Soluções de Microssegmentação para Seguradoras de Assistência Médica

Usando o SPSS Statistics Base e árvores de decisão

O segmento de mercado de assistência médica está passando por uma mudança dramática, resultando em maior acesso a valiosos dados do membro. Este artigo discute muitas das alterações tecnológicas no segmento de mercado, incluindo uma mudança, com foco em membros, em direção à customização das ofertas de saúde para gerar maior satisfação e retenção dos membros. Analise dois estudos de caso baseados em segmentação, com dicas sobre o processo de desenvolvimento, coleta de dados, segmentação e implementação. Examine a amplitude dos dados de saúde e como essas abordagens tradicionais de segmentação continuam relevantes como soluções para o gerenciamento de big data de assistência médica.

Kimberly Chulis, CEO and Co-founder, Core Analytics, LLC

Photograph of Kimberly ChulisKimberly Chulis é um dos fundadores originais da Core Analytics, LLC. Com mais de 18 anos de experiência profissional em analítica avançada, ela já demonstrou conhecimento analítico em projetos em várias empresas e segmentos de mercado, incluindo WellPoint, HCSC, UHG, Great West, Accenture, Ogilvy, Microsoft, Sprint/Nextel, Commonwealth Edison, TXU, Eloyalty, SPSS, Allstate, Cendant e outras nos segmentos de mercado financeiro, de telecomunicações, assistência médica, energia, sem fins lucrativos, varejo e educacional. Kimberly realizou pesquisa de PhD no programa de Comportamento do Consumidor de Saúde e Serviços Humanos da Universidade Purdue e possui mestrado em economia com ênfase em economia e econometria da saúde pela Universidade de Illinois em Chicago.



31/Ago/2012

Avanços tecnológicos e tendências de assistência médica

O segmento de mercado de assistência médica é caracterizado por mudança rápida e expansão tecnológica. Essa transformação é caracterizada por fusões e aquisições, domínio do segmento de mercado por algumas firmas e uma enorme mudança em potencial devido às novas leis reformistas da saúde dos EUA que estão sendo lançadas. Junto com o impacto de novas descobertas tecnológicas, os provedores de assistência médica são obrigados a adotar sistemas de registro médico eletrônico que permitirão tratamento mais informado e eficiente aos pacientes a partir de um portal de paciente integrado. Há também o crescimento das bolsas de seguro de saúde (consulte Resources). Elas funcionarão como mercados que oferecem uma seleção de planos de saúde individuais que seguem as normas de acordo com as novas reformas. Essas bolsas também servirão como câmaras de compensação para a distribuição de autodesignação de pacientes e transferência de suas informações, se o mandado de seguros dos EUA passar a vigorar em 2014 (consulte Resources).

Houve mudanças significativas nos aspectos principais do segmento de mercado de assistência médica nos últimos 15 anos. Nos Estados Unidos, houve um aumento no atendimento gerenciado, uma consolidação de mercados para seguro e serviços e, mais recentemente, o importante Health Care Reform Act and Affordable Care Reform Act. Se a nova legislação de saúde continuar válida, a demanda por seguro de saúde (obrigatório) aumentará dramaticamente em 2014. No mercado individual, as empresas de seguro de saúde, hospitais e provedores passaram a focar muito mais em membros, apresentando benefícios dinâmicos customizados para as preferências individuais. O setor de assistência médica está buscando um serviço mais focado no consumidor, com um foco no bem-estar e prevenção que está rapidamente se tornando padrão entre os planos. Outra tendência emergente é deixar o modelo tradicional de cobrança de uma taxa por serviço para adotar um sistema de pagamento de desempenho baseado em resultados, que reestrutura o incentivo e a estratégia de monetização de provedor e hospital. As empresas de seguro de saúde reagem ao aumento da concorrência com o desenvolvimento de produtos direcionados e esforços de marketing. Para isso, essas firmas utilizam dados internos dos clientes para identificar os principais motivadores de demanda da sua base de clientes.

