基于数据仓库技术的医疗保险基金风险管理模型 1. 引言 基金风险管理就是要系统地识别和衡量基金所面临的损失风险，并通过选择和运用适当的管理手段避免及应对这些风险。对于社会医疗保险来说，基金风险管理的内容主要有业务风险管理和基金财务风险管理。业务风险管理重点在于从业务流程的各个环节上为风险管理提供基础，使得对于风险的识别、风险的评估和风险的控制能够贯穿于参保的审核登记注册、保费计划的制定、费用的征集、待遇的核定支付等各个业务环节。基金财务风险主要包括系统风险、信用风险、基金运用风险和精算风险。系统风险主要来源于社会经济大环境，不在本文讨论之内。信用风险主要针对医疗保险管理者的承保承诺、医疗服务机构的医疗服务诚信和参保者的健康道德风险。基金运用方面，则要严格遵守社会保险基金收支两条线原则，应对来自各方面的基金流失风险。精算风险主要针对根据选定的医疗保险测算模型决定的盈亏状况的分析预测等。对于上述风险的识别、评估与控制构成了医疗保险基金风险管理的重要内容。对于医疗保险基金风险的管理，目前劳动保障管理部门主要依靠医疗保险机构工作人员的经验和事后的检查来防范，没有一套系统化、标准化、信息化的风险识别和风险评估分析系统为风险的防范和控制提供支持。随着医疗保险覆盖面的逐步扩大，参保人员迅速增加，参保对象和人员成份也愈加复杂（如对灵活就业人员参保的管理，比对单位职工的管理要复杂的多），基金的收支随之快速增长，医疗服务和就医也越来越多样化。因而，建立全面的医疗保险基金风险防范系统，对于保证基金的安全，实现医疗保险的最终目标，就显得十分必要。数据仓库(Data Warehouse)是一个面向主题的（Subject Oriented）、集成的（Integrated）、相对稳定的(Non-volatile)、反映历史变化的(Time Variant)数据集合。通过与OLAP（On-Line Analysis Processing）、数据挖掘等决策支持技术的结合，数据仓库提供了强大的管理与决策支持能力。以数据仓库技术为基础的医疗保险基金风险管理系统，可以大大提高管理机构的基金风险管理水平。 2 系统架构医疗保险基金风险管理系统的结构主要包括数据源、数据管理、数据集市、前端工具和应用几个部分组成。如图1所示。数据源：是数据仓库系统的基础，由多个异构的数据库组成，是整个系统的数据源泉。它由医疗保险内部信息和外部信息组成，内部信息主要是业务操作型数据库中的业务数据；外部数据主要是国民经济宏观环境数据信息和医疗卫生资源信息。数据管理：是整个数据仓库系统的核心。在现有业务系统数据的基础上，对数据进行抽取、清理、并有效集成，按照主题进行重新组成，最终确定数据仓库的物理存储结构，同时组织存储数据仓库元数据。数据集市：对分析需要的数据按照多维数据模型进行再次重组，以支持用户多角度、多层次的分析。前端工具与应用：前端工具主要包括各种数据分析工具、报表工具、查询工具、数据挖掘工具以及各种基于数据仓库或数据集市开发的应用技术。 图1 系统体系架构 3 模块设计系统数据模型采用星型模型。该模型由一个事实表和多个维表组成。事实表用于存放医疗保险的事实数据，其表中的信息有多个维度，每个维度对应一个维表。维表包括相应维度的描述信息。例如，对于“基金支出”这个主题，建立了如图2所示的数据模型。这种数据模型的优点是，建模方便，易于用户理解，并有效地支持用户从多个维度对数据进行分析。 4 主要功能模块 系统主要的功能模块有：应收保费分析、承保能力分析和信用风险分析。 4.1. 应收保费分析对现行的医疗保险政策，保费的收缴额主要取决于参保者绝对量的多少、人均缴纳保险费基数和他们的就业状况。