支払人分析

保険数理科学が現代の金融理論と現在広く「データ科学」と呼んでいるものの両方に先んじて、データは常に支払人のビジネスモデルの中核をなしてきました。しかし医療では、支払人が直面する質問のセットは他のものよりも広いです分析が主に損失の可能性、損失のコスト、および価格競争力があるが有益な保険料に焦点を当てている保険会社の種類。今日では、有力支払者は保険会社と保険加入者の両方を対象にしており、データ分析は健康への影響に影響を与える能力の不可欠な要素です。

提供者、患者および顧客の解決策：

• リスク管理ソリューションは、患者の健康上の転帰を改善しコストを抑えるために支払人と医療提供者の間で財務リスクを共有することに重点を置いています（多くの場合、価値に基づく治療の範疇に含まれます）。リスク管理には多くの種類があります。エビデンスに基づく医療（EBM）規格は、支払者が提供者の相対的な業績を評価するために使用できる、提供者と支払者の間の合意された枠組みを提供します。 EBMを中心とした透明性の向上により、患者は異なる医療提供者間で情報に基づいた選択を行うことができます。業績連動型ソリューションは、合意したEBM標準に従って、プロバイダーの払い戻しをプロバイダーの業績に結び付けます。 （例：Inovalon、Milliman MedInsight、Verscend Technologies）
• 病気やケア管理の解決策は、健康上の問題のリスクが最も高い対象患者を特定し、それらの患者のための的を絞った介入を開発することに焦点を当てています。この介入はピルを飲むように思い出させるのと同じくらい簡単かもしれません、あるいはそれは食事と運動のような要因を見る健康と健康プログラムと同じくらい複雑かもしれません。そのような解決策は、EMRデータだけでなく、処方箋、主張、社会経済的および行動的データにも基づいている可能性があります。 （例：IBM Watson、Cognizant、Collective Health、Medecision、PopHealthCare）
• 顧客分析ソリューションは、保険を購入する人（ほとんどの場合、雇用主）のためのコスト管理に焦点を当てています。この分析は、補償範囲の範囲および補償範囲レベルを評価するのと同じくらい簡単な場合もあれば、成熟した会社が従業員人口内で人口統計をシフトすることによる医療コストの影響を理解する手助けになることもあります。 （例：Inovalon、Milliman MedInsight、Verscend Technologies、Truveris）

財務および運営
支払者が採用している一般的な運用上の解決策の中でも、不正検出 – アップコーディング、誤診、非対象サービスのカバー、贈収賄およびキックバック – は依然として重要な領域です（米国の大企業の3〜10％）。年間医療費の3兆ドル以上が詐欺のために失われます。分析上の課題は、特定のプロバイダからの虚偽の申し立てが公共および民間の支払者に頻繁に広がるという事実によって悪化します。保険数理分析は、一般的な運用監視および財務予測と同様に、支払者データ分析の中核をなすものです。 （例：Experfy、IBM、Optum、SAS）