Aumentar o desempenho do pagador de saúde com análise avançada

Advanced analytics have been slower to make a major impact in Cuidados de saúde do que em outras indústrias, onde novos usos para dados foram transformadores. Isso está começando a mudar, no entanto. Considere o seguinte:

• Um pagador economizou mais de US $ 350 milhões apenas em custos administrativos usando análises avançadas para transformar o gerenciamento de cuidados e desenvolver segmentação e direcionamento mais ricos de membros. necessidades dos clientes.
• Another reduced sales and marketing administrative costs 30% to 60% with a data-driven sales force effectiveness program that used AI and advanced analytics-enabled tools to automate marketing, prioritize leads, and better understand clients’ needs.
• A mutual insurance company reduced administrative costs for underwriting functions 26% by using advanced analytics and Inteligência Artificial (AI) Para ajudar a triagem de reivindicações, automatize tarefas nas reivindicações padrão e melhore os algoritmos de pontuação de risco. "Eu realmente penso em nosso futuro como empresa de medicamentos e ciências de dados, centrada na inovação e acesso", disse Vas Narasimhan, CEO da Novartis, ao Financial Times. "É essencial que usemos o poder combinado das equipes de análise de dados e assistência para ajudar as pessoas a entender como o estilo de vida pode afetar a saúde ...", disse o CEO da Humana, Bruce Broussard. Muitas empresas estão fazendo investimentos significativos em capacidades e soluções: descobrimos que os principais pagadores estão comprometendo até 10% dos orçamentos administrativos.

 
Top health care executives are buying into the power of advanced analytics. “I really think of our future as a medicines and data science company, centered on innovation and access,” Vas Narasimhan, CEO of Novartis, told the Financial Times. “It’s essential that we use the combined power of data analytics and care teams to help people understand how lifestyle can impact health…” said Humana CEO Bruce Broussard. Plenty of companies are making significant investments in capabilities and solutions: we have found that leading payers are committing up to 10% of administrative budgets.

Still, exemplos do uso bem -sucedido de análises avançadas nos cuidados de saúde, principalmente entre os pagadores, são mais episódicos do que extensos. A maior razão é que grande parte da atividade de análise de hoje é impulsionada e mantida dentro de um departamento ou função silenciosa. Geralmente, ele se concentra em uma solução específica de tecnologia ou tecnologia, como aprendizado de máquina ou processamento de linguagem natural, e não em oportunidades estratégicas ou nas necessidades dos clientes (provedores e pacientes). Além disso, os resultados não são compartilhados em toda a organização. As iniciativas avançadas de análise de análise sem uma conexão com mudanças na estratégia e no modelo operacional em toda a organização criam pouco valor escalável. Pense em um pagador que contrata cientistas de dados para seu grupo de gerenciamento de cuidados, mas não usa seus recursos para apoiar sua função de farmácia. A maioria dos pagadores está fazendo ou avaliando seus investimentos em análise de maneira fragmentada, tentando descobrir o que a análise pode fazer, em vez de adotar uma abordagem mais proposital que começa ao perguntar onde o poder da análise seria mais valioso. melhor resolvê -los. Dessa forma, os pagadores podem desenvolver recursos com impacto duradouro e proporcionar um rápido valor comercial. Veja como eles podem fazer isso. Eles devem pensar muito desde o início-por exemplo, visando um impacto de 2% a 3% nos resultados. As ambições que começam pequenas têm maior probabilidade de permanecer pequenas.

To gain competitive advantage, boost performance, and realize real value from data and analytics, payers should take a more strategic tack, determining first which business problems are most pressing and then how advanced analytics can best solve them. In this way, payers can develop capabilities that have lasting impact and deliver rapid business value. Here’s how they can go about it.

Start at the End

Companies should start by defining the end result they desire, such as reduced waste in specialty drugs or better, more timely support for the chronically ill. They should think big from the get-go—for example, aiming for a 2% to 3% impact on the bottom line. Ambitions that start small are more likely to stay small.

