2020 年 12 月 11 日
撰稿人：Leah Cooper，全球消费技术常务董事；Steve Elliott，IT 应用高级副总裁；Kathy Tazic，客户服务常务董事
可以说，今年是充满惊喜的一年--意料之外的事件、意料之外的情况和一些意料之外的结果。随着 2021 年的临近（或许希望 2020 年的挑战也能随之结束），我们显然需要充分利用手头的预测能力和创新能力，运用我们在这一年里学到的独特知识和方法来进行报告和建模。
人工智能、机器学习、数据化和机器人流程自动化等工具正在改变理赔流程。就我们所看到的报告机制和建模方面的变化而言，先进的分析技术正在占据主导地位。我们正在整合 COVID-19 的新模型，调整我们的决策优化工具，并在分析报告中越来越多地采用以解决方案为导向的方法。
COVID-19 建模
在 COVID-19 时代，我们都在适应技术。我们如何才能最好地利用手头的技术来调整我们的应对措施？
除了文本挖掘给我们带来的进步外，我们还利用人工智能自然语言处理聊天机器人识别、回答和跟踪问题的能力，帮助进行 COVID 专项建模。我们的月度报告包括向塞奇维克聊天机器人凯里询问 COVID 相关问题的人数。
此外，利用手头的数据，我们为客户创建了一个模型，以预测 COVID-19 对新的和现有索赔的成本。由于 COVID-19 预计会产生长尾影响，这将有助于我们帮助客户为现在和未来制定计划。我们的模型也在衡量 COVID-19 对非 COVID 索赔的影响。该模型的数据可在一个仪表板中查看，该仪表板显示了对我们整个组织的影响，并说明了多个类别的总数和趋势：
- 从检疫病例到确诊阳性病例及其他病例的严重程度、持续时间和成本影响
- 各州与全国的比较
- 休假趋势与工伤赔偿趋势
- 缺乏医疗服务的影响
- 手术延误
- 影响索赔结案和理赔的法院关闭或延误
文本挖掘
在过去的一年里，人们的期望值大打折扣，整个行业比以往任何时候都更加重视数据--这说明了一些问题。当地面出现晃动时，我们会通过寻求更深入、更准确、更精确的数据来稳住自己。好的数据可以帮助企业预测、预期并准备应对变化的路线。那么，更大的问题是，我们如何使数据更加 "参数化"，从而更容易获取和使用？
数据化趋势表明了这一点：我们越来越有能力将行为转化为可用的数据，帮助我们理解和了解流程。聊天机器人、图像识别和自动数据挖掘等先进的机器学习工具越来越多地用于支持和加强索赔利益相关者之间的数字对话。文本挖掘就是这样一种能力，它对分析预测模型的影响越来越大，也是使我们的系统更加强大的一种方法。各公司正在研究如何以可扩展的方式最好地实施文本挖掘，同时也在确定和权衡文本挖掘的潜在用途和优势。通过将其添加到我们的分析模型中（作为一种增强功能，而非替代功能），我们可以更轻松地标记和识别那些有特定主题注释和文本的索赔。反过来，我们也能更深入地了解用户需求，掌握更多有助于开发决策树的数据模式。
对 Sedgwick 而言，文本挖掘比以往任何时候都更加深入，使数据挖掘成为一个更加高效、快速的过程--对大量理赔而言更加合理。我们的系统中有数千个数据字段，而且理赔历史记录比市场上任何其他 TPA 都要多。能够对数百万条自由格式的备注记录进行分析，已经取得了很好的效果。通过不断升级，我们正在提高对理赔人员产生的大量非结构化数据进行文本挖掘的能力。提取和分析理赔员笔记中重要细节的能力大大提高了我们识别和优先处理与理赔相关的行动项目的能力，以及创建和比较未来问题的最佳模型的能力。
客户希望得到通知或可能影响索赔轨迹的触发因素的数量是没有限制的，COVID-19 数据只是一个例子。当然，笔记中包含的信息越丰富，预测模型的信息量就越大。当前的文本挖掘计划将通过对数据进行情感和主题分类，为我们提供更深入的分析能力。例如，情感分析和自然语言处理使 Sedgwick 能够以新的方式接近数据的意图，从而预测潜在的诉讼或影响储备。
> 了解更多--查看这篇扩展文章，包括边栏内容 "技术轨道：对于 Sedgwick 的客户而言，地平线上还有什么？载于 Sedgwick 的数字杂志、 边缘》第 15 期