As áreas de telemedicina e saúde remota (mHealth), em particular, passarão por rápida expansão em 2012, facilitando a troca de informações, diagnóstico, tratamento e monitoramento através de telefones e dispositivos móveis a milhões de indivíduos que moram em áreas remotas ou rurais, com poucos médicos e hospitais. Essas alterações afetam fundamentalmente os mercados para entrega de saúde e têm implicações para a presente reestruturação do segmento de mercado de assistência médica e a mudança de política correspondente. Essa explosão antecipada da entrega de mHealth resultará na dependência generalizada de sistemas de arquivos distribuídos (por exemplo, Apache Hadoop) para armazenar vastas quantidades de dados de saúde pessoais, imagens, vídeos, dados de GPS e logs de bate-papo para indexação e processamento simplificados. O acesso a todos esses dados pessoais ricos (incluindo sensores, leituras de monitoramento de saúde e alertas automáticos quando as leituras passam dos limites estabelecidos pelos médicos), em um cenário compartilhado em tempo real, cria oportunidades animadoras para que a analítica de assistência médica tradicional amplie sua escala para atender aos desafios de big data do segmento.

Os estudos de caso descritos abaixo são abordagens clássicas de marketing de banco de dados para a segmentação em assistência médica e em outros segmentos de mercado. O interessante é que essas abordagens tradicionais também são soluções altamente apropriadas para a analítica de big data. MapReduce é essencialmente um processo simplificado para o processamento de linguagem natural de conjuntos de dados extremamente grandes e inclui opções de particionamento baseado em clusters. A principal diferença ao lidar com vários terabytes de dados é a primeira etapa do processamento de dados, que envolve o armazenamento dos dados e a aplicação de aprendizado da máquina para filtrar e refinar o conjunto de dados para análise. A próxima etapa é familiar: a aplicação de abordagens de segmentação tradicional (ou análise preditiva) semelhantes às descritas abaixo para obter microssegmentos proativos ainda mais ricos.


Planos focados nos membros

As empresas de seguro de saúde usam soluções analíticas e análise econométrica para descobrir esses motivadores de demanda no nível individual ou de segmento e para identificar diferenças na maximização de utilidade em cada segmento. Essas informações são usadas na criação de produtos e planos e nos esforços de marketing. Entender como os motivadores de demanda diferem entre os segmentos permite que as empresas de seguro direcionem produtos e serviços para atender a demanda e reter a fidelidade. Esses recursos podem ser: lembretes de exames de diagnósticos periódicos; descontos em clubes de saúde para membros do plano; dicas mensais sobre saúde do coração enviadas aos membros por email; lembretes de consultas e orientações via GPS em celulares; lembretes em dispositivos móveis para atualizações na agenda de remédios prescritos; aplicativos para monitorar as leituras de glicose e pressão sanguínea; e emails automáticos para os médicos com informações do monitoramento.

A preferência do consumidor por um plano de saúde customizado e pessoal para gerenciar o bem-estar individual e da família é altamente variada. Um segurado pode valorizar um plano que ofereça programas de bem-estar e administração de doença, acesso a enfermeiros via telefone 24 horas, participação gratuita em programas para redução do fumo. Outro pode considerar valioso ter acesso a um website para fazer consultas sobre redução de doses e equivalentes genéricos. As opções direcionadas no nível de microssegmento têm chances de reduzir os enormes custos de assistência médica através de diversos mecanismos, promovendo ao mesmo tempo comportamentos saudáveis através da melhor distribuição e acesso do conhecimento. As seguradoras de saúde precisam de uma maneira repetível de alavancar todos os dados díspares de membros disponíveis para suportar iniciativas que envolvam marketing inteligente para membros acionado por dados, design de produtos, avaliação de risco, design de programas, precificação atuarial e gerenciamento do relacionamento entre provedor e hospital. As seções a seguir apresentam dois casos de referência que detalham uma solução de segmentação proativa.