Os pagadores devem se concentrar nos problemas mais críticos que enfrentam e nos casos de uso que são consistentes com a estratégia corporativa-por exemplo, permitindo que os provedores assumam riscos em programas de atendimento baseado em valor se a estratégia for transmitir riscos aos provedores. Eles também devem priorizar iniciativas que podem gerar retorno rápido. Programas que são autofinanciados e mostram vitórias iniciais geram entusiasmo dentro da organização. Os pagadores podem então empregar informações da pesquisa, entrevistas especializadas e benchmarking para identificar uma lista de casos de uso transformadores específicos e priorizar cada um com base no potencial de negócios e considerações de viabilidade (como custo e tempo para implementar). (Veja o Anexo 1.) Não há escassez de oportunidades de impacto, da aquisição de membros à gestão médica e ao gerenciamento administrativo. Exemplos de casos de uso específicos nos quais vimos análises avançadas têm um efeito significativo incluem racionalizar a proliferação do produto, eliminando planos de baixo desempenho, identificando os consumidores que provavelmente desenvolverão condições caras e intervindo para reduzir riscos e melhorar o atendimento ao cliente com algoritmos simples de IA. Outras áreas em que a análise avançada pode mover a agulha inclui personalização e personalização dos clientes, avaliação contínua e melhoria dos processos e maior eficiência na entrega e operações de serviço. Insights sobre processos de negócios de maneira a mudar a maneira como a empresa opera. Por exemplo, se o objetivo é identificar pacientes com ROI de alto potencial para o gerenciamento de cuidados, como o pagador integra sua lista de pacientes com prioridade recém-desenvolvida no processo de inscrição em gerenciamento de cuidados será um fator crítico para atingir com sucesso essa meta.

Defining the desired outcomes will also dictate how to approach the other steps of the analytics journey, from identifying the required insights through enabling the technology. (See Exhibit 1.) There’s no shortage of opportunities for impact, from member acquisition to medical management to administrative management. Examples of specific use cases in which we have seen advanced analytics have a significant effect include rationalizing product proliferation by eliminating underperforming plans, identifying consumers likely to develop expensive conditions and intervening to reduce risks, and improving customer service with simple AI algorithms. Other areas where advanced analytics can move the needle include personalization and customization for customers, continuous evaluation and improvement of processes, and greater efficiency in service delivery and operations.

One key step in the process that should not be overlooked is the last: integrating the resulting insights into business processes in ways that change how the company operates. For example, if the goal is to identify high-potential ROI patients for care management, how the payer integrates its newly developed priority patient list into the care management enrollment process will be a critical factor in successfully meeting that goal.

Organize o impacto

As empresas tendem a se envolver em questões de talento (quantos cientistas de dados precisamos? Onde as encontramos?), Organização (devemos centralizar a operação de análise ou abrigá -lo nas unidades de negócios?) E o investimento (quanto precisamos gastar?). Não há respostas difíceis e rápidas para nenhuma dessas perguntas. O mais importante, de longe, é que as empresas se concentram na organização do impacto. O objetivo deve ser os recursos de análise de ponta que gerarão informações que se traduzem em ações de gerenciamento de cuidados de criação de valor. Invista no que chamamos de integradores - pessoas com o conhecimento técnico e comercial - levam a estrutura à sua maturidade organizacional e investem nas áreas alinhadas com sua estratégia.

Talent

Most companies focus first on technical talent—­data scientists and software engineers, for example. In our experience, smart companies look initially to hire or develop integrators—people whose understanding of the drivers of business value and working knowledge of analytics will help them lead the effort to turn data insights into operational results. These individuals are able to work with business leaders and technical personnel (whether internal or outsourced) to identify and prioritize the highest-value use cases, develop the necessary data assets, and incorporate analytics into business processes. (See Exhibit 2.) Integrators must have a good understanding of statistics and analytics. They may have previous experience in the payer industry, but the more important requirement is strong problem-solving skills.

The analytics team will also need technical experts who can handle a variety of ­specialized tasks, including training integrators, assessing vendors, and leading technical integrations with vendors. These data scientists, engineers, and business development specialists can also help identify and structure partnerships, joint ventures, and acquisitions.

One startup health plan recruits people who come from different backgrounds, many of whom have no experience in health care. It trains all its employees in coding by leveraging the skills of a few data scientists to teach analytically ­minded employees who then train their colleagues. At the same time, other ­employees teach the ins and outs of Medicare to new recruits with little health care background. The goal is to develop employees who ­understand both business processes and coding and can staff project teams made up of diversified operations and technical expertise.

Modelos organizacionais

Companies tend to organize their analytics programs using one of three models, each with its plusses and minuses:

• Virtual. This model involves a small central management group with team members located in business units or functions. Governance, such as budgeting and reporting lines, is kept simple, and analytics teams are embedded in the business, so it is easier to implement findings. Disadvantages include lack of scale and sharing of best practices, as well as the absence of an insulated culture for analytics talent.
• Hub and Spoke. The analytics function is independent and works with associated units located in the businesses. This model takes advantage of scale while allowing for specialization of analytics capabilities in the business units. Governance can be difficult, however, particularly in delineating responsibilities between the hub and the spokes.
• Centralized. The analytics function is organized under a top executive (typically the CFO, or CIO) with dedicated resources. This approach leverages scale, ensures that analytics is treated as a priority, and provides an insulated analytics culture. At the same time, though, the analytics function is disconnected from business units that require attention if they are to integrate insights and incorporate results into daily operations.

