首頁解決方案 > 案例分享健康醫療與社會福祉醫療費用保險之風險評估
醫療費用保險之風險評估

業務目標

保險公司為降低虧損風險,希望不只利用過去資料預測個人之醫療費用,甚至能預測未來投保人的總體醫療費用,而透過預測模型每個輸入變數皆代表著影響醫療費用的不確定因素,因此若能全盤掌握這些不確定因素,便能確實掌握理賠風險,精準擬定給付方案。


解決方案

透過SPSS Statistics蒙地卡羅模擬方法,不僅可利用歷史資料建立預測醫療花費之模型,甚至可模擬各種不確定性的輸入變數,代入預測模型計算並建立總體醫療費用,便能全盤掌握所有可能的醫療花費情況。

  • 利用歷史資料建立預測模型,確立影響糖尿病醫療費用之輸入變數。
  • 將各個輸入變數配適於適合之機率分配(透過SPSS Statistics蒙地卡羅模擬方法,可輕鬆將變數配適符合之機率分配,如下圖)。

醫療花費預測模型之建立的圖片

  • 透過配適的機率分配,隨機生成輸入變數值。
  • 將隨機生成的輸入變數值,代入建立之預測模型計算出醫療費用。
  • 反覆隨機生成輸入變數值(步驟3~4,通常反覆執行上千、萬次),可大量生成各種情況之醫療費用及其發生機率,形成機率分布函數。
  • 模擬摘要表的圖片

  • 經過配適機率分配後,模擬隨機生成觀察值:共19,153筆

應用效果

蒙地卡羅模擬方法,大量模擬生成各種不確定性的輸入變數(age、glucose、income),並透過模型計算出醫療費用(cost)。

SPSS 醫療費用(cost)檢視欄的圖片

  • 透過模擬數據得到總體醫療費用,便能透過資料確實掌握醫療花費的資訊

總體醫療費用之次數分配表的圖片

總體醫療費用之機率分配

透過機率密度函數不僅能處理點估計---總體醫療花費之平均值,甚至是總體醫療費用之機率分配情況,因此我們能得知總體投保人在醫療花費的最高or最低門檻(例如:95%投保人其醫療花費之最高門檻為22,866元),掌握完整的理賠給付資訊,做好理賠風險之評估。


相關成功案例:

  1. 某城市H1N1新型流感疫情的現狀以及流行趨勢
  2. FIS導入資料探勘分析
  3. 毒物預測分析系統解決方案
  4. 廣東省中醫院、華西醫院選擇SPSS醫療衛生解決方案
  5. 荷蘭Diagram B.V.選擇SPSS為統計分析平台
  6. Steno糖尿病中心使用SPSS做為流行病學研究和臨床研究
  7. WRI採用SPSS執行臨床結果改善計畫

台灣析數資訊股份有限公司

AsiaAnalytics Taiwan Ltd.


114台北市內湖路一段356號5樓[Google Map]

5F, No. 356, Sec. 1, Neihu Rd., Neihu Dist., Taipei City 11493, Taiwan (R.O.C.)

TEL:+886 2 7728 7958 FAX: +886 2 2627 0667

e-mail:service@asia-analytics.com.tw

關於析數 | 連絡析數 | 資料分析同樂會社團 | 訂閱析數電子報