|
在预防健康保险索赔欺诈上，预测分析和规则可以形成一种协作关系。因为一种预测分析算法识别新出现的但逐渐增多的日常浪费源，它能帮助供应商开发新的规则。预测分析系统的人工智能然后"学习"新规则的模式并建立越来越复杂, 消息灵通的更准确的适应模型。
在一个案例中，一个病理学研究小组已经在标准血液分析工作上增加了一个索赔的专业服务。有时它只是个小数目。虽然有很多测试确实需要分析，但有些工作不必。一个分析系统不仅要发现差异，还能使付款人执行一套规则，在一个特定的测试内，不需要专业服务修改。一旦这套规则被创建，那些索赔会被自动捕捉而不再出现在需要分析的高危索赔中，提高了运行效率并节约了分析师的精力，让他们投入到对欺诈、浪费和滥用的新来源的审核中。
更大的效率和节约
基于分析的方法产出的结果是引人注目的。 许多保险公司在诈骗损失方面已经看到20%到50%的减少和减少了20% 至25%的理算费用。这就是为什么这些系统不仅对个体保险公司有吸引力，而且对医疗保健行业的大部分企业都有吸引力。例如，运营着美国医疗保健系统一笔最大的财政及行政信息交换服务的Emdeon公司，将它的支付整合解决方案（Payment Integrity Solutions）和FICO的预测分析功能相结合，为它的客户基础提供基于分析的防止保险欺诈服务。(FICO和Emdeon最近公布了一份白皮书，“预付费欺诈侦测及其对底线的影响,”显示了最好的程序如何将基于规则的软件和预测分析相结合，能适应预付费和后付费两种情况的回顾和审核。)
其中一家最大的医疗保险公司，他们一年用这种预测分析和业务规则的组合要处理超过2亿的健康、牙科、视觉和制药索赔。通过增加一套额外的分析模型为索赔计分，保险公司很快能识别250多起之前未能侦测到的可追回的案例，其中43例最终影响了多个供应商。
通过分析和规则的一起使用，可以在多个阶段更高效地侦测保险索赔欺诈:
底线
这些强大的系统只用来标识最高风险的索赔，减少因调查而延迟的合法索赔。保险公司要知道他们可以依靠即时而准确的支付，从而加强付款人和保险公司的关系。
预测分析和基于规则分析的正确组合使保险公司能通过避免不必要的支付节省预付费，通过识别和处理可疑的保险公司节省后付费。另一方面，保险提供商将体验由于纠正允许过度支出的系统薄弱环节带来系统的节省。这种三管齐下的方法不仅可以大大降低成本，还可以提高客户满意度。
|
