Geschreven door Leah Cooper, Managing Director, Global Consumer Technology; Steve Elliott, Senior Vice President, IT Applications; Kathy Tazic, Managing Director, Client Services
We kunnen gerust zeggen dat het een jaar vol verrassingen is geweest - onverwachte gebeurtenissen, onvoorziene omstandigheden en enkele onvoorstelbare uitkomsten. Nu we 2021 naderen (en hopelijk de uitdagingen van 2020 achter ons laten), is het duidelijk dat we het beste moeten halen uit de voorspellende mogelijkheden en innovatie die we in huis hebben, door de unieke kennis en benaderingen van rapportage en modellering toe te passen die we in een jaar als geen ander hebben ontwikkeld.
Tools zoals kunstmatige intelligentie, machine learning, dataficatie en robotische procesautomatisering transformeren het claimtraject. En als het gaat om de veranderingen die we hebben gezien op het gebied van rapportagemechanismen en modellering, neemt geavanceerde analyse het voortouw. We integreren nieuwe modellen voor COVID-19, passen onze tools voor beslissingsoptimalisatie aan en kiezen voor een steeds meer oplossingsgerichte benadering van analytische rapportage.
COVID-19 modellering
In de tijd van COVID-19 passen we ons allemaal aan de technologie aan. Hoe kunnen we de beschikbare technologie het best gebruiken om onze reactie aan te passen?
Naast de vooruitgang die text mining ons heeft gebracht, gebruiken we ons vermogen om vragen te identificeren, te beantwoorden en te volgen via AI chatbots voor natuurlijke taalverwerking om te helpen bij COVID-specifieke modellering. Onze maandelijkse rapporten bevatten het volume van mensen die naar Carey, de Sedgwick chatbot, komen om COVID-gerelateerde vragen te stellen.
Daarnaast hebben we met behulp van de beschikbare gegevens een model voor onze klanten gemaakt om de kosten van COVID-19 op nieuwe en bestaande claims te voorspellen. Met de verwachte langetermijnimpact van COVID-19 zal dit ons helpen onze klanten te helpen plannen voor nu en in de toekomst. Ons model meet ook de impact van COVID-19 op niet-COVID-claims. Gegevens van dit model zijn beschikbaar in een dashboard dat de impact in onze hele organisatie laat zien, met totalen en trends in meerdere categorieën:
- Ernst, duur en kostenimplicaties van quarantainegevallen tot bevestigde positieve gevallen en daarna
- Uitsplitsingen per staat vs. nationaal
- Verloftrends vs. werknemerscompensatietrends
- Impact van gebrek aan toegang tot gezondheidszorg
- Vertragingen bij operaties
- Sluiting van rechtbanken of vertragingen die van invloed zijn op het afsluiten van claims en schikkingen
Text mining
Na een jaar waarin verwachtingen het raam uit gingen, leunt de industrie meer dan ooit op gegevens - en dat wil wat zeggen. Als de grond wiebelt, houden we onszelf in evenwicht door op zoek te gaan naar meer diepte, meer nauwkeurigheid, meer precisie. Goede gegevens helpen organisaties te anticiperen, te verwachten en zich voor te bereiden op veranderende koersen. De grotere vraag is dan hoe we die gegevens meer "geparametriseerd" kunnen maken, zodat ze eenvoudiger toegankelijk en te gebruiken zijn.
Trends in dataficatie laten dit zien: We zijn steeds beter in staat om gedrag te vertalen naar bruikbare gegevens die ons kunnen helpen processen te begrijpen en te informeren. Geavanceerde tools voor machinaal leren, zoals chatbots, beeldherkenning en geautomatiseerde datamining worden steeds vaker gebruikt om de digitale conversatie tussen belanghebbenden te ondersteunen en te verbeteren. Text mining is zo'n mogelijkheid die we kunnen verwachten als een groeiende factor voor analytische voorspellende modellen en een manier om onze systemen robuuster te maken. Bedrijven zijn aan het uitzoeken hoe ze dit het beste op een schaalbare manier kunnen implementeren, terwijl ze de potentiële toepassingen en voordelen ervan identificeren en afwegen. Door dit toe te voegen aan onze analytische modellen - als een verbetering, niet als een vervanging - kunnen we claims met aantekeningen en tekst over een bepaald onderwerp gemakkelijker markeren en identificeren. Op onze beurt krijgen we een beter inzicht in de behoeften van gebruikers en leren we meer gegevenspatronen die ons helpen beslisbomen te ontwikkelen.
Voor Sedgwick gaat text mining dieper dan ooit tevoren en maakt het datamining een veel efficiënter en sneller proces - redelijker voor een groot aantal claims. Wij hebben duizenden datavelden in onze systemen, plus meer claimhistorie dan elke andere TPA in de markt. De mogelijkheid om analyses te maken van miljoenen vrije notities heeft sterke resultaten opgeleverd. Met voortdurende upgrades vergroten we onze mogelijkheden om tekst mining uit te voeren op de grote hoeveelheden ongestructureerde gegevens die onze schade-experts produceren. De mogelijkheid om de belangrijke details uit de notities van een schaderegelaar te halen en te analyseren, verbetert ons vermogen om schadegerelateerde actiepunten te identificeren en te prioriteren en om optimale modellen voor toekomstige problemen te creëren en te vergelijken.
Er is geen limiet aan het aantal triggers waardoor cliënten geïnformeerd willen worden of die het traject van een claim kunnen beïnvloeden - COVID-19 gegevens zijn slechts één voorbeeld. Zeker, hoe robuuster de informatie in notities, hoe informatiever de voorspellende modellen kunnen zijn. De huidige initiatieven op het gebied van text mining zullen ons de mogelijkheid geven om diepere analyses uit te voeren door gegevens te classificeren op basis van sentiment en onderwerp. Zo stellen sentimentanalyse en natuurlijke taalverwerking Sedgwick in staat om de intentie van gegevens op nieuwe manieren te benaderen die potentiële rechtszaken of impactreserves kunnen voorspellen.
> Meer informatie - bekijk dit uitgebreide artikel, inclusief inhoud voor de zijbalk "Tech track: Wat ligt er nog meer in het verschiet voor Sedgwick klanten?". in het digitale magazine van Sedgwick, edge, uitgave 15