系统通过对参保单位和个人信息的整合，分析企业的经营能力和盈利水平，由此进一步分析单位和个人保费的缴纳基数是否与此相适应；参保人员的职业、年龄、就业（在职或退休）状况，推断是否需要缴纳费用和应缴纳的基数水平。以快速发现瞒保、虚报、少报或漏保缴费基数，变更人员就业状态，故意少保、漏保应参保人数等。尤其对于故意拖欠保险费、预缴保险费的单位和个人，更需要通过对比分析他们的全面基础信息资料，提取他们拖欠或预缴的行为特征，建立参保和缴费诚信档案，以及早采取措施，防止故意甚至恶意拖欠和少、漏、瞒缴医疗保险费情况的发生。 4.2 承保能力分析 保险经营是以大数法则为基础，社会保险也不例外。根据医疗保险的承保能力承保已参保者疾病的可保风险，并建立充足的保险基金，是承保能力分析的任务。承保能力就是当参保人发生在政策规定范围内的疾病就医治疗时发生费用的赔付能力和水平。因此，对承保能力的分析，是建立在对各类承保数据、理赔数据及其基金财务数据的分析、比较、计算的基础上，对不同职业、年龄和就业状况参保者健康状况进行分析预测，对不同种类疾病的易发人群，发病后诊断治疗和费用进行分析判断，对不同等级医疗服务机构提供的服务项目水平和质量进行比较分析，从而甄别出必要的基本医疗或过度的医疗消费，甚至是恶意套取保险基金的行为。 4.3 信用风险分析医疗保险的信用风险体现在医、保、患三方之中。医方，即医疗服务机构方（定点医院或定点零售药店）。其信用体现在，不拒收、拒治被保患者，不诱导被保者过度消费，合理用药、合理治疗，切实履行服务承诺。主要反映指标如医疗保险目录范围内药品满足率，门诊每处方平均费用，住院床日费用，以及常规反映医疗服务质量和效率的统计指标等。保方，即医疗保险管理者一方的信用主要指，对应被保人群是否做到应保尽保，对保险基金是否做到应收尽收，对被保者合理的医疗费用是否做到应付尽付，并履行和医疗服务机构签订的服务协议承诺。参保覆盖率、保费收缴率、被保险人满意度、统筹基金支付率等，是反映保方信用的重要指标。患方，即被保险方（参保者），其信用体现在如实申报缴费基数，及时到保险机构更改个人信息变更，不冒名就医、不借用基金过度医疗消费、不挪用个人帐户基金等。具体指标如个人缴费基数占实际工资收入比，高频就医率等。系统通过对数据指标的分析比较，可以准确识别、计量和控制三方的信用风险并实现风险的组合分析和相关分析，从而确定合理的基金征集、收入和支出范围，保证基金的安全稳定运行。 5 技术实现 1. 数据自动更新的实现数据更新是医疗保险风险分析数据仓库的核心问题，系统采用追加方式。具体方法是，设置触发器跟踪记录数据库中数据的变化，当数据库中的触发事件发生时，触发器被触发执行。由系统自动识别当前数据仓库的状态，数据被自动更新。 2. ETL调度的实现虽然目前有许多工具可以实现ETL中数据抽取和加载，但由于医疗保险业务和数据的复杂性，这些工具能完成的工作很少，系统中主要依靠手工编程实现。基本思路是，对于源数据和目标数据库不在一个平台上的情况，采用ETL调度：（1）定义数据抽取和载入的时间触发机制，设计两者的时间窗；（2）监控数据源的变化，通过参数设置方式建立数据或事件触发机制；（3）记录调度日志。 3. 基于MetaCube的前端查询实现 MetaCube是一个基于OLAP联机分析处理工具，主要用于多维分析。它从数据仓库中查找满足条件的数据集并进行分析。MetaCube支持标准的SQL语言，提供标准的OLE接口，能够与Microsoft的Excel等紧密结合，并能将结构发布到Web上。
TAG:
数据仓库
风险管理
医辽保险
10秒注册会员 结交数据仓库朋友 分享你的精彩
