
SAS 健康医疗保险反欺诈框架 SAS® Fraud Framework for Health Care
-
- 共 0人点评 稳定性: 0 兼容性: 0 功能: 0 价格: 0 服务: 0
在不当支付被执行前进行侦测,从而节约数亿美元用于改善健康医疗保险的品质。提高精确度的同时降低创建模型时间。你不再需要数周,只需要几个小时。
- 标签:
- 厂商:赛仕软件(北京)有限公司
- 详情
- 资费
- 常见问题
- 点评
- 咨询
- 售后
产品益处
侦测更多不当支付通过在流程中创建分析模型与规则引擎,您得以发现比过去多得多的支付完整性违规问题。依托规则与分析模型处理所有数据(并非单一样本)。使用定制化模型侦测之前未见过的骗局。同时察觉关联实体与犯罪团伙,从而遏制更大损失。
减少误报 提高效率
通过包含在您的处理工作流程中的分析模型,获取对信息的实时接入。在传输给分析师、临床医生或调查员之前,应用基于风险评分机制对输出值进行建模。因此您可以确保有价值人员正介入最优先的案例中。同时,通过改善审核的效率,你可使临床医生调查员从以往的过量的冗余案例中脱身。削减损失的同时提高挽回率
准实时的每日批量评分机制可快速捕捉欺诈行为。寻找类似申索中的虚报损失。通过集成员工数据与审计记录,识别重复违规者并揭露内应人员或团伙欺诈;并应用基于风险与价值的评分模型来确定传输给调查员的优先输出值。
树立对支付完整性风险的一致观念
持续改进模型并使系统适配,从而应对支付与成本控制中的变化趋势。对新型威胁拥有更好的认识。同时利用社交网络图标与高超的数据挖掘能力,提前预防大额损失。
功能特色
欺诈数据管理
将内外部来源的历史数据进行合并——申索系统、观察名单、第三方、非结构化文本等.
利用解决方案内嵌的数据质量工具,消除或削减冗余或不一致数据.
与您的第三方反欺诈应用程序进行无缝整合.
规则与分析模型管理创建并逻辑化地管理商业规则、分析模型、预警与已知欺诈者的名单.
定制分析模型,对现有商业规则下未被察觉的欺诈、浪费与滥用进行识别.
针对例如:交易方、数据源与业务线等多元要素,可便利地对部署、集成、调度、抑制与路径选择进行管理.
平行或错时(日间、每日、每周、每月等)单独运行规则与模型组.
侦测与预警的生成
在首次提交中计算出异常账单的倾向,同时在获取新的申索数据后,在每个处理环节重新评估其申索.
在裁定流程中提前进行申索复核,由此您可以在预付款环节阻止可疑行为.
在最恰当的关键点上将欺诈侦测方法整合到流程中。例如:异常侦测情形的案例中,通常会要求提供仅在其后的裁定流程中适用的数据.
预警管理将多元监控系统的预警进行合并,将合并内容与一般个体进行联系,从而对特定个体或集团取得更为完整的观察手段.
根据具体特性,通过准实时的评分体制,对预警调查顺序进行优先级排列.
根据用户设定的规则与要求,将预警发送给合适的团队成员.
通过为您的调查单元流程定制的仪表板展示每个案例的所有证据.
社交网络分析以交易与账户之外的视角,基于网络维度的方式来分析相关行为及关系.
利用单独的网络可视化界面,识别看似毫无关联的申索之间的关系.
生成围绕单一案例的完整卷宗汇编,同时可更快地接入所有相关各方与网络的整体细节.
生成独立与合并的欺诈评分。由此您可以基于顾客、申索或网络等角度整体评估风险.
通过协助调查员将网络实体进行合并与删减,以及对网络中特定实体增加注释(文本与图片)的方式提高调查员的工作效率.
利用时间滑条功能,观察网络中的某一活动随着时间变化是如何发展的.
可选择的集成案例管理解决方案利用可配置化的工作流程,系统化地安排操作、临床或调查的审核工作.
存储与某一案例适配的信息,包括具体的调查信息。例如:犯罪或民事起诉、赔偿及收款相关的访谈笔记与证据.
评估整体欺诈风险,包括由于欺诈导致的损失与被侦测或预防的欺诈行为.
准备分析模型提供预打包的探索规则、异常侦测与预判模型.
包含了保健事业专属的反欺诈、浪费与滥用的数据模型.
让您以全新的方式掌控更为高级的分析技术.
主机与分析服务
可在SAS主机网站安装并管理您的解决方案,从而进行更迅捷的部署(以及更快的投资回报率);与此同时,消除付款方员工对系统的监测需求.
可在您的网站上设置主机。这种情况下SAS的专业服务团队将会协助您进行部署,并提供专业知识传授服务.