Our experience shows that while many payers have distributed their analytics capabilities throughout their organizations, the best practice for a company in the early stages of analytics strategy development is to ring-fence a centralized advanced-­analytics team with the goals of leveraging scale and creating a culture of innovation. After the group is developed and running efficiently, a more distributed model, such as hub and spoke, may make sense, with an analytics center of excellence working closely with integrators and technical experts at the business unit level.

UnitedHealth Group chegou ao ponto de montar sua unidade de análise como uma operação independente, com sua própria P&L. A Optumiq apóia as unidades de negócios da United Health e também vende seus serviços a planos de saúde externos. O modelo alcançou benefícios significativos em escala e o modelo de recompra de serviço incentiva o investimento em casos de uso com o maior ROI. Um plano de vantagem do Startup Medicare está gastando 10% a 15% de seu orçamento administrativo em análises avançadas. Entre o universo mais amplo de empresas de serviços financeiros que analisamos, os gastos com análises são de cerca de 3% da SG&A, com um valor absoluto médio de cerca de US $ 250 milhões. As empresas de sucesso assumem casos de uso específicos, em vez de grandes investimentos em desenvolvimento de infraestrutura, e se concentram no desenvolvimento de habilidades de execução. Em nossa experiência, a maioria dos pagadores precisa aumentar os gastos, mas deve fazê-lo apenas para apoiar uma estratégia de análise claramente definida e com necessidades de necessidades.

Investment

Many large payers currently devote about 2% of their administrative budgets to advanced analytics, while the most innovative payers are investing as much as 8% to 10%. One startup Medicare Advantage plan is spending 10% to 15% of its administrative budget on advanced analytics. Among the broader universe of financial services companies that we have benchmarked, ­analytics spending averages about 3% of SG&A, with an average absolute amount of about $250 million.

How much you spend is less important than where the spending is targeted. Successful companies take on specific use cases rather than large infrastructure development investments, and they focus on developing execution skills. In our experience, most payers need to increase spending, but they should do so only in support of a clearly defined, needs-backed analytics strategy.

Adote uma mentalidade transformacional

A construção de uma função de análise avançada leva tempo e é melhor abordada como um tipo de jornada transformacional que acabará por mudar a maneira como a empresa funciona. É importante conquistar algumas vitórias iniciais-usar casos com impacto a curto prazo cujo sucesso gerará aumentos de renda ou economia de custos que ajudarão a financiar o restante da jornada. A maioria das empresas deseja adotar alguma forma de maneiras ágeis de trabalho que envolvam equipes multifuncionais desenvolvendo ferramentas e aplicações de análise em resumo e sprints iterativos. Cada iteração é testada com os usuários de negócios e seus comentários são incorporados na próxima versão. As empresas também devem resistir a tentar fazer tudo sozinho. A construção dos algoritmos necessários requer experiência técnica que muitos pagadores não possuem. Eles precisarão terceirizar algumas das análises por meio de uma joint venture, parceria ou compra, que podem acelerar o processo de desenvolvimento e contribuir para um resultado bem-sucedido. (Veja o Anexo 3.) Para uma empresa com cerca de US $ 6 bilhões em receita, nossa análise mostrou um aumento de 6% nas vendas do aumento da retenção de membros, preços otimizados de aquisição de membros e vendas B2B orientadas a dados. Melhorar o gerenciamento de cuidados crônicos e a capacitação de provedores, além de reduzir a fraude, desperdício e abuso, melhorou a taxa de perda médica em 8 pontos percentuais. A aplicação da IA ​​para automatizar processos manuais e remover o trabalho de gerenciamento de cuidados que não adicionou custos administrativos de corte de valor em 13 pontos percentuais. O resultado geral foi um aumento na margem operacional da Companhia de 1% para mais de 10% e um impulso que o acompanha na receita operacional de cerca de US $ 61 milhões para US $ 680 milhões, dinheiro que pode ser reinvestido no crescimento da empresa através de preços de plano mais baixo e atendimento de qualidade superior.

Putting It All Together

To demonstrate the potential advanced-­analytics offers for health care, we recently modeled the impact of a successful trans­formation on a hypothetical regional payer. (See Exhibit 3.) For a company with about $6 billion in revenues, our analysis showed a 6% boost in sales from increased member retention, optimized member acquisition pricing, and data-driven B2B sales. Improving chronic care management and provider enablement, along with reducing fraud, waste, and abuse, improved the ­medical loss ratio by 8 percentage points. ­Applying AI to automate manual processes and ­removing care ­management work that didn’t add value cut administrative costs by 13 percentage points. The overall result was an increase in the company’s operating ­margin from 1% to more than 10% and an accompanying boost in operating income from about $61 million to $680 million, ­money that can be reinvested in the company’s growth through lower plan prices and higher-quality care.

Esses são resultados alcançáveis ​​para os pagadores que adotam análises avançadas e seguem o tipo de roteiro descrito acima para construir suas capacidades. Não há razão para não começar agora. Parceiro sênior