DATA MANAGEMENT IN SANITÀ: IL RUOLO DELLA DATA DRIVEN INSURANCE (PARTE 1)

L’intervista a Giuseppe Carchedi, Operations Manager di Sham in Italia, offre un punto di vista inedito e da ‘addetto ai lavori’ sull’impiego dei dati nella gestione sanitaria in Italia. Un approfondimento in due puntate che parte oggi dall’orizzonte del mercato per approdare al concetto di Data Driven Insurance.

 

Qual è lo stato dell’arte dei Big Data in Italia?

Il mercato italiano dei Big Data è dinamico e sempre più maturo: secondo una recente ricerca dell’Osservatorio Big Data Analytics & Business Intelligence del Politecnico di Milano, il mercato Analytics ha raggiunto un valore di oltre 1,7 miliardi di euro ed è in continua crescita.

Il 93% delle grandi aziende sta facendo investimenti in tal senso e, nello specifico, il ramo assicurativo è al quinto posto (6%) per quota di mercato in termini di spesa. La priorità è rappresentata dagli investimenti in ambito software (47%), voce nel quale sono compresi gli strumenti per la visualizzazione e l’analisi dei dati.

La direzione intrapresa dalle aziende italiane è quindi quella di un modello “Data Science Enabled” che si basa su una strategia data-driven che punta a ridefinire anche l’architettura tecnologica dell’assetto organizzativo aziendale.

I dati stanno diventando una commodity sempre più richiesta, e gli assicuratori competono sempre più con imprese che offrono servizi a valore aggiunto in cambio dell’accesso ai dati.

Nello specifico, qual è il valore aggiunto di una gestione integrata dei dati nel Risk Management?

Una gestione integrata dei dati può innescare un ciclo virtuoso: nel nostro settore, quello del risk management sanitario, grazie ai dati raccolti dal claims management, è possibile identificare le maggiori aree di criticità, promuovere azioni correttive, limitare l’incidenza degli eventi avversi e di conseguenza, da un lato, ridurre il costo totale del rischio sanitario, sia in termini di sinistrosità, sia in termini di spesa per la copertura assicurativa e, dall’altro, contribuire al miglioramento delle cure.

Partiamo dall’inizio: come si è evoluto il comparto Insurance grazie ai Big Data e cosa significa questo per i vostri clienti?

Per rispondere a questa domanda è necessario fare una premessa: le compagnie assicurative vantano una lunga storia nell’utilizzo degli analytics. Tradizionalmente, però. questa competenza era applicata all’ambito degli studi attuariali^[1]. Negli anni, l’approccio al dato dell’intero settore finanziario si è evoluto, principalmente grazie ai processi di ammodernamento avviati dal ramo bancario. Le assicurazioni hanno visto l’introduzione di Big Data e AI come un modo per migliorare il modello di business già esistente con un imprinting “business as usual – but better”. Le innovazioni si sono quindi concentrate più sull’efficienza e sulla produttività, piuttosto che sulla modifica del business model.

Da qui nasce la pratica del dato come strumento di decision making. I sistemi di analisi offrono innumerevoli opportunità: ad esempio quella di conoscere al meglio i propri clienti e offrire loro servizi calibrati sui loro profili individuali.

Se ci concentriamo sugli aspetti puramente assicurativi, sono molteplici le possibili applicazioni dei Big Data e dei modelli avanzati di data analytics. Basti pensare all’integrazione tra dati tecnici assicurativi e dati sanitari, demografici o ancora tecnologici: la combinazione tra questi migliora la conoscenza del rischio al quale sono sottoposti i clienti, consentendo la promozione di pratiche di gestione e di risk prevention proattive. Ma non solo: in futuro i Big Data consentiranno di perfezionare le pratiche sottoscrittive, di migliorare la gestione corrente del portafoglio tecnico, di creare strumenti predittivi che semplifichino e/o accelerino l’istruttoria dei sinistri, efficientare i processi di back office e molto altro.

Che visione di sintesi possiamo offrire ai lettori di Sanità 360°?

Ogni dato è unico per l’organizzazione che lo raccoglie, così come sono unici i modelli di elaborazione, rendendo così l’approccio “data-driven” di ciascuna azienda davvero inimitabile. Nuovi metodi e ulteriori flussi di dati in futuro porteranno a previsioni sempre più accurate. E solo chi sarà in grado di utilizzare con efficacia i dati non strutturati potrà sfruttarne appieno il potenziale.

 

 

^[1] Uno studio statistico che misura il grado di rischio e sviluppa una proiezione dell’esposizione.