Caso de referência 1: Segmentação de membros para gerar retenção

Um esforço de segmentação de membros proativo começa com o refinamento objetivo do programa e uma coleta de conhecimento de negócios corporativo e descoberta dos dados brutos. As várias (e frequentemente díspares) origens de dados são reunidas em um arquivo de análise integrado usando uma ferramenta como IBM SPSS Statistics Base. Exploração de dados delineada por insights de negócios e uma segmentação com base em Chi-squared Automatic Interaction Detector (CHAID) são realizados no módulo de Árvore de Decisão no SPSS Statistics Base, resultando em segmentos com perfil específico disponíveis para imediato direcionamento de retenção e medida de rastreamento. Este caso de referência apresenta o processo detalhado.

Objetivo de negócios

A retenção de clientes é um componente crítico da lucratividade de qualquer firma. Historicamente, nos EUA, planos de saúde financiados por empresas abrangem muitas pessoas e suas famílias. Embora essa tendência esteja mudando e haja estimativas de que 85 milhões de americanos não estão segurados, o Affordable Health Care Act obrigará todos a ter um nível mínimo de seguro, ou arcar com penalidades tributárias. Independente da natureza do seguro, as pessoas com cobertura individual têm a oportunidade de trocar de plano à vontade, enquanto as pessoas em planos financiados por empresa têm um período anual de inscrição aberta durante o qual podem trocar de plano ou fazer alterações em certos benefícios durante um curto período a cada ano. As seguradoras de saúde querem reduzir as chances de os membros trocarem de plano e criam estratégias direcionadas para reter clientes durante essas janelas críticas e ao longo do ano.

Fase 1

A primeira etapa ao criar estratégias de segmentação de membros para gerar retenção é compilar uma lista abrangente de dimensões de segmentação relevantes. Essa lista inicial é frequentemente o resultado de uma sequência corporativa de entrevistas individuais com partes interessadas internas em vários níveis e departamentos na organização.

Uma melhor prática é criar um questionário de entrevista padrão que colete informações sobre a função de uma pessoa, seu departamento, objetivos de negócios e dados de clientes gerados, usados e armazenados pelo grupo. A pesquisa de opinião deve ter perguntas detalhadas que colete informações, durante esta descoberta de dados, sobre formato e sobre onde os dados residem, em que tipo de warehouse ou ferramenta, e quem pode proporcionar acesso aos dados.

Questões de negócios devem ser incluídas para entender as dimensões de interesse de cada entrevistado. Quais dimensões (idade, produto, sexo, preço, aforamento, planos preferred provider organization [PPO] versus health maintenance organization [HMO], presença de filhos e sua idade, condições crônicas, participação em programas de bem-estar, cobertura de medicamentos prescritos, plano financiado pela empresa versus individual versus financiado pelo estado, filhos com menos de 25 anos no plano, pacientes com 65 anos de idade ou mais, solicitações altas, utilização alta etc.) são mais relevantes para a natureza da sua responsabilidade e para a interação com o membro. Colete e agregue todos e analise as informações em workshops com todas as partes interessadas para eliminar itens duplicados e chegar a uma lista hierárquica qualitativa coletiva dos atributos.

Esse processo descobrirá o conhecimento de negócios corporativo e as propensões e será um ponto de partida para a validação dessas dimensões qualitativas na Fase 2. Também é importante, em termos de sucesso da adoção no futuro e implementação da solução, criar uma solução que se alinhe com os objetivos e expectativas de negócios de maneira que todas as partes interessadas tenham validado pessoalmente através dos vários estágios da criação da segmentação. Essa fase apresenta conhecimento interno de negócios valioso, que pode ser usado para insight sobre segmentação e para desenvolvimento da estratégia de tratamento.

