Faire des prédictions au milieu de l’incertitude

Rédigé par Leah Cooper, directrice générale, Technologie grand public mondiale; Steve Elliott, vice-président principal, applications TI; Kathy Tazic, directrice générale, Services à la client

On peut dire sans risque que cette année a été remplie de surprises — événements inattendus, circonstances imprévues et des résultats inimaginables. Alors que nous approchons de 2021 (et, espérons-le, commençons à fermer la porte aux défis de 2020), il est clair que nous devrons tirer le meilleur parti des capacités prédictives et de l’innovation dont nous disposons, en appliquant les apprentissages et approches uniques de rapports et de modélisation que nous avons adoptés en une année sans pareille.

Des outils comme l’intelligence artificielle, l’apprentissage automatique, la datafication et l’automatisation robotisée des processus transforment le parcours des réclamations. Et en ce qui concerne les changements que nous avons observés pour les mécanismes de reporting et la modélisation, ce sont les analyses avancées qui prennent le volant. Nous intégrons de nouveaux modèles pour la COVID-19, ajustons nos outils d’optimisation des décisions et adoptons une approche de plus en plus orientée solutions pour les rapports analytiques.

Modélisation COVID-19
Nous nous adaptons tous à la technologie en période de COVID-19. Comment pouvons-nous utiliser au mieux la technologie disponible pour adapter notre réponse?

En plus des avancées que le text mining nous a apportées, nous utilisons notre capacité à identifier, répondre et suivre des questions grâce à des chatbots IA de traitement du langage naturel pour aider dans la modélisation spécifique à la COVID. Nos rapports mensuels incluent le nombre de personnes qui viennent à Carey, le chatbot de Sedgwick, pour poser des questions liées à la COVID.

De plus, en utilisant les données disponibles, nous avons créé un modèle pour nos clients afin de prédire le coût de la COVID-19 sur les réclamations nouvelles et existantes. Avec l’impact à longue traîne attendu de la COVID-19, cela nous aidera à aider nos clients à planifier pour le présent et pour l’avenir. Notre modèle mesure aussi l’impact de la COVID-19 sur les demandes non liées à la COVID. Les données de ce modèle sont disponibles dans un tableau de bord montrant l’impact à travers notre organisation, illustrant les totaux et tendances dans plusieurs catégories :

• Gravité, durée et conséquences des coûts, des cas de quarantaine aux cas confirmés positifs et au-delà
• Répartition par État vs au niveau national
• Tendances des congés vs. tendances en indemnisation des travailleurs
• Impact du manque d’accès aux soins de santé
• Retards dans les chirurgies
• Fermetures de tribunaux ou retards affectant la clôture des réclamations et les règlements

Extraction de texte
Après une année où les attentes se sont envolées, l’industrie s’appuie plus que jamais sur les données — et c’est tout dire. Quand le sol vacille, nous nous stabilisons en cherchant plus de profondeur, plus de précision, plus de précision. De bonnes données aident les organisations à anticiper, à s’attendre et à se préparer à des cours modifiés. La grande question devient donc : comment rendre ces données plus « paramétrées », pour qu’elles soient plus simples à accéder et à utiliser?

Les tendances en datafication le montrent : nous sommes de plus en plus capables de traduire les comportements en données exploitables qui peuvent nous aider à comprendre et à informer les processus. Des outils sophistiqués d’apprentissage automatique, tels que les chatbots, la reconnaissance d’images et l’exploration automatisée de données, sont de plus en plus utilisés pour soutenir et améliorer la conversation numérique entre les parties prenantes des réclamations. L’exploration de texte est l’une de ces capacités que nous pouvons espérer voir comme un influenceur croissant pour les modèles analytiques prédictifs et un moyen de rendre nos systèmes plus robustes. Les entreprises travaillent à la meilleure façon de le mettre en œuvre de façon évolutive, tout en identifiant et en évaluant les usages et bénéfices potentiels. En ajoutant cela à nos modèles analytiques — comme une amélioration, et non comme un remplacement — nous pouvons plus facilement signaler et identifier les affirmations qui contiennent des notes et du texte sur un sujet particulier. En retour, nous acquérons une compréhension plus approfondie des besoins des utilisateurs et apprenons davantage de schémas de données qui aident à développer des arbres de décision.

Pour Sedgwick, l’exploration de texte va plus profondément que jamais et rend l’exploration de données beaucoup plus efficace et rapide — plus raisonnable pour un grand nombre de réclamations. Nous avons des milliers de champs de données dans nos systèmes, ainsi que plus d’historique de réclamations que tout autre TPA sur le marché. Pouvoir accéder à des analyses entourant des millions d’enregistrements de notes libres a donné des résultats solides. Avec les mises à jour continues, nous augmentons notre capacité à effectuer de l’exploration de texte sur les grandes quantités de données non structurées produites par nos experts en sinistres. La capacité d’extraire et d’analyser les détails importants contenus dans les notes d’un expert améliore considérablement notre capacité à identifier et prioriser les actions liées à la réclamation, ainsi qu’à créer et comparer des modèles optimaux pour les préoccupations futures.

Il n’y a pas de limite au nombre de déclencheurs par lesquels les clients souhaitent être avisés ou qui peuvent influencer la trajectoire d’une réclamation — les données sur la COVID-19 n’en sont qu’un exemple. Certainement, plus l’information contenue dans les notes est robuste, plus les modèles prédictifs peuvent être instructifs. Les initiatives actuelles en exploration de texte nous donneront la capacité d’une analyse plus approfondie en classant les données par sentiment et sujet. Par exemple, l’analyse de sentiment et le traitement du langage naturel permettent à Sedgwick d’aborder l’intention des données de nouvelles façons qui pourraient prédire des litiges potentiels ou impacter les réserves.

> En savoir plus — consultez cet article élargi, incluant le contenu de la barre latérale « Parcours technologique : Quoi d’autre est à l’horizon pour les clients de Sedgwick? » dans le magazine numérique de Sedgwick, edge, numéro 15