健康险“后市场”:大数据如何进行风险管控

健康险“后市场”:大数据如何进行风险管控
2019年10月08日 10:46 今日保2017

健康险的火热亦带动着整个产业链后端的繁荣,打开繁荣之门之后,是一幅全链条繁荣的火热生产车间。

风控、核保、理赔,保险细分赛道日渐繁荣,健康险的整体繁荣为第三方技术公司的出现和发展提供了土壤,第三方技术公司对于健康险公司的发展意义重大,从最基础部分的IT系统规划与实施,保险产品设计阶段的市场调研、数据支持,产品和渠道管理,客户关系维护;到核保、核赔两核业务,医疗服务网络的搭建,快赔直赔体系建立;以及日常健康咨询需求应答、健康管理等,都需要第三方的参与。更有科技内核、更有效、更能反哺B端的服务正成为赛道里跑赢其他对手的关键因素。

9月4日,栈略数据首席运营官郝磊在《今日保》主办的第二届“中国健康保险与健康产业发展论坛”上,以“医疗健康险大数据风控实践实例”为主题,从业务一线的案例实践拆解了大数据风控究竟能给健康险带来哪些价值。

以下为郝磊在“第二届“中国健康保险与健康产业发展论坛”上的演讲实录:

我将为大家分享一些来自我司在健康险风控领域的应用实例。我们公司栈略数据,主要从事医疗健康险风控理赔业务。主要分为社保和商保两条业务线:社保业务线,我们与各地的医保经办机构、保险公司等一起合作,提供医保基金风控、经办管理等相应的服务;商保业务线,我们提供健康险的理赔全流程服务,包括从数据采集、报案,理赔风控,自动化理算到最后的结案,以及提供智能风控系统。

目前高速发展的健康险,其行业痛点集中在风险管控环节。众所周知,健康险理赔是一个较长的流程链条,对于保险公司而言,存在着人工投入大、效率低、理赔欺诈严重、经验迭代慢等问题。能否高效识别理赔工作中的风险点、及时发现高风险行为是控制赔付率和赔付金额的关键。

1风控实践—图谱、基线、标签和反欺诈

栈略数据具体是如何做健康险和社保业务风控理赔?

首先,我们从风控的基础知识图谱、医疗数据基线讲起。栈略数据医学团队通过公开渠道整理归纳了40万条医保“三目录”,20万药品信息,涵盖适应症、禁忌症、用法用量、配伍、用药安全等170万条规则明细信息。我们将理赔数据进行分析,得到以下的医疗数据图谱,将大数据归一到一起,观察数据的形态。通过BI工具反应一个保险公司理赔的发病率情况、理赔的分布情况。

通过知识图谱,可以从疾病人群、药品信息、诊疗费用、就诊分布等角度切入,洞悉疾病演化的整个生理周期。以糖尿病为例,可分析出不同阶段的糖尿病人群画像,掌握糖尿病患者演化周期及并发症的种类和概率。当理赔案件导入风控系统后,数据解析参保人/被保险人的就诊行为,从花费金额、诊疗数量、就诊频次、用药数量、就诊医院数量多维度筛出异常案件,并对输出结果进行标签标注和风险评估。同时,系统支持核赔专家根据经验自定义创建规则,有效地将机器学习融合专家经验,有利于智能沉淀和模型优化。

在系统界面里,我们以几何图形来表达某种病症的疾病图谱。比如,圆形代表和冠心病相关的疾病图谱,所有和冠心病相关疾病的用线连基础,线越粗关联度越大,圆形颜色越深说明疾病发病率越高,每个疾病下面有男女、患者群体费用和住院情况。

接下来,我们会运用一些大数据算法,进行异常检测,筛选出就医逻辑和就诊轨迹和同级别患者出入较大的案件,随后核赔人员根据机器输出结果进行标签标注和风险评估。另外,系统支持核赔人员对理赔案件设置权重,每个保险公司可根据自己的业务情况、承保团体情况、渠道情况来设置关爱偏好,比如我想住三级医院、二级医院情况,或者不想看到老年人的情况,或年青人的情况,甚至不想看到哪个团体通过设置来调整权重。对于经验丰富的核赔专家,我们的系统前台也提供了一个工具,让核赔专家根据自己的偏好创建规则。

在我们常见的产品形态里,我们会提供给保险公司风控审阅界面和相关运营管理工具,帮助保险公司将过程管理提升到数字管理,提供数字看板给相关管理者,了解整个核赔情况,数据质检及问题件处理情况,理算过程等。

2案例分享

下面我给大家分享一些有意思的案例。

案例1:伪造病历。

伪造病历行为,体现在就诊轨迹雷同,呈现出批量同病症患者同天入院、出院的迹象。

案例2:伪造处方。

某被保险人上传了30号的门诊处方,进行了一次保险索赔;第二次他把这个处方PS了一下,改成了31号又一次申请理赔。

由这些风险实例我们了解到健康险反欺诈的一些大数据手段,随着技术的不断深入,我们将有机会探索到健康险理赔端更丰富的数据内涵。精准识别风险,打击医疗欺诈行为,其实是对公正医疗秩序的维护。我们每个人都期待着更加公平可及的医疗保障,希望与在座的医疗健康界同仁,共同努力,谢谢!

财经自媒体联盟更多自媒体作者

新浪首页 语音播报 相关新闻 返回顶部