解决方案

医保行业解决方案

一．当前医保行业在数据处理中的问题

1.数据不完整： 由于商业保险公司未能与绝大部分医院进项联网结算 , 理赔信息仍需根据参保人提供的费用单据手工录入 , 费时费力 . 而保险公司为了节省费用 , 经常只录入费用类别 ( 如医药费、检查费等 ), 从而无法提供医疗费用明细供深度数据挖掘。 

2.信息不准确： 即便是政府医保系统中的理赔数据，也普遍存在诊断信息不精确，或医生根据所开药品而人为添加诊断等现象。 

3.缺乏标准化： 药品、手术、检查项目等往往无编码，即便有也通常因地而异甚至因医院而异，缺乏统一编码。这样的数据质量大大的影响了大数据分析的应用。显然，解决以上问题的根本在于提高原始数据的质量。在现有数据条件下，专业的分析技术可以用于弥补信息缺失或不准确造成的弊端。比如可以根据所用药品、手术及检查项目判断诊断的准确性甚至补足缺失的诊断。同样，数据标准化问题归根结底需要建立并实施全国标准编码系统，包括诊断、药品、手术、检查、操作、耗材等。在此之前，应用庞大的临床字典库及人工语言分析等专业技术可将绝大部分编码工作自动化。

4.信息共享法规不健全：与信息共享相关的政策和法律尚未健全。 医疗领域各类数据信息的所有者是谁，谁又具有使用权，使用中有何限制，如何保护个人隐私等均无明文规定。这一方面限制了数据共享、不同数据之间的链接、及数据分析的广泛应用，另一方面导致个人隐私的泄漏。只有尽快建立具体的政策和法律支持，才能在保护个人隐私的前提下促进信息交流与共享，最大发挥大数据分析在行业中的价值。

二．北京泓维明昊科技有限公司医保行业商务智能解决方案背景

在科技发展日新月异的今天，医保管理必须紧紧围绕科学发展观指导思想，深化改革管理模式，创新服务理念，大力发展优势技术，为广大人民群众提供一流的技术、一流的医保社保服务环境、一流的设备、一流的人才、创一流的品牌，为卫生事业的发展做出更大的贡献。

为此需要建立一套功能强大的集数据分析、报表生成和信息传输的数据分析与决策支持系统。它必须要整合医保社保长期采集和存储的大量多样化数据，转化为日常工作中可以利用的有意义的数据。可提供的多种格式报表、图表和分析型应用模型，满足不同用户的个性化需求，使他们能够做出更好、更及时的商业决策。

三．北京泓维明昊科技有限公司医保行业商务智能解决方案目的

集成多种数据源，建立数据分析平台，为经营决策提供数据依据。

1. 帮助医保社保建立数据统计与分析决策平台，为实现医保社保业务的科学管理和决策提供依据；
2. 通过核心指标体系建立医保社保相关业务监控平台，为医保社保事业发展保驾护航；
3. 通过先进的信息技术---BI系统及领先的管理理念，提高医保社保管理水平和效率。

四．北京泓维明昊科技有限公司医保行业商务智能解决方案

北京泓维明昊的Diver商业智能解决方案是一个功能强大的数据分析、报表生成和信息传输系统。它整合了企业和组织长期采集和存储的大量多样化数据，转化为日常工作中可以利用的有意义的数据。Diver可提供的信息格式有报表、图表和分析型应用程序，满足不同用户的个性化需求，使他们能够做出更好、更及时的商业决策。

北京泓维明昊提供一套完全集成、功能完善的综合性商业智能软件，同时具备快速实施的特点和低成本优势。Diver解决方案提供融ETL、安全控制、分析工具和门户为一体化的技术平台，可集中管理和维护多种分散系统. 

