Cependant, ces données sont souvent conservées d’une manière non structurée, incomplète et non vérifiée, et lorsqu'il s'agit de traitement de ces informations, les rapports à la demande sont généralement générés manuellement et sans vision transversale. De plus, la plupart du temps ces rapports se concentrent sur les conséquences et non sur les causes profondes du problème.

C'est exactement ce que nous avons commencé à traiter avec notre partenaire MEDGULF Arabie Saoudite. MEDGULF est l'un des leaders du marché de l'assurance du pays qui déploie de nombreux efforts pour améliorer ses processus, ses produits et son service à la clientèle. L'assureur a pour ambition de devenir le leader du marché en Arabie Saoudite, et nous ressentons ce dévouement dans chaque étape qu'il franchit.

Sans aucun doute, les données sont l'un des actifs les plus précieux de toute compagnie d'assurance, Il existe des millions d'assurés provenant de milliers de contrats d'entreprise et ayant accès à des milliers de fournisseurs ; ce qui se traduit par des milliards de demandes d'indemnisation.

publication date:

December 20, 2022

Tags:

Health insurance

Analytics

Business case

Share:

La société dispose d'une quantité importante de données accumulées au fil des ans dans son portefeuille médical. En tant que leader du marché de l'assurance santé, MEDGULF est en relation avec des milliers de clients, de cliniques et des millions d'assurés. Cependant, les données sont stockées dans différents formats, différents volumes et d’une manière non structurée.

Pour les réunions hebdomadaires, les rapports sont faits avec un grand décalage dans le temps, et beaucoup de fichiers supplémentaires sont disponibles pour une analyse plus profonde de certains chiffres.

De toute évidence, ce n'est pas quelque chose avec laquelle un manager aimerait travailler au quotidien.

La première et plus grande étape du projet a été le nettoyage des données. Nous avons passé quelques mois à mettre les données dans un format unifié, et à les enrichir avec des informations manquantes et des données classées.

L'étape suivante a été la création d’un entrepôt de données analytiques qui deviendra une source pour les rapports Power BI. On a ensuite créé une bibliothèque de rapports - une liste de rapports BI pour suivre les KPIs cibles de l'entreprise.

L'étape finale a été l'organisation de l'approche du cercle intelligent (Ou smart circle) entre les équipes des ventes, de l'UW ( underwriting), de l'actuariat, des opérations et des réclamations pour prendre des mesures telles que la mise en place du taux d'inflation cible, la modification d'un tarif pour le réseau, le transfert des cliniques d'un réseau à un autre, la préparation des clients à la prochaine augmentation de tarif, la discussion d'un éventuel changement de programme avec les clients existants, renseigner les clients sur les "mauvaises" cliniques, la discussion et le partage des tendances du marché et bien plus encore.

Implementation et modération de la méthodologie "smart circle" dans les processus de prise de décision et de menagement

Smart Circle

Processus de rapports BI entièrement automatisé à partir d'une bibliothèque de rapports

Bibliothèque de rapports

Regroupement des données de tous les systèmes principaux dans une seule base de données

Entrepôt de données

Données nettoyées et prétraitées avec des étapes d'enrichissement et de classification supplémentaires.

Nettoyage des données

L'un des projets les plus prometteurs issus de la BI Health Analytics est la modélisation de portefeuille : Le développement d'un simulateur de portefeuille pour prévoir les décisions de gestion à l'horizon de 2 ans.
En se basant sur l’historique des chiffres, des facteurs du marché et des tendances futures, le modèle peut aider à élaborer des scénarios plus efficaces pour prendre diverses décisions de gestion.