一．當前醫保行業在數據處理中的問題

1.數據不完整： 由于商業保險公司未能與絕大部分醫院進項聯網結算 , 理賠信息仍需根據參保人提供的費用單據手工錄入 , 費時費力 . 而保險公司為了節省費用 , 經常只錄入費用類別 ( 如醫藥費、檢查費等 ), 從而無法提供醫療費用明細供深度數據挖掘。 

2.信息不準確： 即便是政府醫保系統中的理賠數據，也普遍存在診斷信息不精確，或醫生根據所開藥品而人為添加診斷等現象。 

3.缺乏標準化： 藥品、手術、檢查項目等往往無編碼，即便有也通常因地而異甚至因醫院而異，缺乏統一編碼。這樣的數據質量大大的影響了大數據分析的應用。顯然，解決以上問題的根本在于提高原始數據的質量。在現有數據條件下，專業的分析技術可以用于彌補信息缺失或不準確造成的弊端。比如可以根據所用藥品、手術及檢查項目判斷診斷的準確性甚至補足缺失的診斷。同樣，數據標準化問題歸根結底需要建立并實施全國標準編碼系統，包括診斷、藥品、手術、檢查、操作、耗材等。在此之前，應用龐大的臨床字典庫及人工語言分析等專業技術可將絕大部分編碼工作自動化。

4.信息共享法規不健全：與信息共享相關的政策和法律尚未健全。 醫療領域各類數據信息的所有者是誰，誰又具有使用權，使用中有何限制，如何保護個人隱私等均無明文規定。這一方面限制了數據共享、不同數據之間的鏈接、及數據分析的廣泛應用，另一方面導致個人隱私的泄漏。只有盡快建立具體的政策和法律支持，才能在保護個人隱私的前提下促進信息交流與共享，最大發揮大數據分析在行業中的價值。

二．北京泓維明昊科技有限公司醫保行業商務智能解決方案背景

在科技發展日新月異的今天，醫保管理必須緊緊圍繞科學發展觀指導思想，深化改革管理模式，創新服務理念，大力發展優勢技術，為廣大人民群眾提供一流的技術、一流的醫保社保服務環境、一流的設備、一流的人才、創一流的品牌，為衛生事業的發展做出更大的貢獻。

為此需要建立一套功能強大的集數據分析、報表生成和信息傳輸的數據分析與決策支持系統。它必須要整合醫保社保長期采集和存儲的大量多樣化數據，轉化為日常工作中可以利用的有意義的數據。可提供的多種格式報表、圖表和分析型應用模型，滿足不同用戶的個性化需求，使他們能夠做出更好、更及時的商業決策。

三．北京泓維明昊科技有限公司醫保行業商務智能解決方案目的

集成多種數據源，建立數據分析平臺，為經營決策提供數據依據。

1. 幫助醫保社保建立數據統計與分析決策平臺，為實現醫保社保業務的科學管理和決策提供依據；
2. 通過核心指標體系建立醫保社保相關業務監控平臺，為醫保社保事業發展保駕護航；
3. 通過先進的信息技術---BI系統及領先的管理理念，提高醫保社保管理水平和效率。

四．北京泓維明昊科技有限公司醫保行業商務智能解決方案

北京泓維明昊的Diver商業智能解決方案是一個功能強大的數據分析、報表生成和信息傳輸系統。它整合了企業和組織長期采集和存儲的大量多樣化數據，轉化為日常工作中可以利用的有意義的數據。Diver可提供的信息格式有報表、圖表和分析型應用程序，滿足不同用戶的個性化需求，使他們能夠做出更好、更及時的商業決策。

北京泓維明昊提供一套完全集成、功能完善的綜合性商業智能軟件，同時具備快速實施的特點和低成本優勢。Diver解決方案提供融ETL、安全控制、分析工具和門戶為一體化的技術平臺，可集中管理和維護多種分散系統. 