国际最新BI技术Diver Solution^TM解决方案主要产品组件的应用流程如下：

数据ETL组件：Data Integrator

Data Integrator (数据的提取、转换和加载)工具用于准备数据转入模型。这样可以避免编写复杂的SQL脚本和查询程序，系统管理员能够无缝处理和集成不同来源的平台或相关文件。系统环境被定义和规划后，系统自动提取数据，计算并处理，将真正需要的数据传输到模型中。Data Integrator可接受整合的文件，也可接受任何抽取自数据仓库、相关数据库或以往系统的数据。可设定数据转换程序，根据数据的更新，进行自动转换。这样就确保了用户总是得到最新、最及时的数据。

Data Integrator指明了数据的来源、对数据的操作和输出的位置，以Java图形界面的形式用于准备数据，供泓维Builder使用。它不但减少了大部分的脚本编写工作，而且允许管理员无缝处理和集成分散来源的平台或关系型文件。Data Integrator（数据的提取、转换和加载）在数据的传输过程不涉及编程。实际的脚本编辑全部在“幕后”完成。输入文件、脚本、进程以及输出文件都以对象的形式显示在屏幕中，这就使得抽象的概念显示为具有潜在关系的具体的数据流。用户无须了解语法或人工创建对象。

数据建模组件：Builder和DiveMaster

泓维利用专利的交叉索引技术创建了多维模型，具有特殊的层数据存放设计，允许任意的数据导航和处理。Builder软件将用户数据转换为数据模型，以供查看和分析。数据模型具有特殊的、专门的数据库结构（交叉索引专利技术），在前台展示Diver中有效地使用。Builder转换数据的方式有摘要、索引和预处理。这实际上将客户端（Diver）大部分的分析负担转移给了一个系统程序（Visual Builder），在数据系统非常庞大的情况下可以大大加快运行速度。

DiveMaster 软件的界面帮助用户根据需要来自定义数据模型。DiveMaster可编辑DivePlan （该文件向客户端软件说明数据模型应如何显示给用户）。DivePlan包含的信息有：显示的列有哪些，什么计算字段可用以及如何连接多个数据模型等等。DiveMaster的另一功能是在控制台中添加类目。

数据展现组件：DivePort、NetDiver、ProDiver和DI-Diver

DivePort是一个门户产品技术，用于前台查看和分析数据结果和报表；一般在企业中是初级用户使用；权限不高。

NetDiver是一个基于WEB网络的外部访问端工具，用于前台查看和分析以及钻取数据、设计适当图形界面结果和报表；一般在企业中是中级用户使用。

五．北京泓维明昊科技有限公司医保行业商务智能解决方案系统功能模块

本解决方案的系统包含住院监控模型、门诊监控模型、医疗服务数据上传情况监控三大部分，合计23个监控子模块（包括67个评价模型）。其中：

住院监控模型包括住院费用人次总体情况监控、总控指标执行情况监控、监控指标执行情况、科室监控、医保医师监控、住院药品使用情况监控、住院诊疗项目使用情况监控、疾病发生情况监控、参保人就医情况监控、操作员刷卡录入情况监控等10个子模块。

门诊监控模型包括门诊费用人次总体情况监控、监控指标执行情况监控、科室监控、医师监控、门诊药品使用情况监控、门诊诊疗项目使用情况监控、疾病发生情况监控、参保人就医情况监控、操作员划卡录入情况监控等10个子模块。

医疗服务数据上传情况及监控包括住院收费类别上传情况监测、科室上传情况监测和医师上传情况监测等3个子模块。

本系统功能模块架构图如下：

本解决方案的系统是在专业的数据挖掘工具基础上开发编辑的。使用用户分为高级用户和一般用户。高级用户可以自主编辑开发新的模型，一般用户只能使用现有模型。本系统的通用功能如下：

第一关于功能。本系统有三大功能，分别是：一是客观展示；二是比较分析；三是发现异常。

第二关于展现形式。本系统功能菜单采取树状结构展示，可便捷地展开或合并若干模型菜单功能。数据区域展示包括数据列表、图形、数据列表和图形结合的方式三种形式。

第三关于模型数据。包含数据有六类；第一类是总体情况数据，如发生金额、人次；第二类是分类数据，如药品费用、诊疗费用以及各种基金费用；第三类各种费用比重占比，如药占比、诊疗占比、设施占比；第四类是均次类费用，如次均费用，人均费用；第五类是增长变化数据，如费用总额增长百分比、次均费用增长百分比。第六类是排位数据，如前10名等。

第四关于数据重新编辑整理。本系统支持对数据表项所有列均可重新排序，使用时只需要点击列标题即可实现对该列重新排序（升序或降序自动切换）。重新排序后，表内所有行数据自动随之变化。