Fase 2

Comece solicitando e compilando os dados brutos de nível de membro identificados pela organização na Fase 1, e em seguida integre os dados com uma ferramenta de mineração de dados e agregação. Os compiladores IBM® SPSS® Statistics Base foi usado para realizar a análise em questão. Neste exemplo, suponha que as seguintes origens de dados estão disponíveis:

  • Identificadores de membro e grupo, incluindo cada troca de plano, transação, datas associadas, troca/adições de dependentes, escolha de plano, tipo de grupo, região, data de nascimento, sexo código de Classificação Industrial Padrão e CEP
  • Participação em plano odontológico, oftalmológico e de medicação
  • Administração de doenças e dados de participação em programa de bem-estar
  • Indicadores baseados em acionadores para capturar alterações e plano, como um estudante que é eliminado da política, nascimento, casamento ou divórcio
  • Dados de censo anexados ao CEP no arquivo de endereço (porcentagem da etnia, urbano/rural, valor médio das casas etc.)
  • Dados da pesquisa de opinião sobre satisfação do cliente
  • Novas variáveis adicionais para análise derivadas por meio de agregação, manipulação e subtração de dados e lógica de regra para proxies para eventos de acionador baseados nos dados de nível de membro e de grupo acima (idade, número de dependentes no início do plano e cada cancelamento, número atual de dependentes, primeiro produto HMO ou PPO, último produto HMO ou PPO, tempo de permanência, alteração no número de dependentes durante a permanência, número total de alterações no plano e membros associados ao plano)

Fase 3

Após a montagem do arquivo da Fase 2 ser concluída, e após terem sido realizados os processos básicos de verificação da qualidade dos dados, validação das contagens de única variável e análises de pré-modelagem, é hora de iniciar a segmentação. Para este exemplo, eu selecionei uma abordagem CHAID. Uma sequência de programas CHAID abrangentes e iterativos pode ser executada até que a versão final seja identificada.

CHAID é um algoritmo usado para desenvolver modelos de diferenciação com base em um sistema de classificação. A análise subdivide a amostra em uma série de subgrupos que compartilham características semelhantes em relação a uma resposta e maximiza a capacidade de prever os valores da variável de resposta. A saída é uma árvore, cujas ramificações são variáveis preditoras que dividem a amostra em grupos discriminatórios. CHAID é frequentemente usado em segmentação, geralmente no segmento de mercado de marketing direto, para identificar o tipo de respondente que reagiu a uma determinada campanha. Este artigo demonstra um processo pelo qual uma segmentação CHAID é realizada usando o Módulo de Árvore de Classificação do SPSS Statistics Base.

Fase 4

Quando a segmentação CHAID final é determinada, cada nó terminal da árvore de classificação representa um segmento de membros. Na amostra de árvore genérica mostrada na a Figura 1, há sete nós terminais distintos.

Figura 1. Árvore de classificação genérica
Árvore de classificação genérica

Cada um dos segmentos pode ter seu perfil traçado, receber um nome e receber estratégias de tratamento destinadas a aumentar a satisfação do membro com o plano e a utilidade que os membros percebem da seguradora de saúde. Por sua vez, espera-se que isso resulte em uma menor transferência dos membros para outros planos e maior retenção de clientes com o plano de seguro de saúde. Esse resultado pode ter sua eficiência testada e pode ser ajustado conforme necessário, à medida que os esforços de retenção baseados em segmentos são operacionalizados.


Caso de referência 2: Criação de programa de apoio de membros

Os programas de apoio de membros dependem de segmentação em todos os seus estágios. Primeiro, um módulo CHAID no SPSS Statistics Base é usado para a criação inicial do programa, para entender a composição das questões dos membros e para identificar as principais categorias agudas e o volume associado. Em seguida, uma segunda segmentação é desenvolvida para planejamento de capacidade e recursos, na qual as categorias agudas identificadas no primeiro estágio são mapeadas para as categorias de apoio apropriadas. A sobreposição resultante de esquemas de segmentação permite a otimização em tempo real e gerenciamento de mapeamento entre membros e apoiadores ao longo do ciclo de gerenciamento de crise.

