Rédigé par Leah Cooper, directrice générale, Global Consumer Technology ; Steve Elliott, vice-président principal, IT Applications ; Kathy Tazic, directrice générale, Services à la clientèle
On peut dire sans risque de se tromper que l'année a été pleine de surprises - des événements imprévus, des circonstances imprévues et des résultats inimaginables. Alors que nous approchons de 2021 (et, espérons-le, que nous 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 enseignements et les approches uniques en matière de rapports et de modélisation que nous avons adaptés au cours d'une année sans pareille.
Des outils tels que l'intelligence artificielle, l'apprentissage automatique, la datafication et l'automatisation des processus robotiques transforment le parcours des sinistres. Et en ce qui concerne les changements que nous avons observés pour les mécanismes de reporting et la modélisation, l'analyse avancée prend le siège du conducteur. Nous intégrons de nouveaux modèles pour COVID-19, ajustons nos outils d'optimisation des décisions et adoptons une approche de plus en plus axée sur les solutions pour les rapports d'analyse.
Modélisation COVID-19
Nous nous adaptons tous à la technologie à l'époque 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 les questions par le biais de chatbots de traitement du langage naturel pour aider à la modélisation spécifique à COVID. Nos rapports mensuels indiquent le nombre de personnes qui s'adressent à Carey, le chatbot de Sedgwick, pour poser des questions relatives à COVID.
En outre, à l'aide des données disponibles, nous avons créé un modèle permettant à nos clients de prévoir le coût du COVID-19 pour les nouveaux sinistres et les sinistres existants. Compte tenu de l'impact à long terme attendu de COVID-19, ce modèle nous permettra d'aider nos clients à planifier pour aujourd'hui et pour l'avenir. Notre modèle évalue également l'impact de COVID-19 sur les sinistres non COVID. Les données de ce modèle sont disponibles dans un tableau de bord montrant l'impact à travers notre organisation, illustrant les totaux et les tendances dans plusieurs catégories :
- Gravité, durée et implications financières des cas de quarantaine aux cas positifs confirmés et au-delà
- Répartition par État et au niveau national
- Tendances en matière de congés et tendances en matière d'indemnisation des travailleurs
- Impact du manque d'accès aux soins de santé
- Retards dans les interventions chirurgicales
- Fermetures de tribunaux ou retards ayant une incidence sur la clôture et le règlement des demandes d'indemnisation
Text mining
Après une année où les attentes se sont envolées, l'industrie se penche plus que jamais sur les données - et ce n'est pas peu dire. Lorsque le sol vacille, nous nous stabilisons en recherchant plus de profondeur, plus d'exactitude, plus de précision. De bonnes données aident les organisations à anticiper, à s'attendre et à se préparer à des changements de cap. La grande question est donc de savoir comment rendre ces données plus "paramétrées", afin qu'elles soient plus simples à consulter et à utiliser.
C'est ce que montrent les tendances dans le domaine de la consolidation des données : Nous sommes de plus en plus en mesure de traduire les comportements en données utilisables 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 à la réclamation. L'exploration de texte est l'une de ces capacités que nous pouvons nous attendre à voir influencer de plus en plus les modèles analytiques prédictifs et rendre nos systèmes plus robustes. Les entreprises réfléchissent à la meilleure façon de l'appliquer de manière évolutive, tout en identifiant et en évaluant ses utilisations et ses avantages potentiels. En l'ajoutant à nos modèles analytiques - en tant qu'amélioration et non en tant que remplacement - nous pouvons plus facilement repérer et identifier les sinistres qui comportent des notes et du texte sur un sujet particulier. En retour, nous comprenons mieux les besoins des utilisateurs et apprenons davantage de schémas de données qui nous aident à développer des arbres de décision.
Pour Sedgwick, l'exploration de texte va plus loin que jamais et fait de l'exploration de données un processus beaucoup plus efficace et rapide - plus raisonnable pour un grand nombre de sinistres. Nous avons des milliers de champs de données dans nos systèmes, et plus d'historique de sinistres que n'importe quel autre TPA sur le marché. La possibilité d'accéder à des analyses portant sur des millions d'enregistrements de notes libres a donné de bons résultats. Grâce à des mises à jour constantes, nous augmentons notre capacité à effectuer du text mining sur les grandes quantités de données non structurées produites par nos experts en sinistres. La possibilité d'extraire et d'analyser les détails importants contenus dans les notes d'un expert améliore considérablement notre capacité à identifier et à hiérarchiser les mesures à prendre en cas de sinistre, ainsi qu'à créer et à comparer des modèles optimaux pour les problèmes futurs.
Il n'y a pas de limite au nombre d'éléments déclencheurs dont les clients peuvent souhaiter être informés ou qui peuvent influencer la trajectoire d'un sinistre - les données COVID-19 n'en sont qu'un exemple. Il est certain que plus les informations contenues dans les notes sont solides, plus les modèles prédictifs peuvent être informatifs. Les initiatives actuelles en matière d'exploration de texte nous permettront d'approfondir l'analyse en classant les données par sentiment et par sujet. Par exemple, l'analyse des sentiments et le traitement du langage naturel permettent à Sedgwick d'aborder l'intention des données d'une nouvelle manière qui pourrait prédire des litiges potentiels ou avoir un impact sur les réserves.
> Pour en savoir plus, consultez cet article élargi, y compris le contenu de l'encadré "La piste technologique : Qu'est-ce qui se profile à l'horizon pour les clients de Sedgwick ? dans le magazine numérique de Sedgwick, edge, numéro 15