第五本系统包含丰富的筛选条件，默认为当期，便于使用。当筛选条件被选定为多个时，按照条件的交集（或并集）生成数据。主要筛选条件包括：

①分类条件：住院、门诊

②时间条件：包括两种，一种是年、半年、季度、月；另一种是起止日期。

③属性条件-收费分类、报销等级、药品分类、药品类别、药理分类（包括三级子分类）、疾病分类（包括五级分类）。

④精准条件-单一一个药品名称、治疗项目名称、病种名称、科室名称、医师姓名、患者姓名。

六．北京泓维明昊科技有限公司医保行业商务智能解决方案价值

1.保障设计和精算定价

目前商业保险业务分团体险与个人险，其中个人险中以储蓄理财型产品为主，少部分是消费理赔型，即真正意义上的医疗保险。此间很大原因在于缺乏对实际医疗费用的估算把控能力，在保障设计及精算定价方面无据可依，从而限制了产品的开发。

2. 理赔运营管理

在医疗保险理赔运营管理中至关重要的一个环节是及时发现欺诈、浪费、滥用等费用风险。欺诈虽案例不多，但常涉及较大金额；浪费与滥用属于过度医疗与不合理医疗，单笔金额也许不高但是数量庞大，很难根据经验判断，因此属于数据挖掘的重要应用领域。

泓维明昊可以帮助找出一些典型的理赔费用风险问题，例如分解住院、不合理医疗检查项目或者不合理高值医用耗材、诊断和处方药品指征不匹配、药品剂量超标等。此类分析对临床知识要求很高，需要专业分析技术和引擎才能完成。

3.对医疗机构的管理

在现今医疗保障仍为政府医保为主导的环境下，商业保险对医疗机构的话语权不大，对医疗机构的管控仍以政府医保为主。人社部于 2012 年出台的《关于开展基本医疗保险付费总额控制的意见》，将“逐步建立以保证质量、控制成本、规范诊疗为核心的医疗服务评价体系与监管体系”作为任务目标。但实际操作中，由于缺乏有力的临床分析能力，政府医保对医疗机构的管理仍停留在粗放型，力度欠缺且效果欠佳。总额控制的支付方式使医保将超出预算的财务风险全部或者部分转移给医疗机构，在收入既定的情况下，医疗机构有可能通过减少必要服务，尤其是拒绝成本消耗较高的患者或者项目来降低医疗成本，从而出现推诿重病人、增加自费费用等问题，与原本“保障质量、规范诊疗”的目标背道而驰。而且， 总额控制支付方式下的总额基数和调整系数的确定在很大程度上参考历史数据和变化趋势，也就是在往年的额度基础上简单地加上增长空间，超值分担、结余分享的比例和调节过于依赖经验而非科学测算，导致医疗机构对于总额控制的认可度不高。大数据精细化分析可以应用于科学合理的评估医疗费用及质量，从而为包括总额控制在内的多种支付方式提供支持。

4.市场和销售拓展

对于商业医疗保险机构的市场和销售而言，如何获得新客户和保留既有客户是核心内容。应用大数据挖掘可以剖析客户参保人群的费用驱动因素及健康情况，不仅可以为优化保障设计与精算定价提供有力支持，更可以以深度分析结果报告作为业务洽谈的基础，增进与客户的沟通，赢得客户对保险公司专业水平的信赖，并据此为客户量身定制相关增值服务。

5.战略决策支持

从上文可见，大数据分析在保障设计及精算定价、理赔运营管理、医疗机构管理、市场和销售拓展等医疗保险经营的各个领域均有很大的应用价值；在战略决策支持上，大数据应用同样有着举足轻重的作用。

除了平衡风险之外，医疗保险的最重要的核心价值在于保证医疗质量的前提下有效控制医疗费用。 大数据分析可以为医疗保险找出费用的关键驱动因素，以此作为战略决策的依据，可以使决策者有针对性的制定措施解决问题关键。 此类分析的要点在于通过由大到小、由粗到细的层级挖掘寻找问题的关键，成功应用于决策制定既需要整套专业分析技术的支持，更需要逻辑性、结构化的思维，及对医疗保险行业市场在战略层面的理解，因此对系统数据分析的要求更高。