• 應用

    技術

    物聯網世界 >> 物聯網新聞 >> 物聯網熱點新聞
    企業注冊個人注冊登錄

    大數據應用于健康險的挑戰

    2019-03-26 09:14 Latitude Health村夫日記

    導讀:大數據用于健康險是市場熱議的話題,但什么樣的數據對保險最有價值?以什么形式嫁接大數據和保險能夠體現其效果?市場的經驗是什么?大數據對保險的作用是補充還是顛覆?

    大數據,大數據

    圖片來自“123rf.com.cn”

    【編者按】從現實來看,大數據在保險公司的應用面臨兩個挑戰:一是什么樣的數據運用到保險上才會有用。二是大數據需要以什么樣的方式用于保險。

    本文發于Latitude Health村夫日記,作者Latitude Health;經億歐大健康編輯,供行業人士參考。


    大數據用于健康險是市場熱議的話題,但什么樣的數據對保險最有價值?以什么形式嫁接大數據和保險能夠體現其效果?市場的經驗是什么?大數據對保險的作用是補充還是顛覆?

    首先是大數據的來源問題。保險公司很難得到全面的用戶數據,如果僅基于理賠數據來做分析,會面臨幾方面問題。第一是數據不全面。理賠數據中所包含的患者醫療信息只是醫療數據的一部分,尤其在診斷信息上,理賠數據只包含簡單的診斷結論,缺乏詳細的診斷方案

    且理賠數據只包含保險公司與醫療機構有支付關系的項目,一些項目沒有涵蓋其中。

    第二個問題是數據不連續性。即使在美國這樣成熟的商業保險市場,團體用戶兩三年換保險公司也很常見,個人用戶則可能因為價格、保障面等多方面因素,更頻繁地更換保險公司。由于之前理賠數據的缺乏,保險公司無法保證連續的數據來推斷用戶或者團體的風險。

    第三,數據滯后。理賠數據有幾個月的滯后,無法反應當下的情況,如果保險公司要基于此做出干預,則無法準確判斷用戶當下的健康狀況和所需的行動。如果只是根據歷史數據進行趨勢分析,則可能在某個節點上缺乏最接近的幾個月的數據而造成數據不全。

    從以上三個方面來看,用理賠數據來做大數據分析有相當大的缺陷。如果要用理賠數據來分析用戶風險并定位到單個用戶或團體,用戶進行健康干預以及未來醫療費用預測,則面臨的問題是數據不連續、不全面以及滯后所導致的無法顯示個體或團體健康問題全貌。如果要以這些數據為基準去推算疾病風險、開支增長趨勢,并用于產品設計,則所用的數據也并不全面,且很可能不能反映當下的趨勢。

    其次,大數據需要以什么樣的方式用于保險。美國商保公司Clover Health對用戶給出不同的風險系數,進而進行干預,比如致電用戶提醒其檢查。但這種干預模式有兩個難點。一是成本很高。核心原因就是干預的過程是一個個性化過程。比如對一個心臟病患者,在不同階段的干預需求不一樣,而對于不同種類疾病的用戶,干預等于建立一套新的疾病管理流程,所需成本相當高。此外,數據分析可以通過一套系統和模型來進行,而后續方案的設計則需要人工投入,尤其是專業投入,成本也相當大,對于一家會員人數本身就不高,且理賠率很高的小型保險公司,要維護這樣的數據分析業務壓力很大。

    二是干預的效果到底有多少,目前無論是大保險公司還是Clover Health這樣宣稱以大數據見長的新型保險公司,都沒有成熟模式來量化干預的效果。而且從以往的經驗來看,保險公司主導的干預辦法由于缺乏醫生和醫療機構的直接參與,在干預上有很多脫節點,效果并不好。用戶的病情有不同的階段,而不同階段所需要的健康管理者是不一樣的,比如剛出院需要密切跟蹤階段需要主治醫生的直接介入,而之后可能更需要的是護理者來關注其恢復情況,等病情穩定后,則轉給家庭醫生進一步隨訪。如果沒有這些服務者的參與動力,僅憑保險公司的團隊無法保證干預效果,對于直接控制費用的效果的體現則更加難。

    因此,從上面兩方面的原因來看,保險公司用理賠數據來進行大數據分析和干預的辦法,還沒有能夠直接體現到費用控制的效果上,這一方面是因為保險公司理賠數據本身用于分析有很大缺陷,另一方面是干預的過程由于缺乏醫療服務者直接參與而難以看到效果。

    事實上,有助于體現用戶真正健康風險,并能夠做出有效干預的數據是來自服務方為主的數據,這些數據的來源主要是電子病歷,其中包括了比理賠數據更詳細的診療數據,還有檢查、用藥數據,以及病患的手術史、過敏史、用藥副作用等用戶數據。

    保險公司本身的理賠數據做大數據分析有相當大的缺陷,且效果也很難體現。真正有意義的醫療大數據是醫療服務機構的病歷數據,這些數據有助于體現用戶實時的健康狀況,花費變化,健康風險指數變化,并基于這些更為精準的數據,可以進行未來花費、風險的預測,以及設計并執行干預模式。由醫療機構作為干預的執行方會更為有效。 

    由此得出的結論是,大數據對于保險公司確實有意義,但必須明確兩點:

    大數據的來源是什么,理賠數據并不是最有效的數據源,更有價值的數據源是病歷數據,其更為連貫,而且全面。

    大數據分析所得出的結論需要怎樣運用,在干預的時候必須要醫療服務方參與才能體現效果,而要醫療服務方有動力參與其中,必須有政策來引導支付方,從而逼迫服務方產生管理病人費用的動力才行。

    在這兩點必須的要求下,可以看到大數據在保險中的運營必須滿足很多條件,而其中數據的來源、干預模式是最核心的,要滿足這兩點需要龐大的用戶基數,和醫療機構的合作關系,以及足夠的財力來搭建團隊,并不是小保險公司適合做的。

    同時,大數據業務是作為傳統保險業務來更好地控制風險、控制長期開支、以及完善用戶管理的一種手段,是一種傳統業務的補充,并不能作為一種顛覆傳統保險模式的手段。


    75秒快3网址