國際最新BI技術Diver Solution^TM解決方案主要產品組件的應用流程如下：

數據ETL組件：Data Integrator

Data Integrator (數據的提取、轉換和加載)工具用于準備數據轉入模型。這樣可以避免編寫復雜的SQL腳本和查詢程序，系統管理員能夠無縫處理和集成不同來源的平臺或相關文件。系統環境被定義和規劃后，系統自動提取數據，計算并處理，將真正需要的數據傳輸到模型中。Data Integrator可接受整合的文件，也可接受任何抽取自數據倉庫、相關數據庫或以往系統的數據。可設定數據轉換程序，根據數據的更新，進行自動轉換。這樣就確保了用戶總是得到最新、最及時的數據。

Data Integrator指明了數據的來源、對數據的操作和輸出的位置，以Java圖形界面的形式用于準備數據，供泓維Builder使用。它不但減少了大部分的腳本編寫工作，而且允許管理員無縫處理和集成分散來源的平臺或關系型文件。Data Integrator（數據的提取、轉換和加載）在數據的傳輸過程不涉及編程。實際的腳本編輯全部在“幕后”完成。輸入文件、腳本、進程以及輸出文件都以對象的形式顯示在屏幕中，這就使得抽象的概念顯示為具有潛在關系的具體的數據流。用戶無須了解語法或人工創建對象。

數據建模組件：Builder和DiveMaster

泓維利用專利的交叉索引技術創建了多維模型，具有特殊的層數據存放設計，允許任意的數據導航和處理。Builder軟件將用戶數據轉換為數據模型，以供查看和分析。數據模型具有特殊的、專門的數據庫結構（交叉索引專利技術），在前臺展示Diver中有效地使用。Builder轉換數據的方式有摘要、索引和預處理。這實際上將客戶端（Diver）大部分的分析負擔轉移給了一個系統程序（Visual Builder），在數據系統非常龐大的情況下可以大大加快運行速度。

DiveMaster 軟件的界面幫助用戶根據需要來自定義數據模型。DiveMaster可編輯DivePlan （該文件向客戶端軟件說明數據模型應如何顯示給用戶）。DivePlan包含的信息有：顯示的列有哪些，什么計算字段可用以及如何連接多個數據模型等等。DiveMaster的另一功能是在控制臺中添加類目。

數據展現組件：DivePort、NetDiver、ProDiver和DI-Diver

DivePort是一個門戶產品技術，用于前臺查看和分析數據結果和報表；一般在企業中是初級用戶使用；權限不高。

NetDiver是一個基于WEB網絡的外部訪問端工具，用于前臺查看和分析以及鉆取數據、設計適當圖形界面結果和報表；一般在企業中是中級用戶使用。

五．北京泓維明昊科技有限公司醫保行業商務智能解決方案系統功能模塊

本解決方案的系統包含住院監控模型、門診監控模型、醫療服務數據上傳情況監控三大部分，合計23個監控子模塊（包括67個評價模型）。其中：

住院監控模型包括住院費用人次總體情況監控、總控指標執行情況監控、監控指標執行情況、科室監控、醫保醫師監控、住院藥品使用情況監控、住院診療項目使用情況監控、疾病發生情況監控、參保人就醫情況監控、操作員刷卡錄入情況監控等10個子模塊。

門診監控模型包括門診費用人次總體情況監控、監控指標執行情況監控、科室監控、醫師監控、門診藥品使用情況監控、門診診療項目使用情況監控、疾病發生情況監控、參保人就醫情況監控、操作員劃卡錄入情況監控等10個子模塊。

醫療服務數據上傳情況及監控包括住院收費類別上傳情況監測、科室上傳情況監測和醫師上傳情況監測等3個子模塊。

本系統功能模塊架構圖如下：

本解決方案的系統是在專業的數據挖掘工具基礎上開發編輯的。使用用戶分為高級用戶和一般用戶。高級用戶可以自主編輯開發新的模型，一般用戶只能使用現有模型。本系統的通用功能如下：

第一關于功能。本系統有三大功能，分別是：一是客觀展示；二是比較分析；三是發現異常。

第二關于展現形式。本系統功能菜單采取樹狀結構展示，可便捷地展開或合并若干模型菜單功能。數據區域展示包括數據列表、圖形、數據列表和圖形結合的方式三種形式。

第三關于模型數據。包含數據有六類；第一類是總體情況數據，如發生金額、人次；第二類是分類數據，如藥品費用、診療費用以及各種基金費用；第三類各種費用比重占比，如藥占比、診療占比、設施占比；第四類是均次類費用，如次均費用，人均費用；第五類是增長變化數據，如費用總額增長百分比、次均費用增長百分比。第六類是排位數據，如前10名等。

第四關于數據重新編輯整理。本系統支持對數據表項所有列均可重新排序，使用時只需要點擊列標題即可實現對該列重新排序（升序或降序自動切換）。重新排序后，表內所有行數據自動隨之變化。

