Oswald Regular
OpenSans Regular
背景相似、理念各异
两家大型医疗保健公司面临着相似的数据问题,却各自选择了不同的解决方法。

Ab Initio 项目形式多样、规模有大有小。多数情况下,项目的业务和技术目标都相对明确,这样制定的计划也就从头到尾符合要求。但是,这并不意味着所有项目都很简单,庞大而复杂的项目比比皆是。就如同建设一架吊桥,项目本身可能巨大而艰难,但起点、终点及要克服的困难都相对明确。

但是,还存在这样的项目:目标宽泛,只有实现目标后才能确切声明项目获得成功。此类项目与终点明确的建筑项目不同,其项目本身只是一段探索的旅程。

如今,美国的医疗保险管理正处于动荡时期,无人知晓改革将走向何方。Ab Initio 正在帮助几家大型医疗保险提供商探索其改革之道。下面是 Ab Initio 为两家公司所做的工作。

案例一:会员管理的复杂性

医疗保险提供商面临的重要问题之一就是会员管理。显而易见,对于公司来说,健康会员的利润率远高于健康状况较差的会员。问题是,医疗保险提供商通常不能选择会员,其中道理也不言而喻,如果他们试图这样做,势必会在社会上引起轩然大波。

Ab Initio 正在帮助一家医疗保健提供商(Health Care Provider,简称为“HCP”)积极应对这个问题。首先,确保健康会员对 HCP 的客户忠诚度。其次,帮助健康会员保其健康的身体状态。第三,找出那些可以使用低成本一般药物的会员,使其了解这一可行的选择。第四,积极引导健康状况较差的会员及早诊断,因为早发现早治疗会大幅度节省总成本。最后,对于那些自行支付部分为大额的会员,考察其是否适用于享受国家 Medicare B 部分的福利,如果适用则引导他们转入 Medicare,在这种情况下,HCP 也可以降低成本。

这些目标似乎有些模糊,毕竟不存在单一或明显的方式来实现这些目标,Ab Initio 正在帮助 HCP 调查并实施多种 IT 方法。这些工作主要围绕信息采集、集成、分析及规则制定,并在与会员交互的系统中执行这些规则。

首先,Ab Initio 建立了一个用于定义和执行大量复杂规则的框架。这些规则将被应用于每位会员的个人信息。这些规则对会员进行划分(健康的、不太健康的、亚健康的……)。系统分别标记划分为各个类别的会员,以采取对应的措施。

“会员”可能要比个体更为复杂,会员的保险计划可能是家庭计划,覆盖所有家庭会员。HCP 要想更好地理解其客户群体,会员的分类也必须相应变化,HCP 为会员提供的服务也不断发展、变化。

实践是检验真理的唯一标准。构建项目、进行测试的速度越快,作出想法决策的速度就越快。Ab Initio® 为 HCP 构建的框架允许 HCP 将各种关于会员的复杂数据汇总为“会员信息”,然后对其应用复杂的规则集,并在短时间内完成所有规则的构建和测试,从而使得迅速验证各种假设的想法成为可能。

规则和数据都可能非常复杂,因此理解这些结果就会有一定的难度。通过 Ab Initio Business Rules Environment 和 Enterprise Meta>Environment® (EME®),业务用户可以试验规则并立即看到结果,计算可以往回跟踪结算过程,直至回溯到原始数据。

此外,对于业务用户来说,能够以图形方式查看复杂的系统对制定决策异常关键。用户确定了规则变化并完成初始测试后,立刻就可以对整个会员群体运行新规则,进行完整的分析。借助 Ab Initio Co>Operating System 高超的原始性能,HCP 不仅可以快速测试运行情况,而且还使得 HCP 每天都能对所有会员运行其所有规则。

新系统部署之后,HCP 已经认识到将更多的数据从不同的系统中集中起来有利于制定更明智的决策,业务部门意识到现在的策略取决于真正的将其所拥有的所有信息归于一处;这意味着需要大幅扩展其数据仓库(这项系统也由 Ab Initio 构建和维护)。

案例二:代码转换的复杂性

Ab Initio 正在帮助另一家医疗保险提供商探索另外一种问题,将 ICD 第 9 版代码转换为 ICD 第 10 版代码。ICD 代表“国际疾病伤害及死因分类标准”,这些代码在医疗健康行业广泛应用。ICD10 代码和 ICD9 代码内容基本一致,都提供同样的疾病和健康问题代码,只是前者更为详尽。例如,对于“肩膀和上臂的开放性伤口”,ICD9 只有一条代码,但是 ICD10 代码则对该类伤口描述进一步细分,如“表面”、“开放性”、“夹伤”、“截肢”、“脱臼/扭伤/拉伤”和“其他”等信息。由于其用途多种(包括赔偿),医疗保险提供商对这些代码非常关注。代码的分配方式对最终的结果影响很大。

对于已开始着手此类工作的医疗保险提供商,探索工作的第一步是将所有使用 ICD9 代码的应用程序更新为使用 ICD10。系统有大约 1000 条 ICD9 代码,而 ICD10 代码近 50000 条,差异巨大。显然,这是一项繁重的任务。Ab Initio 的元数据优势使得客户得以调查其所有数据集及其所有应用程序的源代码。Ab Initio Data Profiler 可以分析大量的大型数据集,确定数据集中具有 ICD9 代码的字段,以及显示为与 ICD 相关的其他数据元素。Ab Initio 的 EME 代码解析功能可以扫描应用程序源代码,查找出关键动词、字段名称、短语以及类似内容。

Ab Initio 协助客户将所有同类信息汇总于 EME,构建工作流程,使人工查找有用线索并作出是否有效的决策成为可能。

在识别所有使用 ICD9 代码工作进行的同时,团队构建了数据处理应用程序,汇总每个索赔的信息并自动将 ICD9 代码转换到 ICD10。与 ICD9 结合时,数据库中通常有足够的其他信息确保生成正确的 ICD10。不过,这取决于每个数据集,因此可能有很多转换规则,这些规则也可能非常复杂。与案例一类似,正确获取这些规则是一项不小的挑战,Ab Initio 因此为客户制定了一个框架,使得非技术人员能够指定、测试和部署其转换规则。

作为构建转换规则的一部分,该提供商需要考虑所选择的转换映射产生的潜在利润影响。因为会员索赔的其他数据可从根本上改变映射,但该数据却没有用于计算赔偿,因此不存在从 ICD9 “正确”映射到 ICD10 这回事。总而言之,映射策略对企业根本利润影响巨大。

请想象一下,完成整体转换后才发现赔偿其实可以降低 10%,多么令人遗憾,可惜这就是行业当前普遍存在的现象。Ab Initio 为这家医疗保健提供商实现了快速批量转换,对大型索赔数据集进行同样操作,并分析了转换规则对企业利润的影响。现在,企业可以操纵转换过程,确保其利润的最大化,再也不必像从前那样坐等转换项目结束。

未来几年内,无人知晓医疗保险系统的改革将走向何方,但是通过以上两个案例,客户可以依赖 Ab Initio (从人员和技术两个方面)在这条漫长而艰难的改革之路上探索。

English
Français
Español
Deutsch
语言:
简体中文
日本語