Objetivo de negócios

Há uma tendência contínua no segmento de mercado de seguros de saúde de fornecer suporte customizado a membros para que eles entendam melhor seus planos, em especial durante instâncias agudas, nas quais os consumidores de assistência médica não podem otimizar com eficiência o seu uso do plano. Um Member Advocacy Program (MAP) é criado para aumentar a satisfação do cliente e atrair e reter membros que consideram valioso ter um conselheiro pessoal durante períodos de demanda crítica do serviço de saúde. Esse apoiador opera como conselheiro do plano, familiarizado com os aspectos específicos do plano e com as nuanças da família e do perfil de saúde do segurado e o ajuda a navegar pelos planos de saúde para maior vantagem do cliente durante períodos críticos de curto prazo.

Fase 1

A primeira fase do MAP é identificar os membros que se qualificam para participação no plano. Geralmente isso é feito por tipo de plano e outros parâmetros são usados para limitar o piloto inicial a um tamanho de lançamento gerenciável. Por exemplo, uma seguradora de saúde pode especifica que apenas as pessoas em planos corporativos específicos e seus cônjuges são incluídos. Ninguém com menos de 18 anos é incluído. O seguro deve estar inscrito até certa data para se qualificar e deve ser um membro médico. Por motivo de conformidade com Health Insurance Portability and Accountability Act (HIPAA), cada membro (não o segurado principal) é contatado sobre sua própria manutenção médica.

Esse processo resulta em uma lista específica de filtros. De forma semelhante à realização da integração de dados para análise acima, é montado um arquivo de membros que contém todos esses elementos, e uma lista final de membros qualificados é identificada. Essa etapa foi realizada com o SPSS Statistics Base para compilar uma lista completa de membros qualificados para participação do programa.

Fase 2

O próximo estágio envolve a determinação dos tipos de apoiadores de membros necessários para suportar o programa e a designação de membros. Essa fase é baseada na premissa de que, em certa população segurada, um certo número de categorias são classificadas como agudas seguradas e exigem intervenção e suporte para apoio ao plano. Essa fase envolve a identificação nos dados do que é classificado como uma instância aguda, sinalizando essas instâncias com 1 e incluindo uma amostra equilibrada de membros que não tiveram doenças agudas. Essa variável de sinalizador se torna a variável dependente para a segmentação CHAID. Os segmentos e perfis de segmento resultantes descreverão os tipos distintos de instâncias agudas e fornecerão insight sobre o volume e a natureza dos problemas para identificar com precisão as qualificações e especialidades que os apoiadores de membro precisam ter para suportar os segmentos de membros agudos. (Uma alternativa à abordagem CHAID é a segmentação baseada em cluster; nesse caso, apenas casos agudos são necessários para a modelagem, e o SPSS Statistics Base suporta ambas as opções).

Para concluir esse processo, três origens de dados adicionais são incluídas no arquivo de membros criados na Fase 1. São de interesse específico os dados de chamada (com que frequência há chamadas recebidas na central de atendimento) e dados de solicitações (número total de solicitações e valor total das solicitações em dólares). Deve ser selecionado um período de análise, sendo um período anual um bom ponto de partida. SPSS Statistics Base é usado para agregar os dados de solicitação e chamada e anexar essas informações no arquivo de membros primário. Um grupo de indicadores é usado para agrupar os membros em diferentes categorias de propensão de necessidade aguda. Para identificá-las, determinam-se as médias para a população e examinam-se as distribuições para cada. Ao configurar limites para sinalizar os mais altos dessas categorias, a intenção é que, através do contato de um apoiador, um membro reduzirá as chamadas à central de atendimento e reduzirá a utilização por meio da navegação especializada de seu plano, diminuindo assim os custos para o membro e para a empresa de seguro de saúde. Esse modelo pode pontuar uma base de membros qualificada inteira diariamente, para enviar alertas automáticos quando os dados indicarem que um membro está entrando em um período agudo:

  • Solicitações altas (dólares). Pode ser total anual, solicitações não cobertas, solicitações enviadas etc.
  • Solicitações altas (volume). É um agregado de solicitações totais anuais feitas pelo membro.
  • Altas chamadas à central de atendimento. É a contagem total de chamadas recebidas feitas pelo membro.

