分享一些Health Insurance DS 的背景小知识

本po在一家health insurance company 干了几年了，期间参与了无数次technical interview 和 onsite interview。面了一圈感觉这个领域可能还需要一些DS之外的背景知识会更加分，就把一些总结写在下面。纯粹是个人的总结，而且在这个领域的经验也就十分的短，如果有不正确的，欢迎随时批评指正。
1） health insurance公司在member这一块的大头问题之一，就是控制医疗支出。
      如果不谈Medicare, Medicaid，保险公司的收入来源有两个大块：就是member交的premium, 还有帮大公司管理Claim时大公司交的管理费还有一些购买额外产品交的费用(这一部分相对小）。支出部分就是要支付member每年看病治病的费用。 所以如果可以有办法节省支出部分，那保险公司就可以赚更多的钱。那怎么控制医疗成本？
   a) Site of care - 同样的医疗service，假设同样的医疗水平，如果去了A，总费用会多出好几千，但是如果去了B，就可以省下几千。那么保险公司就可以： 1） 找出要做这些service的member（这里就可以应用ML模型） 2) 提前教育member有更多的选项，推荐一些preferred的医疗机构。 从而达到省钱的目的。我之前一直都有种错觉：就是一分钱一分货。但是后来发现简单的一个抽血 lab test，如果你在医院做就是会比直接去QuXt/Lab CXp那里要贵一些。甚至QuXt还会寄给你一个精美的小册子跟你讲结果，但是医院反而不会提供这些额外的服务。
   b) Medical Adherence - 对于一些有慢性病需要定期服药的人，如果他们能够做到定期服药，那么他们的患病状况可以在一定程度内得到控制，不会演变成更严重的疾病。这里保险公司就可以起到健康管理咨询的职能 - 帮助或者即时的提醒member去取药或者服药
   c) Screening - 许多疾病都是早发现早治疗就不会出大问题。因此保险公司都会定期的针对特定的人群去提醒他们做annual exam，去看PCP做一些疾病的早期筛查。这里又可以利用一些预测模型，根据member之前的医疗的记录，我们能不能找出一些风险高的人群，让他们去做筛查。

其实还有很多可以说的，但是以上三点是我感觉许多的保险公司都会多少涉足的领域。另外值得提出的是- 在和member沟通的时候，这里就存在很多的A/Btesting, 因为每个人的就医习惯是不一样的，可能new user就和user with longer tenure就不太一样，age group对channel有不同的偏好，我们的工作另一方面就是找出一些特定的组，去test不同的content，不同的channel 组合（打电话还是发邮件还是发贺卡）, 然后对每个不同的组别找出最佳的干预措施。

可能大家对医疗保险公司的印象都不太好，我经常听到很多人抱怨说这个不cover而且还贵，感觉保险公司就是个能不赔钱给你就不赔钱的公司。但我在里面工作了一段时间，其实health也一直是工作的重点，几乎所有人都是在想一个member更健康，保险公司能省钱的双赢局面，也因为有这个愿景，让DS觉得自己的工作多了更特殊的意义。

然后其实保险公司还有非常多其他块的内容，我这一块只是member里面的冰山一角，但就这些我在入职之前都不知道，希望分享出来可以给大家。
这个讲的内容比较小众（？），但还是希望这些background的信息可以帮助求职的娃儿们可以打动面试官从而一举拿下offer. 求大米呀~~

谢谢楼主分享！我的工作更多是在provider side的，对于payer side很好奇。想知道machine learning在health insurance companies的角色是什么呢？重要程度如何？行业对于ML的热情如何？
我自己的工作经验是，很多时候搞清楚商业逻辑，一个简单的filter就可以解决问题。而ML对于数据的量，数据的质量有要求，算法本身也存在一定错误率，不稳定性，不透明性，反而会把问题复杂化。
我没有做过medication adherence，斗胆猜测一下，在这个例子里，最重要的是不是对medication adherence的定义？比如什么药物可以中断服用，什么药物必须无缝衔接？到什么程度算作是nonadherence需要intervention？至于分析过程中，重点是收集到准确全面的病人用药历史（我估计claim data会比EHR data更加工整），然后根据之前定好标准决定病人的严重程度和优先级别，这阶段不用ML，定义一个risk score calculation也可以。然后是执行问题，应该以怎样的频率，提早多久，以什么方式reachout to patients？这个阶段或许可以引入ML做各种reachout optimization。
我可能有点啰嗦。。。如果非要归结到一个问题的话，就是想听听楼主的想法，什么时候用ML，什么时候不用？背后的权衡考量是什么呢？

同在健康保险公司做DA 非常同意楼主的各种观点 在healthcare做data analytics应用性要非常强 要做到应用性就得首先做到了解这个领域 从patient到physician到payor然后到政府 感觉需要了解的太多了 我觉得我一半时间都在学习

wanwan6672 发表于 2020-10-11 07:02
请问求职难度大么？更prefer什么ability呀？

这个看组而且每个公司要求也不一样（虽然这句话看起来很没有用OvO），我这边如果非要排个序的话是: problem solve, communication,SQL, ML基本知识+AB testing， 我感觉更technical的那些（NLP高级点算法，deep learning）在我所在的公司普及率比较低，基本的那些ML模型如果也能解决问题的话上层就根本不想再了解那些最新的算法了。

涨姿势了，谢谢分享！

医保行业的利润率一般有多少？有没有超过5%？

请问求职难度大么？更prefer什么ability呀？

想找health insurance DS，lz公司招人吗？

janena77 发表于 2020-10-11 07:20
想找health insurance DS，lz公司招人吗？

我们目前好像fresh grad不怎么招，如果有2-3年甚至更多年工作经验的话就有opening噢

kinokino 发表于 2020-10-11 06:53
医保行业的利润率一般有多少？有没有超过5%？

这个问题问得一针见血，很遗憾见识粗浅的我不知道QAQ。但我感觉这个数字对于医保行业波动会很大，每年health policy都会发生变化，这可以很直接的影响整个行业的利润(如obama care这些）。另外一点就是医保是好几块的，medicare，medicaid，commercial每一块都非常不一样，甚至衡量的指标都不仅仅是med cost，里面还会有政府每年要评估的一些指标，这也是为什么我没法给出一个数字的原因。欢迎share你的想法呀

ebase820 发表于 2020-10-10 19:09:20
我们目前好像fresh grad不怎么招，如果有2-3年甚至更多年工作经验的话就有opening噢

好的，谢谢lz告知～想问问你们公司phd可以考虑算2年工作经验吗？

janena77 发表于 2020-10-11 10:26
好的，谢谢lz告知～想问问你们公司phd可以考虑算2年工作经验吗？

算的！OvO phd我们公司很喜欢的! 虽然招进来可能没有你们phd期间做的这么tech就是了