第五本系統包含豐富的篩選條件，默認為當期，便于使用。當篩選條件被選定為多個時，按照條件的交集（或并集）生成數據。主要篩選條件包括：

①分類條件：住院、門診

②時間條件：包括兩種，一種是年、半年、季度、月；另一種是起止日期。

③屬性條件-收費分類、報銷等級、藥品分類、藥品類別、藥理分類（包括三級子分類）、疾病分類（包括五級分類）。

④精準條件-單一一個藥品名稱、治療項目名稱、病種名稱、科室名稱、醫師姓名、患者姓名。

六．北京泓維明昊科技有限公司醫保行業商務智能解決方案價值

1.保障設計和精算定價

目前商業保險業務分團體險與個人險，其中個人險中以儲蓄理財型產品為主，少部分是消費理賠型，即真正意義上的醫療保險。此間很大原因在于缺乏對實際醫療費用的估算把控能力，在保障設計及精算定價方面無據可依，從而限制了產品的開發。

2. 理賠運營管理

在醫療保險理賠運營管理中至關重要的一個環節是及時發現欺詐、浪費、濫用等費用風險。欺詐雖案例不多，但常涉及較大金額；浪費與濫用屬于過度醫療與不合理醫療，單筆金額也許不高但是數量龐大，很難根據經驗判斷，因此屬于數據挖掘的重要應用領域。

泓維明昊可以幫助找出一些典型的理賠費用風險問題，例如分解住院、不合理醫療檢查項目或者不合理高值醫用耗材、診斷和處方藥品指征不匹配、藥品劑量超標等。此類分析對臨床知識要求很高，需要專業分析技術和引擎才能完成。

3.對醫療機構的管理

在現今醫療保障仍為政府醫保為主導的環境下，商業保險對醫療機構的話語權不大，對醫療機構的管控仍以政府醫保為主。人社部于 2012 年出臺的《關于開展基本醫療保險付費總額控制的意見》，將“逐步建立以保證質量、控制成本、規范診療為核心的醫療服務評價體系與監管體系”作為任務目標。但實際操作中，由于缺乏有力的臨床分析能力，政府醫保對醫療機構的管理仍停留在粗放型，力度欠缺且效果欠佳。總額控制的支付方式使醫保將超出預算的財務風險全部或者部分轉移給醫療機構，在收入既定的情況下，醫療機構有可能通過減少必要服務，尤其是拒絕成本消耗較高的患者或者項目來降低醫療成本，從而出現推諉重病人、增加自費費用等問題，與原本“保障質量、規范診療”的目標背道而馳。而且， 總額控制支付方式下的總額基數和調整系數的確定在很大程度上參考歷史數據和變化趨勢，也就是在往年的額度基礎上簡單地加上增長空間，超值分擔、結余分享的比例和調節過于依賴經驗而非科學測算，導致醫療機構對于總額控制的認可度不高。大數據精細化分析可以應用于科學合理的評估醫療費用及質量，從而為包括總額控制在內的多種支付方式提供支持。

4.市場和銷售拓展

對于商業醫療保險機構的市場和銷售而言，如何獲得新客戶和保留既有客戶是核心內容。應用大數據挖掘可以剖析客戶參保人群的費用驅動因素及健康情況，不僅可以為優化保障設計與精算定價提供有力支持，更可以以深度分析結果報告作為業務洽談的基礎，增進與客戶的溝通，贏得客戶對保險公司專業水平的信賴，并據此為客戶量身定制相關增值服務。

5.戰略決策支持

從上文可見，大數據分析在保障設計及精算定價、理賠運營管理、醫療機構管理、市場和銷售拓展等醫療保險經營的各個領域均有很大的應用價值；在戰略決策支持上，大數據應用同樣有著舉足輕重的作用。

除了平衡風險之外，醫療保險的最重要的核心價值在于保證醫療質量的前提下有效控制醫療費用。 大數據分析可以為醫療保險找出費用的關鍵驅動因素，以此作為戰略決策的依據，可以使決策者有針對性的制定措施解決問題關鍵。 此類分析的要點在于通過由大到小、由粗到細的層級挖掘尋找問題的關鍵，成功應用于決策制定既需要整套專業分析技術的支持，更需要邏輯性、結構化的思維，及對醫療保險行業市場在戰略層面的理解，因此對系統數據分析的要求更高。