A criação do perfil da base de membros piloto e o entendimento da distribuição daqueles que se encaixam em uma, duas ou três das categorias acima pode estabelecer uma hierarquia de necessidades. Ao incluir a Classificação Internacional de Doenças, 9ª revisão (ICD-9), é possível especificar áreas de especialização para apoiadores de membro designados para cada caso.

Fase 3

Em geral, três tipos de apoiadores de membro estarão disponíveis para designação: um especialista em solicitações e benefícios, um especialista clínico e um educador. À medida que o membro passa pelas diferentes fases de uma instância aguda, os apoiadores designados para o membro trabalham como uma equipe coordenada para suportá-lo durante o período crítico. Os dados de solicitação e chamada serão usados para pontuar os clientes não apenas em casos de necessidade, mas também em que ponto do ciclo de apoio eles estão em um determinado momento, para indicar a intervenção apropriada do apoiador.


Conclusão

A segmentação é crítica para entender os motivadores do comportamento de membros e saber a melhor maneira de moldar a forma como as pessoas interagem com seus planos de saúde e obtêm utilidade deles. As abordagens de microssegmentação descritas estão em amplo uso no setor hoje para ajudar a identificar segmentos de membros para vários fins de negócios. Avanços tecnológicos no segmento de mercado resultarão em maior descentralização dos dados de membros disponíveis para apoiar iniciativas de analítica. Essas novas e mais acessíveis fontes de dados de assistência médica facilitarão a comunicação entre todos os participantes, resultando em menor custo de assistência médica e melhor resultado em saúde e bem-estar.

Recursos

Aprender

Obter produtos e tecnologias

Discutir

  • Participe da Comunidade do developerWorks. Entre em contato com outros usuários do developerWorks, enquanto explora blogs, fóruns, grupos e wikis orientados a desenvolvedores.

Comentários

developerWorks: Conecte-se

Los campos obligatorios están marcados con un asterisco (*).


Precisa de um ID IBM?
Esqueceu seu ID IBM?


Esqueceu sua senha?
Alterar sua senha

Ao clicar em Enviar, você concorda com os termos e condições do developerWorks.

 


A primeira vez que você entrar no developerWorks, um perfil é criado para você. Informações no seu perfil (seu nome, país / região, e nome da empresa) é apresentado ao público e vai acompanhar qualquer conteúdo que você postar, a menos que você opte por esconder o nome da empresa. Você pode atualizar sua conta IBM a qualquer momento.

Todas as informações enviadas são seguras.

Elija su nombre para mostrar



Ao se conectar ao developerWorks pela primeira vez, é criado um perfil para você e é necessário selecionar um nome de exibição. O nome de exibição acompanhará o conteúdo que você postar no developerWorks.

Escolha um nome de exibição de 3 - 31 caracteres. Seu nome de exibição deve ser exclusivo na comunidade do developerWorks e não deve ser o seu endereço de email por motivo de privacidade.

Los campos obligatorios están marcados con un asterisco (*).

(Escolha um nome de exibição de 3 - 31 caracteres.)

Ao clicar em Enviar, você concorda com os termos e condições do developerWorks.

 


Todas as informações enviadas são seguras.


static.content.url=http://www.ibm.com/developerworks/js/artrating/
SITE_ID=80
Zone=Segmentos de mercado, Information Management
ArticleID=824871
ArticleTitle=Soluções de Microssegmentação para Seguradoras de Assistência Médica
publish-date=08312012