентов с большим риском возникновения серьезного заболевания и т.п.).
- Снижение убытков за счет повышения эффективности урегулирования убытков, в первую очередь за счет автоматизации выявления неправомерно оказанных медуслуг на этапе медицинской экспертизы и последующего перераспределения освободившегося времени медэкспертов для проведения выездных проверок ЛПУ
Большую часть аудитории мероприятия составляли медицинские эксперты, которые отвечают за урегулирование убытков и принимают решение, компенсировать или нет клиникам расходы на оказанные услуги. Возникшая во время выступления SAS оживленная дискуссия показала, что наиболее важные точки приложения углубленной аналитики для них – построение справочников медуслуг и выявление неправомерно оказанных медуслуг.
«Как оказалось, решение этих задач сегодня волнует многих экспертов из ДМС. Вместе с тем, при их практической реализации возникает множество неочевидных вопросов. Некоторые вопросы технологические: какие алгоритмы текстовой аналитики нужны для стандартизации неструктурированных наименований медуслуг? какой алгоритм машинного обучения лучше других распознает неправомерно оказанную медуслугу? Некоторые – методологические: как спроектировать справочник, с которым будут сопоставляться медуслуги? куда эффективнее всего перенаправить ресурсы медэкспертов, освобождаемые за счет автоматизации проверки медуслуг с помощью аналитических моделей? Наконец, многие эксперты давно интуитивно осознали пользу от решения указанных задач, но не торопятся с этим в ожидании ответа на самый важный вопрос – вопрос об экономическом эффекте от использования технологий машинного обучения. Закономерно, что участникам конференции был интересен наш опыт в этой области», - говорит Степан Ванин.
Ключевые кейсы
Наибольший интерес среди слушателей вызвали следующие кейсы:
- Стандартизация наименований медуслуг (построение справочника медуслуг)
Принятие большей части оперативных решений при урегулировании убытков в ДМС опирается на статистику оказания различных услуг в разрезе ЛПУ, пациента, клиента. Однако на сегодняшний день такую статистику чрезвычайно сложно посчитать. Связано это с тем, что при работе в системе ДМС ЛПУ называют одну и ту же медуслугу разными наименованиями. При этом в ДМС (в отличие от ОМС) не существует единого стандарта – справочника – для наименования медуслуг. И даже если бы такой справочник был – не ясно, как соотносить с ним огромный поток услуг от ЛПУ (к тому же с постоянно меняющиеся наименованиями). Технологии текстовой аналитики SAS позволяют решить сразу обе эти задачи. «На одном из проектов по внедрению решений SAS мы построили справочник, в котором только для отделений стоматологии содержится несколько сотен категорий услуг. Такая детальность позволяет учесть в справочнике тончайшие нюансы медицинской и бизнес-логики оказания услуг в ДМС. Это, в свою очередь, повышает точность решений медэкспертов, которые базируются на сути медуслуг, оказываемых ЛПУ (снять или компенсировать услугу; в какое ЛПУ поехать с выездной проверкой на следующей неделе и т.п.»), - комментирует Степан Ванин.
- Автоматическое выявление неправомерно оказанных медуслуг
Является ли услуга, оказанная пациенту, необходимой для лечения его заболевания? На этот вопрос в страховых компаниях сейчас отвечает целый отдел высококвалифицированных медэкспертов. Более половины рабочего времени они тратят за быстрым просмотром счетов с перечнем услуг, приходящих от ЛПУ. При этом анализ правомерности оказания производится не более чем для половины услуг,а изучение контекста оказания конкретной услуги происходит достаточно поверхностно.
Вместе с тем, использование аналитических моделей для выявления неправомерно оказанных медуслуг легко устраняет оба недостатка типового процесса. Во-первых, модель тратит тысячные доли секунды на просмотр одной медуслуги, позволяя обрабатывать весь поток услуг. Во-вторых, анализ гарантированно будет гораздо глубже экспертного, т.к. модель учтет тысячи факторов, которые характеризуют каждую услугу. В результате модель будет отбирать для финальной экспертной проверки только услуги, максимально похожие на ранее выявленные неправомерно оказанные. Поток услуг для экспертной проверки сократится в десятки раз. А освободившееся от рутинных проверок врачи могут проводить гораздо больше времени на выездных врачебных проверках. - Автоматический разбор тендерных заданий
Какие клиники должны быть доступны сотрудникам компании в рамках договора ДМС? От каких заболеваний они должны иметь возможность лечиться? На эти вопросы специалисты по продажам в ДМС получают ответ по итогам нескольких дней ручного разбора тендерного задания – набора документов, который присылает клиент и который описывает его потребности.
Технологии углубленной аналитики позволяют автоматизировать разбор потока тендерных заданий на 90-95%, сократив срок изучения заявки от клиента с недели до нескольких десятков минут. Освободившееся от рутины время специалисты по продажам смогут посвятить персональному общению с клиентами – тому, в чем состоит истинный смысл их работы.
Об авторе
Степан Ванин — работает на должности руководителя направления решений для Страхового сектора. Имеет 7-летний опыт работы в области повышения эффективности бизнес-процессов компаний финансовой, государственной и нефтегазовой отраслей с помощью технологий углубленной аналитики. Начинал карьеру в отделе инновационных разработок компании Роснефть, где за 2 года принял участие в создании систем для оптимизации проектов разработки нефтяных месторождений и интеллектуального интегрированного планирования.
В компании SAS с 2013 года, где изначально специализировался на задачах монетизации внешней информации о клиентах компаний. За это время участвовал в проектах внедрения аналитической платформы SAS в крупнейших компаниях финансового сектора. Последние 2 года развивает направление комплексного применения аналитических технологий SAS во всех областях страхового бизнеса (розничном страховании, страховании ЮЛ, медстраховании и пр.).
Окончил Московский физико-технический институт.
Рекомендуем прочитать
- Article Управление качеством данных: что вам нужно знатьКачество данных не является хорошим или плохим, высоким или низким. Это диапазон или показатель работоспособности данных, проходящих через вашу организацию.
- Article Визуализация данных для отслеживания распространения коронавирусаSAS считает, что в такое нестабильное время очень важно иметь надежные источники информации о вирусе. Поэтому SAS создал отчет, который отображает состояние, местоположение, распространение и анализ тенденций развития коронавируса.
- Article ИИ в производстве: новые возможности для информационных и операционных технологийОпрос об ИИ показывает, что лидеры и первопроходцы в ИИ достигают значительных успехов, выявляют и расширяют возможности работы с ИИ, используя все больше и больше отделов в своих организациях.
- Article Агробизнес и современные технологииКак можно повысить эффективность бизнес-процессов, начиная с производства и заканчивая хранением и сбытом, с помощью информационных технологий?